本文選題：遙感 + 作物　； 參考：《農(nóng)業(yè)工程學報》2017年11期

【摘要】：作物種植結構監(jiān)測和估產(chǎn)是精準農(nóng)業(yè)遙感的重點領域,其研究對于指導作物種植結構和制定農(nóng)業(yè)政策具有重要意義。該文以黑龍江省北安市為研究區(qū),以2015年的Landsat8 OLI和多時相GF-1為遙感數(shù)據(jù)源,基于物候信息和光譜特征確定的農(nóng)作物識別關鍵時期和特征參數(shù),構建面向?qū)ο蟮臎Q策樹分類模型,開展作物種植結構監(jiān)測研究;綜合植被光譜指數(shù)和地面采樣數(shù)據(jù),采用逐步回歸方法建立產(chǎn)量遙感估算模型。結果表明:多源與多時相的遙感數(shù)據(jù)可以反映不同農(nóng)作物的季相特征,應用本文所構建的決策樹分類模型,作物分類效果較好,總體精度達87.54%,Kappa系數(shù)為0.8115;2015年,北安市的主要作物類型為大豆、玉米、水稻和小麥,面積分別為2204、1955、122和19 km~2,其中大豆的種植面積最大,占作物種植面積的51.24%�；贜DVI、EVI和GNDVI構建的多元回歸模型為北安市大豆和玉米產(chǎn)量估算最優(yōu)模型(R~2=0.823 7,均方根誤差135.45 g/m~2,精度80.55%);北安市玉米高產(chǎn)區(qū)集中分布在西部,大豆的高產(chǎn)區(qū)主要分布在東部;2015年北安市玉米和大豆的單產(chǎn)分別為8 659、2 846 kg/hm~2,總產(chǎn)量分別為16.93×10~8、6.27×10~8 kg。利用作物關鍵物候期的多源多時相遙感數(shù)據(jù)能夠精確高效地提取作物種植結構,構建的產(chǎn)量估算多元回歸模型,為精準農(nóng)業(yè)科學發(fā)展提供參考。
[Abstract]:Crop planting structure monitoring and yield estimation are the key fields of remote sensing in precision agriculture, and its research is of great significance in guiding crop planting structure and formulating agricultural policies. Taking Bei'an city of Heilongjiang Province as the research area and Landsat8 OLI and multitemporal GF-1 of 2015 as remote sensing data sources, this paper constructs an object-oriented decision tree classification model based on the key periods and feature parameters of crop identification determined by phenological information and spectral features. The monitoring of crop planting structure was carried out, and the remote sensing estimation model of yield was established by using stepwise regression method based on vegetation spectral index and ground sampling data. The results show that the multi-source and multi-temporal remote sensing data can reflect the seasonal characteristics of different crops. Using the decision tree classification model constructed in this paper, the effect of crop classification is better, the overall precision is 87.54 and the Kappa coefficient is 0.8115. The main crop types in Bei'an city are soybean, corn, rice and wheat, with an area of 2204An 1955122 and 19kmm2, respectively. Among them, soybean has the largest planting area, accounting for 51.24g of the crop area. The multivariate regression model based on NDVIVI and GNDVI is the best model for estimating soybean and maize yield in Bei'an city, the root mean square error is 135.45 g / m ~ 2, and the precision is 80.550.The high yield area of corn in Bei'an City is concentrated in the west of China, and the root mean square error is 135.45 g / m ~ (-2). In 2015, the yield of maize and soybean in Bei'an was 8 659 kg / hm ~ (-2) and 16.93 脳 10 ~ (8) ~ 8 ~ (-8) kg ~ (-1) 路hm ~ (-2) 路hm ~ (-1) 路hm ~ (-1), respectively. Using the multi-source and multi-temporal remote sensing data of crop key phenology, the crop planting structure can be extracted accurately and efficiently, and the multiple regression model of yield estimation can be constructed, which provides a reference for the scientific development of precision agriculture.
【作者單位】： 赤峰學院資源與環(huán)境科學學院;中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所中國科學院濕地生態(tài)與環(huán)境重點實驗室;中國科學院大學;吉林大學地球科學學院;中國科學院遙感與數(shù)字地球研究所;
【基金】：中國科學院野外站聯(lián)盟項目(KFJ-SW-YW026) 國家重點研發(fā)計劃子課題(2016YFC0500201-03)
【分類號】：S127;TP79

【相似文獻】

相關期刊論文 前6條

1 趙慶恩;張維江;李娟;張鵬程;朱旭東;;好水川流域作物種植結構優(yōu)化研究[J];人民黃河;2012年09期

2 李德楠;;黃河治理與作物種植結構的變化——以光緒《豐縣志》所載“免料始末”為中心[J];中國農(nóng)史;2013年02期

3 王瑞斌;;淺析線性規(guī)劃法在漢延渠灌區(qū)作物種植結構優(yōu)化中的應用[J];科技創(chuàng)新與應用;2013年28期

4 張金紅;武保國;;種植業(yè)節(jié)水避旱技術與結構調(diào)整研究應用[J];河北水利;2011年01期

5 陳守煜,馬建琴,張振偉;作物種植結構多目標模糊優(yōu)化模型與方法[J];大連理工大學學報;2003年01期

6 ;[J];;年期

相關重要報紙文章 前3條

1 見習記者 陰祖峰邋記者 楊興文 穆巍;三大作物種植結構“兩增一減”[N];哈爾濱日報;2007年

2 特約記者 張銀蓉;調(diào)佳作物種植結構促農(nóng)增收[N];阿勒泰日報;2007年

3 通訊員 陶家祥;賓川縣調(diào)整作物種植結構應對干旱[N];大理日報(漢);2010年

相關碩士學位論文 前3條

1 王嘯天;大型灌區(qū)作物種植結構與實際灌溉面積遙感監(jiān)測研究[D];中國水利水電科學研究院;2016年

2 郭曉曉;3S技術支持的黑龍港地區(qū)主要作物種植結構優(yōu)化[D];北京林業(yè)大學;2011年

3 張楠楠;黃河中下游引黃灌區(qū)作物種植結構的遙感監(jiān)測方法研究[D];遼寧工程技術大學;2008年

，

本文編號：1815923