不同样本集划分策略对农作物遥感分类精度的影响

农作物分布的提取精度对于后续的农田参数反演和作物单产估算等均具有深刻的影响,而农作物分类识别过程中,训练样本的准确性和数量对其最终分类结果的影响是至关重要的。针对样本较少且分布不均匀的问题,通过实地标识和目视解译2种方式构建农作物分类样本数据集,设计5种样本数据集构建方案:方案(1)全部采用实测样点(70%训练、30%验证);方案(2)全部采用目视解译样点(70%训练、30%验证);方案(3)实测样点与目视样点分别选取相同比例的训练样本与验证样本,再结合构建训练样本集与验证样本集(70%训练、30%验证);方案(4)目视解译样点作为训练样本,实测样点作为验证样本;方案(5)目视样点与实测样点选取相同数量的样本进行结合构建样本集(70%训练、30%验证)。研究不同方案下的农作物遥感分类精度。结果表明,除方案(4)外,(1)(2)(3)(5)4种样本数据集划分方案的整体精度均在95%以上,分类结果较好,表明采用目视解译补充样本点,可以有效解决样本点较少和分布不均匀的情况。方案(3)作为研究区作物识别提取的最佳分类方案,总体精度达到97.6%,Kappa系数达到0.970,且玉米、水稻、大豆单类精度均超过97%,表明目视解译样点与实测样点分别选取训练样本与验证样本再结合构建训练样本集与验证样本集,不仅可以提升分类结果的精度,而且可以提高分类结果的真实性、准确性。

汶川地震粮食受损遥感快速估算与分析

综合利用灾前IRS P6 Liss-4高分辨率数据与灾后的航空影像,估算粮食受损面积,并利用同期农业气象数据估算了不同受灾区域粮食作物单产水平,最终估算得出震区粮食作物受损产量。监测结果表明:地震造成的12个重灾县市冬小麦直接损失247.1hm2,产量约为1013778kg,直接影响不大。但受灾地区冬小麦总产量超过22万t,而且对秋粮作物的种植和生产造成影响,对中国粮食生产的间接影响不容忽视。

荷斯坦牛TLR6基因CDS区的生物信息学分析

采用生物信息学方法分析和预测了荷斯坦牛TLR6基因编码蛋白质的理化特性、结构功能及其同源进化关系。结果表明,荷斯坦牛TLR6基因编码793个氨基酸,组成蛋白为不稳定的水溶性蛋白,二级结构为混合型,三级结构由α-螺旋、β-折叠、β-转角和无规则卷曲组成。蛋白质功能显示信号转导、胁迫应答、免疫应答和生长因子的几率相对较高。荷斯坦牛TLR6基因氨基酸序列与牦牛的同源性较高。说明TLR6基因能在荷斯坦牛免疫应答和生长调节过程中发挥重要作用,可能对牛的抗病力和生产性能起作用。

农作物分类成数的精度检验

选择山西太谷一个 5km× 5km的实验区 ,利用样条采样框架结合GVG农情采样系统调查农作物分类成数。同时借助QuickBird甚高分辨率遥感影像进行地面作物种植地块勾绘 ,并派出地面调查队伍进行作物填图 ,统计汇总出的农作物分类成数的真实值。然后将两种不同方法得出的分类成数进行对比 ,发现利用样条采样框架和GVG农情采样系统对于大宗粮食作物分类成数的调查相对误差在 3%以内 ,能够满足中国农情遥感速报系统的运行需要。而对于小成数作物的调查精度较低 ,且存在漏采现象 ,不能满足需求 ,同时也由于漏采现象的存在和图片判读的主观性。利用样条采样框架和GVG农情采样系统获取的大宗作物分类成数略大于真实值 ,存在少量的系统误差 ,需要进行地面验证并加以克服。

作物种植成数的遥感监测精度评价

以河南开封和山西太谷地区作为研究区域 ,选用LandsatTM作为农作物种植面积遥感监测的数据源。利用LandsatTM提取河南开封实验区 2 0 0 1年的夏季作物和山西太谷地区 2 0 0 3年秋季作物的作物种植成数。同时 ,利用IKONOS ,QuickBird高分辨率遥感影像 ,通过地面调查进行了地面作物填图和分类 ,同样得到实验区的农作物种植成数。最后通过两种结果对比 ,表明开封实验区夏季作物的监测精度达到 99%以上 ,太谷实验区秋季作物的监测精度达到 97%以上 ,由此推断 。

中国荷斯坦牛LF基因多态性与泌乳性状及乳腺炎的关联分析

乳铁蛋白(Lactoferrin,LF)是保护乳腺组织的防御因子之一,在机体抵抗乳腺炎方面起着重要作用。本研究采用PCR-SSCP技术和测序的方法对宁夏农垦303头中国荷斯坦牛的LF基因进行了遗传多态性分析,利用一般线性模型分析LF基因g.4388G>C位点突变对日产奶量、测定日乳脂率、测定日乳蛋白率及体细胞评分4个泌乳性状的影响。结果显示,LF基因g.4388G>C突变位点与日产奶量、乳脂率和体细胞评分值存在显著关联(P<0.05)。多重比较结果表明,GC基因型个体的体细胞评分(SCS)值极显著低于GG和CC基因型个体(P<0.01),因此,可尝试将GC基因型作为乳腺炎抗性的优良基因型应用于奶牛育种中。

荷斯坦牛TLR6基因c.640G>A多态性与体细胞评分的相关分析

为寻找与乳房炎相关的分子标记,以期为荷斯坦牛的抗病育种提供理论基础,利用PCR-SSCP技术和直接测序技术对宁夏农垦303头中国荷斯坦牛的TLR6基因进行了遗传多态性分析,利用一般线性模型分析TLR6基因c.640G>A突变位点与中国荷斯坦牛体细胞评分(SCS)以及各个因素之间的相关性。结果表明,中国荷斯坦牛TLR6基因c.640G>A突变位点与SCS值和胎次之间存在极显著和显著相关性,GA和AA基因型个体的SCS值极显著低于GG基因型个体(P<0.01)。因此,在中国荷斯坦牛育种中,可尝试将c.640G>A突变位点的GA基因型作为低SCC/SCS牛的优良基因型加以应用。

农作物单产遥感估算模型研究进展

作物单产估算是农作物估产中的关键技术,也是作物估产的难点之一。遥感技术凭借其宏观、及时和动态等特点已在农作物产量估算中占据着极为重要的地位,运用遥感信息建模估算作物产量已成为区域作物估产的必然要求。在总结农作物单产遥感估算模型研究成果的基础上,将作物单产遥感估算方法划分为四种模式加以详细阐述,分析了用于单产建模的遥感数据源的多元化趋势,讨论了如何有效验证模型估算精度的问题,最后对作物单产遥感估算模型今后的发展趋势作了展望。

微波后向散射数据改进农作物光谱分类精度研究

利用实验区环境星多光谱数据与Envisat ASAR VV极化数据进行融合,讨论了VV极化微波后向散射数据用于改善多光谱遥感数据农作物分类的精度,并比较了不同分类方法的分类精度。结果表明,两种数据之间的融合充分利用了环境星数据的光谱信息和VV极化数据对于地物结构敏感的特征,不但增强了不同地物之间的光谱差异,而且提高了作物分类精度。两者融合后分类精度比单独使用环境星数据分类精度提高了约5个百分点,而且由于VV极化数据对田间非耕地信息的敏感性,对于田块边界的识别效果有很大的改善。通过该研究探讨了VV极化数据和多光谱数据融合在作物分类中的应用,拓展了遥感数据在农业领域应用的范围,具有推广价值。

遥感影像分类方法研究进展

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容。分类方法是遥感影像分类的重要内容,有效地选择合适的分类方法是提高分类精度的关键。随着遥感技术的发展,传统的非参数分类方法已经难以满足分类精度需求,基于智能算法的非参数分类方法得到了迅速发展,并在遥感影像分类中发挥着重要作用。近年来,组合分类器由于能够利用单一分类器的互补信息,成为了遥感影像分类的一个新热点。本文综合分析了各种分类方法的特点和优势,及分类方法的发展趋势,为遥感影像分类技术的发展提供科学的参考依据。

全国农作物叶面积指数遥感估算方法

目前对农作物叶面积指数LAI的遥感估算研究多是针对单一作物或是作物种植结构单一的区域,该文运用大尺度农作物叶面积指数的遥感估算方法,在像元尺度上对4个代表性实验站的LAI与归一化植被指数(NDVI)的相互关系进行了回归分析后,得到4种代表性作物种植结构的LAI估算模型,然后结合全国农作物种植结构数据对模型外推,建立了一个全国尺度的遥感模型,并估算了全国作物LAI。该文使用“863”项目山东遥感应用综合试验中的作物LAI观测数据进行了验证,结果表明该模型较其它估算模型达到了较高的精度,最大相对误差为39%,平均的相对误差为19%。该模型的计算结果已经在“中国农情遥感速报”系统中得到了广泛的应用。

高精度作物分布图制作

中国自然条件复杂 ,农业种植结构多样 ,地块小而分散 ,利用遥感影像制作作物分布图的精度很难满足农业遥感估产的需求。该文利用目前最高分辨率的商用遥感卫星 (QuickBird)影像 ,采用面向对象的影像分析方法提取耕地种植地块图 ,结合详细的地面调查制作高精度的作物分布图 ,为农业遥感估产服务。

农作物种植面积遥感抽样调查的误差影响因素分析

空间抽样技术在农作物种植面积调查中具有不可替代的作用,各抽样要素(抽样率、抽样调查单元尺寸及布局)对于抽样精度的影响至关重要。该文以湖南省晚稻为研究对象,设计了9种抽样调查单元和31种抽样率水平,以晚稻面积百分比为分层标志进行空间分层抽样,分析抽样格网大小、抽样率及样本空间分布格局对面积估算精度的敏感性及控制途径,并建立3种影响因素对面积估算的综合评估模型。结果表明:1)作物面积估计的平均抽样误差随抽样格网尺寸的增加而增加(R2=0.92),当抽样格网控制在5 km以内时,平均误差基本限制在5%以下,标准差变幅稳定在0.12以内;2)作物面积估计的平均抽样误差随抽样率的增加而逐渐降低(R2=0.82),当抽样率达到0.4%时,平均误差基本限制在5%以内,标准差变幅稳定在0.12以内;3)在抽样率确定的情况下,样本的空间分布是影响抽样精度的重要因素,随着样本空间分布由近似均匀分布向随机分布再向集群分布变化,作物面积估计量的平均抽样误差逐渐增大,当样本空间分布的方差均值比指标<0.7时,平均误差控制在5%以内,标准差变幅稳定在0.1以内;4)得到3种影响因素对面积估算精度的定量评估模型。该成果揭示了农作物种植面积抽样过程中样方尺寸、抽样率和样本空间分布对精度影响的敏感性,为农作物种植面积监测空间抽样方案的选取以及确定特定的抽样方案可以达到的面积估算水平提供了理论基础。

全国作物种植结构快速调查技术与应用

现有种植结构的分析都是基于统计数据 ,时效性低及精度差 ,难以及时为各级政府部门提供决策支持。以“中国农情遥感速报系统”使用的GVG农情采样系统和样条采样框架为基础 ,提出了快速获取全国农作物种植结构的技术方法 ,并以 2 0 0 2年为例 ,开展全国夏粮和秋粮种植结构的调查与现状分析。全国夏粮的粮经比例为 5 8%∶2 1% ,秋粮的粮经比例为 79%∶14 % ,粮食作物仍然占有较大的比例。调查表明 ,全国范围的种植结构在时间和空间上变化很大。黑龙江省的大豆种植成数最高 ,达到38% ,是中国的大豆主产区 ;吉林和辽宁两省的春玉米种植成数相差不大 ,高达 71% ;黄淮海地区夏粮以种植冬小麦为主 ,种植成数高达 97% (河北省 ) ,秋粮以夏玉米为主 ,种植成数高达 82 % (河南 ) ;以长江为界 ,冬小麦和油料在长江南北的种植成数变化很大 ,长江以北冬小麦与油料并重 ,以南以油料为主。秋粮则以中晚稻为主 ,种植成数均超过 6 6 % ;华南夏粮和秋粮均以水稻为主 ,其中广东的蔬菜瓜果的种植成数高达 2 9% ;西南地区的秋粮以中稻和夏玉米为主 ,其中云南省的棉麻糖的种植成数高达19% ,说明云南省仍然是中国的烟草大省。经济发达或邻近经济发达地区的省份的蔬菜瓜果的种植成数较大 ,如天津市高达 34%。

农作物种植面积遥感估算的影响因素研究

针对不同的农作物种植结构区,研究影响遥感影像分类各因素与农作物种植面积估算精度的定性和定量关系是十分必要的。以Rapid Eye影像提取的早稻种植信息为研究对象,从农作物的种植成数、种植破碎度和地块形状指数3个角度进行了不同空间分辨率下各因素对农作物面积监测的影响研究。结果表明:随着农作物种植成数的降低,种植结构越来越破碎,种植地块趋于狭长分布,各分辨率下农作物面积估算精度均呈递减趋势;要达到85%以上的面积估算精度,当作物种植成数在50%以上时,可选取高于150 m分辨率的遥感数据;当作物种植较为破碎时,需要在提高影像空间分辨率的同时融入其他技术手段;当作物种植地块为狭长分布时,提高影像的空间分辨率并不能保证面积估算精度,必须通过其他技术手段达到精度要求;并最终得到了4种影响因素对面积估算精度的定量评估模型。研究结果为解决不同农作物种植结构区遥感数据的选择、面积估算精度的提高,以及在特定研究区和数据源条件下可达到的面积估算水平等问题提供了理论基础。

农业旱情遥感指数验证与不确定性分析

以山西省太谷与山东省济宁试验为例,对极轨气象卫星农业旱情遥感监测指数进行验证,并对其不确定性进行分析。山西省太谷试验结果表明,旬温度条件指数(T),植被条件指数(V),植被健康指数(H)与土壤湿度有较高相关性(R2分别达到0.51,0.50,0.56),日部分指数相关性更高(R2分别达到0.58,0.45,0.60);山东省济宁日指数与土壤湿度相关性比太谷的高(T,V,H的R2分别达到0.93,0.66,0.97),但是两地区叶面缺水指数(W)与土壤湿度的相关性都很低,验证结果表明,利用H与T较适合农业旱情监测。另外在对比分析2个地区试验结果的基础上,从作物种植结构、监测时间尺度、植被生理状况,以及指数本身特性等角度分析了农业旱情监测中的不确定性。

利用GVG线采样技术提取农作物种植面积及其精度分析

GVG(GIS&Video&GPS)线采样系统提出以线状样区代替以往成数抽样中的点样区与面积样区概念,通过统计线状样区内作物种植面积成数来反映区域总体农作物种植面积成数。通过 GVG实地采样,将其结果与解译遥感影像提取的作物种植面积成数结果进行了对比分析,结果显示采用GVG线采样方式精确度较高,其采样系统具有实用性和推广价值。

集成化的省级农情遥感监测系统

在"中国农情遥感速报系统(CropWatch-China)"的基础上,中国科学院遥感应用研究所开发了集成化的中国省级农情遥感监测系统(CropWatch-Province)。系统以遥感为主要数据源,在县、主产区和省3个尺度上进行农情信息的监测,包括作物长势、单产、种植面积、复种指数监测及作物估产、农气分析等,对系统的技术方法、结构、功能及其主要特点进行了详细论述。2010年系统通过"信息处理产品标准符合性检测中心"的检测,系统具有集成化程度高、灵活性强和应用新数据等特点。系统可以根据不同区域的特点进行灵活定制,通过集成化开发可以独立完成从数据预处理、科学计算、信息提取到结果输出的全部任务,并将包括HJ-1在内的一系列新数据应用于农情信息的获取。

基于两个独立抽样框架的农作物种植面积遥感估算方法

通过分析遥感技术在中国农作物种植面积估算中所遇到的难点 ,针对运行化的农作物遥感估产系统对主要农作物种植面积估算的需求 ,提出在农作物种植结构区划的基础上 ,采用整群抽样和样条采样技术相结合的方法 ,进行农作物种植面积估算。整群抽样技术利用遥感影像估算农作物总种植成数 ,样条采样是一种适合中国农作物种植结构特征的采样技术 ,用于调查不同农作物类别在所有播种作物中的分类成数。在中国现有的耕地数据库基础上 ,根据两次抽样获得的成数 ,计算得到具体某一种农作物类别的种植面积。最后给出了 2 0 0 3年早稻种植面积估算的实例。

应用高分辨率遥感影像提取作物种植面积

利用中低分辨率遥感影像提取作物分类种植面积的精度,往往难以满足农业遥感估产的需要。随着新型传感器的不断出现,应用高分辨率遥感影像高精度地提取作物分类面积日益成为发展趋势。由于高分辨率遥感影像提供的地物纹理、色调与形状等信息更加丰富,当前基于对象的地物识别分类方法仍不成熟,处理操作中人为干预过多,而且较为复杂,因此尝试以地面调查信息为辅助参量,采用常规基于像元的最大似然法监督分类方法,依据多尺度遥感影像信息提取的原理,分阶段地逐步提取作物种植面积,以此为农业遥感估产服务。