RADARSAT SNB SAR数据在大面积水稻估产中的应用研究

由于雷达遥感的全天候、全天时的优势,使之成为南方大范围农业信息动态监测的最佳遥感手段。为了适宜于运行系统,本研究采用加拿大雷达卫星(RADARSAT)窄波扫描模式(SNB)数据,以广东省为例进行了大范围水稻估产。通过建立稻作图谱,解决了在地形复杂、农业集约化程度低、水稻田分布不规则,且地块间田间管理水平差异很大等诸多因素影响下的水稻信息提取问题;在野外观测站采集的水稻生长期生理生态数据的基础上,建立了基于RADARSATSNBSAR的雷达遥感时序信息水稻估产模型。通过2000年早、晚两季水稻估产的实践证明,此模型估产的精度在平原区达到95%,而在复杂的丘岭谷地则需进一步提高图像预处理的精度,改进特殊地段估产模型的精度。从实用性而言,这是一套高效、经济的技术方法,易于投入实际运行阶段。

雷达遥感影像在水稻信息提取及估产方面的技术研究

主要论述了利用雷达遥感影像进行水稻信息提取及估产的处理过程,该过程包括图像数据的准备、辐射定标、几何精校正、滤波处理、图像分类、分类后处理、分类精度验证及水稻估产模型的建立,并介绍了滤波技术的发展过程,最后总结了该处理过程在实践中存在的不足和今后的研究展望。

水稻遥感估产系统研究——预试验和前期研究结果以及对开展估产研究的讨论

水稻遥感估产经过“六五”期间的预试验和“七五”期间的前期研究,对难度极大的我国南方水稻遥感估产取得了重要进展。初步明确了水稻遥感估产的研究途径、技术路线及研究方法,但要达到业务运行,还存在很多困难。因此,对今后进一步开展水稻遥感估产研究的几个重要问题加以讨论。

基于水稻生长模拟模型的光谱估产研究

在水稻遥感估产中，直接基于光谱与水稻产量间关系和基于水稻生长模拟这两种估产方法都能取得较高的精度，但都存在着一些不足之处。通过试验研究了如何充分发挥两种方法的长处，来弥补它们的不足，从而形成一种新的、更好的估产方法，为准确、方便、快速地估测水稻产量提供了可能。

ASAR数据与水稻作物模型同化制作水稻产量分布图(英文)

提出了利用雷达数据进行水稻估产的技术方法,并以ASAR数据为例,探讨了雷达数据在水稻估产中的可行性。首先利用ASAR数据进行水稻制图,从各时相ASAR数据中提取水稻后向散射系数。随后,基于像元尺度,采用同化方法,以LAI为结合点,将水稻作物模型ORYZA2000与半经验水稻后向散射模型结合,建立嵌套模型模拟水稻后向散射系数。选择水稻出苗期和播种密度为参数优化对象,利用全局优化算法SCE-UA对ORYZA2000模型重新初始化,使模拟的水稻后向散射系数值与实测值误差最小,并由优化后的ORYZA2000模型计算每个像元的水稻产量,生成水稻产量分布图。结果表明,水稻产量分布图能够描绘研究区水稻实际产量的分布趋势,但由于采用潜在生长条件模拟,模拟的水稻平均产量比实测平均值高约13%,验证点的水稻产量模拟值与实测值相对误差为11.2%。由于半经验水稻后向散射模型存在对LAI变化不够敏感和对水层的简化处理,增加了水稻估产的误差。但从总体上看,利用该方法进行区域水稻估产是可行的,并为多云多雨地区的水稻遥感监测提供了重要参考。

水稻产量遥感监测机器学习算法对比

水稻是我国的主要粮食作物,利用高光谱遥感技术在水稻未成熟之前对水稻产量进行监测,一方面可以及时调整栽培管理方式,指导合理追肥,另一方面,可以准确掌握水稻的产量信息,帮助政府提前做出决策。以2019年—2020年广州市白云区钟落潭试验基地氮肥梯度实验为基础,分别获取水稻分化期和抽穗期冠层高光谱数据、作物群体长势参数(生物量、叶面积指数)及作物养分吸收量,利用贝叶斯岭回归(BRR)、支持向量回归(SVR)、偏最小二乘回归(PLSR)三种方法建立各生育期的产量监测模型并进行精度对比,确定水稻产量的最优估算时期和最佳估测模型。结果表明,三种方法中,BRR和SVR方法更适合产量监测,在不同时期及不同的参数组合下均有较好的表现(R^(2)>0.82,NRMSE<8.22%);基于2019年与2020年数据,采用全波段光谱信息进行产量监测时,分化期最佳监测模型为BRR模型,R^(2)为0.90,抽穗期最优监测模型为SVR模型,R^(2)为0.87;采用全波段光谱协同作物群体长势参数进行产量监测时,两时期最佳监测模型均为BRR模型,R^(2)分别达到0.90和0.92;相较于BRR模型和SVR模型,PLSR模型在不同时期和不同参数组合下,最高R^(2)仅为0.75;基于2020年数据,以三种不同的参数组合作为输入时,两时期估算结果均为BRR模型最优,且分化期建模精度高于抽穗期(R^(2)至少增加0.02,NRMSE至少降低0.61%);当输入参数组合为全波段光谱协同作物群体长势参数、作物养分吸收量时,BRR模型对产量的估算精度达到最高,R^(2)为0.94。分析认为产量的最优监测时期是分化期,最优监测模型为BRR模型。研究结果可为水稻产量的早期遥感监测提供参考。

我攻克水稻卫星遥感估产难题

浙江大学的研究人员最近采用综合技 术方案,攻克了水稻卫星遥感估产的国际性难题,并可使水稻产量的估测精度达到93％。

基于遥感空间特性的广东省水稻单产快速预估

分析了目前水稻遥感估产的技术现状,基于遥感数据的空间特性,提出了一种快速预测水稻单产的方法,估产试验表明该方法简单实用,具有推广意义。

利用3S技术定量估测张家港市水稻生产力

为了对江苏省张家港市水稻生产力进行大面积高效估测,建立一个科学准确的方法平台,利用TM和IRS-P6遥感影像,采用NDVI值比较区分法,应用"3S"技术对张家港市2005—2008年水稻的生产力变化进行了动态估测。结果表明:利用"3S"技术定量估测张家港市2005—2008年水稻平均种植面积的精度结果为96.41%;水稻平均单产精度结果为91.73%;水稻总产量遥感估测值与地面统计值差异结果为-11.69%;遥感估测张家港市水稻总产量呈逐年上升的趋势,而耕地面积相对稳定。总之,基于"3S"技术定量估测张家港市近4年水稻生产力精度达到95%以上,实现了利用遥感技术估测张家港市大面积农业生产力的目的。

雷达遥感技术在水稻识别中的研究进展

合成孔径雷达技术拥有全天时、全天候、高分辨率和不受云层干扰的特点,利用SAR在我国水稻种植区进行水稻识别拥有无可比拟的优势。该文主要对雷达遥感技术在水稻识别和监测中的应用情况进行了综述。首先总结了合成孔径雷达的发展历史,介绍了目前用于水稻识别的SAR传感器的参数和特点;介绍了水稻的后向散射特性,根据水稻的后向散射模型分析了影响其后向散射系数的因素;综述了国内外利用SAR进行水稻识别的各种方法,并对未来利用SAR监测水稻进行了展望。

产粮区遥感估产

‘八五’农作物遥感估产国家攻关项目的研究·解决了一批主要农作物遥感估产中的关键技术问题,如播种面积提取技术信息复合技术、遥感估产模型建立的技术和全数字化电脑估产技术等。1、建立了三个层次六个可操作的估产系统:前期综合试验估产系统(微机);小麦遥感估产系统;玉米遥感估产系统;太湖水稻遥感估产系统;