基于无人机成像的棉田判别与面积估测

准确测量棉花种植面积和空间分布,对棉花产业发展有重要意义。无人机近地面成像因其空间分辨率高、成本低、周期短和可重复性强等特点,在土地和作物信息监测等方面逐步得到应用。本文提出采用无人机成像的方式进行棉田种植面积估测,首先采用无人机搭载可见光相机,对棉田及周边地区进行成像,并计算图像植被指数和纹理等共36项特征;其次通过主成分分析算法综合分析各个类型特征的优势并筛选有效特征,再采用最大似然分类法识别棉田;最后计算棉田面积,棉田面积总误差为0.51%,其中脱叶棉田面积误差为0.72%,未脱叶棉田面积误差为0.32%。上述结果表明:该方法可有效判别棉田像素点并计算棉田面积,可为收获期棉田面积测量和空间分布分析提供参考。

不同遥感影像空间分辨率对川西南山地常绿阔叶林有效叶面积指数估测的影响

【目的】分析遥感影像不同空间分辨率对LAIe估测结果的影响。【方法】基于地面调查的83个20 m×20 m样地和Landsat-8、SPOT-5、Pleiades-1遥感数据,以川西南山地常绿阔叶林为研究对象,运用偏最小二乘回归分析法,估测了2 m、10 m、30 m 3种尺度(粒度)上区域森林有效叶面积指数(LAIe)。【结果】3种分辨率的遥感数据提取的植被指数NDVI、SAVI对LAIe估测最为重要(Landsat-8:NDVI、SAVI的VIP=1.662;SPOT-5:NDVI、SAVI的VIP=1.573;Pleiades-1:NDVI、SAVI的VIP=1.423)。3种传感器的NDVI、SAVI的相关系数大于0.8,均达极显著水平。对LAIe回归估测检验显示,Landsat-8的决定系数R2=0.793,精度P=79.8%;SPOT-5的决定系数R2=0.853,P=84.4%;Pleiades-1的R2高达0.898,估测精度最高,达89.5%。【结论】不同空间分辨率的影像对LAIe估测有显著影响,使用高空间分辨率数据能显著提高LAIe估测精度。

面向对象的冬小麦种植面积遥感估算研究

种植面积的遥感估算是冬小麦遥感估产的重要基础性工作之一。该文主要的研究内容是基于Landsat ETM+遥感影像,利用面向对象的分类方法提取山东省桓台县冬小麦种植面积。以山东省桓台县为例,选择Landsat ETM+L1G遥感影像,通过影像分割和基于知识的面向对象的分类方法准确地提取研究区冬小麦面积。以乡镇为单位将其结果同统计年鉴数据对比分析,误差最大的是果里镇,误差在95 hm2,整个研究区的提取误差是-111 hm2,能够满足实际应用的需求。

香梨跌落碰撞接触应力分布特性及损伤估测

针对香梨跌落碰撞损伤问题，采用感压胶片测量技术分析香梨与4种接触材料在不同高度跌落碰撞的接触应力分布特性。结果表明，香梨与钢板及缓冲性能较低的橡胶板、HDPE板跌落碰撞时，不同范围应力呈正态分布，0．2～0．4MPa范围的应力面积最大，采用总应力面积能够较准确估测损伤面积，相对误差分别为4．84％，1．83％，3．21％；与瓦楞纸板跌落碰撞时，≤0．2MPa范围应力面积较大，采用〉0．2MPa范围的应力面积能够较准确估测损伤面积，相对误差为6．81％。该研究结果对实践中香梨损伤面积的估测和机械作业中减损设计的接触应力有限元模拟分析提供了依据。

基于遥感抽样的国家尺度农作物面积统计方法评估

国外从20世纪70年代已将遥感用于农业统计,中国从起步至今也有20多年的历史。遥感以其准确、及时、客观的优势推动了农业统计的进步,但对于遥感统计的精度评估一直不甚明确,影响了遥感监测的可信度和遥感技术优势的充分发挥。该文首先分析了目前国内外农业遥感统计的主要方法及其评估方式,针对中国大尺度农作物面积遥感统计方法的实际,采用多种指标对其进行评估,目的是对遥感统计调查的准确度予以明确的定义和计算。采用亚米级差分GPS采样获取足量样本的方法,对L andsat TM提取的水稻面积进行验证,基于原始的误差矩阵计算得出生产者精度为89.53%,用户精度为95.37%,总体精度为87.02%,地面实测数据和图像解译结果的相关系数为0.96;引入误差指标σ来直接反映分类结果较真值的总体误差,当σ>0时,遥感解译结果较实际偏小,反之偏大,计算得到水稻遥感解译面积的σ值平均为0.084。

关于樟子松叶表面积的变异的研究

本文通过不同年龄、不同立地条件的7个林分的调查资料,分析研究了确定樟子松叶表面积的数学模型和变异范围,为提高估算森林生态系统的叶面积的准确度提供了理论依据。

冬小麦遥感估产研究进展

本文对冬小麦遥感估产的研究现状及进展进行了分析。内容包括应用的信息源类型、冬小麦产量估测模型的建立、冬小麦面积信息的提取等 。