基于EVI-RBF的玉米长势监测及产量预测

近年来,农作物长势监测和产量预测研究大多是通过建立复杂的生长模型来实现的,而这往往不具有较强的推广性。本研究建立了一种基于植被指数和产量统计数据的玉米长势监测及产量预测方法。以玉米为研究对象,利用MODIS09A1数据建立其2000-2018年的增强型植被指数(EVI)时间序列,并将该序列作为径向基(RBF)神经网络的输入参数,下一阶段的EVI值或玉米产量作为网络的输出参数,完成玉米的长势监测及产量预测。该方法被成功应用到黑龙江省哈尔滨市宾县的玉米研究中,对玉米EVI值的预测精度达到了90.0%以上,产量预测相较于传统的线性回归模型也有明显提高,预测精度达到了98.6%。依赖植被指数和产量统计数据的长势监测及产量预测方法有较大的应用推广前景。

基于MODIS数据的北京市土地利用变化研究

利用2000~2007年期间（2000,2001,2003,2005,2007年）的MODIS09 8d合成数据,对北京市范围内的土地利用类型进行了决策树分类,并利用分类结果对北京市土地利用变化趋势进行了分析。通过构造归一化植被指数,波段比值来进行地物信息的提取,建立决策树分类模型进行北京市的土地利用信息分类。结果证明：所用方法对用于北京市的多时相MODIS数据的分类具有较高精度,分类结果分析对北京地区的土地变化研究有一定的指导作用。