基于高分遥感的河南省冬小麦精确估产
《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文
《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言冬小麦作为我国的主要粮食作物之一，其产量和品质的准确预测对于农业生产及国家粮食安全具有极其重要的意义。
近年来，随着遥感技术和气象预报技术的发展，基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中得到了广泛应用。
本文旨在探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中的应用，以期为农业生产提供更为精准的决策支持。
二、DSSAT模型及其应用DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于生态生理学原理的作物生长模拟模型，能够模拟作物的生长过程、产量及品质等。
该模型通过集成遥感数据和气象预报数据，实现对作物生长环境的模拟和预测。
在冬小麦产量和品质预测中，DSSAT模型能够根据冬小麦的生长特性、土壤条件、气象因素等，模拟冬小麦的生长过程，预测其产量和品质。
三、遥感数据在DSSAT模型中的应用遥感数据具有覆盖范围广、获取速度快、信息量大等优点，是DSSAT模型中的重要数据来源之一。
在冬小麦产量和品质预测中，遥感数据可以提供冬小麦的生长状态、叶面积指数、植被指数等信息，为DSSAT模型提供准确的作物生长环境信息。
通过与DSSAT模型的集成，可以实现对冬小麦生长过程的实时监测和预测。
四、气象预报数据在DSSAT模型中的应用气象因素是影响冬小麦生长的重要因素之一，气象预报数据在DSSAT模型中具有重要作用。
通过集成气象预报数据，DSSAT模型可以更准确地模拟冬小麦的生长过程，预测其产量和品质。
气象预报数据包括温度、降水、光照等气象要素，这些要素对冬小麦的生长具有重要影响。
通过分析气象要素的变化规律，可以更好地了解冬小麦的生长状况，为农业生产提供更为精准的决策支持。
五、冬小麦产量和品质预测实践在实际应用中，我们可以通过集成遥感数据和气象预报数据，利用DSSAT模型对冬小麦的产量和品质进行预测。
基于高光谱遥感与safy模型的冬小麦地上生物量估算
ｍｏｄｅｌ ｔｈａｔ ｃａｎ ａｃｃｕｒａｔｅｌｙ ｓｉｍｕｌａｔｅ ｔｈｅ ｇｒｏｗｔｈ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｃｒｏｐｓ ａｔ ａ ｓｉｎｇｌｅ ｐｏｉｎｔ ｓｃａｌｅ. Ｄａｔａ
(１. 河南理工大学测绘与国土信息工程学院ꎬ 焦作 ４５４０００ꎻ
２. 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室ꎬ 北京 １０００９７ꎻ
３. 国家农业信息化工程技术研究中心ꎬ 北京 １０００９７ꎻ ４. 北京市农业物联网工程技术研究中心ꎬ 北京 １０００９７)
摘要: 为了探索准确、 高效地估算冬小麦地上生物量 ( Ｄｒｙ ａｅｒｉａｌ ｍａｓｓꎬ ＤＡＭ) 的方法ꎬ 获取 了 ２０１３—２０１４ 年 和
ｃｏｕｐｌｉｎｇ ｅｆｆｅｃｔｉｖｅｌｙ ｃｏｍｂｉｎｅｓ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ａｎｄ ｃｒｏｐ ｇｒｏｗｔｈ ｍｏｄｅｌꎬ ａｎｄ
ｈａｓ ｇｒｅａｔ ａｐｐｌｉｃａｔｉｏｎ ｐｏｔｅｎｔｉａｌ ｉｎ ｃｒｏｐ ｇｒｏｗｔｈ ｍｏｎｉｔｏｒｉｎｇ. Ｄｒｙ ａｅｒｉａｌ ｍａｓｓ ( ＤＡＭ) ｉｓ ｏｎｅ ｏｆ ｔｈｅ ｉｍｐｏｒｔａｎｔ
Ｂｅｉｊｉｎｇ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅꎬ Ｂｅｉｊｉｎｇ １０００９７ꎬ Ｃｈｉｎａ
３. Ｎａｔｉｏｎａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅꎬ Ｂｅｉｊｉｎｇ １０００９７ꎬ Ｃｈｉｎａ
基于无人机高光谱的冬小麦植株氮含量估算
基于无人机高光谱的冬小麦植株氮含量估算（1.河南省测绘工程院，河南郑州450003；2.河南省遥感测绘院，河南郑州450003；3.河南工程学院土木工程学院，河南郑州451191）摘要：以冬小麦为研究对象，利用无人机搭载UHD185相机获取了挑旗期和开花期的高光谱影像，并同步采集了各小区的植株氮含量信息，结合相关性和方差膨胀因子，筛选了对植株氮含量敏感、植被指数之间共线性弱的植被指数，最后用多元线性回归、偏最小二乘回归和逐步回归算法3种方法探究冬小麦氮含量的较优高光谱反演模型。
结果表明，无论是挑旗期还是开花期，偏最小二乘回归构建的植株氮含量模型估算精度高于逐步回归和多元线性回归构建的植株氮含量估算模型，验证结果同样表明偏最小二乘回归的均方根误差为最小，将该模型应用于无人机高光谱影像上，可以为田块尺度的精准施肥提供参考。
关键词：无人机高光谱；逐步回归法；偏最小二乘回归；多元线性回归；植株氮含量中图分类号：P231文献标志码：B文章编号：1672-4623（2022）08-0008-05doi:10.3969/j.issn.1672-4623.2022.08.003Aug.,2022Vol.20,No.8地理空间信息GEOSPATIAL INFORMATION2022年8月第20卷第8期肖天豪1，周学军2，李存文1*，杨福芹3，杨佳琪3Estimation of Nitrogen Content in Winter Wheat Plants Based on UAV HyperspectrumXIAO Tianhao 1,ZHOU Xuejun 2,LI Cunwen 1,YANG Fuqin 3,YANG Jiaqi 3（1.Henan Institute of Surveying and Mapping Engineering,Zhengzhou 450003,China;2.Henan Remote Sensing Mapping Institute,Zhengzhou 450003,China;3.College of Civil Engineering,Henan University of Engineering,Zhengzhou 451191,China ）Abstract:Taking winter wheat as the research object,we used UHD185camera carried by UA V to obtain hyperspectral images of flag pick-ing stage and flowering stage,and collected the plant nitrogen content information in each plot bined with correlation and variance inflation factor,we selected the vegetation indices sensitive to plant nitrogen content and weak collinearity between vegetation indi-ces.Finally,we used multiple linear regression,partial least squares regression and stepwise regression algorithm to study the optimal hyper-spectral inversion model of nitrogen content in winter wheat.Results show that the carry flag period and flowering period,partial least-square regression to build the plant nitrogen content model estimation precision is higher than that of stepwise regression and multiple linear regres-sion to build the plant nitrogen content estimation model.The verification results also show that partial least-square regression root mean square error is minimum.Applying this model to UA V on hyperspectral image can provide scientific reference for precise fertilization at field scale.Key words:UA V hyperspectrum,stepwise regression,partial least squares regression,multiple linear regression,plant nitrogen content氮素是植物生长过程中不可缺少的成分，对植株氮含量的准确检测有利于对冬小麦的长势、精准施肥以及冬小麦产量进行预测[1-3]。
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报随着农业生产的不断发展，粮食安全问题日益突出，冬小麦作为我国的主要粮食作物之一，其产量和品质的预测具有重要意义。
传统的冬小麦产量和品质预测主要依靠农业人员的经验和个人观察，存在主观性强、时效性差等问题。
因此，如何运用先进的遥感数据和气象预报数据进行冬小麦产量和品质预测，成为当前的研究热点。
本文将介绍一种基于DSSAT模型的冬小麦产量和品质预测方法，该方法结合遥感数据和气象预报数据，具备较高的准确性和实用性。
首先，我们需要了解DSSAT模型的原理。
DSSAT（Decision Support System for Agrotechnology Transfer）是一套用于农作物生长和种植管理决策支持的模型系统。
该模型可以使用真实地理环境、气象、土壤种类和农艺管理措施等参数，通过模拟农业生产的不同阶段，从而对作物的产量和品质进行预测。
接下来，我们需要获得用于模型输入的遥感数据和气象预报数据。
遥感数据可以通过卫星遥感技术获取，包括植被指数、地表温度、降雨量等信息，这些数据可以提供冬小麦生长环境的监测指标。
气象预报数据可以从气象局等机构获取，包括气温、相对湿度、降雨概率等信息，这些数据可以提供冬小麦生长过程中的气候条件。
将遥感数据和气象预报数据输入DSSAT模型中，通过模拟冬小麦生长的各个阶段，包括播种、萌芽、抽穗等，并考虑到不同的农艺管理措施，如施肥、灌溉、杂草防治等，模型可以得出一个关于冬小麦产量和品质的预测结果。
同时，DSSAT模型可以根据实际情况进行调整和优化，以提高预测结果的准确性。
基于DSSAT模型的冬小麦产量和品质预测方法具有很高的应用前景。
首先，该方法可以实现对冬小麦产量和品质的快速预测，大大提高了农业决策的精度和决策效率。
其次，该方法可以帮助农民和相关部门预测冬小麦产量和品质的变化趋势，及时采取相应的措施，以保障粮食安全。
此外，该方法还可以对气候变化等因素进行分析，为冬小麦的种植和管理提供科学依据。
基于高分遥感的河南省冬小麦精确估产
Ｇ ｒ ｏ ｕ ｐ Ｃ ｏ ｒ ｐ ｏ ｒ ａ ｔ ｉ ｏ ｎ ． Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０ ４ ７ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｙｉ ｅ ｌ ｄ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｂ ａ ｌ ｋ ａ ｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｓ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ． Ｏｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ ｐ ｒ ｅ ｖ ｉ ｏ ｕ ｓ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｒ ｅ ｓ ｕ ｌ ｔ ｓ，ｔ ｈ ｅ ｆ ｅ ａ ｓ ｉ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ｗｉ ｎ ｔ ｅ ｒ ｗｈ ｅ ａ ｔ ｉ ｎ
第 ３期 ２ ０ １ ６年 ０ ９月
电
光 系
统
Ｎｏ ． ３ Ｓ ｅ ｐ ．２ ０ １ ６
Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ — ｏ ｐ ｔ ｉ ｃ ｌ ａ Ｓ ｙ ｓ ｔ ｅ ｍｓ
基 于 高分 遥 感 的河 南省 冬 小 麦精 确 估 产
Ｈｅ ｎ ａ ｎ ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ｉ ｓ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｕ ｓ ｉ ｎ ｇ ＧＦ ． １ ｓ ａ ｔ ｅ ｌ ｌ ｉ ｔ ｅ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ａ ｎ ｄ ｔ ｈ ｅ ｎ ｉ ｔ ｓ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ｌ ａ ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ ｅ ｓ ａ ｎ ｄ ｉ ｍｐ ｌ ｅ — ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｓ ａ ｒ ｅ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｄ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ．Ｆ ｉ ｎ ｌｌ ａ ｙ。ｔ ｈ ｅ ｉ ｄ ｅ ａ ｌ ｓ ｏ ｆ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ，ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ ａ ｎ ｄ ｎ ｅ ｓ ｔ ｅ ｄ ｔ ｅ ｍｐ ｌ ａ ｔ ｅ ｆ ｏ ｒ ｉ ｍｐ ｒ ｏ ｖ ｉ ｎ ｇ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ａ ｒ ｅ ｇ ｉ ｖ ｅ ｎ，ａ ｎ ｄ ｃ ａ ｎ ｂ ｅ ｕ ｓ ｅ ｄ ａ ｓ ａ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｏｒ ｆ ｏ ｔ ｈ ｅ ｒ ｒ ｅ —
河南省小麦长势遥感监测地面调查技术
河南省小麦长势遥感监测地面调查技术作者：贾德伟刘玉昕王宁靳媛媛来源：《河南农业·综合版》2022年第08期河南省是全国重要的粮食生产大省。
小麦是河南省第一大粮食作物，种植面积和产量高居全国第一位。
监测河南省小麦长势，进而对产量进行估算，对指导小麦生产和保障国家粮食安全具有重要意义。
河南省小麦分布范围广，且地形复杂，如采用常规统计方法获取小麦长势信息，易受人为主观因素影响，而且费时费力。
遥感技术依靠其宏观、客观、适时、动态、无损及简便的优势，可快速获取小麦种植分布和长势状况信息，为政府决策者和生产管理者制定科学合理小麦生产管理措施提供决策依据，达到促进小麦高产稳产的目的。
一、背景介绍河南省开展农作物遥感监测已有20余年历史， 2000年对全省小麦种植面积实现动态监测， 2005年对全省小麦长势实现动态监测。
随着国内中巴陆地资源卫星、环境减灾卫星，高分系列卫星以及国外landsat8卫星、哨兵卫星、RapidEye卫星陆续成功发射，卫星遥感数据资源不断丰富，河南省逐步将卫星遥感技术拓展应用在重大农业自然灾害、农业政策和项目执行情况等方面。
农作物能够反射或辐射不同波长的电磁波，这种特性在遥感数据中就形成不同的光谱特征。
理想情况下，同一农作物应具有相同光谱特征，即“同物同谱”。
但遥感成像时因太阳光角度不同、含水量不同、病虫害发生程度不同以及其他环境影响，会出现“同物异谱”和“异物同谱”现象，严重影响遥感监测精度。
因此，使用遥感监测数据时，还需要开展地面调查工作，建立和检验遥感数据与农作物生长状态的对应关系，以此提高遥感监测的精准度，科学指导农业生产。
二、地面调查位置布设（一）抽样地面调查县为保证地面调查数据的科学性、及时性和有效性，需要专业技术人员按时保质保量开展实地调查。
在全省所有县（市、区）开展此项工作成本过高，可以采用分层抽样方法选择30个地面调查县抽查小麦长势。
抽样以省辖市为层次，要充分考虑各县（市、区）的地貌类型、空间位置、农作物种植结构、小麦种植面积占比、小麦单产、交通通达性等因素。
遥感对冬小麦的估产应用及展望
遥感对冬小麦的估产应用及展望摘要：小麦是我国三大粮食作物之一，遥感又是应用最广泛、最先进的农业科技之一。
本文从冬小麦估产的必要性及传统估产方法和遥感估产方法的对比中提出遥感估产的方法。
通过国内外的遥感估产发展状况来探讨我们现行遥感估产的方方面面以及可进步空间。
关键词：遥感信息技术估产冬小麦冬小麦室我国的主要粮食作物之一，其中播种面积占粮食播种面积的五分之一。
而在北方其地位更加重要，其播种面积和总产量占全部粮食面积和总产量的二分之一。
因此，对具有13亿人口的农业大国，针对农作物进行长势监测和产量早期预报和估算，特别是对冬小麦进行长势监测和估产，对国家实现及时、准确地掌握粮食生产宏观调控、国际农产品中争取到主动权具有重要的意义。
但是我国冬小麦分布广阔，且地域复杂，其产量等数据的取得若仍旧通过常规的统计方法或常规的地面调查方法，不仅受人为因素影响较大，且费时费力难以满足有关冬小麦管理和决策对现势性信息的要求。
因此，随着“3S”技术的发展，特别是遥感技术将三者完美的结合。
1.遥感估产特点遥感信息具有覆盖面积大、探测周期短、资料丰富、现势性强、费用低、受地面条件限制小，手段多，获取的信息量大等特点，为快速准确的冬小麦估产提供了新的技术手段，为各国所重视。
遥感在作物长势监测与估产方面的应用研究，显著地提高了区域农业生产的动态预测性和管理决策的科学水平，取得了较好的经济、社会和生态效益。
小麦作为主要粮食作物，安全生产已成为我国可持续发展的重要保障。
及时了解小麦的分布概况、生长状况、肥水行情以及病虫草害动态，便于政府决策者和生产管理者采取各种管理措施，达到增产、增收和增效的目的。
目前，我国的农作物遥感估产是根据生物学原理收集各种农作物不同生育期不同光谱特征的基础上，通过平台上的传感器记录的地表信息，辨别作物类型，监测作物长势，在作物收获前，预测作物的产量的一系列方法。
这一技术可以对农作物生长过程的动态监测、种植面积测算、单位面积产量估测和总产量估测此外，遥感技术还可以检测出农业病虫害，农作物在遭受病虫危害早期就可以通过遥感技术探测到这一光谱差异，从而解决了农作物病虫害早期发现和早期防治的问题，这一技术方法也已经应用在森林病虫害监测和防治方面。
李振海博士团队：基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报（2021年第2期）
李振海博士团队：基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报（2021年第2期）引用格式王琳, 梁健, 孟范玉, 孟炀, 张永涛, 李振海. 基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报[J]. 智慧农业(中英文), 2021, 3(2): 15-22.WANG Lin, LIANG Jian, MENG Fanyu, MENG Yang, ZHANG Yongtao, LI Zhenhai. Estimating grain protein content of winter wheat in producing areas based on remote sensing and meteorological data[J]. Smart Agriculture, 2021, 3(2): 15-22.点击直达知网阅读基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报王琳1，2，梁健3，孟范玉4，孟炀1，2，张永涛5，李振海1，2*（1.农业农村部农业遥感机理与定量遥感重点实验室/北京农业信息技术研究中心，北京 100097；2.国家农业信息化工程技术研究中心，北京100097；3.全国农业技术推广服务中心，北京100125；4.北京市农业技术推广站，北京，100029；5.江苏诺丽慧农农业科技有限公司，江苏南京 210001）摘要：开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义。
本研究以冬小麦主产区（河南省、山东省、河北省、安徽省和江苏省）为研究区域，构建了冬小麦籽粒蛋白质含量多层线性预测模型，并实现了2019年冬小麦蛋白质含量预报。
为了解决预测模型在年际扩展和空间扩展存在偏差的问题，在蛋白质含量估算模型中考虑了气象因素（温度、降水、辐射量）、冬小麦筋型、抽穗—开花期增强型植被指数（EVI）等因素。
结果表明，融合3个气象因素的蛋白质含量估算模型建模集精度（R2 = 0.39，RMSE = 1.04%）与验证集精度（R2 = 0.43、RMSE = 0.94%）均高于融合2个气象因子的估算模型和单个气象因子的估算模型。
（毕业论文）河南省小麦种植区的遥感提取
河南省小麦种植区的遥感提取摘要：该文选用2002-2010年间覆盖河南省MODIS NDVI 16d 最大合成影像（共计184幅），基于作物植被时间序列变化曲线和Parallelipipied监督分类算法，提取了冬小麦空间分布信息。
对河南省的冬小麦面积进行了计算，并利用河南省各县行政区划矢量数据做为掩膜，提取了各县的数据信息，与同时期的实际统计数据组成配对样本进行对比验证。
结果表明，遥感提取信息与统计数据的吻合较好，较好的反映了河南省冬小麦种植的空间分布状况及年际变化趋势，可为区域农业生产布局以及政府农业决策规划提供借鉴。
关键词：MODIS，NDVI，河南省，时间序列0 引言河南省是粮食生产大省，冬小麦的种植面积是预测农业资源综合生产能力与人口承载能力的重要数据源，准确掌握冬小麦种植面积对确保我省粮食安全具有重要意义。
传统的获取农作物种植面积主要是通过逐层统计上报和实施大面积调研测量的方法，吴炳方等以GVG农情采样系统和样条采样框架为基础，提出了全国作物种植结构和种植方式快速调查技术方法。
根据GVG采样记录描述的道路一侧100m内农作物的种植情况，通过判读每一条记录的作物分类成数，以采样线为基本单元，可以汇总得到每条采样线的农作物分类成数；然后将每个县境内调查得到的各类作物分类成数进行汇总统计，每个省的农业种植结构由县的成数按照耕地面积加权平均得到[1]。
目前，对于大尺度的作物面积与空间分布研究国际上通常采用遥感和地面抽样调查技术相结合的方法，而我国基于多时相遥感影像对大尺度农作物分布信息提取的研究相对还比较少。
本研究以河南省为例，利用2002-2010年间覆盖河南省MODIS NDVI 16d 最大合成影像，提取冬小麦空间分布信息，为区域农业生产布局和政府农业决策规划提供依据。
1 研究方法1.1 基础资料所选用的卫星遥感资料主要为2002-2010年间覆盖河南省MODIS NDVI 16d 最大合成影像（共计184幅），资料位置编码为H27V05。
卫星视角：遥感看冬小麦产量怎么样？
各主产区冬小麦产量趋势分析
卫星视角：遥感卫星影像监测得到2020年河北、山东、河南、安徽、江苏、湖北六大主 产区的冬小麦分布情况，并对2019-2020年冬小麦种植分布情况进行空间对 比。
➢ 数据显示，六大主产区中2020年冬小麦较上一年新增区域占20%，较上一年 减少区域占23%，两年同时种植区域占57%，总种植面积较2019年持平略减。
➢ 由卫星遥感监测结果得出了截至4月下旬全国主产区冬小麦长势对比分析图。 ➢ 从图中分析得出，2020年冬小麦在生长前期长势基本与去年持平。 ➢ 自2020年2月以来长势越来越好，2019年2月则因气温较低导致冬小麦返青
延迟长势较差。 ➢ 截至2020年4月下旬，全国主产区的冬小麦长势明显旺于2019年同期。 ➢ 分析是因2019/2020年冬天偏暖，雨水条件良好，且2020年大部分地区入春
➢ 预计2020年江苏省冬小麦总产量稳定，与2019年持平。
各主产区冬小麦产量趋势分析
➢ 湖北省冬小麦主要分布在襄阳市 东部以及江汉平原一带，遥感监 测到的湖北省2020年冬小麦较 2019年减少部分占27%，2020 年冬小麦较2019年增加区域占 32%，两年均种植区域占41%。
➢ 2020年湖北省冬小麦种植总面积 较2019年持平略增。
各主产区冬小麦产量趋势分析
河北省2019-2020年冬小麦种植分布空间变化图
各主产区冬小麦产量趋势分析
➢ 长势监测结果显示，截至2020年4月中旬，2020年河北省冬小麦生长形势整 体好于2019年。因推广小麦规范化播种技术和节水稳产配套技术，河北省各 地冬小麦播种质量较高，气象条件适宜，越冬状况良好。同时小麦返青早， 春季生长时间延长，有利于形成大穗，为实现高产打下基础。对河北省冬小 麦生育期内降雨和气温条件分析，越冬期温度偏高、降水偏多，有利于虫卵 和病菌越冬存活。加上土壤湿度大，有利于病害和草害早春发生，需及时防 治，防止病虫害进一步扩散。
基于多平台遥感数据的冬小麦长势监测和产量预测
大面积冬小麦产量的快速预测
利用遥感数据，可以快速、准确地预测大面积冬小麦的产量，为农业管理部门提供决策支持。
精细化农业的推动
遥感数据的应用可以推动农业的精细化发展，提高冬小麦的产量和品质。
遥感数据在产量预测中的应用前景
遥感数据的获取和处理需要专业的技术和设备，同时还需要大量的计算资源。
数据获取与处理难度大
工作计划1
结合农业生产实际需求，开发更加智能、高效的冬小麦长势监测和产量预测系统，为农业生产管理提供更加全面、精准的支持。
工作计划2
加强与农业科研机构和农业部门的合作，共同推进研究成果的转化和应用，促进农业生产的现代化和可持续发展。
工作计划3
下一步工作计划和目标
THANKS
感谢观看
冬小麦长势与产量的直接关系
冬小麦的长势对其最终的产量有着直接的影响。通过遥感数据，我们可以实时监测冬小麦的长势，从而更好地预测其产量。
遥感数据的准确性和可靠性
遥感数据具有高空间、高光谱分辨率的特点，可以更准确地反映冬小麦的长势情况。同时，多平台遥感数据还可以提高数据的可靠性和稳定性。
长势与产量关系分析
研究内容和结构
02
基于多平台遥感数据监测冬小麦长势
遥感数据获取与处理
数据来源
利用多种遥感卫星如Landsat、Sentinel-2等，获取高分辨率、多波段、时间序列的冬小麦影像数据。
03
机器学习与模式识别
采用机器学习算法如支持向量机（SVM）、随机森林（RF）等，对冬小麦长势进行分类和识别。
冬小麦长势监测方法
研究基于多平台遥感数据的冬小麦长势监测和产量预测方法，对于提高冬小麦生产效率和保障国家粮食安全具有重要意义。
建立基于多平台遥感数据的冬小麦长势监测和产量预测模型，提高预测精度和效率。
《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文
《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的发展，农业生产的精准化、智能化已成为现代农业发展的重要方向。
冬小麦作为我国主要的粮食作物之一，其产量和品质的预测对于农业生产和粮食安全具有重要意义。
本文将探讨如何利用遥感数据和气象预报数据，结合DSSAT模型，对冬小麦的产量和品质进行预报，以期为农业生产提供科学依据。
二、数据来源及处理方法1. 遥感数据遥感数据是获取农田信息的重要手段，本文所采用的遥感数据主要包括卫星遥感数据和无人机遥感数据。
通过对这些数据进行处理和分析，可以得到农田的植被指数、土壤湿度等关键信息。
2. 气象预报数据气象预报数据是影响冬小麦生长的重要因素之一。
本文所采用的气象预报数据包括温度、降水、风速等关键气象因子。
3. DSSAT模型DSSAT模型是一种基于生态生理过程的作物生长模型，能够模拟作物的生长过程和产量形成。
本文将利用DSSAT模型，结合遥感数据和气象预报数据，对冬小麦的产量和品质进行预测。
三、模型构建与实现1. 数据融合将遥感数据、气象预报数据等进行融合，提取出与冬小麦生长相关的关键信息。
2. DSSAT模型参数设置根据冬小麦的生长特性和当地的气候条件，设置DSSAT模型的参数。
3. 模型训练与验证利用历史数据对模型进行训练，通过对比实际产量和品质与模型预测结果，对模型进行验证和优化。
四、应用实例与分析以某地区为例，利用本文所述方法对冬小麦的产量和品质进行预测。
首先，通过遥感数据和气象预报数据的融合，得到该地区的农田信息和气象信息。
然后，将这些信息输入到DSSAT模型中，得到冬小麦的产量和品质预测结果。
最后，将预测结果与实际产量和品质进行对比，分析模型的准确性和可靠性。
通过分析发现，本文所述方法能够有效地预测冬小麦的产量和品质。
在产量预测方面，模型的预测结果与实际产量高度一致，具有较高的准确性。
在品质预测方面，模型能够准确地预测冬小麦的蛋白质含量、湿面筋含量等关键品质指标。
基于地块尺度多时相遥感影像的冬小麦种植面积提取
第34卷第21期农业工程学报V ol.34 No.212018年11月Transactions of the Chinese Society of Agricultural Engineering Nov. 2018 157 基于地块尺度多时相遥感影像的冬小麦种植面积提取邓刘洋1,2，沈占锋※1,2，柯映明1,2，许泽宇1,2（1. 中国科学院遥感与数字地球研究所, 北京 100101；2. 中国科学院大学，北京 100049）摘要：针对仅利用单一遥感影像数据获取农作物信息精度不够问题，该文选择冬小麦主产地河南省兰考县乡镇作为研究区，以2017年多时相中分辨率Landsat8 OLI影像和Google earth上下载的亚米级高分影像为遥感数据源，结合光谱差异和农田地块信息实现冬小麦的精确提取。
该算法首先构建不同时相决策树模型，分别实现2个时相的冬小麦区域初步提取；其次通过将对高分影像多尺度分割产生的地块信息分别与2个时相冬小麦播种面积初步区域相互叠加，完成地块单元控制下的冬小麦播种面积分地块统计，并通过设定不同统计阈值，分析落在每一地块单元下的冬小麦区域，生成基于地块单元的冬小麦播种面积分布图；最后通过多时相交叉验证，获取最终冬小麦播种区域。
结果表明：该方法能更加准确提取冬小麦种植面积，保持较低的误判率（1.3%）水平下，得到较高的提取正确率（95.9%），较通过对比单一Google earth高分辨率影像获取冬小麦精度（85.6%）高，该研究对通过融合多源多时相影像数据获取农作物提供参考。
关键词：遥感；作物；监测；冬小麦；播种面积；地块分类doi：10.11975/j.issn.1002-6819.2018.21.019中图分类号： S512.11 文献标志码：A 文章编号：1002-6819(2018)-21-0157-08邓刘洋，沈占锋，柯映明，许泽宇. 基于地块尺度多时相遥感影像的冬小麦种植面积提取[J]. 农业工程学报，2018，34(21)：157－164. doi：10.11975/j.issn.1002-6819.2018.21.019 Deng Liuyang, Shen Zhanfeng, Ke Yingming, Xu Zeyu.Winter wheat planting area extraction using multi-temporal remote sensing images based on field parcel [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(21): 157－164. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.21.019 0 引 言小麦是全世界范围内大量种植的三大谷类作物之一，及时、准确地获取冬小麦作物种植信息是国家制定粮食政策和经济发展计划的重要依据[1-3]。
基于MODIS的河南省冬小麦种植面积遥感估算最佳时相选择研究
博士 ・ 家论 坛 专
基 于 ＭＯＤＩ Ｓ的河 南省 冬 小 麦 种 植 面积 逢 感估 算 最 佳 时相 选择 研 究
郭其 乐 １ 陈怀 亮 １ 邹春 辉 １ 刘忠 阳 １ 李军玲 １ ， ２ ， ２ ， ２ ， ２ ， ２ （． 南省 气象科 学研 究 所 ２中 国气象局 农业 气 象保 障 与应 用技 术 重点开放 实验 室 ） １河 ．
时相。
春季 ， 冬小麦在 ２月 中旬进入返青期 ， 入快 速生长阶 蛩， 进 同期的 油菜在 ２月下旬进入抽蓥期 ， 而此时林地和草地也刚刚开始复 ， 进人 生长期 ， 但明显不如冬小麦和油菜生长快速 ； 月 中、 ３ 下旬 ， 冬小 麦进入 拔 节期 ， 耕地地 表植 被呈现全覆盖度 ， 而油 菜进入开花期 ， 时林地和 ｊ 草地也刚刚进入发芽期 ，此时冬小麦与其他地表植被光谱特征差异较 大 ， 容易识别。 较 ４月 中 、 旬后 ， 小 麦 进 入 抽穗 期 ， 菜 逐 步 由开 花 期 下 冬 油 进 入成熟期 ， 时草地 和林 地进入快速生 长 、 此 返青期 ， 但与冬小 麦相 比 仍较慢。５月中 、 下旬 ， 耕地农作物逐步进入成熟期 ， 耕地植被绿度值降 低， 草地与林地基本进入 了全覆盖状态 ， 绿度值也较高 。 ４不 同 土 地利 用 类 植 被 指 数 变 化 分析 ．
［ 摘 要］ ＭＯＩＩ ２ ０米分辨率数据具有探 测周期短 、 ）Ｓ ５ 覆盖面积大 、 资料 易于获取 、 实时性强且 费用低等特点 ， 适合 大范 围、 态的农 动 业应 用 。在 河 南 省 冬 小 麦种 植 面积 遥 感 估 算 研 究 中 ， 于 ２ ０ 分 辨 率 的 ＭＯＤＩ 据 ， 过 分析 不 同 作 物 的 物候 特征 、 Ｖ１ 线 基 ５ｍ Ｓ数 通 ＮＤ 曲 变化规律 ， 计算 了冬小麦与其他 土地利用类及油 莱的Ｊ Ｍ 光谱 可分性距 离， — 结果表 明 ： 河南省冬 小麦种子面积遥感估算最佳 时相是 ４月中旬， 此时冬小麦与其他 作物的光谱可分性较好 ， 同时表 明如果采用全生育期时相纽合 的方式 ， 精度会 更高。 ［ 关键词 ］ 冬小麦 遥感 面积估算 Ｊ Ｍ 距 离 最佳 时相 —
河南省冬小麦长势遥感监测指标的适宜性
河南省冬小麦长势遥感监测指标的适宜性的报告，600字
报告标题: 河南省冬小麦长势遥感监测指标的适宜性研究
报告摘要：以河南省为例，研究了利用遥感技术对冬小麦生长发育过程中长势指标进行监测的可行性。
报告结论：在河南省，遥感技术可以有效地监测冬小麦的长势指标，以及获取精确的信息。
关键词：遥感，冬小麦，长势
本文旨在研究利用遥感技术对河南省冬小麦长势指标的监测适宜性。
首先，简要介绍了基本的遥感技术的原理和应用方法，并对其在监测冬小麦长势指标的优缺点进行了总结。
其次，针对河南省冬小麦长势指标监测情况，利用5个指标，即批次发芽率、叶片生长、叶面积比、最大叶周长和最大叶长，分析了河南省目前采用的遥感技术监测冬小麦长势指标的可行性。
研究发现，在河南省，遥感技术监测冬小麦长势具有多种优点，包括快速、准确、成本低廉等，可以获得准确的结果，从而指导农业生产和管理。
最后，本文认为，遥感技术在监测河南省冬小麦长势指标方面具有显著的可行性，且可以节省大量时间和费用，增强数据质量，为冬小麦的生产管理提供重要的参考。
综上，本文研究了利用遥感技术对河南省冬小麦长势指标监测的可行性，并得出结论：遥感技术可以有效地监测冬小麦的长
势指标，获得准确可靠的信息，为冬小麦的生产管理提供重要参考。
基于高分二号数据的小麦快速识别与精度分析
ＧＵＯ ＹａｎꎬＨＥ ＪｉａꎬＷＡＮＧ ＬｉｊｕｎꎬＤＵＡＮ ＪｕｎｚｈｉꎬＷＵ ＸｉｈｏｎｇꎬＷＡＮＧ Ｌａｉｇａｎｇꎬ ＬＩＵ ＴｉｎｇꎬＺＨＡＮＧ ＨｏｎｇｌｉꎬＺＨＥＮＧ ＧｕｏｑｉｎｇꎬＣＨＥＮＧ Ｙｏｎｇｚｈｅｎｇ∗
( 河南省农业科学院 农业经济与信息研究所ꎬ 河南 郑州 ４５０００２)
摘要: 针对目前高分二号( ＧＦ － ２) 卫星遥感数据在农业领域应用较少ꎬ尤其是在农作物识别方面 应用缺乏的现象ꎬ以 ＧＦ － ２ ４ ｍ 多光谱遥感影像为数据源ꎬ在河南省北部小麦主要种植区域濮阳 县ꎬ采用监督分类方法(包括支持向量机、人工神经网络和最大似然法) 进行小麦种植空间分布信 息的快速提取和精度分析ꎮ 结果表明ꎬ３ 种分类方法对小麦的识别结果非常相似ꎬ生产者精度均在 ９６％ 以上ꎬ以支持向量机法最高ꎻ用户精度均在 ９８％ 以上ꎬ以最大似然法最高ꎻＫａｐｐａ 系数三者比较 接近ꎬ均在 ０. ８０ 以上ꎻ总体精度均在 ８２％ 以上ꎬ以最大似然法最高ꎬ达 ８５. １５％ ꎻ错分误差在 ２％ 以 下ꎬ漏分误差在 ３％ 左右ꎬ对地物的识别误差总体以最大似然法最低ꎬ尤其对小麦、水体、光伏电站 的识别精度非常高ꎮ 综合考虑ꎬ在采用 ＧＦ － ２ 进行小麦识别时ꎬ建议采用最大似然法ꎮ 关键词: ＧＦ － ２ꎻ 小麦ꎻ 识别ꎻ 支持向量机ꎻ 人工神经网络ꎻ 最大似然 中图分类号: Ｓ１２７ꎻＳ５１２ 文献标志码: Ａ 文章编号: １００４ － ３２６８(２０１８)１０ － ０１４３ － ０６
( Ｉｎｓｔｉｔｕｔｉｏｎ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｃｏｎｏｍｙ ａｎｄ ＩｎｆｏｒｍａｔｉｏｎꎬＨｅｎａｎ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ ＳｃｉｅｎｃｅｓꎬＺｈｅｎｇｚห้องสมุดไป่ตู้ｏｕ ４５０００２ꎬＣｈｉｎａ)
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报
基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报摘要：随着农业技术的不断发展和智能农业的兴起，农作物产量和品质的准确预测变得越来越重要。
本文基于遥感数据和气象预报数据，利用DSSAT模型对冬小麦的产量和品质进行预报。
通过对模型的构建和参数调整，以及收集和加工相关数据，最终得到了可靠的预测结果。
1. 引言冬小麦是我国重要的粮食作物之一，对农民的生计和国家的粮食供应具有重要意义。
因此，准确预测冬小麦的产量和品质，对于农业生产和粮食安全具有重要的指导意义。
传统的冬小麦预测方法主要基于历史数据和经验公式，但随着技术的发展，借助遥感数据和气象预报数据进行预测的方法逐渐受到广泛关注。
2. 数据采集与处理2.1 遥感数据遥感数据是通过航空或卫星设备获取的地球表面信息的数字化数据。
通过获取冬小麦生长过程中的植被指数、叶面积指数等关键参数，可以对冬小麦的生长情况进行评估和预测。
本研究中，使用卫星遥感数据获取了冬小麦的生长指标，并对数据进行处理和校正。
2.2 气象预报数据冬小麦的生长受到气象因素的影响较大，包括温度、降水、日照等。
通过获取与冬小麦生长相关的气象数据，可以预测冬小麦的生长情况。
本研究中，我们使用了气象预报数据作为输入参数，并对数据进行处理和清洗。
3. DSSAT模型及参数调整DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种被广泛应用于农业生产预测的数值模型。
该模型基于农业生态学知识和气象、土壤等因素的关联性建立，能够对农作物的生长、发育和产量进行全面预测。
本研究中，我们使用DSSAT模型对冬小麦的产量和品质进行预测，并通过对模型的参数进行调整，提高了预测的准确度。
4. 结果与讨论通过对遥感数据和气象预报数据的收集和加工，以及对DSSAT模型的构建和参数调整，我们得到了冬小麦产量和品质的预测结果。
基于MODIS数据的河南省冬小麦产量遥感估算模型
基于MODIS数据的河南省冬小麦产量遥感估算模型李军玲;郭其乐;彭记永【摘要】小麦是世界上最重要的粮食作物,小麦生产对中国的粮食保障起着十分重要的作用,及时、准确、大范围对小麦产量进行监测预报,对于农学经济发展和粮食政策制定具有极为重要的现实意义.对作物产量进行遥感监测的原理是建立在其遥感特征基础之上的,通过建立作物长势指标与遥感信息的定量关系,可实现对作物产量的监测预报.文章基于2009年MODIS遥感数据和气象数据,利用Arcgis和ENVI提取纯小麦像元,并提取纯小麦像元对应的NDVI、NPP和LAI,获取分县NDVI、NPP和LAI均值,利用统计软件对产量数据和分县遥感参数均值进行数据整理和分析,建立了河南省冬小麦产量估算模型.以往研究多采用遥感图像上某像元和地面调查点进行研究,具有很大的不确定性,文章以县为单位,对冬小麦平均单产和县域内冬小麦种植像元遥感参数的均值进行相关研究,提高了模型模拟精度.同时文章选用多种遥感参数和多项气象因子建立估产模型,避免了针对一个参数进行估产的局限性.在最佳时相的选择上,根据冯美辰(2010)以往的研究结果,从4月以后,5月8日和4月20日植被指数和产量相关性最大,4月份之前冬小麦处于返青到拔节期,对产量来说还有很多不确定因素,因此文章选用5月8日和4月20日进行冬小麦估产研究.结果表明,5月8日的估产模型优于4月20日,加入气象因子的遥感气象估产模型优于只采用遥感参数进行估产的遥感模型.利用2010年产量数据对模型精度进行检验,遥感气象模型预测精度在70.2%到99.7%之间,平均精度为90.7%；遥感模型预测精度在68.1%到95.5%之间,平均精度为83.9%.表明遥感气象模型模拟精度更高,其精度可以满足大面积估产要求,可以对产量预报提供科学参考.【期刊名称】《生态环境学报》【年(卷),期】2012(000)010【总页数】5页(P1665-1669)【关键词】叶面积指数;归一化植被指数;植被净第一性生产力;气象因子;估产;模型精度【作者】李军玲;郭其乐;彭记永【作者单位】河南省气象科学研究所,河南郑州 450003; 中国气象局·河南省农业气象保障与应用技术重点开放实验室,河南郑州 450003;河南省气象科学研究所,河南郑州 450003; 中国气象局·河南省农业气象保障与应用技术重点开放实验室,河南郑州 450003;河南省气象科学研究所,河南郑州 450003; 中国气象局·河南省农业气象保障与应用技术重点开放实验室,河南郑州 450003【正文语种】中文【中图分类】S127小麦是世界上最重要的粮食作物，其总面积、总产量及总贸易额均居粮食作物之首，在中国有一半以上人口以小麦为主要粮食，小麦生产对中国的粮食保障起着十分重要的作用，及时、准确、大范围对小麦产量进行监测预报，对于农学经济发展和粮食政策制定具有极为重要的现实意义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
重 要 的经济 意义 。
１ 引 言
小麦是世界上最重要 的粮食作物 ， 其总面积、 总产 量及 总 贸易 额 均 居 粮 食 作 物 之 首 。在 我 国 ， 有 一 半 以上人 口以 小 麦 为 主 要 粮 食 ， 小 麦 生 产 对
我 国的粮食 保 障起 着十 分重要 的作用 。 河南 省作 为我 国小 麦 的 主 产 区之 一 ， 在 全 国
小 麦 总产量 中有较 大 占比 ， 及时 、 准 确 的进 行 整 个
随着我 国和 世 界 遥 感 技 术 的不 断 发 展 ， 其 在 农业 、 气象 、 土壤 、 环 境 等方 面 得 到 了广 泛 的应 用 ，
第 ３期 ２ ０ １ ６年 ０ ９月
电
光 系
统
Ｎｏ ． ３ Ｓ ｅ ｐ ．２ ０ １ ６
Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ — ｏ ｐ ｔ ｉ ｃ ｌ ａ Ｓ ｙ ｓ ｔ ｅ ｍｓ
基 于 高分 遥 感 的河 南省 冬 小 麦精 确 估 产
细 的论述 了其技 术途径 和 实施 方法 ， 提 出 了多元综 合估 产模 型 、 模 板提 取 与嵌套 等提 高估 产
精度的思路 ， 可作为其他研究者的参考。 关 键 词 ：估 产 ； 遥感； Ｎ Ｄ Ｖ Ｉ
中图分 类 号 ： Ｔ Ｐ ７ ９ 文献标 识码 ： Ａ
Ａｃ ｃ ｕ ｒ ａ ｔ ｅ Ｅｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ Ｗｉ ｎ ｔ ｅ ｒ Ｗｈ ｅ ａ ｔ ｉ ｎ Ｈｅ ｎ ａ ｎ Ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ Ｂａ ｓ ｅ ｄ ｏ ｎ
翟 玉娟 。 吴 锋， 石 强
中 国电子科技 集 团公 司第二十 七研 究所 ， 郑州 ４ ５ ０ ０ ４ ７
摘 要： 大宗农产品产量预测是遥感技术应用的一个重要方向。文章在前人研 究成果的基 础上 ， 分析 利 用我 国” 高分一 号” 遥 感数 据 对 河 南省 冬 小麦进 行精 确 估 产 的 可 行 性 ， 较 为 详
Ｇ ｒ ｏ ｕ ｐ Ｃ ｏ ｒ ｐ ｏ ｒ ａ ｔ ｉ ｏ ｎ ． Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０ ４ ７ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｙｉ ｅ ｌ ｄ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｂ ａ ｌ ｋ ａ ｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｓ ｉ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｄ ｉ ｒ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
其 中农 业是 遥感 技术 应 用 中最 重 要 和最 广 泛 的领
域之一 ， 小麦大面积估 产现在主要就是利用遥感 技术。 遥 感技 术使 小麦 估 产从 现 在 传 统 的粗 放模 式
走 向了精准 化 、 定量化 、 高 效 化 阶段 ， 它 具 有 大 区 域 全覆 盖 、 快速、 准 确 和效 费 比高 等 特 点 ， 是 现 在
ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ． Ｏｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ ｐ ｒ ｅ ｖ ｉ ｏ ｕ ｓ ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｒ ｅ ｓ ｕ ｌ ｔ ｓ，ｔ ｈ ｅ ｆ ｅ ａ ｓ ｉ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｏ ｆ ｗｉ ｎ ｔ ｅ ｒ ｗｈ ｅ ａ ｔ ｉ ｎ
Ｈｉ ｇ ｈ Ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ Ｒ ｅ ｍｏ ｔ ｅ Ｓ ｅ ｎ ｓ ｉ ｎ ｇ Ｚ Ｈ Ａ Ｉ Ｙｕ — ｊ ｕ ａ ｎ ， ＷＵ Ｆ ｅ ｎ ｇ ， ＳＨ Ｉ Ｑｉ ｎ ｇ
ｆ Ｔ ｈ ｅ ２ ７ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ Ｃ ｈ ｉ ｎ ａ Ｅｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
Байду номын сангаас
Ｈｅ ｎ ａ ｎ ｐ ｒ ｏ ｖ ｉ ｎ ｃ ｅ ｉ ｓ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ｕ ｓ ｉ ｎ ｇ ＧＦ ． １ ｓ ａ ｔ ｅ ｌ ｌ ｉ ｔ ｅ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ ｄ ａ ｔ ａ ａ ｎ ｄ ｔ ｈ ｅ ｎ ｉ ｔ ｓ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ｌ ａ ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ ｅ ｓ ａ ｎ ｄ ｉ ｍｐ ｌ ｅ — ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｓ ａ ｒ ｅ ｄ ｉ ｓ ｃ ｕ ｓ ｓ ｅ ｄ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ．Ｆ ｉ ｎ ｌｌ ａ ｙ。ｔ ｈ ｅ ｉ ｄ ｅ ａ ｌ ｓ ｏ ｆ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ，ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ ａ ｎ ｄ ｎ ｅ ｓ ｔ ｅ ｄ ｔ ｅ ｍｐ ｌ ａ ｔ ｅ ｆ ｏ ｒ ｉ ｍｐ ｒ ｏ ｖ ｉ ｎ ｇ ｅ ｓ ｔ ｉ ｍａ ｔ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ａ ｒ ｅ ｇ ｉ ｖ ｅ ｎ，ａ ｎ ｄ ｃ ａ ｎ ｂ ｅ ｕ ｓ ｅ ｄ ａ ｓ ａ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｏｒ ｆ ｏ ｔ ｈ ｅ ｒ ｒ ｅ —