CN104123409A - 大田冬小麦开花期遥感估产方法 - Google Patents
大田冬小麦开花期遥感估产方法 Download PDFInfo
- Publication number
- CN104123409A CN104123409A CN201410330798.6A CN201410330798A CN104123409A CN 104123409 A CN104123409 A CN 104123409A CN 201410330798 A CN201410330798 A CN 201410330798A CN 104123409 A CN104123409 A CN 104123409A
- Authority
- CN
- China
- Prior art keywords
- winter wheat
- remote sensing
- yield
- red
- florescence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种大田冬小麦开花期遥感估产方法,属于农作物生长监测技术领域。针对传统大田冬小麦产量估测方法存在人力和时间花费大、监测范围和样本量有限、测报信息滞后的问题,提出了一种冬小麦开花期遥感估产方法,它是利用冬小麦开花期的归一化差值植被指数、比值植被指数和绿度植被指数三种卫星遥感植被指数进行冬小麦产量估测的方法。其优点是利用卫星遥感数据进行大田冬小麦产量估算,并考虑了遥感光谱特征与冬小麦生长之间的定量关系,从而可及时、大范围、低成本、合理的实现冬小麦产量的估测,所形成的冬小麦遥感估产专题信息图,信息量大、直观、易于理解和使用,对于大田冬小麦产量信息认知及其种植规划可起到明显参考作用。
Description
技术领域
本发明涉及一种大田冬小麦估产方法,具体是一种大田冬小麦开花期遥感估产方法,属于农作物生长监测技术领域。
背景技术
农作物遥感估产是指基于农作物特有的波谱特征原理,在利用遥感探测技术获取农作物不同生育期不同光谱特征的基础上,依据遥感光谱特征信息与长势指标间定量关系及其相关性,间接地估测农作物产量的一系列方法。
卫星遥感技术具有快速、准确、低成本等特点,能够及时获取大范围农田作物信息,如作物类型、种植分布、长势状况以及农田水分、温度信息等。利用遥感技术进行农作物产量估测,可以为农业管理部门制定农作物生产管理措施和粮食政策提供有效信息参考,辅助“三农”整体经济效益的提高。因此,农作物遥感估产的方法研究一直是政府部门和学术界关注的重点及热点。
长期以来,传统的冬小麦估产方式主要采用的是依靠人工对麦田实地抽样调查方式,虽然它能够小范围、精确的估测冬小麦产量,但对于县域或县域以上的大面积冬小麦产量的估测,传统的估测方法不仅需花费大量的人力物力成本,且由于取样时间间隔长、取样范围和样本量有限,很难及时获得大范围的产量数据信息,在很大程度上影响到冬小麦管理措施的制定或粮食政策的调整,较难带动或引导农民获取更大的经济效益。因此,迫切需要快速、准确、实时、大范围、低成本的遥感估测方法来解决大面积冬小麦产量估测问题。
发明内容
本发明提供了一种大田冬小麦开花期遥感估产方法,该方法可以大范围、及时、低成本的估测大田冬小麦的产量状况。
解决其技术问题所采用的技术方案是:一种大田冬小麦开花期遥感估产方法,它是利用三种卫星遥感植被指数在冬小麦开花期进行产量估测的方法,主要算法为,WYield=a×NDVI+b×RVI+c×GVI+d,WYield为冬小麦估测产量(计算单位为公斤/亩),NDVI为遥感归一化差值植被指数,RVI为遥感比值植被指数,GVI为遥感绿度植被指数,a、b、c和d均为算法系数。
遥感归一化差值植被指数NDVI为卫星遥感影像的近红外波段反射率(RNIR)和红光波段反射率(RRED)之差与近红外波段反射率和红光波段反射率之和的比值,即,NDVI=(RNIR-RRED)/(RNIR+RRED),取值范围0.30~0.82。
遥感比值植被指数RVI为卫星遥感影像的近红外波段反射率(RNIR)和红光波段反射率(RRED)之比,即,RVI=(RNIR)/RRED,取值范围1~8。
遥感绿度植被指数GVI为卫星遥感影像的绿光波段反射率(RGREEN)和红光波段反射率(RRED)之差与绿光波段反射率和红光波段反射率之和的比值,即,GVI=(RGREEN-RRED)/(RGREEN+RRED),取值范围-0.2~0.3。
本发明中算法系数a、b、c和d取值分别为803.62、-4.57、79.09和4.53。
在遥感数据处理软件ERDAS IMAGINE中,先对冬小麦开花期的卫星遥感影像进行几何校正和大气校正预处理,然后运行Modeler模块,分别输入预处理后的冬小麦开花期的卫星遥感影像和本发明中的冬小麦开花期遥感估产算法,经过运算即可得到区域大田冬小麦遥感估产信息1。产量分级依据WYield值的大小划分为4级,WYield在350公斤/亩以下为产量较低,在350公斤/亩~400公斤/亩之间为产量中等,在400公斤/亩~450公斤/亩之间为产量较高,在450公斤/亩以上为高产。
在地理信息系统软件ArcGIS中,将区域大田冬小麦遥感估产信息1制作成冬小麦开花期遥感估产专题信息图,如说明书附图所示,并添加行政边界2、图标题3、图例4、指北针5、比例尺6标识。方便使用者领会和应用大田冬小麦开花期遥感估产专题信息图。利用ArcGIS软件对区域大田冬小麦遥感估产信息1进行统计,可得到不同产量等级的冬小麦种植面积信息数据。
本发明的有益效果:本发明提供了一种在大田冬小麦开花期进行大田冬小麦产量遥感估测的方法,优点在于:1、利用冬小麦开花期卫星遥感影像和本发明的遥感估产算法,便可得到县域大田冬小麦产量数据和空间分布信息;2、由于利用实时、宽幅的卫星遥感数据,实现了冬小麦产量估测信息由点向面的扩展,加大了对大田冬小麦产量估测范围,增强了估测的时效性和广域性;3、卫星遥感数据低成本、较易获取,使得冬小麦估产的实际调查工作量减少,节约了人力和资源成本;4、制作的冬小麦开花期遥感估产专题信息图,信息量大、直观、便于基层农业技术人员的认知和运用,对于大田冬小麦生产措施制定和订单农业开展参考作用明显。
附图说明
图是利用本发明制作的大丰市冬小麦开花期遥感估产专题信息图
具体实施方式
下面结合附图与实施案例对本发明做进一步详细说明:
(1)在大丰市冬小麦开花期间,查询并订购到4月26日大丰市的环境卫星遥感影像(空间分辨率为30米),该遥感影像包含近红外波段、红光波段、绿光波段和蓝光波段4个光谱波段,符合本发明所使用的卫星遥感影像要求。进行几何校正和大气校正预处理后待用;
(2)与卫星过境日同步,在大丰市布设15个地面监测点,每个地面监测点定位于冬小麦连片种植面积大于100米×100米的中心位置,采集地面控制点GPS信息(为遥感影像的预处理提供地面参数信息),每个地面监测点之间距离在2公里左右。如果订购的是已经过几何校正和大气校正的影像数据,则不需要布设地面监测点;
(3)在遥感数据处理软件ERDAS IMAGINE中,运行Modeler模块,输入预处理后的大丰市卫星遥感影像和本发明中的冬小麦开花期遥感估产算法,算法中系数a、b、c和d取值分别为803.62、-4.57、79.09和4.53,经过产量分级运算即可得到大田冬小麦遥感估产信息1;
(4)在地理信息系统软件ArcGIS中,调入大田冬小麦遥感估产信息1,添加行政边界2、图标题3、图例4、指北针5、比例尺6标识,制作成大丰市冬小麦开花期遥感估产专题信息图,如说明书附图所示,即可发布与使用。利用ArcGIS软件对区域大田冬小麦遥感估产信息1进行统计,可得到大丰市不同产量等级的冬小麦种植面积信息数据。
Claims (6)
1.一种大田冬小麦开花期遥感估产方法,其特征在于:利用三种遥感植被指数在冬小麦开花期进行产量估测,主要算法为,WYield=a×NDVI+b×RVI+c×GVI+d,WYield为冬小麦估测产量,NDVI为遥感归一化差值植被指数,RVI为遥感比值植被指数,GVI为遥感绿度植被指数,a、b、c和d均为算法系数。
2.根据权利要求1所述的一种大田冬小麦开花期遥感估产方法,其特征在于:所述的遥感归一化差值植被指数NDVI为卫星遥感影像的近红外波段反射率(RNIR)和红光波段反射率(RRED)之差与近红外波段反射率和红光波段反射率之和的比值,即,NDVI=(RNIR-RRED)/(RNIR+RRED),取值范围0.30~0.82。
3.根据权利要求1所述的一种大田冬小麦开花期遥感估产方法,其特征在于:所述的遥感比值植被指数RVI为卫星遥感影像的近红外波段反射率(RNIR)和红光波段反射率(RRED)之比,即,RVI=RNIR/RRED,取值范围1~8。
4.根据权利要求1所述的一种大田冬小麦开花期遥感估产方法,其特征在于:所述的遥感绿度植被指数GVI为卫星遥感影像的绿光波段反射率(RGREEN)和红光波段反射率(RRED)之差与绿光波段反射率和红光波段反射率之和的比值,即,GVI=(RGREEN-RRED)/(RGREEN+RRED),取值范围-0.2~0.3。
5.根据权利要求1所述的一种大田冬小麦开花期遥感估产方法,其特征在于:所述的算法系数a、b、c和d取值分别为803.62、-4.57、79.09和4.53。
6.根据权利要求1所述的一种大田冬小麦开花期遥感估产方法,其特征在于:所述的冬小麦估测产量WYield的计算单位是公斤/亩,WYield的等级划分为4级:WYield在350公斤/亩以下为产量较低,在350公斤/亩~400公斤/亩之间为产量中等,在400公斤/亩~450公斤/亩之间为产量较高,在450公斤/亩以上为高产。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410330798.6A CN104123409B (zh) | 2014-07-09 | 2014-07-09 | 大田冬小麦开花期遥感估产方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410330798.6A CN104123409B (zh) | 2014-07-09 | 2014-07-09 | 大田冬小麦开花期遥感估产方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104123409A true CN104123409A (zh) | 2014-10-29 |
CN104123409B CN104123409B (zh) | 2017-07-11 |
Family
ID=51768820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410330798.6A Expired - Fee Related CN104123409B (zh) | 2014-07-09 | 2014-07-09 | 大田冬小麦开花期遥感估产方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104123409B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508693A (zh) * | 2018-12-10 | 2019-03-22 | 浙江大学 | 基于成像高光谱植被指数和生育期长度信息的无人机遥感水稻估产方法 |
CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
CN110428107A (zh) * | 2019-08-06 | 2019-11-08 | 吉林大学 | 一种玉米产量遥感预测方法及系统 |
CN112131948A (zh) * | 2020-08-25 | 2020-12-25 | 航天信德智图(北京)科技有限公司 | 一种基于实测数据的广西油茶估产方法 |
CN112147077A (zh) * | 2020-08-25 | 2020-12-29 | 航天信德智图(北京)科技有限公司 | 一种基于遥感指数的油茶种植管理效果评价方法 |
CN112507276A (zh) * | 2020-11-05 | 2021-03-16 | 南京信息工程大学 | 一种无需大气校正的近海浒苔绿潮遥感监测方法 |
CN113743819A (zh) * | 2021-09-15 | 2021-12-03 | 二十一世纪空间技术应用股份有限公司 | 农作物估产的方法、装置、电子设备及存储介质 |
CN117423003A (zh) * | 2023-12-19 | 2024-01-19 | 山东科技大学 | 一种冬小麦越冬期苗情分级遥感监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234691A1 (en) * | 2004-04-20 | 2005-10-20 | Singh Ramesh P | Crop yield prediction |
CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
CN103699803A (zh) * | 2013-12-31 | 2014-04-02 | 北京农业信息技术研究中心 | 一种基于多光谱遥感信息的区域作物养分管理方法 |
-
2014
- 2014-07-09 CN CN201410330798.6A patent/CN104123409B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050234691A1 (en) * | 2004-04-20 | 2005-10-20 | Singh Ramesh P | Crop yield prediction |
CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
CN103699803A (zh) * | 2013-12-31 | 2014-04-02 | 北京农业信息技术研究中心 | 一种基于多光谱遥感信息的区域作物养分管理方法 |
Non-Patent Citations (4)
Title |
---|
冬小麦花期生理形态指标与卫星遥感光谱特征的相关性分析;李卫国等;《麦类作物学报》;20091231;第29卷(第1期);第79-82页 * |
刘淑云 等: "基于遥感数据的冬小麦农情检测研究进展", 《农业网络信息》 * |
李卫国等: "冬小麦花期生理形态指标与卫星遥感光谱特征的相关性分析", 《麦类作物学报》 * |
董建军: "基于多源卫星数据的典型草原遥感估产研究", 《中国优秀硕士学位论文全文数据库(农业科技辑)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508693A (zh) * | 2018-12-10 | 2019-03-22 | 浙江大学 | 基于成像高光谱植被指数和生育期长度信息的无人机遥感水稻估产方法 |
CN109508693B (zh) * | 2018-12-10 | 2021-01-08 | 浙江大学 | 基于成像高光谱植被指数和生育期长度信息的无人机遥感水稻估产方法 |
CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
CN110428107A (zh) * | 2019-08-06 | 2019-11-08 | 吉林大学 | 一种玉米产量遥感预测方法及系统 |
CN112131948A (zh) * | 2020-08-25 | 2020-12-25 | 航天信德智图(北京)科技有限公司 | 一种基于实测数据的广西油茶估产方法 |
CN112147077A (zh) * | 2020-08-25 | 2020-12-29 | 航天信德智图(北京)科技有限公司 | 一种基于遥感指数的油茶种植管理效果评价方法 |
CN112507276A (zh) * | 2020-11-05 | 2021-03-16 | 南京信息工程大学 | 一种无需大气校正的近海浒苔绿潮遥感监测方法 |
CN112507276B (zh) * | 2020-11-05 | 2023-07-04 | 南京信息工程大学 | 一种无需大气校正的近海浒苔绿潮遥感监测方法 |
CN113743819A (zh) * | 2021-09-15 | 2021-12-03 | 二十一世纪空间技术应用股份有限公司 | 农作物估产的方法、装置、电子设备及存储介质 |
CN113743819B (zh) * | 2021-09-15 | 2024-03-26 | 二十一世纪空间技术应用股份有限公司 | 农作物估产的方法、装置、电子设备及存储介质 |
CN117423003A (zh) * | 2023-12-19 | 2024-01-19 | 山东科技大学 | 一种冬小麦越冬期苗情分级遥感监测方法 |
CN117423003B (zh) * | 2023-12-19 | 2024-03-19 | 山东科技大学 | 一种冬小麦越冬期苗情分级遥感监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104123409B (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104123409A (zh) | 大田冬小麦开花期遥感估产方法 | |
CN108982369B (zh) | 融合gf-1wfv和modis数据的地块尺度作物长势监测方法 | |
CN101699315A (zh) | 一种作物长势均匀度的监测装置和方法 | |
CN102982486A (zh) | 一种基于作物长势遥感监测信息的施肥决策方法 | |
CN109063553A (zh) | 一种土地整治后农田作物生长缺陷区遥感快速诊断方法 | |
CN105004725A (zh) | 一种水土保持综合治理土壤侵蚀变化量实时定量监测方法 | |
CN103824077A (zh) | 一种基于多源遥感数据的城市不透水层率息提取方法 | |
CN103699803A (zh) | 一种基于多光谱遥感信息的区域作物养分管理方法 | |
CN105372672A (zh) | 基于时间序列数据的南方冬种作物种植面积提取方法 | |
Zhang et al. | Remote monitoring of heading rice growing and nitrogen content based on UAV images | |
CN103914755A (zh) | 一种确定田间调查及田间管理的空间尺度的方法及系统 | |
CN106950573A (zh) | 一种基于无人机激光雷达的玉米涝渍灾害评估方法及系统 | |
CN103439297A (zh) | 一种荒漠草原绿色植物鲜重遥感估算方法 | |
CN103630651B (zh) | 冬小麦扬花期赤霉病遥感监测方法 | |
CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
CN116485757A (zh) | 一种冬小麦全氮含量预测方法 | |
CN102013047A (zh) | 农作物产量变异程度监测方法 | |
CN103076435B (zh) | 大田冬小麦白粉病遥感快速监测方法 | |
CN204514798U (zh) | 地空一体化农业监测系统 | |
Larios et al. | Best practices to develop smart agriculture to support food demand with the rapid urbanization trends in Latin America | |
Bretreger et al. | Monitoring irrigation volumes using climate data and remote sensing observations | |
Liu et al. | Research on apple orchard classification and yield estimation model based on GF-1 and Sentinel-2 | |
Takashima et al. | Rice crop yield monitoring system prototyping and its evaluation result | |
O¿ Connell et al. | Satellite remote sensing of vegetation cover and nitrogen status in almond | |
Wang et al. | Monitoring and Assessing Gross Primary Productivity of Paddy Rice (Oryza sativa L.) Cropland in Southern China Between 2000 and 2015 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170711 Termination date: 20180709 |