CN108955620B - 一种农田灌区面积遥感提取的方法及系统 - Google Patents
一种农田灌区面积遥感提取的方法及系统 Download PDFInfo
- Publication number
- CN108955620B CN108955620B CN201810149904.9A CN201810149904A CN108955620B CN 108955620 B CN108955620 B CN 108955620B CN 201810149904 A CN201810149904 A CN 201810149904A CN 108955620 B CN108955620 B CN 108955620B
- Authority
- CN
- China
- Prior art keywords
- ndvi
- area
- subregion
- vegetation index
- normalized differential
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000002689 soil Substances 0.000 claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 238000001556 precipitation Methods 0.000 claims description 75
- 230000012010 growth Effects 0.000 claims description 58
- 230000003698 anagen phase Effects 0.000 claims description 42
- 230000008635 plant growth Effects 0.000 claims description 15
- 238000003973 irrigation Methods 0.000 claims description 10
- 230000002262 irrigation Effects 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- 238000003306 harvesting Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 241001269238 Data Species 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 6
- 241000894007 species Species 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 229910006348 Si—Se Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008288 physiological mechanism Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/28—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring areas
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N22/00—Investigating or analysing materials by the use of microwaves or radio waves, i.e. electromagnetic waves with a wavelength of one millimetre or more
- G01N22/04—Investigating moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Abstract
本发明提供一种农田灌区面积遥感提取的方法，包括：针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；将每一临界点在热红外‑归一化植被指数特征空间中对应的坐标作为临界点坐标，根据临界点坐标计算所述灌区的面积；本发明通过遥感影像采集数据计算作物的归一化植被指数、土壤水分含量与冠层水分含量，获知农田中灌区的临界点，在热红外‑归一化植被指数特征空间中找到临界点对应的坐标点，据此在特征空间中将灌区的范围划分出来，通过计算灌区对应的像元的面积来获取灌区的面积，提高了农田中灌区面积提取方法的精度与效率。
Description
技术领域
本发明涉及农业遥感领域，更具体地，涉及一种农田灌区面积遥感提取的方法及系统。
背景技术
灌区一般是指有可靠水源和引、输、配水渠道系统和相应的排水沟的灌溉面积，是人类经济活动的产物，随社会经济的发展而发展。灌溉面积是按照灌溉需求实施灌溉的耕地面积。
灌溉面积遥感提取方法具有宏观、客观、快速和廉价等特点，并逐步得到广泛的应用。目前，该方法主要分为农田灌溉与非灌溉区植被指数时间序列观测比较法、Ts-NDVI特征空间分析方法、微波土壤水分观测法、高光谱冠层水分信息提取方法及人工调查法等。
其中农田灌溉与非灌溉区植被指数时间序列观测比较法，主要应用高时间序列的遥感影像提取植被指数，通过比较灌区正常生长的作物对应的生育期曲线来识别是否灌区，该方法的问题是生长期曲线受降水、温度、作物种类、生育期因素影响，带来很大的不确定性；Ts-NDVI特征空间分析方法，生理机制清楚，然而该方法需要知道灌区的土壤水分值，同时模型也受温度等复杂因素的影响，会带来一定的不确定性；高光谱和微波方法，该两种方法相对准确度比较高，但是由于对于大区域、地块破碎的区域，高光谱和微波数据由于幅宽比较小、高空间分辨率的数据重访周期长等问题，实际应用中十分有限；人工调查的方法缺点就更加突出，耗费大量的人力和物力，而且效率低、时效性比较差，因此实际应用中十分有限。
综上所述，可知现有的遥感数据、模型与方法，都具有明显的局限性，从而导致灌溉面积提取精度不高，或者由于模型较复杂导致灌溉面积提取的不确定性。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的农田灌区面积遥感提取的方法及系统。
一方面，本发明提供一种农田灌区面积遥感提取的方法，包括：
S1，针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；
S2，将每一临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；
其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间。
优选地，步骤S1前还包括：
对于农田中的任一子区域，若该子区域的年均降水量小于第一降水阈值，同时大于第二降水阈值，且该子区域中种植的作物的降水方差与降水均值的比值大于第三降水阈值，将该子区域设为待灌溉子区域；
根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中确定所述重点子区域；
其中，所述第一降水阈值大于所述第二降水阈值，所述降水方差为作物生长期中以预设时间为统计时间单元的平均降水量的方差，所述降水均值为作物生长期中以所述预设时间为统计时间单元的平均降水量的均值。
优选地，所述根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中找到重点子区域的步骤具体包括：
对于任一待灌溉子区域，根据该灌溉子区域的潜在蒸散发量与年均降水量的差值小于第四降水阈值，将该待灌溉子区域确定为重点子区域。
优选地，S1中所述通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点前还包括：
根据所述重点子区域中每一采样点处的作物的归一化植被指数与同一生长阶段的历史归一化植被指数间的差值小于植被阈值，判定所述采样点不是灌区的临界点。
优选地，所述历史归一化植被指数通过以下步骤获取：
获取种植同一种作物的区域的一定数量的历史遥感数据，对每一所述历史遥感数据进行归一化处理，以获得每一所述历史遥感数据的归一化植被指数；
根据时间序列将全部归一化植被指数通过Savitzky-Golay滤波，提取并模拟作物的生长期曲线，从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数，作为历史归一化植被指数。
优选地，所述从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数的步骤具体包括：
根据预设周期按时间序列将所述生长期曲线经过的时间划分为多个时间段，将每一所述时间段的终止时间点作为一个时间节点，从所述生长期曲线获取每一时间节点对应的归一化植被指数；
对每一时间节点，判定该时间节点对应的生长阶段，获取作物的每一生长阶段对应的归一化植被指数。
优选地，其特征在于，所述对每一时间节点，判定该时间节点对应的生长阶段的步骤具体包括：
若NDVIe+1-NDVIe＞0，NDVIe-1-NDVIe≥0，且NDVIe＝NDVImin+Δ，则当前时间节点NDVIe为种植起始点；
若NDVIe-1-NDVIe＞0，NDVIe+1-NDVIe＞0，且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于生长旺盛期；
若NDVIe+1-NDVIe＜0，NDVIe+2-NDVIe+1＜0且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于成熟期；
若NDVIe+1-NDVIe≤Δ，NDVIe+2-NDVIe+1≤Δ且NDVIe≤NDVIF+Δ，则当前时间节点NDVIe处于衰落期；
若NDVIe-NDVImax≤g，则当前时间节点NDVIe处于收割期；
其中，NDVIe为当前时间节点对应的归一化植被指数，NDVIe+1为当前时间节点的后一个时间节点对应的归一化植被指数，NDVIe+2为当前时间节点的后两个时间节点对应的归一化植被指数，NDVIe-1为当前时间节点的前一个时间节点对应的归一化植被指数，NDVImin为所述生长期曲线中归一化植被指数的最小值，NDVImax为所述生长期曲线中归一化植被指数的最大值，Δ为预设误差，NDVIF为成熟期对应的归一化植被指数，g为收割阈值。
优选地，所述根据监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点的步骤具体包括：
根据判断所述重点子区域中任一采样点处的作物的所述土壤水分含量与同一生长阶段的土壤水分含量的历史数据间的差值大于或等于土壤水分阈值，或者，所述重点子区域中任一采样点处的作物的所述冠层水分含量与同一生长阶段的冠层水分含量的历史数据间的差值大于或等于冠层水分阈值，获知所述采样点处的作物生长正常，则判定所述采样点为灌区的临界点，获取所有灌区的临界点。
优选地，所述根据所述临界点坐标计算所述灌区的面积的步骤具体包括：
根据多光谱遥感数据，在热红外-归一化植被指数特征空间中分别建立干边方程和湿边方程，并获取所述干边方程与所述湿边方程的交点坐标；
根据所述临界点坐标与所述交点坐标，在所述热红外-归一化植被指数特征空间中建立二元一次方程作为阈值方程，将所述阈值方程与x轴、y轴围成的闭合区域中的像元的面积作为所述灌区的面积；
其中，所述干边方程通过地表最高温度拟合获取，所述湿边方程通过地表最低温度拟合获取。
另一方面，本发明还提供一种农田灌区面积遥感提取的系统，包括：
临界点判定模块，用于针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；
灌区面积获取模块，用于将每一临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；
其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间。
本发明提供的一种农田灌区面积遥感提取的方法及系统，通过遥感影像采集数据计算作物的归一化植被指数、土壤水分含量与冠层水分含量等生长状况因素，获知农田中灌区的临界点，在热红外-归一化植被指数特征空间中找到上述临界点对应的坐标点，据此在特征空间中将灌区的范围划分出来，通过计算灌区对应的像元的面积来获取灌区的面积，提高了农田中灌区面积提取方法的精度与效率。
附图说明
图1为本发明一个实施例的农田灌区面积遥感提取的流程图；
图2为本发明一个实施例的农田灌区面积遥感提取的结构示意图图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，为本发明一个实施例的农田灌区面积遥感提取的流程图，包括：S1，针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；S2，将每一临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间。
具体地，根据遥感影像，从农田中找到需要重点观测是否为存在灌区临界点的子区域作为重点子区域，在重点子区域中设立多个采样点，通过高光谱遥感和微波遥感的方法，监测重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，并根据作物的土壤水分含量与冠层水分含量中至少一种生长状况因素，判断该采样点处作物当前的生长状况，并据此判定该采样点是否为灌区的临界点。其中，土壤水分含量是指作物所在的土壤中所含的水分的比率，为矿物颗粒、水溶液及空气等土壤三相中水分所占的相对比；而冠层水分含量是指作物顶部最先接触到外界气体环境与光照的部位处的水分含量。
对于农田，获取重点子区域的热红外和归一化植被指数影像，建立热红外-归一化植被指数特征空间。需要说明的是，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间，其中，归一化植被指数是反映土地覆盖植被状况的一种遥感指标，为近红外通道与可见光通道反射率的差值及和值的商。将上述找到的灌区临界点在遥感影像中的栅格数据与多光谱遥感数据相叠加，从而找到临界点在特征空间中相对应的点的坐标作为临界点坐标，根据临界点坐标在特征空间中找到对应的闭合区像元的面积作为农田中灌区的面积。
本发明通过遥感影像采集数据计算作物的土壤水分含量与冠层水分含量等生长状况因素，提取农田中的灌区信息，并利用热红外-归一化植被指数特征空间计算灌区对应的像元的面积，提高了农田中灌区面积提取方法的精度与效率。
基于上述实施例，作为一种可选的实施例，步骤S1前还包括：对于农田中的任一子区域，若该子区域的年均降水量小于第一降水阈值，同时大于第二降水阈值，且该子区域中种植的作物的降水方差与降水均值的比值大于第三降水阈值，将该子区域设为待灌溉子区域；根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中确定所述重点子区域；其中，所述第一降水阈值大于所述第二降水阈值，所述降水方差为作物生长期中以预设时间为统计时间单元的平均降水量的方差，所述降水均值为作物生长期中以所述预设时间为统计时间单元的平均降水量的均值。
具体地，在农田中存在需要灌溉的区域与不需要灌溉的区域，根据农田中各子区域的年均降水量信息以及子区域上种植的作物在其生长期内历史降水信息，判断该子区域是否需要灌溉。即在作物生长期内以预设时间作为统计时间单元，根据农田中任一子区域上的作物的种类，采集该种类作物在生长期内的降水历史信息，将所有统计时间单元中的平均降水量的方差作为降水方差，将并所有统计时间单元中的平均降水量的均值作为降水均值，根据降水方差以及降水均值的比值大于第三降水阈值，以及该子区域的年均降水量小于第一降水阈值且大于第二降水阈值，可判定该子区域为待灌溉的子区域。
举例来说，将预设时间设为半个月，则对于大区域中任一子区域：
若存在a＜Pi＜b，且则将该子区域判定为待灌溉的子区域；
反之，若存在Pi≥b或则将该子区域判定为不需要灌溉的子区域。
需要说明的是，Pi为农田中的子区域i年均降水量；σi为某类作物生长期中以半个月为统计时间单元的平均降水量的方差；ηi为某类作物生长期中以半个月为统计时间单元的平均降水量的均值；b为第一降水阈值，a为第二降水阈值，c为第三降水阈值，且必定存在b大于a。
计算上述确定的待灌溉子区域的潜在蒸散发量，并根据该子区域的潜在蒸散发量与年均降水量，再次判定该待灌溉的子区域是否需要重点监测。
本实施例可通过采集历史降水信息，初步判断农田中的各子区域是否需要灌溉，找到需要重点检测的子区域，缩小对灌区的查找范围。
基于上述实施例，作为一种可选的实施例，所述根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中找到重点子区域的步骤具体包括：对于任一待灌溉子区域，根据该灌溉子区域的潜在蒸散发量与年均降水量的差值小于第四降水阈值，将该待灌溉子区域确定为重点子区域。
具体地，通过上述实施例，计算每一待灌溉子区域的潜在热蒸散量，且根据得到的潜在热蒸散量与年均降水量间的差值是否小于第四降水阈值，判断该子区域是否为待监测的重点子区域。
则对于任一待灌溉的重点子区域，若存在ETpi-Pi＜d，其中，ETpi为该子区域i的潜在蒸散发量,Pi为该子区域i的年均降水量，d为第四降水阈值。则可根据蒸散发量与降水量间的关系，判定该待灌溉子区域为重点子区域，重点监测这些子区域并从中找到灌区的临界点所在，可以在一定程度上缩小灌区临界点的查找范围。
基于上述实施例，作为一种可选的实施例，S1中所述通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点前还包括：根据所述重点子区域中每一采样点处的作物的归一化植被指数与同一生长阶段的历史归一化植被指数间的差值小于植被阈值，判定所述采样点不是灌区的临界点。
具体地，从农田中选出可能存在灌区临界点的需要重点监测的子区域后，可以先通过观测重点子区域中所种植的作物的归一化植被指数与对应的历史归一化植被指数间，来判断作物当前所处的生长状态是否正常，以此来对该重点子区域中每一采样点是否为灌区的临界点进行一个初步判定。当重点子区域中任一采样点处的作物的归一化植被指数与处于同一生长阶段的历史归一化植被指数间的差值小于植被阈值时，可知此时该采样点处的作物生长状态不正常，可判定该采样点不是灌区的临界点，则监测种植的作物的归一化植被指数与处于同一生长阶段的历史归一化植被指数间的差值大于或等于植被阈值的采样点，从中找到灌区的临界点所在。
通过利用与当前作物处于同一生长阶段的历史归一化植被指数来对重点子区域进行初步筛选，排除掉重点子区域中非临界点的采样点后，对剩下的采样点进行进一步地监测判断，缩小了监测范围，可以有效地提高农田中灌区临界点的筛选效率。
基于上述实施例，作为一种可选的实施例，所述历史归一化植被指数通过以下步骤获取：获取种植同一种作物的区域的一定数量的历史遥感数据，对每一所述历史遥感数据进行归一化处理，以获得每一所述历史遥感数据的归一化植被指数；根据时间序列将全部归一化植被指数通过Savitzky-Golay滤波，提取并模拟作物的生长期曲线，从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数，作为历史归一化植被指数。
具体地，可采集一定数据的时间密度较大的种植相同作物的区域的历史遥感数据，对每一个历史遥感数据进行归一化处理，获取每一历史遥感数据对应的归一化植被指数，并按时间序列对上述归一化植被指数通过Savitzky-Golay滤波处理，提取并模拟得到各种类作物时间序列的生长期曲线。通过上述方法，可获取多种作物正常生长的生长期曲线，并可从每一种作物的生长期曲线中获取该作物每一生长阶段对应的归一化植被指数，并据此建立每一种作物的生长期归一化植被指数查找表，可从生长期归一化植被指数查找表中获取各生长阶段的历史归一化植被指数。
基于上述实施例，作为一种可选的实施例，所述从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数的步骤具体包括：根据预设周期按时间序列将所述生长期曲线经过的时间划分为多个时间段，将每一所述时间段的终止时间点作为一个时间节点，从所述生长期曲线获取每一时间节点对应的归一化植被指数；对每一时间节点，判定该时间节点对应的生长阶段，获取作物的每一生长阶段对应的归一化植被指数。
具体地，对于每一种作物，根据预设周期按照时间序列将该作物的生长期曲线经过的时间划分为多个时间段，将每个时间段的终止时间点作为时间节点，即将每个时间段的端点都作为时间节点，从上述生长期曲线中可得到每一个时间节点对应的归一化植被指数，可根据该时间节点前后的时间节点的归一化植被指数，来判断每个时间节点当前所处的生长阶段，据此来获取该种作物在每一生长阶段对应的时间节点的范围，即可获取作物各生长阶段在生长期曲线上对应的时间段，则可知每个生长阶段对应的时长，并建立相应作物的生长阶段查找表。已知重点子区域中任一采样点处的作物刚进行种植的生长起点期，根据作物生长起点期到当前时间点所经过的时长，可查阅上述作物的生长阶段查找表，获知作物当前所处的生长阶段。
基于上述实施例，作为一种可选的实施例，对每一时间节点，判定该时间节点对应的生长阶段的步骤具体包括：若NDVIe+1-NDVIe＞0，NDVIe-1-NDVIe≥0，且NDVIe＝NDVImin+Δ，则当前时间节点NDVIe处于生长起点期；若NDVIe-1-NDVIe＞0，NDVIe+1-NDVIe＞0，且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于生长旺盛期；若NDVIe+1-NDVIe＜0，NDVIe+2-NDVIe+1＜0且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于成熟期；若NDVIe+1-NDVIe≤Δ，NDVIe+2-NDVIe+1≤Δ且NDVIe≤NDVIF+Δ，则当前时间节点NDVIe处于衰落期；若NDVIe-NDVImax≤g，则当前时间节点NDVIe处于收割期；其中，NDVIe为当前时间节点对应的归一化植被指数，NDVIe+1为当前时间节点的后一个时间节点对应的归一化植被指数，NDVIe+2为当前时间节点的后两个时间节点对应的归一化植被指数，NDVIe-1为当前时间节点的前一个时间节点对应的归一化植被指数，NDVImin为所述生长期曲线中归一化植被指数的最小值，NDVImax为所述生长期曲线中归一化植被指数的最大值，Δ为预设误差，NDVIF为成熟期对应的归一化植被指数，g为收割阈值。
具体地，对于每种作物生长期曲线上的任一时间节点，判断该时间节点所处的生长阶段，可据此将生长期曲线按生长阶段划分出来，并可通过重点子区域上种植的作物当前所处的生长阶段，对作物当前时间节点的生长状况作出初步判定。则按时间序列，对每一时间节点，都有：
若NDVIe+1-NDVIe＞0，NDVIe-1-NDVIe≥0，且NDVIe＝NDVImin+Δ，可知后一个时间节点的归一化植被指数大于当前节点的归一化植被指数，前一个时间节点的归一化植被指数小于等于当前节点的归一化植被指数，且当前时间节点的归一化植被指数在误差允许范围内与整个生长期曲线中归一化植被指数的最小值相等，则可知当前时间节点NDVIe处于生长起点期。
若NDVIe-1-NDVIe＞0，NDVIe+1-NDVIe＞0，且NDVIe＝NDVImax+Δ，可知前一个时间节点的归一化植被指数大于当前节点的归一化植被指数，后一个时间节点的归一化植被指数小于等于当前节点的归一化植被指数，且当前时间节点的归一化植被指数在误差允许范围内与整个生长期曲线中归一化植被指数的最大值相等，则当前时间节点NDVIe处于生长旺盛期。
若NDVIe+1-NDVIe＜0，NDVIe+2-NDVIe+1＜0且NDVIe＝NDVImax+Δ，可知后一个时间节点的归一化植被指数小于当前节点的归一化植被指数，而后两个时间节点的归一化植被指数也小于后一个节点的归一化植被指数，且当前时间节点的归一化植被指数在误差允许范围内与整个生长期曲线中归一化植被指数的最大值相等，则当前时间节点NDVIe处于成熟期。
若NDVIe+1-NDVIe≤Δ，NDVIe+2-NDVIe+1≤Δ且NDVIe≤NDVIF+Δ，可知当前节点的归一化植被指数与后一个时间节点及后两个时间节点的归一化植被指数在误差范围内均可视为相等，且当前节点的归一化植被指数与成熟期时的归一化植被指数大致相等，则当前时间节点NDVIe处于衰落期。
若NDVIe-NDVImax≤g，可知当前节点的归一化植被指数与整个生长期曲线中归一化植被指数的最大值的差值小于等于收割阈值，则当前时间节点NDVIe处于收割期。
需要说明的是，在上述公式中，NDVIe为当前时间节点对应的归一化植被指数，NDVIe+1为当前时间节点的后一个时间节点对应的归一化植被指数，NDVIe+2为当前时间节点的后两个时间节点对应的归一化植被指数，NDVIe-1为当前时间节点的前一个时间节点对应的归一化植被指数，NDVImin为所述生长期曲线中归一化植被指数的最小值，NDVImax为所述生长期曲线中归一化植被指数的最大值，Δ为预设误差，NDVIF为成熟期对应的归一化植被指数，g为收割阈值。
基于上述实施例，作为一种可选的实施例，所述根据监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点的步骤具体包括：根据判断所述重点子区域中任一采样点处的作物的所述土壤水分含量与同一生长阶段的土壤水分含量的历史数据间的差值大于或等于土壤水分阈值，或者，所述重点子区域中任一采样点处的作物的所述冠层水分含量与同一生长阶段的冠层水分含量的历史数据间的差值大于或等于冠层水分阈值，获知所述采样点处的作物生长正常，则判定所述采样点为灌区的临界点，获取所有灌区的临界点。
具体地，先根据历史微波遥感数据，分别计算多种作物正常生长时在不同生长阶段的土壤水分含量，并建立每一种作物的生长期土壤水分含量查找表。通过微波遥感观测上述重点子区域，计算每一重点子区域中每一采样点处作物的土壤水分含量，并根据当前采样点上种植的作物种类以及该作物当前所处的生长阶段，可在相应的生长期土壤水分含量查找表中找到该生长阶段的土壤水分含量的历史数据。
同样的，可以先根据历史高光谱遥感数据，分别计算多种作物正常生长时在不同生长阶段的冠层水分含量，并建立每一种作物的生长期冠层水分含量查找表。通过采集上述重点子区域采样点处的高光谱数据，计算每一采样点处作物的冠层水分含量，并根据当前采样点上种植的作物种类以及该作物当前所处的生长阶段，可在相应的生长期冠层水分含量查找表中找到该生长阶段的冠层水分含量的历史数据。
通过每一重点子区域中任一采样点处作物的土壤水分含量与同一生长阶段的土壤水分含量的历史数据间的差值大于或等于土壤水分阈值，或者，重点子区域中任一采样点处作物的冠层水分含量与同一生长阶段的冠层水分含量的历史数据间的差值大于或等于冠层水分阈值，可以得知该采样点处的作物生长处于正常状态，从而判定该采样点为灌区的临界点。
即在任一重点子区域的任一采样点中，Si-Se≥K或Ci-Ce≥L满足的情况下，可知该采样点处作物生长正常，则判定该采样点为灌区的临界点。
需要说明的是，上述Si表示采样点i当前的土壤水分含量，Se表示采样点i同一生长阶段的土壤水分含量的历史数据，K表示土壤水分阈值；Ci表示重点子区域i当前的冠层水分含量，Ce表示采样点i同一生长阶段的冠层水分含量的历史数据，L表示冠层水分阈值。
本发明实施例通过土壤水分含量与冠层水分含量这两种作物的生长状况因素来确认重点子区域中任一采样点处的作物生长是否正常，据此判定该采样点是否为灌区的临界点，由于，高光谱和微波数据的相对准确度较高，因此利用高光谱数据观测作物冠层水分含量，利用微波数据观测作物土壤水分含量，可使得灌区临界点的判定更具有确定性。
基于上述实施例，作为一种可选的实施例，所述根据所述临界点坐标计算所述灌区的面积的步骤具体包括：根据多光谱遥感数据，在热红外-归一化植被指数特征空间中分别建立干边方程和湿边方程，并获取所述干边方程与所述湿边方程的交点坐标；根据所述临界点坐标与所述交点坐标，在所述热红外-归一化植被指数特征空间中建立二元一次方程作为阈值方程，将所述阈值方程与x轴、y轴围成的闭合区域中的像元的面积作为所述灌区的面积；其中，所述干边方程通过地表最高温度拟合获取，所述湿边方程通过地表最低温度拟合获取。
具体地，选择适宜空间分辨率的多光谱遥感数据，根据重点子区域的热红外遥感影像与归一化植被指数影像，建立相应的热红外-归一化植被指数特征空间，并根据农田中各地表温度最高的地方，在特征空间中作出散点并拟合出干边方程，根据农田中各地表温度最低的地方，在特征空间中作出散点并拟合出湿边方程，求得干边方程与湿边方程的交点坐标(NDVI0,Ts0)。
将上述实施例中求得的灌区的临界点在遥感影像中的栅格数据与该多光谱遥感数据进行叠加，据此找到灌区在特征空间中所对应的点的位置即临界点坐标，由于求得的临界点坐标可能有多个，各临界点坐标分布在灌区与非灌区的交界线的两侧，将灌区与非灌区划分出来。则在上述临界点坐标中找到一个阈值点坐标(NDVIwi，Tswi)，将交点坐标(NDVI0,Ts0)与该阈值点的连线作为灌区与非灌区的分界线，使得全部的临界点都能尽可能地靠近该分界线。需要说明的是，本发明中利用地面灌溉面积常规观测点数据、微波遥感观测的土壤水分含量数据和高光谱遥感观测的冠层水分含量数据获取了较为可靠的干旱胁迫程度信息，并将上述方法覆盖面小、数据获取的实效性差的缺点转换为优点，将其应用在本方案中作为判断重点子区域在不同的时间节点是否为灌区临界点的依据，并据此在热红外-归一化植被指数特征空间中找到对应的临界点坐标。
根据交点坐标(NDVI0,Ts0)与阈值点坐标(NDVIwi，Tswi)，可建立相应位于干边方程与湿边方程之间的二元一次方程作为阈值方程。根据该阈值方程分别与x轴与y轴的交点，可计算阈值方程与x轴、y轴围成的闭合区域的面积，根据该闭合区域中像元的面积对应获取灌区的面积，则可通过多光谱遥感数据的空间分辨率求得像元所代表的灌区的实际面积。
本发明提供的一种农田灌区面积遥感提取的方法，通过遥感影像采集数据计算作物的归一化植被指数、土壤水分含量与冠层水分含量等生长状况因素，获知农田中灌区的临界点，在热红外-归一化植被指数特征空间中找到上述临界点对应的坐标点，据此在特征空间中将灌区的范围划分出来，通过计算灌区对应的像元的面积来获取灌区的面积，提高了农田中灌区面积提取方法的精度与效率。
参见图2，为本发明一个实施例的农田灌区面积遥感提取的结构示意图，包括：临界点判定模块，用于对农田中的每一重点子区域，根据该重点子区域中作物的土壤水分含量与冠层水分含量，判断所述重点子区域为灌区的临界点；灌区面积获取模块，用于将所述临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间。
具体地，临界点判定模块用于从农田中的各子区域中选取出将灌区与非灌区划分出来的临界点，以方便灌区范围的划定；灌区面积获取模块则用于根据临界点判定模块获取的临界点划分灌区所在的区域，以便求得灌区的面积。需要说明的是，灌区面积的求取步骤在上述方法实施例中已做详细说明，此处不再多做赘述。
本发明提供的一种农田灌区面积遥感提取的系统，通过遥感影像采集数据计算作物的归一化植被指数、土壤水分含量与冠层水分含量等生长状况因素，获知农田中灌区的临界点，在热红外-归一化植被指数特征空间中找到上述临界点对应的坐标点，据此在特征空间中将灌区的范围划分出来，通过计算灌区对应的像元的面积来获取灌区的面积，提高了农田中灌区面积提取方法的精度与效率。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种农田灌区面积遥感提取的方法，其特征在于，包括：
S1，针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；
S2，将每一临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；
其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间；
其中，所述根据所述临界点坐标计算所述灌区的面积的步骤具体包括：
根据多光谱遥感数据，在热红外-归一化植被指数特征空间中分别建立干边方程和湿边方程，并获取所述干边方程与所述湿边方程的交点坐标；
根据所述临界点坐标与所述交点坐标，在所述热红外-归一化植被指数特征空间中建立二元一次方程作为阈值方程，将所述阈值方程与x轴、y轴围成的闭合区域中的像元的面积作为所述灌区的面积；
其中，所述干边方程通过地表最高温度拟合获取，所述湿边方程通过地表最低温度拟合获取。
2.根据权利要求1所述的农田灌区面积遥感提取的方法，其特征在于，步骤S1前还包括：
对于农田中的任一子区域，若该子区域的年均降水量小于第一降水阈值，同时大于第二降水阈值，且该子区域中种植的作物的降水方差与降水均值的比值大于第三降水阈值，将该子区域设为待灌溉子区域；
根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中确定所述重点子区域；
其中，所述第一降水阈值大于所述第二降水阈值，所述降水方差为作物生长期中以预设时间为统计时间单元的平均降水量的方差，所述降水均值为作物生长期中以所述预设时间为统计时间单元的平均降水量的均值。
3.根据权利要求2所述的农田灌区面积遥感提取的方法，其特征在于，所述根据所述待灌溉子区域的潜在蒸散发量与年均降水量，从所述待灌溉子区域中找到重点子区域的步骤具体包括：
对于任一待灌溉子区域，根据该灌溉子区域的潜在蒸散发量与年均降水量的差值小于第四降水阈值，将该待灌溉子区域确定为重点子区域。
4.根据权利要求1所述的农田灌区面积遥感提取的方法，其特征在于，S1中所述通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点前还包括：
根据所述重点子区域中每一采样点处的作物的归一化植被指数与同一生长阶段的历史归一化植被指数间的差值小于植被阈值，判定所述采样点不是灌区的临界点。
5.根据权利要求4所述的农田灌区面积遥感提取的方法，其特征在于，所述历史归一化植被指数通过以下步骤获取：
获取种植同一种作物的区域的一定数量的历史遥感数据，对每一所述历史遥感数据进行归一化处理，以获得每一所述历史遥感数据的归一化植被指数；
根据时间序列将全部归一化植被指数通过Savitzky-Golay滤波，提取并模拟作物的生长期曲线，从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数，作为历史归一化植被指数。
6.根据权利要求5所述的农田灌区面积遥感提取的方法，其特征在于，所述从所述生长期曲线中获取作物的每一生长阶段对应的归一化植被指数的步骤具体包括：
根据预设周期按时间序列将所述生长期曲线经过的时间划分为多个时间段，将每一所述时间段的终止时间点作为一个时间节点，从所述生长期曲线获取每一时间节点对应的归一化植被指数；
对每一时间节点，判定该时间节点对应的生长阶段，获取作物的每一生长阶段对应的归一化植被指数。
7.根据权利要求6所述的农田灌区面积遥感提取的方法，其特征在于，所述对每一时间节点，判定该时间节点对应的生长阶段的步骤具体包括：
若NDVIe+1-NDVIe＞0，NDVIe-1-NDVIe≥0，且NDVIe＝NDVImin+Δ，则当前时间节点NDVIe为种植起始点；
若NDVIe-1-NDVIe＞0，NDVIe+1-NDVIe＞0，且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于生长旺盛期；
若NDVIe+1-NDVIe＜0，NDVIe+2-NDVIe+1＜0且NDVIe＝NDVImax+Δ，则当前时间节点NDVIe处于成熟期；
若NDVIe+1-NDVIe≤Δ，NDVIe+2-NDVIe+1≤Δ且NDVIe≤NDVIF+Δ，则当前时间节点NDVIe处于衰落期；
若NDVIe-NDVImax≤g，则当前时间节点NDVIe处于收割期；
其中，NDVIe为当前时间节点对应的归一化植被指数，NDVIe+1为当前时间节点的后一个时间节点对应的归一化植被指数，NDVIe+2为当前时间节点的后两个时间节点对应的归一化植被指数，NDVIe-1为当前时间节点的前一个时间节点对应的归一化植被指数，NDVImin为所述生长期曲线中归一化植被指数的最小值，NDVImax为所述生长期曲线中归一化植被指数的最大值，Δ为预设误差，NDVIF为成熟期对应的归一化植被指数，g为收割阈值。
8.根据权利要求1所述的农田灌区面积遥感提取的方法，其特征在于，所述根据监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点的步骤具体包括：
根据判断所述重点子区域中任一采样点处的作物的所述土壤水分含量与同一生长阶段的土壤水分含量的历史数据间的差值大于或等于土壤水分阈值，或者，所述重点子区域中任一采样点处的作物的所述冠层水分含量与同一生长阶段的冠层水分含量的历史数据间的差值大于或等于冠层水分阈值，获知所述采样点处的作物生长正常，则判定所述采样点为灌区的临界点，获取所有灌区的临界点。
9.一种农田灌区面积遥感提取的系统，其特征在于，包括：
临界点判定模块，用于针对农田中的每一重点子区域，通过高光谱遥感和微波遥感的方法，监测该重点子区域中每一采样点处的作物的土壤水分含量与冠层水分含量，获取所有采样点中灌区的临界点；
灌区面积获取模块，用于将每一临界点在热红外-归一化植被指数特征空间中对应的坐标作为临界点坐标，根据所述临界点坐标计算所述灌区的面积；
其中，热红外-归一化植被指数特征空间是以地表温度为纵坐标，归一化植被指数为横坐标建立的特征空间；
其中，所述灌区面积获取模块具体用于：
根据多光谱遥感数据，在热红外-归一化植被指数特征空间中分别建立干边方程和湿边方程，并获取所述干边方程与所述湿边方程的交点坐标；
根据所述临界点坐标与所述交点坐标，在所述热红外-归一化植被指数特征空间中建立二元一次方程作为阈值方程，将所述阈值方程与x轴、y轴围成的闭合区域中的像元的面积作为所述灌区的面积；
其中，所述干边方程通过地表最高温度拟合获取，所述湿边方程通过地表最低温度拟合获取。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149904.9A CN108955620B (zh) | 2018-02-13 | 2018-02-13 | 一种农田灌区面积遥感提取的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149904.9A CN108955620B (zh) | 2018-02-13 | 2018-02-13 | 一种农田灌区面积遥感提取的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108955620A CN108955620A (zh) | 2018-12-07 |
| CN108955620B true CN108955620B (zh) | 2019-08-16 |
Family
ID=64495402
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810149904.9A Expired - Fee Related CN108955620B (zh) | 2018-02-13 | 2018-02-13 | 一种农田灌区面积遥感提取的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108955620B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109827908B (zh) * | 2018-12-24 | 2021-04-13 | 核工业北京地质研究院 | 一种利用光谱数据判别红富士苹果腐烂程度的方法 |
| CN109726698B (zh) * | 2019-01-07 | 2020-10-27 | 中国水利水电科学研究院 | 基于遥感数据进行季度灌溉面积识别的方法 |
| CN110727900B (zh) * | 2019-09-20 | 2021-09-14 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
| CN110658325B (zh) * | 2019-09-29 | 2020-06-30 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
| CN110929222A (zh) * | 2019-10-24 | 2020-03-27 | 中山大学 | 基于遥感植被冠层水分指数的灌溉农田识别方法 |
| CN111221934B (zh) * | 2020-02-05 | 2023-08-18 | 沈阳无距科技有限公司 | 一种无人机作业边界的确定方法及装置 |
| CN111695533B (zh) * | 2020-06-16 | 2022-08-12 | 中国科学院地理科学与资源研究所 | 冬小麦和夏玉米种植面积逐年自动监测的遥感制图方法 |
| CN112565726B (zh) * | 2020-12-10 | 2023-02-14 | 广州极飞科技股份有限公司 | 作业处方图的确定方法、作业控制方法及相关装置 |
| CN113470175B (zh) * | 2021-06-11 | 2023-02-28 | 北京大学 | 基于光学梯形模型的灌溉区域制图方法 |
| CN113984212B (zh) * | 2021-10-27 | 2023-06-27 | 中国气象科学研究院 | 农业灌区提取方法及系统 |
| CN114092807B (zh) * | 2021-11-12 | 2022-04-22 | 中国水利水电科学研究院 | 一种基于时段累计蒸散发的实际灌溉面积识别方法 |
| CN114067158B (zh) * | 2021-11-17 | 2022-09-23 | 江苏天汇空间信息研究院有限公司 | 应用多源遥感数据的农田使用状态的监测系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936777A (zh) * | 2010-07-30 | 2011-01-05 | 南京信息工程大学 | 一种基于热红外遥感反演近地层气温的方法 |
| CN103793596A (zh) * | 2014-01-14 | 2014-05-14 | 中国科学院地理科学与资源研究所 | 一种地表温度-植被指数特征空间干湿限选择的方法及装置 |
| CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
| CN105760978A (zh) * | 2015-07-22 | 2016-07-13 | 北京师范大学 | 一种基于温度植被干旱指数(tvdi)的农业旱灾等级监测方法 |
| JP5991603B1 (ja) * | 2015-06-19 | 2016-09-14 | パナソニックＩｐマネジメント株式会社 | 撮像装置 |
| CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
-
2018
- 2018-02-13 CN CN201810149904.9A patent/CN108955620B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101936777A (zh) * | 2010-07-30 | 2011-01-05 | 南京信息工程大学 | 一种基于热红外遥感反演近地层气温的方法 |
| CN104424390A (zh) * | 2013-09-06 | 2015-03-18 | 中国水利水电科学研究院 | 灌溉面积监测方法及装置 |
| CN103793596A (zh) * | 2014-01-14 | 2014-05-14 | 中国科学院地理科学与资源研究所 | 一种地表温度-植被指数特征空间干湿限选择的方法及装置 |
| JP5991603B1 (ja) * | 2015-06-19 | 2016-09-14 | パナソニックＩｐマネジメント株式会社 | 撮像装置 |
| CN105760978A (zh) * | 2015-07-22 | 2016-07-13 | 北京师范大学 | 一种基于温度植被干旱指数(tvdi)的农业旱灾等级监测方法 |
| CN107103305A (zh) * | 2017-05-03 | 2017-08-29 | 西安科技大学 | 基于高分辨率遥感影像的高标准农田识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种基于TVDI模型的煤田温度异常区面积提取方法;朱小强;《干旱区地理》;20170530;第622-623页 * |
| 朱小强.一种基于TVDI模型的煤田温度异常区面积提取方法.《干旱区地理》.2017,第622-623页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108955620A (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108955620B (zh) | 一种农田灌区面积遥感提取的方法及系统 | |
| US8150554B2 (en) | Resource use management in yards and gardens | |
| US10028426B2 (en) | Agronomic systems, methods and apparatuses | |
| EP2243353B1 (en) | System and method for managing resource use | |
| US8321365B2 (en) | Horticultural knowledge base for managing yards and gardens | |
| US8437879B2 (en) | System and method for providing prescribed resources to plants | |
| US20170270446A1 (en) | Agronomic systems, methods and apparatuses for determining yield limits | |
| Cohen et al. | Use of aerial thermal imaging to estimate water status of palm trees | |
| EP2426628A2 (en) | Apparatus for performing horticultural tasks | |
| Caturegli et al. | Spectral reflectance of tall fescue (Festuca Arundinacea Schreb.) under different irrigation and nitrogen conditions | |
| Vanomark et al. | Energy balance partitioning and evapotranspiration from irrigated muskmelon under semi-arid conditions | |
| Pelta et al. | Forecasting seasonal plot-specific crop coefficient (Kc) protocol for processing tomato using remote sensing, meteorology, and artificial intelligence | |
| Lacerda et al. | Correlation of UAV and satellite-derived vegetation indices with cotton physiological parameters and their use as a tool for scheduling variable rate irrigation in cotton | |
| CN114170508B (zh) | 一种土地资源监控方法、系统、存储介质及智能终端 | |
| AlKameli et al. | Automatic learning in agriculture: a survey | |
| Panda et al. | Stomatal Conductance, Canopy Temperature, and Leaf Area Index Estimation Using Remote Sensing and OBIA techniques. | |
| Cantini et al. | Direct and indirect ground estimation of leaf area index to support interpretation of NDVI data from satellite images in hedgerow olive orchards | |
| CN108575602A (zh) | 一种农作物植株整枝方法及系统 | |
| Garatuza-Payan et al. | Estimating large area wheat evapotranspiration from remote sensing data | |
| Nagano et al. | Detecting fluctuation of rice cultivated areas in semi-arid regions by combined use of MODIS and Landsat imageries | |
| Bauer | Crop growing practices | |
| Bellvert et al. | Use of an integrated model of water consumption as a decision support system for scheduling regulated deficit irrigation in a vineyard | |
| Chen et al. | Comparison of CWSI and Ts-Ta-VIs in moisture monitoring of dryland crops (sorghum, maize) based on UAV remote sensing | |
| Zhang et al. | Relationship between NDVI and canopy cover sensed by small UAV under different ground resolution. | |
| Gibson et al. | TUFTED HAIRGRASS USFS NORTHERN REGION SEED TRANSFER |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20190816 |