CN110082500A - 一种基于干湿边快速确定的农作物干旱遥感监测方法 - Google Patents
一种基于干湿边快速确定的农作物干旱遥感监测方法 Download PDFInfo
- Publication number
- CN110082500A CN110082500A CN201910344419.1A CN201910344419A CN110082500A CN 110082500 A CN110082500 A CN 110082500A CN 201910344419 A CN201910344419 A CN 201910344419A CN 110082500 A CN110082500 A CN 110082500A
- Authority
- CN
- China
- Prior art keywords
- module
- remote sensing
- crops
- soil
- image
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000002689 soil Substances 0.000 claims abstract description 101
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000002708 enhancing effect Effects 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000003384 imaging method Methods 0.000 claims description 22
- 230000005855 radiation Effects 0.000 claims description 17
- 238000002310 reflectometry Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012271 agricultural production Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000009414 blockwork Methods 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/245—Earth materials for agricultural purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/24—Earth materials
- G01N33/246—Earth materials for water content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Geology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于遥感技术领域，公开了一种基于干湿边快速确定的农作物干旱遥感监测方法，通过图像信息采集模块获取农作物远程遥感影像数据；通过土壤湿度检测模块、土壤温度检测模块分别检测农作物土壤的湿度、温度数据信息；主控模块调度遥感图像处理模块对采集到的农作物遥感图像进行增强处理；通过土壤水量测定模块测定土壤水分含量数据信息；通过数据分析模块对采集图像及检测的数据信息进行综合分析。本发明通过土壤水量测定模块可以快速有效地估算农作物土壤水分/干旱状况，以指导农业生产、水资源规划等，且精度较高。
Description
技术领域
本发明属于遥感技术领域，尤其涉及一种基于干湿边快速确定的农作物干旱遥感监测方法。
背景技术
农业干旱是指在农作物生长发育过程中，因降水不足、土壤含水量过低和作物得不到适时适量的灌溉，致使供水不能满足农作物的正常需水，而造成农作物减产。农业干旱以土壤含水量和植物生长状态为特征，是指农业生长季节内因长期无雨，造成大气干旱、土壤缺水，农作物生长发育受抑，导致明显减产，甚至绝收的一种农业气象灾害。体现干旱程度的主要因子有:降水、土壤含水量、土壤质地、气温、作物品种和产量,以及干旱发生的季节等。然而，现有对农作物干旱遥感图像质量不高，不利于获取更加准确分析结果；同时对农作物干旱情况判断速度慢、判断不准确。
综上所述，现有技术存在的问题是：现有对农作物干旱遥感图像质量不高，不利于获取更加准确分析结果；同时对农作物干旱情况判断速度慢、判断不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种基于干湿边快速确定的农作物干旱遥感监测方法。
本发明是这样实现的，一种基于干湿边快速确定的农作物干旱遥感监测系统包括：
图像信息采集模块、土壤湿度检测模块、土壤温度检测模块、主控模块、遥感图像处理模块、土壤水量测定模块、数据分析模块、显示模块；
图像信息采集模块，与主控模块连接，用于通过卫星获取农作物远程遥感影像数据；
土壤湿度检测模块，与主控模块连接，用于通过湿度传感器检测农作物土壤湿度数据；
土壤温度检测模块，与主控模块连接，用于通过温度传感器检测农作物土壤温度数据；
主控模块，与图像信息采集模块、土壤湿度检测模块、土壤温度检测模块、遥感图像处理模块、土壤水量测定模块、数据分析模块、显示模块连接，用于控制各个模块正常工作；
遥感图像处理模块，与主控模块连接，用于对采集到的农作物遥感图像进行增强处理；
土壤水量测定模块，与主控模块连接，用于测定土壤水分含量数据信息；
数据分析模块，与主控模块连接，用于对采集图像及检测的数据信息进行综合分析；
显示模块，与主控模块连接，用于显示图像及检测温度、湿度、水分等数据信息。
图像信息采集模块包括：太阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶；阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶均安装在架子上。
本发明另一目的在于提供一种基于干湿边快速确定的农作物干旱遥感监测方法包括以下步骤：
步骤一，通过图像信息采集模块获取农作物远程遥感影像数据；通过土壤湿度检测模块、土壤温度检测模块分别检测农作物土壤的湿度、温度数据信息；
步骤二，主控模块调度遥感图像处理模块对采集到的农作物遥感图像进行增强处理；通过土壤水量测定模块测定土壤水分含量数据信息；
步骤三，通过数据分析模块对采集图像及检测的数据信息进行综合分析；
步骤四，通过显示模块显示图像及检测温度、湿度、水分等数据信息。
进一步，所述遥感图像处理模块处理方法如下：
首先，对原始遥感图像进行采样并进行归一化处理，得到归一化采样图像；
其次，将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子，得到预增强图像；
然后，根据所述预增强图像的最大信息熵原则自适应确定所述增强算子的最优灰度阈值；
最后，根据所述最优灰度阈值，利用所述增强算子得到增强图像。
进一步，所述土壤水量测定模块测定方法如下：
首先，分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；
其次，根据所选择用于监测土壤含水量的短波红外波段，构建基于遥感数据的短波红外干旱指数；
然后，采集待监测区域的土壤水分观测数据；
最后，根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。
进一步，所述光谱特性，选择的用于监测土壤含水量的短波红外波段分别为1230-1250nm、1628-1652nm和2150-2155nm波段，其中心波长分别为1240nm、1640nm以及2130nm。
进一步，所述遥感数据为中分辨率成像光谱仪MODIS数据，所选择的用于监测土壤含水量的短波红外波段分别对应所述中分辨率成像光谱仪MODIS的第5、6及7波段。
进一步，所述干旱指数为：
其中，SIDI5，6为所述中分辨率成像光谱仪MODIS第5波段与第6波段组合的干旱指数；SIDI5，7为所述中分辨率成像光谱仪MODIS第5波段与第7波段组合的干旱指数；SIDI6，7为所述中分辨率成像光谱仪MODIS第6波段与第7波段组合的干旱指数；ρ5为所述中分辨率成像光谱仪MODIS第5波段的地表反射率；ρ6为所述中分辨率成像光谱仪MODIS第6波段的地表反射率；ρ7为所述中分辨率成像光谱仪MODIS第7波段的地表反射率。
本发明的优点及积极效果为：本发明通过遥感图像处理模块引入量子比特表达方式表示图像像素出现黑白的概率，具有较强的适应性。根据增强后得到的预增强图像信息熵最大化原则，自适应的确定最佳灰度阈值，避免人为的不断调试，综合考虑了图像的全局与局部信息，有效地增强了图像的对比度，一定程度上抑制了噪声干扰，改善了图像的质量，从而更加准确的对农作物干旱遥感图像进行分析；同时通过土壤水量测定模块可以快速有效地估算农作物土壤水分/干旱状况，以指导农业生产、水资源规划等，且精度较高。
附图说明
图1是本发明实施提供的基于干湿边快速确定的农作物干旱遥感监测方法流程图。
图2是本发明实施提供的基于干湿边快速确定的农作物干旱遥感监测系统结构框图。
图中：1、图像信息采集模块；2、土壤湿度检测模块；3、土壤温度检测模块；4、主控模块；5、遥感图像处理模块；6、土壤水量测定模块；7、数据分析模块；8、显示模块。
图3是本发明实施提供的图像信息采集模块实物图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明提供的一种基于干湿边快速确定的农作物干旱遥感监测方法包括以下步骤：
步骤S101，通过图像信息采集模块获取农作物远程遥感影像数据；通过土壤湿度检测模块、土壤温度检测模块分别检测农作物土壤的湿度、温度数据信息；
步骤S102，主控模块调度遥感图像处理模块对采集到的农作物遥感图像进行增强处理；通过土壤水量测定模块测定土壤水分含量数据信息；
步骤S103，通过数据分析模块对采集图像及检测的数据信息进行综合分析；
步骤S104，通过显示模块显示图像及检测温度、湿度、水分等数据信息。
如图2所示，本发明提供的基于干湿边快速确定的农作物干旱遥感监测系统包括：图像信息采集模块1、土壤湿度检测模块2、土壤温度检测模块3、主控模块4、遥感图像处理模块5、土壤水量测定模块6、数据分析模块7、显示模块8。
图像信息采集模块1(如图3)，与主控模块4连接，用于通过卫星获取农作物远程遥感影像数据；
土壤湿度检测模块2，与主控模块4连接，用于通过湿度传感器检测农作物土壤湿度数据；
土壤温度检测模块3，与主控模块4连接，用于通过温度传感器检测农作物土壤温度数据；
主控模块4，与图像信息采集模块1、土壤湿度检测模块2、土壤温度检测模块3、遥感图像处理模块5、土壤水量测定模块6、数据分析模块7、显示模块8连接，用于控制各个模块正常工作；
遥感图像处理模块5，与主控模块4连接，用于对采集到的农作物遥感图像进行增强处理；
土壤水量测定模块6，与主控模块4连接，用于测定土壤水分含量数据信息；
数据分析模块7，与主控模块4连接，用于对采集图像及检测的数据信息进行综合分析；
显示模块8，与主控模块4连接，用于显示图像及检测温度、湿度、水分等数据信息。
如图3所示，图像信息采集模块1包括：太阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶；阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶均安装在架子上。
本发明提供的遥感图像处理模块5处理方法如下：
首先，对原始遥感图像进行采样并进行归一化处理，得到归一化采样图像；
其次，将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子，得到预增强图像；
然后，根据所述预增强图像的最大信息熵原则自适应确定所述增强算子的最优灰度阈值；
最后，根据所述最优灰度阈值，利用所述增强算子得到增强图像。
本发明提供的土壤水量测定模块6测定方法如下：
首先，分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；
其次，根据所选择用于监测土壤含水量的短波红外波段，构建基于遥感数据的短波红外干旱指数；
然后，采集待监测区域的土壤水分观测数据；
最后，根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。
本发明提供的所述光谱特性，选择的用于监测土壤含水量的短波红外波段分别为1230-1250nm、1628-1652nm和2150-2155nm波段，其中心波长分别为1240nm、1640nm以及2130nm。
本发明提供的遥感数据为中分辨率成像光谱仪MODIS数据，所选择的用于监测土壤含水量的短波红外波段分别对应所述中分辨率成像光谱仪MODIS的第5、6及7波段。
本发明提供的干旱指数为：
其中，SIDI5，6为所述中分辨率成像光谱仪MODIS第5波段与第6波段组合的干旱指数；SIDI5，7为所述中分辨率成像光谱仪MODIS第5波段与第7波段组合的干旱指数；SIDI6，7为所述中分辨率成像光谱仪MODIS第6波段与第7波段组合的干旱指数；ρ5为所述中分辨率成像光谱仪MODIS第5波段的地表反射率；ρ6为所述中分辨率成像光谱仪MODIS第6波段的地表反射率；ρ7为所述中分辨率成像光谱仪MODIS第7波段的地表反射率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述基于干湿边快速确定的农作物干旱遥感监测方法包括以下步骤：
步骤一，通过图像信息采集模块获取农作物远程遥感影像数据；通过土壤湿度检测模块、土壤温度检测模块分别检测农作物土壤的湿度、温度数据信息；
步骤二，主控模块调度遥感图像处理模块对采集到的农作物遥感图像进行增强处理；通过土壤水量测定模块测定土壤水分含量数据信息；
步骤三，通过数据分析模块对采集图像及检测的数据信息进行综合分析；
步骤四，通过显示模块显示图像及检测温度、湿度、水分数据信息。
2.如权利要求1所述的基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述遥感图像处理模块处理方法如下：
首先，对原始遥感图像进行采样并进行归一化处理，得到归一化采样图像；
其次，将图像像素相关性与量子信号处理相结合以定义像素的黑白概率来构造增强算子，得到预增强图像；
然后，根据所述预增强图像的最大信息熵原则自适应确定所述增强算子的最优灰度阈值；
最后，根据所述最优灰度阈值，利用所述增强算子得到增强图像。
3.如权利要求1所述的基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述土壤水量测定模块测定方法如下：
首先，分析土壤水分在短波红外波段的光谱特性，选择用于监测土壤含水量的短波红外波段；
其次，根据所选择用于监测土壤含水量的短波红外波段，构建基于遥感数据的短波红外干旱指数；
然后，采集待监测区域的土壤水分观测数据；
最后，根据所述干旱指数以及所述土壤水分观测数据，建立干旱指数与土壤水分的区域关系模型，确定待监测区域的土壤水分及干旱状况。
4.如权利要求3所述的基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述光谱特性，选择的用于监测土壤含水量的短波红外波段分别为1230-1250nm、1628-1652nm和2150-2155nm波段，其中心波长分别为1240nm、1640nm以及2130nm。
5.如权利要求3所述的基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述遥感数据为中分辨率成像光谱仪MODIS数据，所选择的用于监测土壤含水量的短波红外波段分别对应所述中分辨率成像光谱仪MODIS的第5、6及7波段。
6.如权利要求3所述的基于干湿边快速确定的农作物干旱遥感监测方法，其特征在于，所述干旱指数为：
其中，SIDI5，6为所述中分辨率成像光谱仪MODIS第5波段与第6波段组合的干旱指数；SIDI5，7为所述中分辨率成像光谱仪MODIS第5波段与第7波段组合的干旱指数；SIDI6，7为所述中分辨率成像光谱仪MODIS第6波段与第7波段组合的干旱指数；ρ5为所述中分辨率成像光谱仪MODIS第5波段的地表反射率；ρ6为所述中分辨率成像光谱仪MODIS第6波段的地表反射率；ρ7为所述中分辨率成像光谱仪MODIS第7波段的地表反射率。
7.一种基于干湿边快速确定的农作物干旱遥感监测系统，其特征在于，所述基于干湿边快速确定的农作物干旱遥感监测系统包括：
图像信息采集模块，与主控模块连接，用于通过卫星获取农作物远程遥感影像数据；
土壤湿度检测模块，与主控模块连接，用于通过湿度传感器检测农作物土壤湿度数据；
土壤温度检测模块，与主控模块连接，用于通过温度传感器检测农作物土壤温度数据；
主控模块，与图像信息采集模块、土壤湿度检测模块、土壤温度检测模块、遥感图像处理模块、土壤水量测定模块、数据分析模块、显示模块连接，用于控制各个模块正常工作；
遥感图像处理模块，与主控模块连接，用于对采集到的农作物遥感图像进行增强处理；
土壤水量测定模块，与主控模块连接，用于测定土壤水分含量数据信息；
数据分析模块，与主控模块连接，用于对采集图像及检测的数据信息进行综合分析；
显示模块，与主控模块连接，用于显示图像及检测温度、湿度、水分等数据信息。
8.如权利要求7所述的基于干湿边快速确定的农作物干旱遥感监测系统，其特征在于，图像信息采集模块包括：太阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶；阳能辐射仪、空气温度湿度仪、风速仪、叶冠辐射温度仪、地表反射辐射仪、太阳能充电板、土壤温度湿度仪、仪器箱、电池箱、雨量桶均安装在架子上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910344419.1A CN110082500A (zh) | 2019-04-26 | 2019-04-26 | 一种基于干湿边快速确定的农作物干旱遥感监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910344419.1A CN110082500A (zh) | 2019-04-26 | 2019-04-26 | 一种基于干湿边快速确定的农作物干旱遥感监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110082500A true CN110082500A (zh) | 2019-08-02 |
Family
ID=67417042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910344419.1A Pending CN110082500A (zh) | 2019-04-26 | 2019-04-26 | 一种基于干湿边快速确定的农作物干旱遥感监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110082500A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930048A (zh) * | 2019-11-29 | 2020-03-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 |
| CN111949817A (zh) * | 2020-09-09 | 2020-11-17 | 中国农业科学院农业信息研究所 | 基于遥感影像的农作物信息展示系统、方法、设备及介质 |
| CN115327150A (zh) * | 2022-10-13 | 2022-11-11 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102252973A (zh) * | 2011-03-10 | 2011-11-23 | 王桥 | 土壤含水量遥感监测方法 |
| CN102628860A (zh) * | 2012-04-16 | 2012-08-08 | 山东省农业可持续发展研究所 | 一种麦田土壤水分的遥感监测方法 |
| CN103760872A (zh) * | 2014-01-27 | 2014-04-30 | 林兴志 | 精细化农业农作物生长告警与干预装置 |
| CN103994976A (zh) * | 2013-11-28 | 2014-08-20 | 江苏省水利科学研究院 | 基于modis数据的农业旱情遥感监测方法 |
| 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 |
| CN106780355A (zh) * | 2016-11-17 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 一种遥感图像增强方法 |
| CN106991412A (zh) * | 2017-04-19 | 2017-07-28 | 中国农业科学院农业资源与农业区划研究所 | 一种获取全天候有效土壤水分的方法 |
| US20180267008A1 (en) * | 2017-03-16 | 2018-09-20 | Airscout Inc. | Systems and methods for producing agricultural prescriptions |
| CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
-
2019
- 2019-04-26 CN CN201910344419.1A patent/CN110082500A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102252973A (zh) * | 2011-03-10 | 2011-11-23 | 王桥 | 土壤含水量遥感监测方法 |
| CN102628860A (zh) * | 2012-04-16 | 2012-08-08 | 山东省农业可持续发展研究所 | 一种麦田土壤水分的遥感监测方法 |
| CN103994976A (zh) * | 2013-11-28 | 2014-08-20 | 江苏省水利科学研究院 | 基于modis数据的农业旱情遥感监测方法 |
| CN103760872A (zh) * | 2014-01-27 | 2014-04-30 | 林兴志 | 精细化农业农作物生长告警与干预装置 |
| 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 |
| CN106780355A (zh) * | 2016-11-17 | 2017-05-31 | 中国科学院遥感与数字地球研究所 | 一种遥感图像增强方法 |
| US20180267008A1 (en) * | 2017-03-16 | 2018-09-20 | Airscout Inc. | Systems and methods for producing agricultural prescriptions |
| CN106991412A (zh) * | 2017-04-19 | 2017-07-28 | 中国农业科学院农业资源与农业区划研究所 | 一种获取全天候有效土壤水分的方法 |
| CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 柳钦火等: "基于地表温度和植被指数的农业干旱遥感监测方法", 《科学导报》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110930048A (zh) * | 2019-11-29 | 2020-03-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 |
| CN111949817A (zh) * | 2020-09-09 | 2020-11-17 | 中国农业科学院农业信息研究所 | 基于遥感影像的农作物信息展示系统、方法、设备及介质 |
| CN115327150A (zh) * | 2022-10-13 | 2022-11-11 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
| CN115327150B (zh) * | 2022-10-13 | 2023-01-31 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种控制调节系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108169161B (zh) | 一种基于改进型modis指数的玉米种植区域土壤湿度评估方法 | |
| CN110082500A (zh) | 一种基于干湿边快速确定的农作物干旱遥感监测方法 | |
| AU2016244067B2 (en) | Forecasting national crop yield during the growing season | |
| US9261583B2 (en) | Systems and methods for calibrating dual polarization radar systems | |
| US20120256785A1 (en) | Systems and methods for calibrating dual polarization radar systems | |
| CN103994976A (zh) | 基于modis数据的农业旱情遥感监测方法 | |
| CA2981473C (en) | Forecasting national crop yield during the growing season | |
| CN106778629B (zh) | 大棚识别方法及装置 | |
| CN102194127A (zh) | 一种多频率sar数据农作物遥感分类方法 | |
| WO2018107245A1 (en) | Detection of environmental conditions | |
| CN110930048A (zh) | 一种基于成灾机理过程的农作物干旱风险评估系统及方法 | |
| CN102855485A (zh) | 一种小麦抽穗的自动检测方法 | |
| CN102592118B (zh) | 一种玉米出苗期的自动检测方法 | |
| CN115950838A (zh) | 一种基于叶绿素含量的夏玉米旱情无人机快速监测判别方法 | |
| CN113628257B (zh) | 基于雷达与双目视觉结合的无人监测系统 | |
| CN212861863U (zh) | 基于无人机的植物群落统计监测系统 | |
| CN111914933A (zh) | 降雪检测方法、装置、计算机设备和可读存储介质 | |
| Caparrini et al. | Hydrometeorological and vegetation indices for the drought monitoring system in Tuscany Region, Italy | |
| CN206399826U (zh) | 冬小麦氮营养遥感检测装置 | |
| Schirmbeck et al. | Surface moisture index by radiometric measurements and orbital data | |
| CN108921346A (zh) | 一种农作物收入预测系统 | |
| CN117907248B (zh) | 一种冬小麦关键生育期根系土壤含水量遥感监测方法及系统 | |
| Szturc et al. | Data quality in the BALTRAD+ project | |
| Yang et al. | Mapping rice paddy in Henan Province using multi-temporal MODIS images | |
| Liu et al. | Object-based classification of high resolution SAR images for within field homogeneous zone delineation |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
| RJ01 | Rejection of invention patent application after publication |