CN110334880B - 一种有效灌溉面积监测方法 - Google Patents
一种有效灌溉面积监测方法 Download PDFInfo
- Publication number
- CN110334880B CN110334880B CN201910641240.2A CN201910641240A CN110334880B CN 110334880 B CN110334880 B CN 110334880B CN 201910641240 A CN201910641240 A CN 201910641240A CN 110334880 B CN110334880 B CN 110334880B
- Authority
- CN
- China
- Prior art keywords
- irrigation
- lst
- area
- delta
- remote sensing
- 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.)
- Active
Links
- 230000002262 irrigation Effects 0.000 title claims abstract description 123
- 238000003973 irrigation Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 25
- 238000011160 research Methods 0.000 claims abstract description 45
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000010586 diagram Methods 0.000 claims abstract description 6
- 230000035945 sensitivity Effects 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 12
- 239000002689 soil Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 239000002352 surface water Substances 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000003333 near-infrared imaging Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Agronomy & Crop Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种有效灌溉面积监测方法,包括以下步骤:(1)利用遥感影像数据获得敏感因子,包括地表反照率(SAL)、地表温度(LST)和土壤表面含水量(SM),判断研究区灌溉开始与结束时间,分别获取灌溉前、灌溉中和灌溉后的遥感影像,并对其选取的遥感影像进行数据的预处理;(2)利用遥感数据判断是否降雨,若降雨则要剔除降雨的影响;(3)分别获得△AL、△LST和△SM空间分布;(4)获得基于不同组合方式的有效灌溉面积空间分布;(5)根据地面数据和逻辑判断,获得区域的有效灌溉面积;(6)利用合理的空间分辨率遥感影像,获得研究区的种植结构;(7)利用研究区域的种植结构分类图,最终可得到不同作物的实际灌溉面积。
Description
技术领域
本发明涉及灌溉水管理、水资源优化和遥感技术领域,特别是指一种有效灌溉面积监测方法。
背景技术
我国是一个人口众多、耕地面积少的发展中国家,又是一个干旱缺水严重的国家,创造了以世界6%的可更新水资源量和9%的耕地面积养活了世界18%人口的奇迹。随着社会经济的发展,农业用水和工业城市用水之间的矛盾不断加剧,因此水资源的合理开发、高效利用和优化配置,显得越来越重要。
我国灌溉面积占总耕地面积45%,有效灌溉耕地是我国粮食安全的重要保障。有效灌溉面积的监测,掌握准确的灌溉面积数据,为提高区域用水效率、合理配置水量与可持续发展具有一定的指导意义。
目前有效灌溉面积的监测方法比较单一,多数仅用一个敏感因子监测,而且没有考虑到降雨对监测结果的影响,也不能提供有效灌溉面积的动态变化,灌溉面积监测精度较低。
因此,为解决上述问题,本发明提出了一种有效灌溉面积监测方法。
发明内容
本发明提出一种有效灌溉面积监测方法,能够快速的获得实际灌溉面积,为提高区域用水效率、合理配置水量与可持续发展具有一定的指导意义。包括以下步骤:
本发明实现发明目的采用如下技术方案:
一种有效灌溉面积监测方法,利用多时相多源遥感资料作为数据源,利用地表反照率(SAL)、地表温度(LST)和土壤表面含水量(SM)作为敏感因子,判断研究区灌溉开始与结束时间,判断研究区是否降雨,解决了以往研究过分依靠灌溉资料和忽略了研究区降雨影响的问题,进一步地提高了灌溉面积监测精度;
一种有效灌溉面积监测方法,步骤为:
步骤1,利用遥感影像数据获得敏感因子,判断研究区灌溉开始与结束时间,分别获取灌溉前、灌溉中和灌溉后的遥感影像,并对其选取的遥感影像进行数据的预处理;
步骤2,利用遥感数据判断是否降雨,若降雨则要剔除降雨的影响;
步骤3,分别获得SAL、LST和SM在灌溉后和灌溉前的差值(△SAL、△LST和△SM)的空间分布;
步骤4,根据△SAL、△LST和△SM满足条件情况,选择△SAL and△SM、△SAL and△LST、△LST and△SM和△SAL and△SM and△LST四种中的1种或多种组合方式,分别获得灌溉面积空间分布;
步骤5,选用一些耕地和非耕地的地物样本作为参考点,对步骤4中的满足条件的组合方式所获得的灌溉面积进行验证,根据精度大小,选择精度最大的组合方式,最终获得有效灌溉面积空间分布;
进一步地,所述步骤5之后还包括:
步骤6,利用合理的空间分辨率遥感影像,获得研究区域的种植结构;
步骤7,利用研究区域的种植结构分类图,最终得到不同作物的实际灌溉面积;
进一步地,所述步骤1包括:
步骤8,以时间分辨率为1天的遥感影像作为数据源,用于判断灌溉开始与结束时间,计算每日SAL、每日LST和每日SM,若△SAL=SALi-SALi-1<0,△LST=LSTi-LSTi-1<0和△SM=SMi-SMi-1>0时,则判断灌溉开始,若△SAL=SALi-SALi-1>0,△LST=LSTi-LSTi-1>0和△SM=SMi-SMi-1<0时,则判断灌溉结束,公式中,SALi是第i天的SAL值,SALi-1是第i-1天的SAL值,LSTi是第i天的LST值,LSTi-1是第i-1天的LST值,SMi是第i天的SM值,SMi-1是第i-1天的SM值;
步骤9,根据灌溉时间,选取时间分辨率、空间分辨率和光谱分辨率适合的遥感影像,遥感影像时间选取灌溉开始之前最近时期、灌溉中时期和灌溉结束之后最近时期;
步骤10,选取的遥感影像需要进行预处理过程,包括大气校正、辐射校正和几何校正环节;
步骤11,地表反照率SAL通过直接选用产品或利用波段计算获得;
步骤12,地表温度LST通过直接选用产品或利用波段计算获得;
步骤13,土壤表面含水量SM选用条件植被温度指数VTCI或温度植被干旱指数TVDI进行计算;
步骤14,计算条件植被温度指数VTCI,公式如下:
其中,TSNDVIimax=a+b·NDVIi
TSNDVIimin=a’+b’·NDVIi
式中,TSNDVIimax,TSNDVIimin分别表示在研究区域内,当NDVIi值等于某一特定值时的所有像素的地表温度的最大值和最小值;TSNDVIi表示某一像素的NDVI值为NDVIi时的地表温度;a,b,a’,b’为待定系数;
步骤15,温度植被干旱指数TVDI,公式如下:
进一步地,所述步骤2包括:
步骤16,判断是否降雨,就是利用遥感数据反演可降水气,采用近红外方法、微波方法或热红外方法;
步骤17,若有降雨,则当天或该时间段的LST、SAL和SM删除,再根据雨量的大小,判断LST、SAL和SM数值的大小,是否用降雨前1天和雨晴第一天的数值的平均值替代,通过掩膜剔除降雨对灌溉面积监测的影响;
进一步地,所述步骤3包括:
步骤18,获得研究区灌溉后和灌溉前的地表反照率的差值△SAL空间分布,公式如下:
△SAL=△SALt2-△SALt1<0
式中,△SALt1是研究区灌溉前的地表反照率,△SALt2是研究区灌溉后的地表反照率,满足条件的像元标记为1,否则对应的像元标记为0;
步骤19,获得研究区灌溉后和灌溉前的地表温度的差值△LST空间分布,公式如下:
△LST=△LSTt2-△LSTt1<0
式中,△LSTt1是研究区灌溉前的地表温度,△LSTt2是研究区灌溉后的地表温度,满足条件的像元标记为1,否则对应的像元标记为0;
步骤20,获得研究区灌溉后和灌溉前的土壤表面含水量的差值△SM空间分布,公式如下:
△SM=△SMt2-△SMt1>0
式中,△SMt1是研究区灌溉前的土壤表面含水量,△SMt2是研究区灌溉后的土壤表面含水量,满足条件的像元标记为1,否则对应的像元标记为0;
进一步地,所述步骤4包括:
步骤21,组合方式有以下几种:
(1)既满足△SAL,又满足△SM的空间分布,标记为△SAL and△SM;
(2)既满足△SAL,又满足△LST的空间分布,标记为△SAL and△LST;
(3)既满足△LST,又满足△SM的空间分布,标记为△LST and△SM;
(4)既满足△SAL,又满足△SM、△LST的空间分布,标记为△SAL and△SM and△LST;
满足条件的像元标记为1,否则对应的像元标记为0;
步骤22,将所有的标记为1的像元确定为灌溉面积单元,将所有的灌溉面积单元相加,获得基于不同组合的区域有效灌溉面积;
进一步地,所述步骤5包括:
步骤23,选用一些耕地、非耕地的地物样本作为参考点对步骤21、步骤22中的不同组合的灌溉面积进行验证,对比分析;
步骤24,选择精度最好的组合方式,最终获得区域有效灌溉面积空间分布;
进一步地,所述步骤6包括:
步骤25,选取时相在包括灌溉时期的作物种植季期间的空间分辨率合理的遥感影像作为数据源,并对该遥感影像进行预处理,包括几何校正、辐射校正和大气校正环节;
步骤26,根据研究区域作物的特点,通过监督分类、非监督分类或决策树分类的方法,获得研究区域的作物种植结构空间分布;
进一步地,所述步骤7包括:
步骤27,研究区域的作物种植结构空间分布与区域有效灌溉面积空间分布进行配准处理;
步骤28,影像配准处理之后,再跟据作物种植结构空间分布对有效灌溉面进行掩模处理,对不同作物种类的灌溉面积进行统计,获得不同作物种类的实际灌溉面积;
本发明的实施例具有以下有益效果:
上述方案中,利用研究区域前后两天的SAL、SM和LST数据差值,作为依据,判断研究区灌溉开始与结束时间,减轻了地面观测点的工作强度;方案中还利用遥感数据对降雨进行判断,及时修正研究区有效灌溉面积数据,可进一步提高监测精度;方案中利用多时相遥感影像数据,可以监测不同时间段的灌溉面积,获得灌溉动态数据,进一步提高研究区用水效率和管理水平。
附图说明
图1是本发明一种有效灌溉面积监测方法的工作流程简图;
图2是本发明一种有效灌溉面积监测方法实施例的监测结果示意图。
具体实施方式
以下通过具体实施例对本发明做进一步解释说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明的实施例提供了一种有效灌溉面积监测方法,能够有效、快速监测实际灌溉面积,为提高区域用水效率、合理配置水量与可持续发展具有一定的指导意义。
如图1所示,本发明实施例提供了一种有效灌溉面积监测方法,包括如下主要步骤:
步骤1,利用遥感影像数据获得敏感因子,判断研究区灌溉开始与结束时间,分别获取灌溉前、灌溉中和灌溉后的遥感影像,并对其选取的遥感影像进行数据的预处理;
步骤2,利用遥感数据判断是否降雨,若降雨则要剔除降雨的影响;
步骤3,分别获得SAL、LST和SM在灌溉后和灌溉前的差值(△SAL、△LST和△SM)的空间分布;
步骤4,根据△SAL、△LST和△SM满足条件情况,选择△SAL and△SM、△SAL and△LST、△LST and△SM和△SAL and△SM and△LST四种中的1种或多种组合方式,分别获得灌溉面积空间分布;
步骤5,选用一些耕地和非耕地的地物样本作为参考点,对步骤4中的满足条件的组合方式所获得的灌溉面积进行验证,根据精度大小,选择精度最大的组合方式,最终获得有效灌溉面积空间分布;
步骤6,利用合理的空间分辨率遥感影像,获得研究区域的种植结构;
步骤7,利用研究区域的种植结构分类图,最终可得到不同作物的实际灌溉面积。
在本发明中,对敏感因子SAL、LST和SM的计算,不局限于以上介绍的方法,选用相对应的数据产品进行运用。
在本发明中,对于敏感因子SAL选取,选用地表反射率替代。
以上描述了本发明的基本特点,技术方案和有益效果。对于本领域技术人员而言,本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (5)
1.一种有效灌溉面积监测方法,其特征在于,包括:
步骤1,利用遥感影像数据获得敏感因子,包括地表反照率SAL、地表温度LST和土壤表面含水量SM,判断研究区灌溉开始与结束时间,分别获取灌溉前、灌溉中和灌溉后的遥感影像,并对其选取的遥感影像进行数据的预处理;
步骤2,利用遥感数据判断是否降雨,若降雨则要剔除降雨的影响;
步骤3,分别获得△SAL、△LST和△SM空间分布;
所述步骤3包括:
步骤18,获得研究区灌溉后和灌溉前的地表反照率的差值△SAL空间分布,公式如下:
△SAL=△SALt2-△SALt1<0
式中,△SALt1是研究区灌溉前的地表反照率,△SALt2是研究区灌溉后的地表反照率,满足条件的像元标记为1,否则对应的像元标记为0;
步骤19,获得研究区灌溉后和灌溉前的地表温度的差值△LST空间分布,公式如下:
△LST=△LSTt2-△LSTt1<0
式中,△LSTt1是研究区灌溉前的地表温度,△LSTt2是研究区灌溉后的地表温度,满足条件的像元标记为1,否则对应的像元标记为0;
步骤20,获得研究区灌溉后和灌溉前的土壤表面含水量的差值△SM空间分布,公式如下:
△SM=△SMt2-△SMt1>0
式中,△SMt1是研究区灌溉前的土壤表面含水量,△SMt2是研究区灌溉后的土壤表面含水量,满足条件的像元标记为1,否则对应的像元标记为0;
步骤4,获得基于不同组合方式的有效灌溉面积空间分布;
所述步骤4包括:
步骤21,组合方式有以下几种:
(1)既满足△SAL,又满足△SM的空间分布,标记为△SAL and△SM;
(2)既满足△SAL,又满足△LST的空间分布,标记为△SAL and△LST;
(3)既满足△LST,又满足△SM的空间分布,标记为△LST and△SM;
(4)既满足△SAL,又满足△SM、△LST的空间分布,标记为△SAL and△SM and△LST;
满足条件的像元标记为1,否则对应的像元标记为0;
步骤22,将所有的标记为1的像元确定为灌溉面积单元,将所有的灌溉面积单元相加可获得基于不同组合的区域有效灌溉面积;
步骤5,选用一些耕地和非耕地的地物样本作为参考点,对步骤4中的满足条件的组合方式所获得的灌溉面积进行验证,根据精度大小,选择精度最好的组合方式,最终获得有效灌溉面积空间分布;
步骤6,利用合理的空间分辨率遥感影像,获得研究区域的种植结构;
步骤7,利用研究区域的种植结构分类图,最终可得到不同作物的实际灌溉面积。
2.根据权利要求1所述的一种有效灌溉面积监测方法,其特征在于,所述步骤1包括:
步骤8,以时间分辨率为1天的遥感影像作为数据源,用于判断灌溉开始与结束时间,计算每日SAL、每日LST和每日SM,若△SAL=SALi-SALi-1<0,△LST=LSTi-LSTi-1<0和△SM=SMi-SMi-1>0时,则判断灌溉开始,若△SAL=SALi-SALi-1>0,△LST=LSTi-LSTi-1>0和△SM=SMi-SMi-1<0时,则判断灌溉结束,公式中,SALi是第i天的SAL值,SALi-1是第i-1天的SAL值,LSTi是第i天的LST值,LSTi-1是第i-1天的LST值,SMi是第i天的SM值,SMi-1是第i-1天的SM值;
步骤9,根据灌溉时间,选取时间分辨率、空间分辨率和光谱分辨率适合的遥感影像,遥感影像时间选取灌溉开始之前最近时期、灌溉中时期和灌溉结束之后最近时期;
步骤10,选取的遥感影像需要进行预处理过程,包括大气校正、辐射校正和几何校正环节;
步骤11,地表反照率SAL通过直接选用产品获得;
步骤12,地表温度LST通过直接选用产品、利用单波段、多波段或多角度反演算法计算获得;
步骤13,土壤表面含水量SM,选用条件植被温度指数(VTCI)或温度植被干旱指数(TVDI)进行计算;
步骤14,计算条件植被温度指数VTCI,公式如下:
其中,TSNDVIimax=a+b·NDVIi
TSNDVIimin=a’+b’·NDVIi
式中,TSNDVIimax,TSNDVIimin分别表示在研究区域内,当NDVIi值等于某一特定值时的所有像素的地表温度的最大值和最小值;TSNDVIi表示某一像素的NDVI值为NDVIi时的地表温度;a,b,a’,b’为待定系数;
步骤15,温度植被干旱指数TVDI,公式如下:
3.根据权利要求1所述的一种有效灌溉面积监测方法,其特征在于,所述步骤2包括:
步骤16,判断是否降雨,就是利用遥感数据反演可降水气,采用近红外方法、微波方法或热红外方法;
步骤17,若有降雨,则当天或该时间段的LST、SAL和SM删除,再根据雨量的大小,判断LST、SAL和SM数值的大小,是否用降雨前1天和雨晴第一天的数值的平均值替代,通过掩膜剔除降雨对灌溉面积的影响。
4.根据权利要求1所述的一种有效灌溉面积监测方法,其特征在于,所述步骤6包括:
步骤23,选取时相在包括灌溉时期的作物种植季期间的空间分辨率合理的遥感影像作为数据源,并对该遥感影像进行预处理,包括几何校正、辐射校正和大气校正环节;
步骤24,根据研究区域作物的特点,通过监督分类、非监督分类或决策树分类的方法,获得研究区域的作物种植结构空间分布。
5.根据权利要求1所述的一种有效灌溉面积监测方法,其特征在于,所述步骤7包括:
步骤25,研究区域的作物种植结构空间分布与区域有效灌溉面积空间分布进行配准处理;
步骤26,影像配准处理之后,再跟据作物种植结构空间分布对有效灌溉面进行掩模处理,进行不同作物种类的灌溉面积进行统计,获得不同作物种类的实际灌溉面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641240.2A CN110334880B (zh) | 2019-07-16 | 2019-07-16 | 一种有效灌溉面积监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641240.2A CN110334880B (zh) | 2019-07-16 | 2019-07-16 | 一种有效灌溉面积监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110334880A CN110334880A (zh) | 2019-10-15 |
CN110334880B true CN110334880B (zh) | 2023-05-26 |
Family
ID=68145281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641240.2A Active CN110334880B (zh) | 2019-07-16 | 2019-07-16 | 一种有效灌溉面积监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334880B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128401B (zh) * | 2021-04-19 | 2021-11-26 | 中国水利水电科学研究院 | 基于光学和雷达遥感数据的区域实际灌溉面积监测方法 |
CN113793376B (zh) * | 2021-09-14 | 2023-12-05 | 安徽理工大学 | 一种灌溉水体提取方法 |
CN115965866B (zh) * | 2022-12-28 | 2023-10-27 | 广州市嘉卉园林绿化建筑工程有限公司 | 一种立体绿化水肥遥感监测方法及系统 |
CN117011363A (zh) * | 2023-08-17 | 2023-11-07 | 中国水利水电科学研究院 | 一种基于modis地表温度日较差的灌区灌溉面积提取阈值确定方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106845808A (zh) * | 2017-01-10 | 2017-06-13 | 北京师范大学 | 基于遥感数据反演的灌区稻田智能灌排决策方法和系统 |
CN109496797A (zh) * | 2018-12-20 | 2019-03-22 | 张正卓 | 一种农业节水灌溉系统及控制方法 |
CN109726698A (zh) * | 2019-01-07 | 2019-05-07 | 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 |
-
2019
- 2019-07-16 CN CN201910641240.2A patent/CN110334880B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106845808A (zh) * | 2017-01-10 | 2017-06-13 | 北京师范大学 | 基于遥感数据反演的灌区稻田智能灌排决策方法和系统 |
CN109496797A (zh) * | 2018-12-20 | 2019-03-22 | 张正卓 | 一种农业节水灌溉系统及控制方法 |
CN109726698A (zh) * | 2019-01-07 | 2019-05-07 | 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 |
Non-Patent Citations (3)
Title |
---|
Mapping MODIS LST NDVI Imagery for Drought Monitoring in Punjab Pakistan;JAHANGIR KHAN等;《IEEE》;20180402;全文 * |
宋荣杰 ; 李书琴.基于MODIS数据的土壤水分预测方法研究.《农机化研究》.2014, * |
王啸天 ; 路京选.基于垂直干旱指数(PDI)的灌区实际灌溉面积遥感监测方法.《南水北调与水利科技》.2016, * |
Also Published As
Publication number | Publication date |
---|---|
CN110334880A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334880B (zh) | 一种有效灌溉面积监测方法 | |
Hao et al. | Quantifying the effects of overgrazing on mountainous watershed vegetation dynamics under a changing climate | |
CN104915674B (zh) | Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物的方法 | |
CN113040034B (zh) | 一种节水灌溉控制系统及控制方法 | |
CN104424390B (zh) | 灌溉面积监测方法及装置 | |
CN110288647B (zh) | 一种基于高分辨率卫星数据监测灌区灌溉面积方法 | |
CN115565063B (zh) | 基于气候潜在补偿的矿区植被碳汇贡献量计算与分析方法 | |
CN116188465B (zh) | 基于图像处理技术的作物生长状态检测方法 | |
CN104951754A (zh) | 基于面向对象技术与ndvi时间序列相结合的农作物精细分类方法 | |
Shahrin et al. | Agricultural analysis and crop yield prediction of habiganj using multispectral bands of satellite imagery with machine learning | |
Bozorgi et al. | Assessing the effect of water scarcity on crop selection and spatial pattern of croplands in central Iran | |
Joshi et al. | Severity of climate induced drought and its impact on migration: a study of Ramechhap District, Nepal. | |
Zhao et al. | In-season crop type identification using optimal feature knowledge graph | |
Zhu et al. | The quality attribute of watershed ecosystem is more important than the landscape attribute in controlling erosion of red soil in southern China | |
Sakamoto et al. | Agro-ecological interpretation of rice cropping systems in flood-prone areas using MODIS imagery | |
CN110910266A (zh) | 一种基于遥感的灌区农业灌溉用水总量估算方法 | |
Zhiming et al. | Temporal and spatial distribution patterns of grain crops in the West Liaohe River Basin | |
CN117455939A (zh) | 遥感卫星图像的耕地边界提取方法 | |
Zhou et al. | Monitoring intra-annual and interannual variability in spatial distribution of plastic-mulched citrus in cloudy and rainy areas using multisource remote sensing data | |
Janus et al. | Impact of selected land fragmentation parameters and spatial rural settlement patterns on the competitiveness of agriculture: Examples of selected European and Asian countries | |
CN116843217A (zh) | 一种基于欧式空间距离法的农业干旱监测方法 | |
Qiu et al. | Analysis of spatiotemporal variation of site-specific management zones in a topographic relief area over a period of six years using image segmentation and satellite data | |
Ghosh et al. | Mekong River Delta crop mapping using a machine learning approach | |
Shao et al. | Large-scale mapping of new mixed rice cropping patterns in southern China with phenology-based algorithm and MODIS dataset | |
Ahmed et al. | Winter-time cover crop identification: A remote sensing-based methodological framework for new and rapid data generation |
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 |