CN113269716A - 一种基于多源遥感数据的香梨成熟期遥感预测方法 - Google Patents
一种基于多源遥感数据的香梨成熟期遥感预测方法 Download PDFInfo
- Publication number
- CN113269716A CN113269716A CN202110378891.4A CN202110378891A CN113269716A CN 113269716 A CN113269716 A CN 113269716A CN 202110378891 A CN202110378891 A CN 202110378891A CN 113269716 A CN113269716 A CN 113269716A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- crops
- crop
- maturity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 235000010672 Monarda didyma Nutrition 0.000 title claims abstract description 31
- 244000179970 Monarda didyma Species 0.000 title claims abstract description 31
- 235000014443 Pyrus communis Nutrition 0.000 title claims abstract description 17
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000003306 harvesting Methods 0.000 claims abstract description 8
- 238000003973 irrigation Methods 0.000 claims abstract description 5
- 230000002262 irrigation Effects 0.000 claims abstract description 5
- 239000002689 soil Substances 0.000 claims abstract description 5
- 241000220324 Pyrus Species 0.000 claims description 29
- 235000021017 pears Nutrition 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 5
- 230000009418 agronomic effect Effects 0.000 claims description 4
- 238000013329 compounding Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000470 constituent Substances 0.000 claims description 3
- 238000003967 crop rotation Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 abstract description 2
- 230000029553 photosynthesis Effects 0.000 abstract description 2
- 238000010672 photosynthesis Methods 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 abstract 1
- 235000010675 chips/crisps Nutrition 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G17/00—Cultivation of hops, vines, fruit trees, or like trees
- A01G17/005—Cultivation methods
-
- 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"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Primary Health Care (AREA)
- Botany (AREA)
- Environmental Sciences (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源遥感数据的香梨成熟期遥感预测方法，人工确定种植地域，并对选定区域进行测量，作好渠系配套，改进灌溉制度，防止土壤盐渍化，根据气象数据确定种植气候，气象条件是影响作物生长过程并导致作物成熟期变化的最主要因素,因此传统的作物成熟期预测方法多是利用作物不同物候期的气象条件或特定物候期的出现时间进行当年作物成熟期的预测，作物生长模型可以从作物光合作用驱动的生长机理出发描述作物生长发育与产量形成的过程,利用作物生长模型以作物产量或品质的最优化为目标构建代价函数，可以反向求解优化的作物收获时间,实现果树成熟期的预测。
Description
技术领域
本发明涉及多源遥感技术领域，具体为一种基于多源遥感数据的香梨成熟期遥感预测方法。
背景技术
库尔勒香梨，以其皮薄、肉脆、汁多、味甜、酥香、爽口营养丰富等特点驰名中外，库尔勒香梨产业的快速发展,不仅能够较为全面的反映巴音郭楞蒙古自治州林果业发展水平，而且对新疆林果业的发展也具有一-定的影响作用，因此分析掌握香梨种植面积和成熟期，对当地的经济效益有着重要影响。
遥感技术监测果树长势的方法为利用遥感图像不同谱段计算能够反映果树生长状况的植被指数,并且采用多天连续成像,通过不同日期植被指数的差异来判定果树的健康状况的变化，遥感技术监测能更清楚掌握本地区主要特色林果的种植区分布，结合树龄等其他因子进行香梨产量的估测，将对发展当地经济，增加果农收入有很大促进作用，并且通过遥感监测，可以快速掌握香梨的空间布局现状、面积及产量前景，结合气候条件，分析研究灾害性天气对香梨生产的影响，提高香梨种植管理水平，减少灾害损失。
发明内容
为实现上述目的，本发明提供如下技术方案：
一种基于多源遥感数据的香梨成熟期遥感预测方法，该方法包括以下步骤：
步骤1：人工确定种植地域，并对选定区域进行测量，作好渠系配套，改进灌溉制度，防止土壤盐渍化；
步骤2：根据气象数据确定种植气候，气象条件是影响作物生长过程并导致作物成熟期变化的最主要因素,因此传统的作物成熟期预测方法多是利用作物不同物候期的气象条件或特定物候期的出现时间进行当年作物成熟期的预测；
步骤3：建立预测背景数据库，在背景数据库的支持下，结合试验区，通过对不同地区不同作物的遥感影像特征和农时历差异分析；
步骤4：数据分析，根据背景数据库选取最佳的多个时相遥感数据,同时借助GIS和GPS,复合非遷感数据(土地利用/土地覆盖矢量数据、GPS样点、样方数据等),在大尺度上对遢感影像进行分析即多时相、多源数据复合分析，研究在大尺度上对主要果树进行一次性识别的运行性方法；
步骤5：计算植被指数的差值，判定果树的生长状况，根据不同日期的遥感图像植被指数进行比较,如果植被指数增长，则说明果树长势变好,如果植被指数下降,则说明果树长势变差；
步骤6：图像配准，对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准；
步骤7：基于香梨生长模型的作物成熟期预测，通过分析遥感影像数据估算作物种植面积通过分析遥感影像数据提取作物相应的植被指数，以进行作物长势状况的监测:构建植被指数和作物产量以及其它气象、农学参数等资料的单产估算模型，再经过进一步的计算得到总产；
步骤8：利用卫星遥感预测作物成熟期的可行性分析，利用遥感技术来精准地获取香梨在田块尺度的空间分布差异，再与作物成熟过程中这些指示因子的规律性变化相结合，就可以实现作物成熟期的预测。
优选的，步骤7中，目前，常见的遥感估产模型有以下3种植被指数与产量的统计模式及结合环境因子的统计模式、产量构成要素预测模式、以遥感为主要信息源的综合估产模型，其中以遥感为主要信息源的综合估产模型最受关注。
优选的，步骤8中，在实际的香梨收割管理中，除了作物成熟度外,还需要考虑后续气象条件、轮作模式和收割成本等因素的影响。
优选的，步骤6中，提取是配准技术中的关键,准确的特征提取为特征匹配的成功进行提供了保障，因此，寻求具有良好不变性和准确性的特征提取方法,对于匹配精度至关重要。
优选的，步骤4中，数据采集与编辑功能是对农情遥感监测背景数据进行集成、检查、修改，空间数据的采集主要从已建成的数据集中采集，如全国土地利用/土地覆盖和全国积温、降水量、全国行政区划图等空间数据都是从农业部农业资源监测总站已有的数据库中采集。
优选的，步骤3中，属性数据主要是从现有统计数据库中采集的，这些数据主要来源于中国农业科学院计算中心和中国气象科学院。
优选的，步骤8中，数据检索是背景数据库的重要功能之一，作物遥感识别需要背景数据库提供相关的空间和属性数据。通过数据检索功能完成对数据库的操作，进而提取数据，在本项研究中,对数据检索主要是依照数据组织结构，通过物理查询实现的。
与现有技术相比，本发明的有益效果是：
1、本发明一种基于多源遥感数据的香梨成熟期遥感预测方法，作物生长模型可以从作物光合作用驱动的生长机理出发描述作物生长发育与产量形成的过程,利用作物生长模型以作物产量或品质的最优化为目标构建代价函数，可以反向求解优化的作物收获时间,实现果树成熟期的预测。
附图说明
图1为本发明流程图
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
一种基于多源遥感数据的香梨成熟期遥感预测方法，该方法包括以下步骤：
步骤1：确定种植地域，并对选定区域进行测量，作好渠系配套，改进灌溉制度，防止土壤盐渍化；
步骤2：确定种植气候，气象条件是影响作物生长过程并导致作物成熟期变化的最主要因素,因此传统的作物成熟期预测方法多是利用作物不同物候期的气象条件或特定物候期的出现时间进行当年作物成熟期的预测；
步骤3：建立预测背景数据库，在背景数据库的支持下，结合试验区，通过对不同地区不同作物的遥感影像特征和农时历差异分析；
步骤4：数据分析，选取最佳的多个时相遥感数据,同时借助GIS和GPS,复合非遷感数据(土地利用/土地覆盖矢量数据、GPS样点、样方数据等),在大尺度上对遢感影像进行分析即多时相、多源数据复合分析，研究在大尺度上对主要果树进行一次性识别的运行性方法；
步骤5：计算植被指数的差值，判定果树的生长状况，根据不同日期的遥感图像植被指数进行比较,如果植被指数增长，则说明果树长势变好,如果植被指数下降,则说明果树长势变差；
步骤6：图像配准，对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准；
步骤7：基于香梨生长模型的作物成熟期预测，通过分析遥感影像数据估算作物种植面积通过分析遥感影像数据提取作物相应的植被指数，以进行作物长势状况的监测:构建植被指数和作物产量以及其它气象、农学参数等资料的单产估算模型，再经过进一步的计算得到总产；
步骤8：利用卫星遥感预测作物成熟期的可行性分析，利用遥感技术来精准地获取香梨在田块尺度的空间分布差异，再与作物成熟过程中这些指示因子的规律性变化相结合，就可以实现作物成熟期的预测。
实施例2：
一种基于多源遥感数据的香梨成熟期遥感预测方法，该方法包括以下步骤：
步骤1：人工确定种植地域，并对选定区域进行测量，作好渠系配套，改进灌溉制度，防止土壤盐渍化；
步骤2：根据气象数据确定种植气候，气象条件是影响作物生长过程并导致作物成熟期变化的最主要因素,因此传统的作物成熟期预测方法多是利用作物不同物候期的气象条件或特定物候期的出现时间进行当年作物成熟期的预测；
步骤3：建立预测背景数据库，在背景数据库的支持下，结合试验区，通过对不同地区不同作物的遥感影像特征和农时历差异分析，属性数据主要是从现有统计数据库中采集的，这些数据主要来源于中国农业科学院计算中心和中国气象科学院；
步骤4：数据分析，根据背景数据库选取最佳的多个时相遥感数据,同时借助GIS和GPS,复合非遷感数据(土地利用/土地覆盖矢量数据、GPS样点、样方数据等),数据采集与编辑功能是对农情遥感监测背景数据进行集成、检查、修改，空间数据的采集主要从已建成的数据集中采集，如全国土地利用/土地覆盖和全国积温、降水量、全国行政区划图等空间数据都是从农业部农业资源监测总站已有的数据库中采集，在大尺度上对遢感影像进行分析即多时相、多源数据复合分析，研究在大尺度上对主要果树进行一次性识别的运行性方法；
步骤5：计算植被指数的差值，判定果树的生长状况，根据不同日期的遥感图像植被指数进行比较,如果植被指数增长，则说明果树长势变好,如果植被指数下降,则说明果树长势变差；
步骤6：图像配准，对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准，提取是配准技术中的关键,准确的特征提取为特征匹配的成功进行提供了保障，因此，寻求具有良好不变性和准确性的特征提取方法,对于匹配精度至关重要；
步骤7：基于香梨生长模型的作物成熟期预测，通过分析遥感影像数据估算作物种植面积通过分析遥感影像数据提取作物相应的植被指数，以进行作物长势状况的监测:构建植被指数和作物产量以及其它气象、农学参数等资料的单产估算模型，再经过进一步的计算得到总产，目前，常见的遥感估产模型有以下3种植被指数与产量的统计模式及结合环境因子的统计模式、产量构成要素预测模式、以遥感为主要信息源的综合估产模型，其中以遥感为主要信息源的综合估产模型最受关注；
步骤8：利用卫星遥感预测作物成熟期的可行性分析，利用遥感技术来精准地获取香梨在田块尺度的空间分布差异，再与作物成熟过程中这些指示因子的规律性变化相结合，就可以实现作物成熟期的预测，数据检索是背景数据库的重要功能之一，作物遥感识别需要背景数据库提供相关的空间和属性数据。通过数据检索功能完成对数据库的操作，进而提取数据，在本项研究中,对数据检索主要是依照数据组织结构，通过物理查询实现的，在实际的香梨收割管理中，除了作物成熟度外,还需要考虑后续气象条件、轮作模式和收割成本等因素的影响。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于，该方法包括以下步骤：
步骤1：人工确定种植地域，并对选定区域进行测量，作好渠系配套，改进灌溉制度，防止土壤盐渍化；
步骤2：根据气象数据确定种植气候，气象条件是影响作物生长过程并导致作物成熟期变化的最主要因素,因此传统的作物成熟期预测方法多是利用作物不同物候期的气象条件或特定物候期的出现时间进行当年作物成熟期的预测；
步骤3：建立预测背景数据库，在背景数据库的支持下，结合试验区，通过对不同地区不同作物的遥感影像特征和农时历差异分析；
步骤4：数据分析，根据背景数据库选取最佳的多个时相遥感数据,同时借助GIS和GPS,复合非遷感数据(土地利用/土地覆盖矢量数据、GPS样点、样方数据等),在大尺度上对遢感影像进行分析即多时相、多源数据复合分析，研究在大尺度上对主要果树进行一次性识别的运行性方法；
步骤5：计算植被指数的差值，判定果树的生长状况，根据不同日期的遥感图像植被指数进行比较,如果植被指数增长，则说明果树长势变好,如果植被指数下降,则说明果树长势变差；
步骤6：图像配准，对两幅图像进行特征提取得到特征点；通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数；最后由坐标变换参数进行图像配准；
步骤7：基于香梨生长模型的作物成熟期预测，通过分析遥感影像数据估算作物种植面积通过分析遥感影像数据提取作物相应的植被指数，以进行作物长势状况的监测:构建植被指数和作物产量以及其它气象、农学参数等资料的单产估算模型，再经过进一步的计算得到总产；
步骤8：利用卫星遥感预测作物成熟期的可行性分析，利用遥感技术来精准地获取香梨在田块尺度的空间分布差异，再与作物成熟过程中这些指示因子的规律性变化相结合，就可以实现作物成熟期的预测。
2.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤7中，目前，常见的遥感估产模型有以下3种植被指数与产量的统计模式及结合环境因子的统计模式、产量构成要素预测模式、以遥感为主要信息源的综合估产模型，其中以遥感为主要信息源的综合估产模型最受关注。
3.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤8中，在实际的香梨收割管理中，除了作物成熟度外,还需要考虑后续气象条件、轮作模式和收割成本等因素的影响。
4.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤6中，提取是配准技术中的关键,准确的特征提取为特征匹配的成功进行提供了保障，因此，寻求具有良好不变性和准确性的特征提取方法,对于匹配精度至关重要。
5.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤4中，数据采集与编辑功能是对农情遥感监测背景数据进行集成、检查、修改，空间数据的采集主要从已建成的数据集中采集，如全国土地利用/土地覆盖和全国积温、降水量、全国行政区划图等空间数据都是从农业部农业资源监测总站已有的数据库中采集。
6.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤3中，属性数据主要是从现有统计数据库中采集的，这些数据主要来源于中国农业科学院计算中心和中国气象科学院。
7.根据权利要求1所述的一种基于多源遥感数据的香梨成熟期遥感预测方法，其特征在于：步骤8中，数据检索是背景数据库的重要功能之一，作物遥感识别需要背景数据库提供相关的空间和属性数据。通过数据检索功能完成对数据库的操作，进而提取数据，在本项研究中,对数据检索主要是依照数据组织结构，通过物理查询实现的。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110378891.4A CN113269716A (zh) | 2021-04-08 | 2021-04-08 | 一种基于多源遥感数据的香梨成熟期遥感预测方法 |
| NL2029693A NL2029693B1 (en) | 2021-04-08 | 2021-11-09 | Remote sensing prediction method for fragrant pear maturity period based on multi-source remote sensing data |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110378891.4A CN113269716A (zh) | 2021-04-08 | 2021-04-08 | 一种基于多源遥感数据的香梨成熟期遥感预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269716A true CN113269716A (zh) | 2021-08-17 |
Family
ID=77228537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110378891.4A Pending CN113269716A (zh) | 2021-04-08 | 2021-04-08 | 一种基于多源遥感数据的香梨成熟期遥感预测方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113269716A (zh) |
| NL (1) | NL2029693B1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114510528A (zh) * | 2022-02-15 | 2022-05-17 | 平安科技（深圳）有限公司 | 农作物产量展示方法、装置电子设备及存储介质 |
| CN114782837A (zh) * | 2022-06-17 | 2022-07-22 | 中化现代农业有限公司 | 种植物估产方法、装置、电子设备和存储介质 |
| CN116227758A (zh) * | 2023-05-10 | 2023-06-06 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
| CN109345555A (zh) * | 2018-10-15 | 2019-02-15 | 中科卫星应用德清研究院 | 基于多时相多源遥感数据进行水稻识别的方法 |
| CN110348314A (zh) * | 2019-06-14 | 2019-10-18 | 中国资源卫星应用中心 | 一种利用多源遥感数据监测植被长势的方法及系统 |
| CN111931988A (zh) * | 2020-07-09 | 2020-11-13 | 黑龙江省农业科学院农业遥感与信息研究所 | 遥感影像、作物模型与气象预报融合水稻成熟期预测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985260B (zh) * | 2018-08-06 | 2022-03-04 | 航天恒星科技有限公司 | 一种遥感及气象一体化水稻估产方法 |
| CN110751094B (zh) * | 2019-10-21 | 2020-08-28 | 北京师范大学 | 一种基于gee综合遥感影像和深度学习方法的作物估产方法 |
-
2021
- 2021-04-08 CN CN202110378891.4A patent/CN113269716A/zh active Pending
- 2021-11-09 NL NL2029693A patent/NL2029693B1/en active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103345707A (zh) * | 2013-06-04 | 2013-10-09 | 中国科学院遥感与数字地球研究所 | 一种基于多源遥感数据的农作物成熟期遥感预测方法 |
| CN109345555A (zh) * | 2018-10-15 | 2019-02-15 | 中科卫星应用德清研究院 | 基于多时相多源遥感数据进行水稻识别的方法 |
| CN110348314A (zh) * | 2019-06-14 | 2019-10-18 | 中国资源卫星应用中心 | 一种利用多源遥感数据监测植被长势的方法及系统 |
| CN111931988A (zh) * | 2020-07-09 | 2020-11-13 | 黑龙江省农业科学院农业遥感与信息研究所 | 遥感影像、作物模型与气象预报融合水稻成熟期预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 吴全: ""基于多源数据复合分析的作物遥感识别方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 September 2004 (2004-09-15), pages 1 * |
| 洪昕: "作物产量预测的遥感方法", 《农业与技术》, 31 December 2019 (2019-12-31), pages 2 * |
| 蒙继华等: ""基于卫星遥感预测作物成熟期的可行性分析"", 《遥感技术与应用》, vol. 28, 30 April 2013 (2013-04-30), pages 3 - 4 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114510528A (zh) * | 2022-02-15 | 2022-05-17 | 平安科技（深圳）有限公司 | 农作物产量展示方法、装置电子设备及存储介质 |
| CN114510528B (zh) * | 2022-02-15 | 2023-11-17 | 平安科技（深圳）有限公司 | 农作物产量展示方法、装置电子设备及存储介质 |
| CN114782837A (zh) * | 2022-06-17 | 2022-07-22 | 中化现代农业有限公司 | 种植物估产方法、装置、电子设备和存储介质 |
| CN116227758A (zh) * | 2023-05-10 | 2023-06-06 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及系统 |
| CN116227758B (zh) * | 2023-05-10 | 2023-08-08 | 江西师范大学 | 基于遥感技术和深度学习的农产品成熟度预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| NL2029693B1 (en) | 2023-02-15 |
| NL2029693A (en) | 2022-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111104858B (zh) | 一种基于形态模型法的大范围作物物候提取方法 | |
| CN113269716A (zh) | 一种基于多源遥感数据的香梨成熟期遥感预测方法 | |
| Genovese et al. | A methodology for a combined use of normalised difference vegetation index and CORINE land cover data for crop yield monitoring and forecasting. A case study on Spain | |
| US20210209705A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
| CN109711102B (zh) | 一种作物灾害损失快速评估方法 | |
| Tayari et al. | Role of GPS and GIS in precision agriculture | |
| CN111368736A (zh) | 基于sar和光学遥感数据的水稻精细化估产方法 | |
| CN112070297A (zh) | 农事活动的天气指标预测方法、装置、设备及存储介质 | |
| CN115062863B (zh) | 基于作物参考曲线和积温校正的苹果的始花期预测方法 | |
| Rodrigues et al. | Monitoring vegetation dynamics inferred by satellite data using the PhenoSat tool | |
| CN114708490A (zh) | 水稻种植提取及复种指数监测方法、系统、终端及存储介质 | |
| 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 | |
| Amankulova et al. | Time-series analysis of Sentinel-2 satellite images for sunflower yield estimation | |
| Barriguinha et al. | Using NDVI, climate data and machine learning to estimate yield in the Douro wine region | |
| Dong et al. | A phenology-based method for identifying the planting fraction of winter wheat using moderate-resolution satellite data | |
| CN107437262B (zh) | 作物种植面积预警方法和系统 | |
| CN107491724B (zh) | 一种冬小麦穗分化期识别方法及装置 | |
| CN111582035B (zh) | 一种果树树龄识别方法、装置、设备及存储介质 | |
| Liu et al. | Open-air grape classification and its application in parcel-level risk assessment of late frost in the eastern Helan Mountains | |
| Kale et al. | Crop Yield Estimation Using Deep Learning and Satellite Imagery | |
| Singla et al. | Spatiotemporal analysis of LANDSAT Data for Crop Yield Prediction. | |
| US20220309595A1 (en) | System and Method for Managing and Operating an Agricultural-Origin-Product Manufacturing Supply Chain | |
| Habibie et al. | Estimation of the Indonesian drought based on phenology vegetation analysis of maize | |
| CN115496999A (zh) | 田间立地秸秆产量估计方法及装置 | |
| CN114359725A (zh) | 基于作物模型与同化技术的作物长势遥感监测系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210817 |