CN1731403A - 基于垄向平行的作物种植成数gps样带地面采集方法 - Google Patents
基于垄向平行的作物种植成数gps样带地面采集方法 Download PDFInfo
- Publication number
- CN1731403A CN1731403A CN 200510017093 CN200510017093A CN1731403A CN 1731403 A CN1731403 A CN 1731403A CN 200510017093 CN200510017093 CN 200510017093 CN 200510017093 A CN200510017093 A CN 200510017093A CN 1731403 A CN1731403 A CN 1731403A
- Authority
- CN
- China
- Prior art keywords
- crop
- planting
- transect
- plot
- gps
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种属于信息技术领域的基于垄向平行的作物种植成数GPS样带地面采集方法，以耕地作物垄向平行分布特征为基础，利用耕地作物呈现垄向平行分布特征，通过作物种植成数GPS样线数据与耕地地块面状空间数据两者结合，并加入耕地作物垄向信息，将呈线状形式的作物种植成数GPS样线地面采集数据拓展为成面状形式的作物种植成数GPS样带数据，从而大幅度提高作物种植成数地面采集数据的数量，克服了利用作物种植成数GPS样线地面采集方法推断采样区域作物种植成数抽样精度不高的缺陷。
Description
技术领域
本发明属于信息技术领域，涉及一种作物种植成数地面采集方法，特别是一种基于垄向平行的作物种植成数GPS样带地面采集方法。
背景技术
地面采集方法与空间遥感技术相结合具有及时与准确地获取区域作物种植结构信息的巨大潜力。近30年来已出现多种样区耕地作物种植成数的地面采集方法，包括基于航空像片的实地样块制图方法、方形样块实地样点观测方法、GPS定位视频采集(GVG)方法、以及GPS样线地面采集方法等。前两种方法采集数据精度较高。但人工地面观察与测量方式使其工作效率相当低；后两种方法因借助交通工具的快捷性而使地面采集效率得到很大改进，但其获取的数据精度却不高。
中国专利公报公开了一种“时空定位的野外地物信息采集、处理与分析方法”(公开号CN1302033A，公开日2001年7月4日)，其技术方案主要是在电源逆变器的支持下，利用一定配置的笔记本计算机和数码照相机、GPS接收机、手动输入器，通过由地理信息系统Titan3.1控件与Visual Basic6.0编程语言开发出的软件系统，进行时空定位野外地物信息采集、处理与分析。其中的GPS样线地面采集方法，采集到的仅是交通线路两侧样线处的作物种植成数数据，它所获取的样本信息量非常有限，将直接影响到作物种植成数的抽样精度。
发明内容
为了克服现有作物种植成数GPS样线地面采集方法获取样本信息量有限的不足，本发明提供一种基于垄向平行的作物种植成数GPS样带地面采集方法，该方法以耕地作物垄向平行分布特征为基础，通过引进耕地地块空间数据，结合作物种植成数GPS样线数据，能够大幅度提高地面获取作物种植成数的信息数量，改进作物种植成数GPS样线地面采集方法获取数据精度低的不足。
本发明提出的技术方案分为以下六个基本步骤，即采集GPS样线线状空间数据、获取耕地地块面状空间数据、提取垄向地块面状空间数据、生成作物地块面状空间数据、聚合GPS样带面状空间数据、以及推算采样区域作物种植成数，具体内容如下：
1)采集GPS样线线状空间数据：在作物种植成数采样区域，利用“时空定位野外地物信息采集、处理与分析系统”，记录野外车辆所行驶的采样路线，同时通过按键输入道路旁侧作物类型编码，生成带有作物种植类型信息的GPS样线矢量数据，不同类型的GPS样线线段对应着不同类型农作物；
2)获取耕地地块面状空间数据：借助地理信息系统(GIS)软件工具通过高空间分辨率遥感影像生成或者更新采样区域土地详查空间数据(比例尺≥1∶1万)，生成采样区域耕地地块面状空间数据。耕地地块边界由道路、防护林、河流等线状地物及与其他类型面状地物(如林地、草地等)相邻公共边界所确定；
3)提取垄向地块面状空间数据：借助GIS软件工具，将耕地地块面状空间数据覆盖于高空间分辨率遥感影像之上，识别每个耕地地块中作物垄向信息，然后据此分割耕地地块面状空间数据，生成具有相同垄向的垄向地块面状空间数据；
4)生成作物地块面状空间数据：借助GIS软件工具，将作物种植成数GPS样线空间数据与垄向地块空间数据叠置于一起，以GPS样线矢量数据作物种植类型变化处为起点，做作物垄向的平行线，将垄向地块面状空间数据再次分割成具有相同作物类型的作物地块面状空间数据，并把GPS样线的作物类型编码赋予到作物地块面状空间数据属性表中；
5)聚合GPS样带面状空间数据：借助GIS软件工具，将作物种植成数GPS样线空间数据与作物地块空间数据叠置于一起，以每条作物种植成数GPS样线为基础，分别选择其对应的作物地块数据并将作物种植成数GPS样线编码赋到这些作物地块空间数据属性表中，形成作物种植成数GPS样带空间数据；
6)推算采样区域作物种植成数：借助二维数据表统计软件工具，对GPS样带作物地块面状空间数据属性表中的面积字段，按照作物类型编码进行分类统计，并计算GPS样带中每种作物类型种植面积比例，进而依据整群抽样方式的统计量计算公式推断出采样区域作物种植成数。
本发明利用耕地作物呈现垄向平行分布特征，通过作物种植成数GPS样线数据与耕地地块面状空间数据两者结合，并加入耕地作物垄向信息，能够将呈线状形式的作物种植成数GPS样线地面采集数据拓展为成面状形式的作物种植成数GPS样带数据，从而大幅度提高了作物种植成数地面采集数据的数量，克服了利用作物种植成数GPS样线地面采集方法推断采样区域作物种植成数抽样精度不高的缺陷。
附图说明
图1为农田中不同类型作物空间分布示意图。图中1为单一作物空间分布，2交通线路。
图2为农田中耕地地块示意图。图中3为耕地地块。
图3为农田中垄向地块示意图。图中4为垄向地块。
图4为作物种植成数GPS样线线状矢量数据示意图。图中5为GPS样线，10为作物种植成数GPS样线测量耕地地块指向线。
图5为基于垄向平行的作物种植成数GPS样带地面采集方法获取的作物空间分布示意图。图中7为作物种植成数GPS样带。
图6为作物种植成数GPS样带面状矢量数据示意图。图中6为作物地块。
图7为吉林省德惠市某试验区域航空彩色影像。
图8为由试验区域航空彩色影像(图7)提取的农作物空间分布图。图中用不同颜色的区域代表不同类型农作物耕地地块，1为单一作物空间分布，8为面状图例符号。
图9为试验区域耕地地块图。图中3为耕地地块。
图10为试验区域垄向地块图。图中4为垄向地块，9为作物垄向线。
图11为试验区域作物种植成数GPS样线数据图。图中用不同颜色GPS样线代表不同类型的农作物，5为GPS样线，11为线状图例符号，10为作物种植成数GPS样线测量耕地地块指向线。
图12为试验区域作物种植成数GPS样带数据图。图中6为作物地块。
图13为试验区域基于作物垄向平行特征的作物种植成数GPS样带地面采集方法获取的作物空间分布图。图中用不同颜色区域代表不同类型的农作物作物地块，7为作物种植成数GPS样带，8为面状图例符号。
具体实施方式
本发明基于作物垄向平行特征的作物种植成数GPS样带地面采集方法的目标是通过地面采集手段尽可能多地获取采样区域农作物空间分布准确信息(如图1所示)，以准确推断工作区域作物种植成数。
本发明实施过程中所用的耕地地块3空间数据(如图2所示)可通过地面测绘手段、或者利用空间遥感技术进行获取与更新，并使用GIS软件进行处理与管理；把耕地地块3空间数据叠置在同区域高空间分辨率遥感影像上，使用GIS软件编辑工具，将耕地地块3空间数据分割成具有相同垄向的垄向地块4空间数据(如图3所示)；采样区域作物种植成数GPS样线数据(如图4所示)可应用“时空定位野外地物信息采集、处理与分析系统”于采样区域而获得；在GIS软件环境下，在对采样区域垄向地块4空间数据与作物种植成数GPS样线5数据进行空间叠加的基础上，从GPS样线不同作物类型变化点处分别做各相邻垄向地块4的垄向平行线，将垄向地块4空间数据分割成为分布有相同类型作物的作物地块6空间数据，并将GPS样线5各线段作物类型编码赋到相邻作物地块6空间数据属性表记录中(如图5所示)；在GIS软件环境下，将作物种植成数GPS样线5旁侧的作物地块6空间数据进行聚合，生成作物种植成数GPS样带数据(如图6所示)；利用电子二维数据表统计软件工具统计出其属性表中不同作物类型种植面积及其所占比例，并根据整群抽样方式的统计量计算公式，由各GPS样带统计出的作物种植比例推断出整个采样区域的作物种植成数及其变动方差。
以上基于垄向平行的作物种植成数GPS样带地面采集方法可通过以下实施例进行说明：
在吉林省德惠市某一地区进行的基于垄向平行的作物种植成数GPS样带地面采集试验，其步骤如下：
1)获取作为试验区域的吉林省德惠市某区域高空间分辨率航空遥感真彩色影像数据(如图7所示，)结合由“时空定位野外地物信息采集、处理与分析系统”实地采集的作物种植成数GPS样线5数据(如图11所示)，利用ArcView 3.3软件中的View工具，通过人机交互目视解译方法，提取并生成试验区域作物种植类型空间分布图(如图8所示)。使用ArcView 3.3软件中的Table工具，统计出由遥感调查方法获取的整个试验区域10种农作物种植成数数据，见表1中的农作物种植成数测量遥感调查数据列。
2)在ArcView 3.3软件环境下，以航空遥感真彩色影像为背景，根据从影像中识别出的线状道路信息，提取并生成试验区域耕地地块空间数据(如图9所示)，各耕地地块3被有一定宽度的交通线路2所分割。
3)在ArcView 3.3软件环境下，再次以航空遥感真彩色影像为背景，识别出耕地地块3中作物分布垄向信息并生成作物垄向线9的数据，然后将试验区域耕地地块3空间数据分割成具有相同垄向的垄向地块4空间数据(如图10所示)。
4)由“时空定位野外地物信息采集、处理与分析系统”实地采集的种植成数GPS样线5的数据(如图11所示)包含了交通线路2一侧的作物类型分布信息，GPS样线5的数据所测量的作物类型分布由作物种植成数GPS样线测量耕地地块指向线10来表示。
5)在ArcView 3.3软件环境下，将具有统一空间投影的试验区域垄向地块4空间数据与作物种植成数GPS样线5数据叠置起来，结合作物垄向线9与作物分布指向线，从GPS样线5作物类型变化处做作物垄向线9的平行线，将垄向地块4空间数据分割成具有相同作物类型分布的作物地块6空间数据，并把GPS样线5各线段作物类型编码赋到相邻作物地块6空间数据属性表记录中，形成的试验区域作物类型空间分布图如图12所示。
6)在ArcView 3.3软件环境下，将试验区域垄向地块4空间数据与作物种植成数GPS样线5数据叠合起来，以每条作物种植成数GPS样线5为基础，分别选择其对应的作物地块6并将作物种植成数GPS样线编码赋予到这些作物地块6空间数据属性表中，形成作物种植成数GPS样带空间数据(如图13所示)。
7)因试验区域作物种植成数GPS样带被全部测量，下一步GPS样带整群抽样的作物种植成数统计推断环节被省略，其地面采集的结果即为试验区域作物地块6空间数据属性表中不同作物类型种植面积的比例。作物种植成数统计工作是在在ArcView 3.3软件环境下，使用Table工具对试验区域作物地块6空间数据属性表进行操作而完成的，其结果见表1中农作物种植成数测量GPS样带数据列，而GPS样线5数据列表示的是采用“时空定位野外地物信息采集、处理与分析系统”专利中的作物种植成数GPS样线地面采集方法所得到的结果。
表1中测量绝对误差与相对误差数据列表示的是以遥感调查获取的试验区域作物种植成数数据为真值所计算出的GPS样线与GPS样带两种作物种植成数地面采集方法获取数据的精度状况。从此表可以看出，与作物种植成数GPS样线方法相比，本发明所提出的基于作物垄向平行特征的作物种植成数GPS样带地面采集方法，无论从绝对误差还是从相对误差方面，都要远远高于前者，精度提高将近1倍。
表1试验区域多种测量方法获取的作物种植成数及其精度比较表
| 农作物种植类型 | 农作物种植成数测量(％) | 测量绝对误差(％) | 测量相对误差(％) | ||||
| 遥感调查 | GPS样带 | GPS样线 | GPS样带 | GPS样线 | GPS样带 | GPS样线 | |
| 白菜 | 2 | 3 | 3 | 1 | 1 | 0.02 | 0.02 |
| 高粱 | 21 | 20 | 14 | -1 | -7 | 0.21 | 1.47 |
| 谷子 | 17 | 17 | 18 | 0 | 1 | 0.00 | 0.17 |
| 苹果园 | 2 | 1 | 6 | -1 | 4 | 0.02 | 0.08 |
| 葡萄园 | 2 | 2 | 3 | 0 | 1 | 0.00 | 0.02 |
| 水稻 | 20 | 23 | 21 | 3 | 1 | 0.60 | 0.20 |
| 甜菜 | 11 | 11 | 11 | 0 | 0 | 0.00 | 0.00 |
| 土豆 | 7 | 6 | 9 | -1 | 2 | 0.07 | 0.14 |
| 小麦 | 15 | 12 | 16 | -3 | 1 | 0.45 | 0.15 |
| 玉米 | 3 | 4 | 2 | 1 | -1 | 0.03 | 0.03 |
| 总计 | 100 | 100 | 100 | 0 | 0 | 1.40 | 2.28 |
Claims (2)
1.一种基于垄向平行的作物种植成数GPS样带地面采集方法，其特征在于下列步骤：
1)采集GPS样线线状空间数据：在作物种植成数采样区域，利用“时空定位野外地物信息采集、处理与分析系统”，记录野外车辆所行驶的采样路线，同时通过按键输入道路旁侧作物类型编码，生成带有作物种植类型信息的GPS样线矢量数据，不同类型的GPS样线线段对应着不同类型农作物；
2)获取耕地地块面状空间数据：借助地理信息系统GIS软件工具，通过高空间分辨率遥感影像生成或者更新采样区域土地详查空间数据，生成采样区域耕地地块面状空间数据；
3)提取垄向地块面状空间数据：借助GIS软件工具，将耕地地块面状空间数据覆盖于高空间分辨率遥感影像之上，识别每个耕地地块中作物垄向信息，然后据此分割耕地地块面状空间数据，生成具有相同垄向的垄向地块面状空间数据；
4)生成作物地块面状空间数据：借助GIS软件工具，将作物种植成数GPS样线空间数据与垄向地块空间数据叠置于一起，以GPS样线矢量数据作物种植类型变化处为起点，做作物垄向的平行线，将垄向地块面状空间数据再次分割成具有相同作物类型的作物地块面状空间数据，并把GPS样线的作物类型编码赋予到作物地块面状空间数据属性表中；
5)聚合GPS样带面状空间数据：借助GIS软件工具，将作物种植成数GPS样线空间数据与作物地块空间数据叠置于一起，以每条作物种植成数GPS样线为基础，分别选择其对应的作物地块数据并将作物种植成数GPS样线编码赋到这些作物地块空间数据属性表中，形成作物种植成数GPS样带空间数据；
6)推算采样区域作物种植成数：借助二维数据表统计软件工具，对GPS样带作物地块面状空间数据属性表中的面积字段，按照作物类型编码进行分类统计，并计算GPS样带中每种作物类型种植面积比例，进而依据整群抽样方式的统计量计算公式推断出采样区域作物种植成数。
2.根据权利要求1所述的基于垄向平行的作物种植成数GPS样带地面采集方法，其特征在于获取耕地地块面状空间数据、提取垄向地块面状空间数据、生成作物地块面状空间数据、聚合GPS样带面状空间数据、推算采样区域作物种植成数五个步骤借助ArcView3.3软件实现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB200510017093XA CN100342380C (zh) | 2005-08-31 | 2005-08-31 | 基于垄向平行的作物种植成数gps样带地面采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNB200510017093XA CN100342380C (zh) | 2005-08-31 | 2005-08-31 | 基于垄向平行的作物种植成数gps样带地面采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1731403A true CN1731403A (zh) | 2006-02-08 |
| CN100342380C CN100342380C (zh) | 2007-10-10 |
Family
ID=35963752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB200510017093XA Expired - Fee Related CN100342380C (zh) | 2005-08-31 | 2005-08-31 | 基于垄向平行的作物种植成数gps样带地面采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN100342380C (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349561B (zh) * | 2007-07-17 | 2010-08-25 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与系统 |
| CN103761447A (zh) * | 2014-02-18 | 2014-04-30 | 中国科学院遥感与数字地球研究所 | 用于地市及县两级粮食补贴核算的种植面积遥感估算方法 |
| CN111008675A (zh) * | 2019-12-26 | 2020-04-14 | 口碑(上海)信息技术有限公司 | 召回区域的抽样处理方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FI112402B (fi) * | 1999-10-28 | 2003-11-28 | Diware Oy | Menetelmä puustotunnusten määrittämiseksi sekä tietokoneohjelma menetelmän suorittamiseksi |
| CN1109996C (zh) * | 1999-12-29 | 2003-05-28 | 中国科学院长春地理研究所 | 时空定位的野外地物信息采集、处理分析的方法 |
| JP2002360070A (ja) * | 2001-06-12 | 2002-12-17 | Kansai Electric Power Co Inc:The | 植物の活力度評価法 |
| CN1612162A (zh) * | 2003-10-31 | 2005-05-04 | 李小文 | 利用空间信息和光谱信息的两步无监分类法 |
| CN100476354C (zh) * | 2004-06-08 | 2009-04-08 | 中国人民大学 | 用不同尺度遥感数据估计面积变化的对称系统抽样技术 |
-
2005
- 2005-08-31 CN CNB200510017093XA patent/CN100342380C/zh not_active Expired - Fee Related
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101349561B (zh) * | 2007-07-17 | 2010-08-25 | 农业部规划设计研究院 | 大尺度作物种植面积车载调查方法与系统 |
| CN103761447A (zh) * | 2014-02-18 | 2014-04-30 | 中国科学院遥感与数字地球研究所 | 用于地市及县两级粮食补贴核算的种植面积遥感估算方法 |
| CN103761447B (zh) * | 2014-02-18 | 2017-05-24 | 中国科学院遥感与数字地球研究所 | 用于地市及县两级粮食补贴核算的种植面积遥感确定方法 |
| CN111008675A (zh) * | 2019-12-26 | 2020-04-14 | 口碑(上海)信息技术有限公司 | 召回区域的抽样处理方法及装置 |
| CN111008675B (zh) * | 2019-12-26 | 2020-11-24 | 口碑(上海)信息技术有限公司 | 召回区域的抽样处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN100342380C (zh) | 2007-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Friedli et al. | Terrestrial 3D laser scanning to track the increase in canopy height of both monocot and dicot crop species under field conditions | |
| CN111368736B (zh) | 基于sar和光学遥感数据的水稻精细化估产方法 | |
| Whetton et al. | Nonlinear parametric modelling to study how soil properties affect crop yields and NDVI | |
| Jiang et al. | Quantitative analysis of cotton canopy size in field conditions using a consumer-grade RGB-D camera | |
| CN107103378B (zh) | 一种玉米种植环境测试站点布局方法及系统 | |
| WO2020192586A1 (zh) | 一种田间小麦茎蘖数提取方法 | |
| CN112819846B (zh) | 面向多云雨地区的基于多载荷遥感图像的水稻估产方法 | |
| Herbei et al. | Processing and Use of Satellite Images in Order to Extract Useful Information in Precision Agriculture. | |
| CN114863289B (zh) | 一种基于土地利用的动态遥感监测方法与系统 | |
| Wu et al. | Optimizing soil-coring strategies to quantify root-length-density distribution in field-grown maize: virtual coring trials using 3-D root architecture models | |
| CN100342380C (zh) | 基于垄向平行的作物种植成数gps样带地面采集方法 | |
| Zang et al. | Field-measured canopy height may not be as accurate and heritable as believed: evidence from advanced 3D sensing | |
| Brezhnev et al. | Modeling of agricultural spatial objects with heterogeneous dynamically changing spatial structure | |
| Li et al. | Weed detection in soybean fields using improved YOLOv7 and evaluating herbicide reduction efficacy | |
| CN115310719A (zh) | 基于三阶段k-means的农田土壤采样方案设计方法 | |
| Shen et al. | High-throughput phenotyping of individual plant height in an oilseed rape population based on Mask-RCNN and UAV images | |
| Hu et al. | Identifying rice seedling bands based on slope virtualization clustering | |
| Gulyaev et al. | On the development of a system for digital remote monitoring of agricultural land | |
| Reese et al. | Automated estimation of forest parameters for Sweden using Landsat data and the kNN algorithm | |
| Priana et al. | The Pattern of Spatial Distribution of Agriculture Drought Using Landsat 8 OLI/TIRS in Bacukiki District, City of Parepare | |
| Udgata et al. | Integration of Survey Data and Satellite Data for Acreage Estimation of Mango (Mangifera indica) | |
| Myers et al. | Issues in analysis of soil-landscape effects in a large regional yield map collection | |
| CN112651645B (zh) | 一种产地环境监测异常数据全程溯源解析方法 | |
| Liu et al. | A deep learning-based method for detecting granular fertilizer deposition distribution patterns in centrifugal variable-rate spreader fertilization | |
| Zha | Design of rice regional test information collection system based on cloud computing. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071010 Termination date: 20100831 |