排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
正4月23日,由国家国防科技工业局重大专项工程中心主办的第二届"中国高分杯"美丽乡村大赛在湖南长沙落下帷幕。中国农业科学院农业资源与农业区划研究所农业遥感团队参赛作品"美丽乡村·希望的田野"在50多家参赛队伍中脱颖而出,荣获创新应用类二等奖,是全院唯一获奖单位。农业农村部党组成员、中国农科院院长唐华俊出席颁奖典礼并 相似文献
2.
深度学习方法在作物遥感分类中的应用和挑战 总被引:1,自引:0,他引:1
[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。 相似文献
3.
基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究 总被引:2,自引:0,他引:2
SPAD能够反映植株叶绿素含量,而植株叶绿素的含量及动态变化,对评价作物生产能力、预测产量和品质均有重要意义。该研究以湖北省潜江市后湖管理区冬小麦为研究对象,通过田间观测不同生育期冬小麦叶片SPAD变化情况,结合我国自主研发的HJ-1卫星对研究区域进行同步监测,选取并计算RVI、DVI、NDVI、GRVI四种植被指数,通过对4种植被指数与冬小麦叶片SPAD进行相关性分析,并构建植被指数与冬小麦叶片SPAD回归反演模型,结果显示相关性均较高。通过对比四种植被指数模型反演精度,NDVI-SPAD对数模型预测精度较高,精度检验表明平均相对误差为-2.34,均方根误差(RMSE)为5.65,能够较好的反演研究区域内的冬小麦SPAD。利用HJ-1卫星结合NDVI-SPAD对数模型能够有效对研究区域冬小麦叶片SPAD进行遥感监测。 相似文献
4.
[目的]东北三省是我国大豆生产的重要基地,也是国家种植结构调整的重点区域。研究分析了1980—2010年东北三省大豆时空演变特征,为合理制定种植结构调整政策、加快推进农业供给侧结构性改革提供科学的空间信息参考。[方法]综合卫星遥感技术和空间信息重构模型优势,基于交叉信息熵方法,构建了作物空间信息重构模型SPAM China,对1980—2010年东北三省大豆种植空间分布、时空演变、重心迁移等进行了研究。[结果]1980—2010年东北三省大豆种植区域小幅增加,大豆种植面积栅格数量从6 703个增加至7 214个,松嫩平原、三江平原以及吉林省中部地区是东北三省的大豆主产区; 种植面积大幅增加,单位栅格面积增加1 000hm2以上的栅格数量增加明显,面积增加区域主要位于北纬47°~50°之间和东经1255°~131°之间; 东北三省大豆种植面积重心分别向东迁移10620km,向北迁移20857km,辽宁省、吉林省大豆种植面积重心南移,黑龙江省基本保持不变。[结论]1980—2010年东北三省大豆种植面积空间分布小幅增加,但时空变化特征显著,种植面积重心向北向东迁移。 相似文献
5.
基于SAR遥感的北方旱地秋收作物识别研究 总被引:1,自引:0,他引:1
在我国北方旱地秋收作物生长关键期,云雨天气影响较大,无法及时、有效地获取光学遥感数据,因此利用雷达遥感进行旱地作物识别研究非常必要。文章以河北省衡水市为研究区,选择6期RADARAST-2全极化影像作为数据源,分类方法为随机森林法。首先通过对比不同时相间的组合结果,优选出了研究区典型秋收作物(玉米、棉花)的最佳识别时相及组合方式。其次,提取最优识别时相的后向散射信息、纹理信息、极化分解等3部分信息,依据信息间相互组合的结果及随机森林算法对变量的重要性评价,文中对上述3部分信息进行了重要性评估。结果表明:利用SAR识别旱地秋收作物时应着重关注作物生长前期的时相,其中玉米在6月27日单一时相下就可获得90%以上的高精度;棉花面积小、地块破碎,但通过6月3日与6月27日两个时相的结合也得到了70%以上的精度。在玉米识别中极化信息具有较大的贡献,极化变量的加入主要增加了玉米和建筑用地的可分离性,与单纯利用后向散射信息分类相比精度提高了近7%;同样,纹理信息和极化分解信息的加入也使棉花的精度提高了3%。最后,利用随机森林算法对变量的重要性评价机制,优选出对玉米识别最为重要的5个变量,依次为:VH、Alpha、Yamaguchi4-Odd、Freeman-Vol和Mean(HV)。该研究利用雷达数据进行旱地作物识别,验证了雷达影像对旱地秋收作物的识别能力,不仅保证了数据获取与天气状况的独立性,还凭借SAR独有的数据获取方式,为光学数据提供了补充。 相似文献
6.
一种新的粮食安全评价方法研究 总被引:3,自引:0,他引:3
该文提出了一个综合自然、社会和经济等多因子的粮食安全评价方法,选择了人均粮食占有量和人均GDP两个指标来描述粮食安全状况。人均粮食占有量的变化可以表述粮食供给性和稳定性变化状况,人均GDP变化则可以反映粮食可获取性和购买能力的变化,两者综合决定一个国家或地区的粮食安全状况。这两个指标分别和3个空间模型(空间EPIC模型、作物选择模型和IFPSIM模型)关联。利用该方法,以网格大小为6分弧度的地理单元为评价对象,以2000年为初始年份,对未来2020年的全球粮食安全状况进行了评价。研究表明,粮食供给短缺与贫困是危及粮食安全的最主要因素。到2020年,多数南亚国家和非洲国家,由于其人均粮食占有量和人均GDP两个指标值都显著降低,粮食供应不足和贫困一起将可能导致该区域存在粮食危机和饥饿风险。对于其它区域,日益增长的粮食需求可以通过本区域的粮食生产自给予以满足,或通过外部购买或粮食进口得到满足,总体上不存在粮食安全问题。 相似文献
7.
该文以北京市昌平区为研究区域,利用3期不同时间Landsat TM遥感影像,沿着13条不同海拔高度等高线构建特征剖面,提取了研究区不同海拔高度上地表亮度温度、植被指数和植被覆盖度数据,分析了其时空变化特征。结果发现,植被覆盖度和亮度温度的关系随着海拔高度及时间变化而呈现一定变化规律。在区域尺度内,随着海拔高度上升,植被覆盖度和亮度温度呈负相关关系。去除海拔因素的影响,在同一海拔高度时,大部分情况下,植被覆盖度与亮度温度两者呈负相关关系,某些条件下,两者可呈正相关关系。 相似文献
8.
该文探讨了MODIS EVI序列与作物生长过程的互动规律,利用EVI序列分析影响冬小麦生长过程的气象因素。结果显示,冬小麦抽穗期EVI值及冬小麦返青期至收获期EVI积分值与作物产量之间有很好的相关性。冬小麦抽穗期EVI值与冬小麦产量的相关性体现了作物营养生长阶段的发育状况,可以利用抽穗期作物EVI早期预测作物产量;EVI曲线的积分值能综合反映作物整个生长发育过程,可以根据这一规律对农作物产量进行估算。冬小麦生育期内EVI均值与平均温度、降水量、日照时数相关性分析结果显示,温度和降水是冬小麦生长的主要限制因子,其中温度起主导作用。 相似文献
9.
陈仲新 《中国农业资源与区划》2006,27(6):F0003-F0003
“农业部2006年农业遥感工作座谈会”于2006年10月28-29日在黑龙江省哈尔滨举行。中国农业科学院农业资源与农业区划研究所、农业部农业工程规划设计院等来自全国农业资源区划系统12家单位的40余人参加了会议。农业部发展计划司副司长李伟方到会并做重要讲话。 相似文献
10.
2005年1月14日,农业部遥感工作座谈会在京召开。这次会议是为了适应农业部信息会商制度的变化,满足农业决策科学化对农业遥感监测信息的要求召开的。会议认真总结了农业遥感工作,分析了存在的问题,提出了解决的办法。农业部发展计划司杨坚司长、李伟方副司长参加会议并做重要讲话。来自山西、黑龙江等6个农业遥感分中心和有关单位的代表参加了会议。 相似文献