基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障,还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响,在农作物遥感监测方面具有巨大的应用潜力,有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线,从单、双极化SAR数据,单、双极化SAR数据结合光学影像,全极化SAR数据三个发展阶段,对极化SAR数据在农作物分类识别中的研究与应用进行总结,并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主,对于难以识别的旱地作物研究较少;目前对旱地作物识别精度不高,平均识别精度不足85%;缺乏对不同作物散射机制及其随时相变化的研究,导致分类算法机理性不足,普适性较差。［结论］在今后的研究中,旱地作物散射机制的定量确定,如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性;目前分类算法大都是基于光学影像设计,如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法,得到更高的分类精度;如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度,将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

灌溉耕地空间分布制图研究进展

[目的]灌溉耕地空间分布是管理水资源、指导农业生产和监控环境变化的基础数据,遥感是获取灌溉耕地空间分布的重要手段。科学总结有关区域灌溉耕地空间分布制图的研究进展,可为遥感在该领域的应用研究提供参考。[方法]文章全面收集近年来国内外利用遥感提取灌溉耕地的文献资料,系统分析了灌溉耕地制图的特征选择和主要技术方法,并展望了未来的发展方向。[结果]从分类特征的角度看,气候、生产方式和设施等农业相关地域条件是灌溉耕地制图的必要参考;灌溉引起的水分或植被生长状况差异是主要依据;引入参量的时序变化特征或新的特征参量是对单一影像信息不完善的有效补充。从分类方法的角度看,不同分类方法多局限于局地或区域尺度,规则普适性不高,真值数据收集困难,难以适应大尺度下多样的地域条件,导致无法高效及时地生产更新相应规模且合适分辨率的产品,大区域灌溉制图的主要方式仍依赖空间分配模型。[结论]未来发展而言,自动分类技术和遥感影像资源的丰富已为高效生产灌溉分布地图提供了基础条件,整合数据资源、挖掘特征参量和优化分类方法等3个方面应是未来的主要发展方向。     

基于多源数据融合的地表覆盖数据重建研究进展综述

地表覆盖数据对于全球环境变化、生物多样性和发展政策制定有着重要意义。遥感已成为获取地表覆盖数据的重要手段。而目前的地表覆盖数据产品,如Globe Land30、FROM-GLC、MODIS Collection5、MODIS Cropland、Glob Cover、GLC2000等,存在数据精度不高、数据间一致性较差、与统计数据差异较大等问题。因此,基于多源数据融合的数据重建方法成为目前研究中的热点问题。文章检索了近10年关于多源数据融合在地表覆盖数据重建中的应用的相关文献,概括了多源数据在数据重建中的应用现状,并对基于多源数据融合的地表覆盖数据重建方法进行了归纳总结,重点评述了不同方法的特点及应用情况,阐明了各种方法的优势与不足,同时对存在的问题进行探讨并展望了未来基于多源数据融合的地表覆盖数据重建研究的发展方向。基于多源数据融合的数据重建方法包括基于多源遥感数据融合法以及基于多源遥感和非遥感数据融合法。该文在对基于多源遥感数据融合的数据重建方法进行论述时,主要讨论了其中应用最广泛的两种融合方法:基于数据一致性的融合法和基于回归分析的融合法。对于其他基于多源遥感数据融合的数据重建方法,如基于D-S证据理论融合法、基于数据集成融合法、基于统计模型融合法,也列举了最具代表性的相关文献进行论述。在对基于遥感数据和非遥感数据融合的数据重建方法进行论述时,主要讨论了其3种空间分配方法:完全依赖法、部分依赖法、动态依赖法。在对目前研究进行探讨的过程中,该文对其研究区域、数据源、地表覆盖类型、空间分辨率、融合方法和文献来源进行总结分析,并重点就融合方法展开讨论。围绕各种融合方法在数据重建中的运用,该文归纳出目前研究中存在的主要问题:研究对象和区域上的不足,研究区多为全球及欧美,其他区域的研究过少,研究对象多为所有地表覆盖类型和森林,对耕地和草地的研究过少;融合算法上的不足、重建结果精度上的不足。最后,指出基于多源数据融合的数据重建方法未来的发展方向,即综合运用两类方法,得到具有详细完整空间信息的长时间序列的地表覆盖数据集。     

尺度变化对油菜种植面积遥感监测精度的影响

农作物种植面积监测是遥感估产的基础工作之一,监测结果的精度直接影响到数据的可信度和可用性。随着多光谱和多空间分辨率数据集的日益普遍,多尺度遥感数据源的综合应用是进行大范围农作物种植面积遥感监测业务化运行的必然趋势,因此尺度变化对农作物种植面积遥感监测精度影响的研究势在必行。该研究采用高空间分辨率的多光谱遥感影像进行油菜种植面积提取,对其提取结果进行基于简单多数原则的尺度转化,得到不同空间分辨率的提取结果,通过与地面实测样方数据构建误差矩阵进行精度分析,分析不同空间分辨率影像对作物种植面积遥感信息提取精度的影响。运用多种精度评价指标,从不同空间分辨率、不同监测方法、不同遥感监测时相等角度系统分析了农作物种植面积遥感测量中的尺度效应问题。为基于多尺度遥感数据综合应用的农作物种植面积遥感监测业务化运行中的数据选择和精度保证问题提供理论与实验基础。     

呼伦贝尔贝加尔针茅草甸草原 光能利用率变化规律分析

光能利用率（LUE）是植被光合作用的重要概念,也是研究草地生态系统不同尺度的总第一性生 产力（GPP）、净第一性生产力（NPP）估算模型的重要参数之一。该文通过地面遥感测量、暗箱—气相色 谱法（DC-GC）和涡度相关技术（EC）的方法,在2011年8月初至9月初,获取呼伦贝尔地区以贝加尔 针茅为主要优势种的草甸草原光能利用率,并动态分析光能利用率的日变化和季节变化。研究表明,光能 利用率日变化呈先降低后增加的单峰趋势,即在早晚出现较高值,中午出现较低值;光能利用率的季节变 化总体呈下降趋势。日变化研究中光合有效辐射PAR和温度都与光能利用率呈显著负相关;季节变化研究 中,温度与光能利用率呈弱正相关,叶面积指数与光能利用率呈显著正相关。     

价补分离政策下农户的玉米种植行为研究基于吉林省宏观与微观数据分析

[目的]通过对价补分离政策实施前后吉林省玉米种植相关数据的分析,初步了解政策对农户种植行为产生的影响,进而探索吉林省农户在价补分离政策实施的第3年其玉米种植行为所受的主要影响因素。[方法]文章以吉林省玉米种植农户为研究对象,基于宏观与微观数据,采用多元Logistic模型分析农户玉米种植行为与政策之间的关系。[结果]价补分离政策改变吉林省农户的玉米种植行为。因价补分离政策实施导致的玉米价格下跌造成单位面积收益降低时,农户会寻求其他单位面积收益更高的作物,进而调整种植行为。[结论]玉米生产者补贴的发放对农户玉米种植行为调整具有引导作用。玉米优势产区与非优势产区的农户对价补分离政策不同的种植行为响应验证价补分离政策在保障粮食安全的同时调减玉米非优势产区玉米种植的作用。同时政策在实施过程中存在农户理解不到位及滞后性问题,因此从完善价补分离政策并提高农户对政策的认知程度等方面提出建议以更好地实现在调整玉米种植结构的同时稳定农户收入的政策目标。     

基于EOS/MODIS数据的南方水稻面积提取技术

该文以我国南方15省、市和自治区为研究区域,采用高时频的EOS/MODIS卫星数据,构建了水稻播种面积识别算法,实现了南方各类水稻(早稻、晚稻和单季稻)种植面积的快速提取。该研究在很大程度上解决了困扰农情遥感监测业务运行中水稻种植面积及其空间分布的难题,可为作物估产、农作物长势以及墒情遥感监测提供基础。     

基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究

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。     

未来资源,环境,社会经济与全球变化

在综述国内外全球变化工作的基础上,分析限未来ＣＯ２加倍、全球变暖对农业与森林、陆地自然生态系统,海平面与海岸带、水资源、能源与人类健康的影响,分析表明：全球变化对上述各方面均会有一定的影响,其中有些影响是有利于人类的生存与发展的,而有些影响不利的。     

Potential output and inflation dynamics after the Great Recession

Ever since the end of the Great Recession, the US economy has experienced a period of mild inflation, which contradicts with the output–inflation relationship depicted by a traditional Phillips curve. This paper examines how the permanent output loss during the Great Recession has affected the ability of the Phillips curve to explain US inflation dynamics. We find great similarity among several established trend–cycle decomposition methods: potential output declined substantially after the Great Recession. Due to the fact that a lower level of potential output implies a lesser deflationary pressure, we then show that the Phillips curve does predict a period of mild inflation. This finding is largely consistent with the observed data.