栏目文章

Select

1. 农业干旱卫星遥感监测与预测研究进展

韩东, 王鹏新, 张悦, 田惠仁, 周西嘉

智慧农业（中英文） 2021, 3 (2): 1-14. DOI: 10.12133/j.smartag.2021.3.2.202104-SA002

摘要（1603）

HTML （230）

PDF（pc）（1255KB）（1665）

干旱是影响农业生产的主要气候因素。传统的农业干旱监测主要是基于气象和水文数据，虽然能提供监测点上较为精确的干旱监测结果，但是在监测面上的农业干旱时，仍存在一定的局限。遥感技术的快速发展，尤其是目前在轨的卫星传感器感测的电磁波段涵盖了可见光、近红外、热红外和微波等波段，为区域尺度农业干旱监测提供了新的手段。充分利用卫星遥感数据获得的丰富地表信息进行农业干旱监测和预测具有重要的研究意义。本文从遥感指数方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。农业干旱预测是在干旱监测的基础上进行时间轴的预测，本文在总结干旱监测进展的基础上，进一步简述了以干旱指数方法和作物生长模型方法为主的农业干旱预测研究进展。

参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

2. 基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报

王琳, 梁健, 孟范玉, 孟炀, 张永涛, 李振海

智慧农业（中英文） 2021, 3 (2): 15-22. DOI: 10.12133/j.smartag.2021.3.2.202103-SA007

摘要（872）

HTML （62）

PDF（pc）（1605KB）（636）

开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义。本研究以冬小麦主产区（河南省、山东省、河北省、安徽省和江苏省）为研究区域，构建了冬小麦籽粒蛋白质含量多层线性预测模型，并实现了2019年冬小麦蛋白质含量预报。为了解决预测模型在年际扩展和空间扩展存在偏差的问题，在蛋白质含量估算模型中考虑了气象因素（温度、降水、辐射量）、冬小麦筋型、抽穗—开花期增强型植被指数（EVI）等因素。结果表明，融合3个气象因素的蛋白质含量估算模型建模集精度（R² = 0.39，RMSE = 1.04%）与验证集精度（R² = 0.43、RMSE = 0.94%）均高于融合2个气象因子的估算模型和单个气象因子的估算模型。将蛋白质含量估算模型应用冬小麦主产区的蛋白质含量遥感估算，得到了2019年冬小麦主产区品质预报图，并形成黄淮海地区冬小麦品质分布专题图。本研究结果可同时为后续小麦种植区划和实现绿色、高产、优质、高效粮食生产提供数据支撑。

参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

3. 基于高光谱遥感的冬小麦涝渍胁迫识别及程度判别分析

杨菲菲, 刘升平, 诸叶平, 李世娟

智慧农业（中英文） 2021, 3 (2): 35-44. DOI: 10.12133/j.smartag.2021.3.2.202105-SA001

摘要（686）

HTML （48）

PDF（pc）（1233KB）（576）

冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全，还威胁社会经济稳定和可持续发展。为识别冬小麦涝渍胁迫及判别其胁迫程度，本研究设置冬小麦涝渍胁迫梯度盆栽试验，采用ASD地物光谱仪和Gaiasky-mini2推扫式成像光谱仪分别测定叶片及冠层高光谱数据，结合植被指数、归一化均值距离和光谱微分差信息熵等方法，监测冬小麦是否遭受涝渍胁迫并判别其涝渍胁迫程度。试验结果显示，简单比值色素指数SRPI是识别涝渍胁迫冬小麦的最优植被指数。红光吸收谷（RW：640~680 nm）是识别冬小麦涝渍胁迫程度的最优波段，在RW波段内，抽穗、开花和灌浆期的光谱微分差信息熵可判别冬小麦涝渍胁迫程度，胁迫程度越大，光谱微分差信息熵越大。本研究为涝渍胁迫监测提供了一种新方法，在涝渍胁迫精确防控中具有较好的应用前景。

参考文献 | 相关文章 | 多维度评价 | 评论（0）

Select

4. 海南岛橡胶林叶面积指数遥感估算模型比较研究

戴声佩, 罗红霞, 郑倩, 胡盈盈, 李海亮, 李茂芬, 禹萱, 陈帮乾

智慧农业（中英文） 2021, 3 (2): 45-54. DOI: 10.12133/j.smartag.2021.3.2.202106-SA003

摘要（702）

HTML （38）

PDF（pc）（2387KB）（833）

叶面积指数（LAI）是描述植被生长状况和冠层结构的一个重要参数，快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义。本研究选取海南岛典型热带作物——橡胶树为研究对象，构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律。结果表明，相较于归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、比值植被指数（RVI）和宽动态范围植被指数（WDRVI）四个指数，增强植被指数（EVI）、土壤调节植被指数（SAVI）、差值植被指数（DVI）和改良土壤调节植被指数（MSAVI）四个指数同LAI之间的相关性较高。构建的基于不同植被指数的橡胶林LAI估算模型（一元线性、指数和对数模型）中，基于EVI指数的橡胶林LAI一元线性估算模型效果最佳，其决定系数R²为0.69。经验证，该模型估算的橡胶林LAI精度较高，观测和模拟的橡胶林LAI线性拟合R²为0.67，均方根误差RMSE为0.16，平均相对误差RE为-0.25%，但在橡胶林LAI中值区存在低估现象，同时在LAI高值区和低值区存在一定的高估现象。从空间分布来看，海南岛橡胶林LAI高值区（4.40~6.23）主要分布在海南岛西部儋州、白沙等市县，LAI中值区（3.80~4.40）主要分布在海南岛中部澄迈、屯昌、琼中等市县，LAI低值区（2.69~3.80）主要分布在海南岛东部和南部的定安、琼海、万宁、乐东、三亚等市县。总之，构建的基于EVI指数的橡胶林LAI一元线性估算模型精度较高，克服了NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有较好的科学性和良好的推广应用价值。

参考文献 | 相关文章 | 多维度评价 | 评论（0）

专题--空间信息技术农业应用 栏目所有文章列表

专题--空间信息技术农业应用栏目所有文章列表