检索结果-内蒙古大学图书馆

自然资源学报 2013年第7期28卷 1232-1242页

作者：王迪周清波陈仲新刘佳农业部农业信息技术重点实验室北京100081 中国农业科学院农业资源与农业区划研究所北京100081

抽样单元尺寸是空间抽样调查方案设计过程中的关键要素。合理的抽样单元尺寸对降低抽样调查费用、改善抽样外推总体精度具有重要意义。为实现农作物种植面积空间抽样调查中抽样单元尺寸的优化设计,论文以河南省为研究区,以冬小麦种植面... 详细信息

抽样单元尺寸是空间抽样调查方案设计过程中的关键要素。合理的抽样单元尺寸对降低抽样调查费用、改善抽样外推总体精度具有重要意义。为实现农作物种植面积空间抽样调查中抽样单元尺寸的优化设计,论文以河南省为研究区,以冬小麦种植面积为研究对象,选取正方形网格作为抽样单元,遵循传统抽样理论中抽样单元间相互独立原则,通过分析不同抽样单元尺寸与对应该尺寸下的抽样框内总体单元间全局空间自相关指数(Moran’s I)的相关关系,进行了抽样单元尺寸的初选。为最终实现抽样单元尺寸优选,基于初选的8种抽样单元尺寸,分别构建抽样框,采用以抽样单元内冬小麦面积占单元面积比例(麦土比)为分层标志的分层抽样方法进行了研究区冬小麦种植面积空间抽样样本抽选、总体外推及误差估计试验研究,结果表明:抽样比随抽样单元尺寸的增大而增大;8种抽样单元尺寸下的外推总体相对误差和变异系数均较小,变化范围分别为3.82%～5.75%和3.76%～4.69%;以抽样调查费用和抽样误差为抽样效率评价指标,优选出抽样单元尺寸为20 000 m×20 000 m时,进行研究区冬小麦种植面积抽样调查的效率最高。

关键词：农情监测抽样单元尺寸空间自相关冬小麦种植面积外推总体误差估计

来源：评论

学校读者我要写书评

暂无评论

家庭属性对农户选择种植作物的影响机制——以黑龙江省宾县为例

引用

中国农业科学 2013年第15期46卷 3257-3265页

作者：夏天吴文斌唐华俊周清波杨鹏李正国刘珍环余强毅中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】微观层面的农户作物选择行为过程及其机制研究对于农业或农村政策的制定和调整具有重要意义,也是目前国内外学者广泛关注的热点问题。本文利用农户调查数据,重点分析研究农户自身的家庭属性对其作物选择和作物种植更替的影响。... 详细信息

【目的】微观层面的农户作物选择行为过程及其机制研究对于农业或农村政策的制定和调整具有重要意义,也是目前国内外学者广泛关注的热点问题。本文利用农户调查数据,重点分析研究农户自身的家庭属性对其作物选择和作物种植更替的影响。【方法】以中国东北地区具有典型代表性、黑龙江省的宾县为研究区域,通过实地农户调查,获取了384户农户调查数据;将调查数据进行标准化处理后导入SPSS统计分析系统,利用单变量多因素方差分析法解析农户家庭属性对选择种植水稻、小麦、玉米、大豆及其它经济作物等五类作物的影响。【结果】总的来说农户的年龄、教育程度、家庭劳动力数量、家庭人数和承包耕地类型条件等家庭属性因素对农户选择种植作物具有重要影响;年龄相对越大并且家庭劳动力较少的农户更趋向选择种植玉米,劳动力较多的农户更愿意选择种植大豆,当地种植小麦可能会对农户家庭收入有负面影响,传统的农民在耕地条件合适更加愿意选择种植水稻,家庭总人口多、劳动力丰富并且有文化的农户更加愿意选择种植经济作物。【结论】农作物实际种植过程中农户受到种植作物的工时量、种植作物所需农业知识水平、种植环境要求或资金投入产出比等各种因素影响,这些因素直接导致农户家庭属性中相应的属性因素对农户选择行为的影响。

关键词：农户作物选择家庭属性多因素方差分析宾县

来源：评论

学校读者我要写书评

暂无评论

黑龙江省宾县农作物格局时空变化特征分析

引用

中国农业科学 2013年第15期46卷 3227-3237页

作者：张莉吴文斌杨鹏唐华俊周清波李正国中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】农作物时空格局特征分析是微观层面农户农作物选择影响机制研究的基础。通过分析宾县乡镇尺度农作物格局的时空变化特征,为农作物种植结构变化机理机制研究提供依据。【方法】基于黑龙江省宾县1996—2010年乡镇级统计数据,运用... 详细信息

【目的】农作物时空格局特征分析是微观层面农户农作物选择影响机制研究的基础。通过分析宾县乡镇尺度农作物格局的时空变化特征,为农作物种植结构变化机理机制研究提供依据。【方法】基于黑龙江省宾县1996—2010年乡镇级统计数据,运用数理统计和GIS空间分析等方法,分析宾县过去15年玉米、大豆、水稻3种主要粮食作物和经济作物播种面积数量变化及空间变化特征。【结果】1996—2010年宾县农作物总播种面积增加22.86%,主要是由粮食作物播种面积变化引起。粮食作物播种面积增加32.80%,经济作物减少52.84%,粮经比从88﹕12调整到96﹕4。玉米种植面积大幅增加73.82%,种植比例不断提高,大豆种植面积减少1.05%,水稻种植面积减少29.78%。主要粮食作物空间变化呈现较强的规律性,即玉米种植在全县范围内分布较均衡,大豆种植中心向东南部集中,水稻种植集中到宾县北部和西部地区。【结论】过去15年宾县农作物格局时空变化明显,分析掌握其变化特征,有助于进一步探究其变化的原因,为科学调整县域农作物种植结构、提升农业综合生产能力提供科学依据。

关键词：宾县农作物格局时空变化特征

来源：评论

学校读者我要写书评

暂无评论

不同含水量土壤高光谱二向性反射特征研究

引用

中国农业资源与区划 2017年第1期38卷 51-58页

作者：刘影姚艳敏司海青农业部农业信息技术重点实验室中国农业科学院农业资源与农业区划研究所

【目的】探讨高光谱遥感土壤含水量对土壤二向性反射分布函数（bidirectional reflectance distribution function,BRDF）的影响,可为改进土壤含水量高光谱遥感反演机理模型,提高反演精度奠定重要基础。【方法】该研究在室内条件下对含... 详细信息

【目的】探讨高光谱遥感土壤含水量对土壤二向性反射分布函数（bidirectional reflectance distribution function,BRDF）的影响,可为改进土壤含水量高光谱遥感反演机理模型,提高反演精度奠定重要基础。【方法】该研究在室内条件下对含水量为5%;5%（按5%递增）的土样进行多角度光谱测定,分析光源天顶角、观测天顶角、观测方位角及含水量不同对土壤二向性反射特征的影响。【结果与结论】由于土壤表面颗粒之间的相互遮蔽,土壤BRDF随光源天顶角的增加而增大,随观测天顶角的减小而降低,且土壤BRDF随观测天顶角的变化与波长有关。后向散射方向的土壤BRDF最高,前向散射方向的土壤BRDF最小。在400;400nm波段范围内,当土壤含水量小于田间持水量时,土壤BRDF值随含水量的增加而降低;大于田间持水量时,土壤BRDF值随含水量的增加而增加。但在波长1 400;400nm范围内,不同的观测位置下,土壤含水量不同引起土壤BRDF的变化没有明显规律。

关键词：高光谱 BRDF 多角度土壤含水量

来源：评论

学校读者我要写书评

暂无评论

基于农户行为的农作物空间格局变化模拟模型架构

引用

中国农业科学 2013年第15期46卷 3266-3276页

作者：余强毅吴文斌唐华俊杨鹏李正国夏天刘珍环周清波中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】农作物空间格局是农业土地系统中景观功能层面的核心特征之一,农作物空间格局变化较土地利用与覆被变化更为频繁,但并不易于监测与分析。本文拟提出一个基于农户(Agent)作物选择行为的农作物空间格局动态变化模拟模型(CroPaDy)... 详细信息

【目的】农作物空间格局是农业土地系统中景观功能层面的核心特征之一,农作物空间格局变化较土地利用与覆被变化更为频繁,但并不易于监测与分析。本文拟提出一个基于农户(Agent)作物选择行为的农作物空间格局动态变化模拟模型(CroPaDy)的构建方案。【方法】参考Agent农业土地变化模型的建模思路,按照"ODD标准化建模程序"和"一般性的模型计算化设计框架"进行模型的概念化设计与计算化设计。【结果】概念化设计方面,将模型设计成一个闭合的环路(驱动因素分析—决策过程分析—行为结果分析)。其中,驱动因素分析影响农户决策的内/外部因素,而非传统的自然/社会经济因素。模型模拟步长为一年,状态变量每年更新,并将行为结果作为反馈从而更新内/外部影响因素,由此体现农作物空间格局变化的动态过程。计算化设计方面,将模型设计成3个既相互独立又紧密联系的子模块,分别是:Agent生成模块、Agent简化与分类模块以及Agent决策分析模块。模型计算化设计过程应用蒙特卡洛以及效用函数等常见方法,此外,尝试使用因子分析方法对Agent进行分类与简化。【结论】经检验,CroPaDy模型充分考虑了自然环境与人类社会的交互作用,能够用以表达特定区域内的农作物空间格局及其动态变化过程。

关键词：基于主体的模拟农作物选择决策农作物空间格局模型框架设计

来源：评论

学校读者我要写书评

暂无评论

农作物分布格局动态变化的遥感监测——以东北三省为例

引用

中国农业科学 2013年第13期46卷 2668-2676页

作者：黄青唐华俊吴文斌李丹丹刘佳中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】当前对涉及到耕地内部不同作物空间分布及其变化的研究较少。本文旨在探讨大尺度作物种植面积和分布格局遥感提取方法及景观生态学中景观格局指数在作物格局动态变化分析中的应用。【方法】基于2005年和2010年作物生育期内遥感... 详细信息

【目的】当前对涉及到耕地内部不同作物空间分布及其变化的研究较少。本文旨在探讨大尺度作物种植面积和分布格局遥感提取方法及景观生态学中景观格局指数在作物格局动态变化分析中的应用。【方法】基于2005年和2010年作物生育期内遥感影像全覆盖的MODIS-NDVI数据,利用RS、GIS技术,通过分析东北地区主要作物(水稻、玉米、大豆)的种植结构、物候历及NDVI曲线特征,建立不同作物面积遥感提取模型,提取大尺度农作物空间分布格局信息。同时,利用景观格局指数方法分析农作物格局动态变化特征和变化规律。【结果】与多年平均统计数据比较,基于MODIS遥感数据提取的作物面积信息,2005年和2010年平均精度达到了90%以上;5年间,东北地区主要作物种植结构发生了较大变化。其中大豆平均斑块面积减少,面积年动态度为-4.47%,水稻和玉米平均斑块面积均增加,且5年的变化幅度均超过20%。【结论】成本和收益是作物面积增加或减少的主要原因;用中等分辨率的遥感数据进行大尺度作物面积提取的方法是可行的;景观生态学中格局指数可以用来分析耕地内部作物格局的动态变化规律。

关键词：遥感 NDVI 格局变化水稻春玉米大豆东北

来源：评论

学校读者我要写书评

暂无评论

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

引用

农业工程学报 2016年第3期32卷 155-162页

作者：刘轲周清波吴文斌陈仲新唐华俊农业部农业信息技术重点实验室/中国农业科学院农业资源与农业区划研究所北京100081 华中师范大学城市与环境科学学院武汉430079

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率... 详细信息

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。

关键词：植被遥感光谱分析叶面积指数高光谱反演波段选择

来源：评论

学校读者我要写书评

暂无评论

自然环境因素对农户选择种植作物的影响机制——以黑龙江省宾县为例

引用

中国农业科学 2013年第15期46卷 3238-3247页

作者：刘珍环杨鹏吴文斌李正国唐鹏钦李志鹏余强毅夏天唐华俊中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】探讨自然环境因素对农户农作物选择的影响机制,为农户的适应行为提供决策支持。【方法】本研究以黑龙江省宾县为研究区域,通过当面访谈方式,获取384个农户问卷调查数据;采用频率分析方法,从气象要素和自然灾害两个方面,分析自... 详细信息

【目的】探讨自然环境因素对农户农作物选择的影响机制,为农户的适应行为提供决策支持。【方法】本研究以黑龙江省宾县为研究区域,通过当面访谈方式,获取384个农户问卷调查数据;采用频率分析方法,从气象要素和自然灾害两个方面,分析自然环境变化对农户作物选择的影响及农户种植行为的适应机制。【结果】通过分析农户认知和选择行为发现,气象要素、自然灾害及作物产量对农户作物选择有影响,农户在作物类型变更时首先考虑产量因素,其次是气候因素,再次是自然灾害因素,但在对自然环境要求高的作物类型变化中,如水稻改玉米,自然环境因素受重视程度显著增加。更换作物类型与品种、调整农时是农户适应自然环境因素变化中采用较多的行为。农户对自然环境变化的感知与实际趋势是否一致,会影响农户是否主动改变作物类型。【结论】为提高农户适应自然环境因素变化的影响,今后宜从提高农户主动适应行为入手,引导农户改善应对气候变化与自然灾害能力,在应对行为上需有更为高层次的区域布局和政策引导。

关键词：自然环境因素农户作物选择适应行为宾县

来源：评论

学校读者我要写书评

暂无评论

冬小麦种植面积空间抽样样本布局的优化设计

引用

中国农业科学 2014年第18期47卷 3545-3556页

作者：王迪陈仲新周清波刘佳中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

【目的】样本布局是空间抽样调查方案设计中的关键要素。优化设计样本布局对于提高抽样样本对总体的代表性、降低抽样调查成本、改善抽样外推总体精度具有重要意义。论文针对现有农作物种植面积空间抽样调查技术体系中存在样本布局设计... 详细信息

【目的】样本布局是空间抽样调查方案设计中的关键要素。优化设计样本布局对于提高抽样样本对总体的代表性、降低抽样调查成本、改善抽样外推总体精度具有重要意义。论文针对现有农作物种植面积空间抽样调查技术体系中存在样本布局设计合理性不足的问题(如采用简单随机抽样进行样本布局设计时,无法保证各样本单元间相互独立、彼此间不存在空间相关性;而以往系统等距布样方式又存在样本间隔的制定缺乏科学依据),进一步提高现行农作物种植面积空间抽样调查效率。【方法】选取安徽省蒙城县和冬小麦种植面积为研究区和研究对象,以正方形网格作为抽样基础单元,基于蒙城县2009年和2010年的冬小麦空间分布数据(分别源自ALOS AVNIR-2和Landsat5 TM影像提取结果),通过地统计学理论与"3S"技术(遥感、地理信息系统和全球定位技术)及传统抽样方法相结合,首先,设计8种抽样单元尺寸水平,利用不同种尺寸水平的抽样单元离散抽样区、构建抽样框;其次,选取简单随机抽样方法初选样本单元,利用初选样本构建抽样单元内冬小麦种植面积比例的变异函数理论模型,基于该模型分析抽样单元间空间关联性和异质性,定量确定抽样单元空间关联阈值;然后,遵循传统抽样理论要求样本间相互独立原则,以抽样单元空间关联阈值为抽样间隔,采用空间系统等距的布局方式对冬小麦种植面积空间抽样样本布局进行了优化设计;最后,以简单随机抽样方法为对照,选取抽样外推总体相对误差、总体总值估计量的变异系数(CV)及样本容量为评价指标,对布局优化设计后的抽样样本外推总体精度、稳定性(通过变异系数反映)及抽样成本(通过样本容量反映)进行定量评价试验研究。【结果】抽样单元内冬小麦种植面积比例的变异性随单元尺度的增大而增大,8种单元尺度下的抽样单元内冬小麦种植面积比例的变异系数变化范围为32.75%—43.46%,属中等变异;抽样单元内冬小麦种植面积比例在一定范围内存在强烈的空间相关性,该空间相关性主要由结构性因素(如气候、地形、土壤类型等自然因素)决定。抽样单元内冬小麦种植面积比例的空间关联阈值随抽样单元尺寸的增大而增大;当抽样单元尺寸较小时(500 m×500 m—2 000 m×2 000 m),在样本容量相同条件下,经布局优化设计后的抽样样本外推总体的相对误差和变异系数明显低于简单随机抽样;当抽样单元尺寸较大时(2 500 m×2 500 m—4 000 m×4 000 m),布局优化设计后的抽样样本外推总体的相对误差和变异系数虽未明显降低,但样本容量却显著减小。【结论】该文可为改善农作物种植面积空间抽样调查效率提供试验依据。

关键词：空间抽样冬小麦种植面积样本布局地统计学空间相关性

来源：评论

学校读者我要写书评

暂无评论

冬小麦叶面积指数高光谱遥感反演方法对比

引用

农业工程学报 2013年第3期29卷 139-147页

作者：夏天吴文斌周清波周勇农业部农业信息技术重点实验室北京100081 中国农业科学院农业资源与农业区划研究所北京100081 华中师范大学城市与环境科学学院武汉430079

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。... 详细信息

冬小麦叶面积指数(LAI,leafarea index)是评价其长势和预测产量的重要农学参数,高光谱遥感能够实现快速无损地监测叶面积指数。该文旨在将田间监测与高光谱遥感相结合,探索研究不同冬小麦叶面积指数高光谱反演方法的模拟精度及适应性。针对国际上普遍应用的2种高光谱遥感反演LAI模型方法,即回归分析法和BP神经网络法,在介绍2种LAI反演模型的基础上,选择位于黄淮海平原的山东省济南市长清区为研究区域,通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测,然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型,将模型估算LAI值和田间观测LAI值进行比对,分析评价2种方法的反演精度。结果表明,BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高,检验方程的决定系数(R2)为0.990、均方根误差(RMSE)为0.105。利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。研究结果可为不同冬小麦长势遥感监测提供理论和技术上的支持,并为大尺度传感器监测冬小麦长势和估产提供参考。

关键词：遥感回归分析神经网络估算 LAI 冬小麦反演方法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：