检索结果-内蒙古大学图书馆

智慧农业(中英文) 2025年

作者：赵培钦刘长斌郑婕孟炀梅新陶婷赵倩梅广源杨小冬湖北大学资源环境学院农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心

[目的]现有的作物估产模型通常在灾害气候条件下的估产精度不高，本研究提出一种基于干旱天气指数减产率模型的改进分层线性模型（Improved Hierarchical Linear Model, IHLM），旨在提高在干旱条件下作物产量估算的精度。[方法]采用最... 详细信息

[目的]现有的作物估产模型通常在灾害气候条件下的估产精度不高，本研究提出一种基于干旱天气指数减产率模型的改进分层线性模型（Improved Hierarchical Linear Model, IHLM），旨在提高在干旱条件下作物产量估算的精度。[方法]采用最大值的增强植被指数-2 （Maximum Enhanced Vegetation Index 2, EVI2max）和每年3月～5月降水量，辐射量和气温等气象数据和2018—2021年山东省160个农情调查基点的冬小麦实测产量数据构建冬小麦产量预测基础分层线性模型（Hierarchical Linear Model, HLM）。考虑到气象因素的变异程度是影响作物生长的关键障碍因子，首先将气象因子相对性计算进行模型改进，并对改进的HLM模型与随机森林（Random Forest, RF）模型、支持向量回归（Support Vector Regression, SVR）模型和极端梯度提升（Extreme Gradient Boosting, XGBOOST）模型进行精度对比。然后引入农业保险行业的干旱天气指数减产率模型，对改进的HLM模型进一步优化，从而更加适应干旱条件下的作物估产。为了验证IHLM模型的迁移性，本研究将其应用于河南省对比分析，以评估该模型在不同地理和气候条件下的表现。[结果和讨论]基于相对气象因子（Relative Meteorological Factors,rMF）改进的HLM模型精度相比于RF、SVR和XGBOOST更高，验证精度皮尔逊相关系数（Pearson Correlation Coefficien, r）为0.76，均方根误差（Root Mean Square Error, RMSE）为0.60 t/hm2，归一化均方根误差（Normalized Root Mean Square Error, nRMSE）为11.21%。在干旱条件数据集中，利用冬小麦干旱天气指数和冬小麦减产率的关系对模型进行了改进，改进之后RMSE减少了0.48 t/hm2, nRMSE减少了28.64个百分点，提高了IHLM模型在干旱条件下的精度。[结论]该研究对冬小麦产量HLM模型进行改进，提高了模型精度，在干旱情况下模型精度和稳定性有一定提升，相比于RF、SVR、XGBOOST模型，IHLM模型更适合对冬小麦产量预测。

关键词：冬小麦产量预测 HLM模型干旱

来源：评论

学校读者我要写书评

暂无评论

结合HSV-HS与K-means聚类算法的冬小麦苗密度估测

引用

测绘科学 2025年第4期 50-62页

作者：陶婷孟炀杜晓初梅新杨小冬北京市农林科学院信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室湖北大学资源与环境学院

针对植株高密度、植被覆盖度梯度差异弱，苗密度难以高精度估测的问题，该文通过RGB-HSV颜色空间转换，构建HSV-HS分割模型在苗期提取植被信息。利用K-means聚类分析将其分为小麦主茎和叶缘背景两部分。对聚类后的小麦主茎构建连通域并... 详细信息

针对植株高密度、植被覆盖度梯度差异弱，苗密度难以高精度估测的问题，该文通过RGB-HSV颜色空间转换，构建HSV-HS分割模型在苗期提取植被信息。利用K-means聚类分析将其分为小麦主茎和叶缘背景两部分。对聚类后的小麦主茎构建连通域并识别下部角点中心位置，定位主茎基，获取主茎基基数，并构建苗密度估测模型。与传统植被覆盖度、植被指数估测苗密度模型相比，本方法在冬小麦苗密度估测中表现出更高的精度。基于偏最小二乘法算法结合主茎基数构建基本苗密度估测模型，整体决定系数（R2）最高，均方根误差（RMSE）最小。通过不同参数组合，表明以主茎基数结合植被指数所构建偏最小二乘法的苗密度估测模型精度最高。利用HSV-HS结合K-means聚类方法获取的主茎基数，再叠加植被指数所构建的偏最小二乘法算法模型，在高密度、叶片重叠率高的情况下，能相对精准估测冬小麦苗密度。

关键词：冬小麦 K-means聚类分析算法主茎基识别苗密度估测无人机数码影像

来源：评论

学校读者我要写书评

暂无评论

基于适宜性与发展水平评价的村庄用地类型划分

引用

农业工程学报 2020年第1期36卷 283-291,F0003页

作者：唐秀美刘玉任艳敏北京农业信息技术研究中心北京100097 农业农村部农业遥感机理与定量遥感重点实验室北京100097

科学划分村庄用地类型并提出差异化的整治策略,是编制村庄发展规划和建设用地减量规划的基础。该文以北京市密云区为例,基于土地利用、兴趣点和社会统计等数据,从自然条件和用地形态2方面构建村庄用地适宜性评价模型,从区位条件、基础... 详细信息

科学划分村庄用地类型并提出差异化的整治策略,是编制村庄发展规划和建设用地减量规划的基础。该文以北京市密云区为例,基于土地利用、兴趣点和社会统计等数据,从自然条件和用地形态2方面构建村庄用地适宜性评价模型,从区位条件、基础设施、生态条件和资源产业4方面构建村庄发展状况评价模型,系统分析村庄用地适宜性与村庄发展状况及其二者的组合状态,进而划分村庄用地类型。结果表明:1)密云区村庄用地适宜性呈现明显的从西南到东北降低的分布趋势;2)村庄发展指数较高的村庄主要分布在西南区域的环密云城区一带,其次是中部围绕密云水库区域,北部区域村庄发展水平较低;3)基于二者的评价结果将全区村庄用地划分为9种组合,进而合并为4种村庄用地类型。该研究可为村庄用地的高效、有序整治利用提供依据。

关键词：土地利用整治村庄用地多源数据密云区

来源：评论

学校读者我要写书评

暂无评论

生态涵养区农村居民点内部用地结构特征研究

引用

农业机械学报 2022年第3期53卷 189-196页

作者：唐秀美刘玉任艳敏杨亚楠北京市农林科学院信息技术研究中心北京100097 农业农村部农业遥感机理与定量遥感重点实验室北京100097

科学划分农村居民点内部用地土地利用类型,并对其结构进行系统分析,是编制村庄发展规划和实施差异化整治措施的基础。以北京市密云区为例,基于细化分类的农村居民点内部用地数据和密云水库保护区范围,综合运用Weaver-Thomas组合系数法... 详细信息

科学划分农村居民点内部用地土地利用类型,并对其结构进行系统分析,是编制村庄发展规划和实施差异化整治措施的基础。以北京市密云区为例,基于细化分类的农村居民点内部用地数据和密云水库保护区范围,综合运用Weaver-Thomas组合系数法、洛伦兹曲线、基尼系数和景观格局分析等方法,分析农村居民点内部用地结构特征。结果表明:密云区农村居民点以生活空间为主,生产空间和生态空间为辅,居住、农业生产、工业生产和商旅服务是主要的用地类型;农村居民点内部生活空间的分布最均衡,其次是生产空间,生态空间用地类型最不均衡,水源保护区内的农村居民点用地生态空间面积比例高于区外。农村居民点内部用地类型较为混合,景观破碎;比较而言,水源保护区内的景观相对聚集和规则,说明水源保护区的划定和管理对农村居民点内部用地结构有一定影响。研究结果可为村庄用地的有序整治与高效利用提供依据。

关键词：农村居民点内部用地结构水源保护区均衡度密云区

来源：评论

学校读者我要写书评

暂无评论

基于中红外光谱特征增强和集成学习的土壤有机碳含量估算模型研究

引用

农业机械学报 2024年第8期55卷 382-390页

作者：唐澳华杨贵军杨悦陈伟男徐新刚徐波高美玲张静长安大学地质工程与测绘学院西安710054 农业农村部农业遥感机理与定量遥感重点实验室北京100097 长安大学土地工程学院西安710054

中红外光谱数据在实现土壤有机碳含量的准确、低成本快速预测方面具有巨大潜力。为提高光谱数据估算模型的普适性,本研究利用光谱特征增强策略,并基于Stacking算法结合多种机器学习方法构建了一种高鲁棒性的土壤有机碳含量估算模型。采... 详细信息

中红外光谱数据在实现土壤有机碳含量的准确、低成本快速预测方面具有巨大潜力。为提高光谱数据估算模型的普适性,本研究利用光谱特征增强策略,并基于Stacking算法结合多种机器学习方法构建了一种高鲁棒性的土壤有机碳含量估算模型。采用多种光谱特征增强方法及其组合对土壤中红外光谱进行特征增强,筛选最佳策略;通过应用Stacking算法结合多种机器学习方法构建集成模型,以提高模型泛化能力;将集成模型估算性能与偏最小二乘回归模型(PLSR)、梯度提升树(GBT)和一维卷积神经网络(1D-CNN)模型进行比较分析。研究结果表明,最佳光谱特征增强策略可以显著提高土壤光谱数据与土壤有机碳含量的相关性,最佳Pearson相关系数达到-0.82;相较于PLSR、GBT和1D-CNN等模型,集成模型在各光谱数据下均表现出较高的估算精度,特别是在一阶导变换结合多元散射校正的光谱特征增强策略下,集成模型展现出优良的估算性能(决定系数R^(2)=0.92,均方根误差为1.18 g/kg,相对分析误差为3.52)。本研究方法能够快速、准确地估算土壤有机碳含量,可为现代农业管理提供科学依据。

关键词：土壤有机碳估算模型集成学习光谱特征增强中红外光谱

来源：评论

学校读者我要写书评

暂无评论

基于Google Earth Engine和机器学习的耕地土壤有机质含量预测

引用

农业工程学报 2022年第18期38卷 130-137页

作者：郭静龙慧灵何津梅新杨贵军湖北大学资源环境学院武汉430062 农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院信息技术研究中心北京100097

土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,GEE)云计算平台的出现,为土壤有机质的高效反演提供了新的途径... 详细信息

土壤有机质含量是耕地质量定级的依据,是耕地质量评价的核心内容之一,因此,精准高效地获取土壤有机质含量非常重要。高分辨率遥感技术和谷歌地球引擎(Google Earth Engine,GEE)云计算平台的出现,为土壤有机质的高效反演提供了新的途径和方法。该研究以藁城区的Sentinel-2A MSI数据和Landsat8 OLI数据为主要的数据源,结合Sentinel-1 SAR数据、ECMWF/ERA5气象数据和USGS/SRTMGL1_003高程数据,分别采用随机森林(Random Forest,RF)、梯度升级树(Gradient Boosting Decision Tree,GBDT)和支持向量机(Support Vector Machine,SVM)算法,在GEE平台对藁城耕地土壤有机质含量进行反演。结果表明:1)基于Sentinel-2A建立的模型(模型A*)在预测SOM含量方面优于基于Landsat8建立的模型(模型B*),GBDT算法下的Sentinel-2A的全变量模型取得了最佳结果(R2=0.759,RMSE=2.852 g/kg);2)考虑红边波段的Sentinel-2A数据建立的模型(A-1)比不考虑红边波段的模型(A-0),R2提高了9.752%;3)从不同的预测算法来看,GBDT算法能较好地适用于研究区的土壤有机质预测,GBDT算法、Sentinel-2A与GEE的结合是土壤有机质预测制图的一种有效方法。

关键词：土壤有机质数字土壤制图 GEE云平台机器学习耕地

来源：评论

学校读者我要写书评

暂无评论

倒伏胁迫对水稻可视茎叶穗比率的影响及光谱响应解析

引用

光谱学与光谱分析 2019年第7期39卷 2264-2270页

作者：谢新锐顾晓鹤林丽群杨贵军张丽妍湖北大学资源环境学院湖北武汉430062 农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变... 详细信息

倒伏胁迫下作物的冠层光谱响应机理解析,是大范围作物倒伏灾情遥感监测的重要基础。倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率,通过解析冠层光谱与可视茎叶穗比率间的关系,探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律,为大范围作物倒伏灾情遥感监测提供理论支持。以2017年江苏省兴化市、大丰区的实发倒伏水稻为研究对象,在野外观测实验的支持下,分析不同倒伏强度的倒伏水稻冠层光谱变化规律,并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析,筛选能有效表征倒伏强度的敏感农学参数,采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型,实现水稻倒伏灾情的光谱诊断,并利用野外实测样本评价诊断精度。研究结果表明,随着倒伏强度的加大,冠层光谱表现出规律性变化,红光波段与近红外波段响应较为明显,“红边”位置明显“蓝移”,且“红边”振幅与“红边”面积增大,说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感;冠层可视叶茎比存在随倒伏强度增加而减少的规律,其相关性可达0.715,说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力;通过对可视叶茎比与冠层高光谱反射率进行相关性分析,分别于红光波段和近红外波段内筛选出698与1132nm作为敏感波段,进而计算特征植被指数;利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型,检验样本的决定系数为0.635,以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。因此,倒伏发生后水稻冠层的茎、叶、穗等组分在光谱探测器视场中的贡献比例发生了规律性改变,茎、叶、穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异,其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化,与倒伏强度具有较好的响应关系,不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级,有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。

关键词：水稻光谱响应叶茎比灰色关联分析倒伏灾情

来源：评论

学校读者我要写书评

暂无评论

基于高斯回归分析的水稻氮素敏感波段筛选及含量估算

引用

光谱学与光谱分析 2021年第6期41卷 1722-1729页

作者：王娇娇宋晓宇梅新杨贵军李振海李贺丽孟炀农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 湖北大学资源环境学院湖北武汉430062

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年—2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻... 详细信息

水稻氮素含量的准确监测是稻田精准施肥的重要环节,水稻叶片氮素含量发生变化会引起叶片、冠层的光谱发射率发生变化,高光谱遥感是目前作物氮素无损监测的关键技术之一。以2018年—2019年湖北监利两年水稻氮肥试验为基础,分别获取水稻分蘖期、拔节期、孕穗期、扬花期、灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据,利用单波段原始光谱和一阶导数光谱的相关性分析、高斯过程回归(GPR)等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。针对敏感波段,利用单波段回归分析、随机森林(RF)、支持向量回归(SVR)、高斯过程回归-随机森林(GPR-RF)、高斯过程回归-支持向量回归(GPR-SVR)和GPR构建水稻氮素监测模型,并进行精度对比,以确定水稻叶片在各生育期的氮素估算最佳模型。结果表明:GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。相同条件下,叶片模型精度整体高于冠层模型。相关性分析模型中,叶片尺度原始光谱模型更好,冠层尺度刚好相反,冠层一阶导数光谱可以减弱稻田背景噪声的影响。其中,叶片最佳模型建模集R^(2)为0.79,验证集R^(2)为0.84;冠层最佳模型建模集R^(2)为0.80,验证集R^(2)为0.77。与相关性回归分析模型相比,机器学习模型受生育期影响小(R^(2)>0.80,NRMSE<10%)。其中,RF比SVR更适合对GPR敏感波段建模,GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。五种方法中,GPR模型对生育期敏感度最低、叶片及冠层尺度效果都很好(R^(2)>0.94,NRMSE<6%)。且与其他四种机器学习方法相比,GPR模型可有效提高冠层氮素含量估算的精度和稳定性(R^(2)增加0.02,NRMSE降低1.2%)。GPR方法可为筛选作物氮素高光谱敏感波段、反演各生育期叶片及冠层氮素含量提供方法参考。

关键词：敏感波段氮素高斯过程回归随机森林支持向量回归高光谱

来源：评论

学校读者我要写书评

暂无评论

基于无人机多光谱影像的夏玉米叶片氮含量遥感估测

引用

农业工程学报 2019年第8期35卷 126-133,I0001页

作者：魏鹏飞徐新刚李中元杨贵军李振海冯海宽陈帼范玲玲王玉龙刘帅兵农业部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心北京100097 湖北大学资源环境学院武汉430062

利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数... 详细信息

利用无人机平台搭载多光谱相机组成的遥感监测系统在农业上已取得了一些成果,但利用无人机多光谱影像开展作物氮素估测研究少有尝试。基于此,该文利用国家精准农业基地2017年夏玉米3个关键生育期无人机多光谱影像和田间实测叶片氮含量数据,开展夏玉米叶片氮素含量的无人机遥感估测研究。对该研究选用的15个光谱变量,通过相关性分析解析光谱变量与LNC的相关关系,筛选出对玉米叶片氮素含量敏感的光谱变量;应用后向逐步回归方法分析不同变量指数下估测精度变化,最终确定不同生育期夏玉米LNC估测的光谱变量,实现对夏玉米叶片氮含量的较高精度监测。研究发现:1)在3个生育时期,GRE和GNDVI与LNC都有很强的相关性,表明绿波段可以很好地进行夏玉米生物理化参数的反演;2)在喇叭口期和灌浆期,OSAVI、SAVI与LNC具有高度相关性,证明在夏玉米生长前期和后期选择控制土壤因素的光谱变量可以提高对氮素估测的能力。在筛选最优光谱变量建模过程中发现,喇叭口期选取5个光谱变量(GNDVI、GRE、OSAVI、REG、SAVI)建模效果最好,估测模型的R^2、RMSE和nRMSE分别为0.63、27.63%、11.62%;抽雄吐丝期选取6个光谱变量(REG、GRE、GNDVI、MNLI、RED、NDVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.64、20.50%、7.80%;灌浆期选取5个光谱变量(GRE、GNDVI、RED、NDVI、OSAVI)建模效果最好,估测模型的R^2、RMSE和n RMSE分别为0.56、31.12%、12.71%;在不同生育期选取最优光谱变量进行夏玉米LNC估测具有很好的效果。应用无人机多光谱遥感影像数据可以很好地监测田块尺度夏玉米LNC的空间分布,可为玉米田间氮素精准管理提供空间决策服务信息支持。

关键词：无人机遥感氮多光谱叶片氮含量逐步回归夏玉米

来源：评论

学校读者我要写书评

暂无评论

面向乡村振兴战略的乡村发展格局及其分区研究

引用

农业工程学报 2019年第12期35卷 281-289页

作者：刘玉任艳敏潘瑜春唐林楠北京农业信息技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097 农业农村部农业遥感机理与定量遥感重点实验室北京100097

该文综合运用兴趣点、遥感影像等多源数据,基于“生产-生活-生态”(简称“三生”)空间功能视角,设计了面向乡村振兴战略的乡村发展评价方法,并以平谷区为例开展乡村发展格局及分区研究。结果表明:平谷区乡村生产、生活、生态功能的空间... 详细信息

该文综合运用兴趣点、遥感影像等多源数据,基于“生产-生活-生态”(简称“三生”)空间功能视角,设计了面向乡村振兴战略的乡村发展评价方法,并以平谷区为例开展乡村发展格局及分区研究。结果表明:平谷区乡村生产、生活、生态功能的空间分布特征,总体符合平谷区生态涵养建设目标及产业发展规律。基于空间的主导功能,将平谷区划分为生产主导、生活主导、生态主导、生活生产复合、生产生态复合、生态生活复合、生产生活生态复合共7类功能区。通过分析发现,平谷区基本呈现“平原区生产功能主导、中心城区及乡镇中心村生活功能主导、山区乡镇生态生活功能主导”的分布特征,其中生产主导功能区和生态生活复合功能区居多,面积占比分别为27.27%和24.38%。建议生产主导功能区积极发展现代化农业及旅游业,促进乡村产业振兴;生活主导功能区适度推进农村公共服务设施建设,促进乡村生态宜居;生态主导功能区坚持生态优先,保障生态空间功能发展;兼具2种以上优势空间功能类型的复合功能区,应结合区域自身及周边乡村的空间特性,宜生产则生产、宜生活则生活、宜生态则生态,优化布局“三生”空间;而复合功能区中“三生”功能均处于劣势的乡村,则需要结合“三生”空间功能发展的迫切程度,合理展开村庄空间规划和重构。研究结果可为乡村振兴战略实施下的乡村发展规划编制和建设实践提供指导。

关键词：乡村遥感分区发展格局 “生产-生活-生态”空间平谷区

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：