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

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

基于VSURF-CA的小麦条锈病高光谱病情指数估测模型

引用

中国农业科学 2024年第3期57卷 484-499页

作者：梅广源李荣梅新陈日强樊意广程金鹏冯子恒陶婷赵倩赵培钦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

【目的】条锈病对小麦生长和产量造成严重威胁，为确保有效防控，精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型，能快速、准确地估测病情指数（DI），为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期（抽... 详细信息

【目的】条锈病对小麦生长和产量造成严重威胁，为确保有效防控，精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型，能快速、准确地估测病情指数（DI），为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期（抽穗期、灌浆期和成熟期）高光谱数据，采用随机森林变量选择（VSURF）方法结合相关性分析（CA）对原始光谱（OR）和一阶微分光谱（FD）进行特征波段筛选。使用随机森林（RF）对比不同数据集的特征波段建模结果，确定模型效果最佳的特征集。随后借助偏最小二乘回归（PLSR）、极致梯度提升（XGBoost）以及反向传播神经网络（BPNN），对比特征集在不同算法中的建模效果。通过对比建模效果，确定针对全生育期小麦条锈病病情指数的最佳估测模型。为了验证特征集在不同生育期中的效果，利用特征集在3个生育期重新构建模型，并对比模型效果。【结果】对不同数据集进行特征筛选，并使用RF构建条锈病DI估测模型，通过比较模型效果，确定VSURF-CA-FD特征集（绿光范围的537 nm以及近红外范围的821和846nm）在RF模型中的估测效果最好。采用RF算法构建的模型表现出优异的精度，R2为0.89,RMSE为12.34。这些特征波段在其他算法构建的模型中也展现出良好的精度：XGBoost模型的R2为0.87,RMSE为13.15;BPNN模型的R2为0.84,RMSE为15.19;PLSR模型的R2为0.69,RMSE为20.92。使用不同生育期的冠层微分高光谱数据进行验证，利用VSURF-CA-FD特征集构建RF模型，对比模型发现在小麦生长的早期（抽穗期）R2为0.54,RMSE为1.29,NRMSE为0.21，能满足估测病害的要求；小麦生长的中期（灌浆期），模型的R2表现较好，R2为0.66,RMSE为12.24,NRMSE为0.21；小麦生长晚期（成熟期），模型效果好于前两个时期，R2为0.75,RMSE为10.77,NRMSE为0.15。【结论】使用VSURF-CA方法筛选出的特征波段，能构建出对小麦条锈病病情指数具有出色估测效果的RF模型。研究结果可为预测早期和中期条锈病病情指数提供有价值的思路和方法。

关键词：高光谱估测模型小麦条锈病病情指数 VSURF 特征选择

来源：评论

学校读者我要写书评

暂无评论

综合光谱纹理和时序信息的油茶遥感提取研究

引用

光谱学与光谱分析 2023年第5期43卷 1589-1597页

作者：孟浩然李存军郑翔宇宫雨生刘玉潘瑜春北京市农林科学院信息技术研究中心北京100097 辽宁科技大学土木工程学院辽宁鞍山114051 农业部农业遥感机理与定量遥感重点实验室北京100097

具有极高营养价值且被誉为东方“橄榄油”的油茶树是我国南方地区重要经济林,我国是世界上油茶树分布最广的国家。提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义。以地处亚热带地物复杂且多山地丘陵的湖... 详细信息

具有极高营养价值且被誉为东方“橄榄油”的油茶树是我国南方地区重要经济林,我国是世界上油茶树分布最广的国家。提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义。以地处亚热带地物复杂且多山地丘陵的湖南省常宁市为研究区,该区域分布有大量农田和森林,且部分植被季节变化较大,对油茶的遥感提取带来了很大挑战。提出了基于春夏秋三期的GF-2号高分辨率卫星影像,综合植被指数、纹理特征、 PCA主成分3种特征,以及春夏、春秋、夏秋、春夏秋四种不同时序组合和随机森林(RF)算法共构建了17种分类场景(S1—S17),运用随机森林(RF)、支持向量机(SVM)、最大似然(MLC)三种不同分类算法开展油茶遥感提取实验,筛选出最优特征组合、最佳分类季节与最优时序组合、最优分类方法。结果表明:仅基于光谱信息分类精度低,纹理特征的加入可大幅提升精度,而PCA对于精度的提升效果微弱;通过比较不同季节单时期的分类结果发现油茶提取精度最高的季节为夏季,夏季单时期影像在最优特征组合(S8)中油茶生产者精度(PA)为94.06%,油茶用户精度(UA)为92.57%;在分类场景S10—S17中实验发现,采用时序信息要比单时期影像有明显的精度提升,时序组合分类精度由高到低依次为:春夏秋、春夏、春秋、夏秋;综合光谱、纹理、时序信息通过随机森林(RF)、支持向量机(SVM)、最大似然(MLC)进行油茶提取,随机森林算法分类精度总体表现最好。采用春夏秋多时相遥感植被指数、纹理、 PCA的随机森林方法(S17)是分类精度最高的方案,总体精度(OA)和Kappa系数分别为96.85%和0.961 0,油茶生产者精度(PA)为98.31%,油茶用户精度(UA)为94.33%;采用春夏时相遥感植被指数、纹理的随机森林方法(S10)为兼顾计算效率与精度的最优方案,总体精度(OA)和Kappa系数分别为95.62%和0.9458,油茶生产者精度(PA)为96.93%,油茶用户精度(UA)为95.09%。所提出的最佳油茶遥感提取方案能够为亚热带地区油茶及其他经济林的遥感监测提供参考。

关键词：油茶遥感时序植被指数纹理特征

来源：评论

学校读者我要写书评

暂无评论

利用无人机激光雷达提取玉米叶面积密度

引用

武汉大学学报（信息科学版） 2021年第11期46卷 1737-1745页

作者：雷蕾李振洪杨浩杨贵军长安大学地质工程与测绘学院陕西西安710054 农业农村部农业遥感机理与定量遥感重点实验室北京市农林科学院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

叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采... 详细信息

叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采用基于接触频率的体素法对叶面积密度进行估算,再对多个体素大小进行分析得到最优体素大小(0.2 m);其次对各航线以及航线叠加效果进行对比,得到无人机激光雷达获取点云数据的最优激光脉冲入射角(-30°~52°);然后结合玉米叶倾角和激光脉冲入射角对叶面积密度估算模型进行校正,从而提高叶面积密度估算精度;最后通过对不同种植密度和不同品种的玉米叶面积密度分布进行分析,得到不同品种玉米的发育快慢、株型特点以及最合理的种植密度。以上结果可为基于无人机激光雷达数据估算叶面积密度提供指导,并为玉米育种和科学管理提供参考。

关键词：叶面积密度分布基于接触频率的体素法叶倾角脉冲入射角无人机激光雷达

来源：评论

学校读者我要写书评

暂无评论

基于遥感时序物候特征的耕地非粮化多模式监测方法

引用

农业工程学报 2024年第2期40卷 283-294页

作者：杨悦杨贵军龙慧灵张静陈伟男高美玲杨耘长安大学土地工程学院西安710054 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市农林科学院信息技术研究中心北京100097

耕地非粮化对粮食生产和农业可持续发展构成潜在威胁,精准监测不同的耕地非粮化类型对制定针对性的农业管理政策至关重要。该研究以河北省石家庄市藁城区为研究区,首先采用最大类间方差算法(OTSU)提取果园和耕地范围,然后利用Google Ear... 详细信息

耕地非粮化对粮食生产和农业可持续发展构成潜在威胁,精准监测不同的耕地非粮化类型对制定针对性的农业管理政策至关重要。该研究以河北省石家庄市藁城区为研究区,首先采用最大类间方差算法(OTSU)提取果园和耕地范围,然后利用Google Earth Engine(GEE)云计算平台构建了基于Sentinel-2遥感数据的特征集,包括光谱特征、物候特征和NDVI(normalized difference vegetation index)时序特征。结合面向对象分割和随机森林(radom forest, RF)、时间加权的动态时间规整(time-weighted dynamic time warping, TW-DTW)算法,构建了4种不同的分类模式用于提取粮食作物和露天蔬菜、大棚种植等非粮食作物。通过选择最优模式,提取了研究区2019-2022年间不同非粮化类型的空间分布信息,并探讨了不同模式的优点和局限性。结果表明:1)采用面向对象的机器学习模式进行耕地内作物分类的精度最佳,两个生长季内总体精度分别达到93.23%和90.10%,Kappa系数分别达到0.91和0.88;2)基于时间序列匹配的模式在区分粮食作物和其他地类方面表现出较高的准确性,冬小麦、玉米和大豆的用户精度分别高于95.60%、74.70%、82.70%,制图精度分别高于97.70%、86.40%、93.10%;3)利用面向对象的机器学习模式进行耕地非粮化信息提取,在两个作物生长季的总体精度为87.00%和81.00%。分析耕地非粮化结果发现,藁城区2019-2022年的年际性非粮化面积为2 753.09 hm^(2),其中果园占比最高;而季节性非粮化结果显示,秋粮非粮化面积(3 174.86 hm^(2))明显高于夏粮非粮化面积(1 060.27 hm^(2))。该研究利用Sentinel-2时序遥感数据,为一年两熟区耕地非粮化监测提供一种新的思路,可以为制定差异化农业管理政策提供依据。

关键词：遥感时间序列耕地非粮化机器学习时间加权的动态时间规整

来源：评论

学校读者我要写书评

暂无评论

利用无人机数码影像进行密植型果园单木分割

引用

武汉大学学报（信息科学版） 2022年第11期47卷 1906-1916页

作者：徐伟萌杨浩李振洪程金鹏林哈特杨贵军长安大学地质工程与测绘学院陕西西安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 北京市农林科学院信息技术研究中心北京100097 北京林业大学信息学院北京100083

单木树冠提取对果树健康状态、营养成分、产量预测具有重要意义。无人机获取的高分辨率遥感影像作为低成本、低风险的数据源,为准确估计棵数、描绘树木冠层轮廓提供了新的技术手段。以往关于单木冠层轮廓提取的研究大多集中在森林或稀... 详细信息

单木树冠提取对果树健康状态、营养成分、产量预测具有重要意义。无人机获取的高分辨率遥感影像作为低成本、低风险的数据源,为准确估计棵数、描绘树木冠层轮廓提供了新的技术手段。以往关于单木冠层轮廓提取的研究大多集中在森林或稀疏果园,以局部最大值滤波结果作为基于标记分水岭算法的种子点,该方法在密植型果园的表现并不理想。提出了一种适用于密植型果园、以区域型种子块作为标记的分水岭算法,通过最大似然法提取果树冠层生成冠层数字表面模型,利用高斯滤波结合形态学开运算及自适应阈值分割方法生成区域型种子块,并执行基于种子块标记的分水岭算法,实现密植型果园单木分割。实例研究结果表明,总体棵数查全率为95.22%,查准率为99.09%,得到单木轮廓提取总体准确率为93.45%,总体欠分割误差为5.87%,总体过分割误差为0.90%。与局部最大值种子点提取结果对比,总体准确度提高18.66%,精细树冠轮廓提取精度提高17.75%,可为地形平缓地区密植型果园单棵果树树冠提取提供参考。

关键词：无人机单木分割标记分水岭算法数码影像

来源：评论

学校读者我要写书评

暂无评论

利用无人机高光谱估算冬小麦叶绿素含量

引用

光谱学与光谱分析 2022年第11期42卷 3575-3580页

作者：冯海宽陶惠林赵钰杨福芹樊意广杨贵军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 南京农业大学国家信息农业工程技术中心江苏南京210095 河南工程学院土木工程学院河南郑州451191

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参... 详细信息

叶绿素含量(SPAD)是作物长势评价的重要指标,可以监测农作物的生长状况,对农业管理至关重要,因此快速、准确地估算SPAD具有重要意义。以冬小麦为研究对象,利用无人机高光谱获取了拔节期、挑旗期和开花期的影像数据,获取植被指数和红边参数,研究植被指数与红边参数估算SPAD的能力。先将植被指数与红边参数分别与不同生育期的SPAD进行相关性分析,再基于植被指数、植被指数结合红边参数,通过偏最小二乘回归(PLSR)方法估算SPAD,最后制作SPAD分布图验证模型的有效性。结果表明,(1)大部分植被指数与红边参数在3个主要生育期与SPAD相关性均达到极显著水平(0.01显著);(2)单个植被指数构建的SPAD估算模型中,LCI表现最好(R^(2)=0.56,RMSE=2.96,NRMSE=8.14%),红边参数中Dr/Dr_(min)表现最好(R^(2)=0.49,RMSE=3.18,NRMSE=8.76%);(3)基于植被指数结合红边参数构建的SPAD估算模型效果最佳,优于仅基于植被指数构建的SPAD估算模型,同时,随着生育期推移,两种模型均在开花期达到最高精度,R^(2)分别为0.73和0.78,RMSE分别为2.49和2.22,NRMSE分别为5.57%和4.95%。因此,基于植被指数结合红边参数,并使用PLSR方法可以更好地估算SPAD,可以为基于无人机遥感的SPAD监测提供一种新的方法,也可为农业管理提供参考。

关键词：冬小麦叶绿素含量植被指数红边参数偏最小二乘回归

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：