遙感技術(shù)中農(nóng)業(yè)科技的服務(wù)領(lǐng)域應(yīng)用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了遙感技術(shù)中農(nóng)業(yè)科技的服務(wù)領(lǐng)域應(yīng)用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:【目的】遙感技術(shù)具有大范圍、周期性獲取地表信息的特點(diǎn),被廣泛應(yīng)用于農(nóng)業(yè)作物面積制圖、農(nóng)作物長勢監(jiān)測與產(chǎn)量估計(jì)和農(nóng)情監(jiān)測等農(nóng)業(yè)生產(chǎn)和管理的各個(gè)環(huán)節(jié).【方法】在闡述了地塊級、業(yè)務(wù)化的農(nóng)業(yè)遙感服務(wù)概念和內(nèi)容的基礎(chǔ)上,分析了國內(nèi)外地塊級、業(yè)務(wù)化的農(nóng)業(yè)遙感服務(wù)現(xiàn)狀.【結(jié)果】由于中國實(shí)行農(nóng)民聯(lián)產(chǎn)承包責(zé)任制,地塊較為破碎,管理較為精細(xì),對地塊級遙感監(jiān)測的需求不大等原因,使得中國地塊級、業(yè)務(wù)化的農(nóng)業(yè)遙感服務(wù)尚處于起步階段.【結(jié)論】隨著中國逐步推廣農(nóng)村土地流轉(zhuǎn),實(shí)施大范圍的機(jī)械化農(nóng)業(yè),業(yè)務(wù)化、精細(xì)化的農(nóng)業(yè)遙感監(jiān)測具有廣闊的前景.

關(guān)鍵詞:遙感;農(nóng)業(yè);精準(zhǔn)農(nóng)業(yè);服務(wù)

遙感技術(shù)具有大范圍、周期性獲取地表信息的特點(diǎn),被廣泛應(yīng)用于農(nóng)業(yè)、減災(zāi)、林業(yè)等各個(gè)領(lǐng)域[1,2].其中,農(nóng)業(yè)是遙感技術(shù)發(fā)展最早、應(yīng)用最成熟的領(lǐng)域之一.遙感技術(shù)被廣泛應(yīng)用于農(nóng)業(yè)作物面積制圖、農(nóng)作物長勢監(jiān)測與產(chǎn)量估計(jì)和農(nóng)情監(jiān)測等農(nóng)業(yè)生產(chǎn)和管理的各個(gè)環(huán)節(jié)[3G5].大范圍農(nóng)作物面積遙感監(jiān)測方法主要包括抽樣調(diào)查和全覆蓋方法[6G10].農(nóng)作物面積遙感抽樣調(diào)查方法是先將監(jiān)測區(qū)域劃分成各個(gè)樣方,根據(jù)抽樣調(diào)查理論抽選部分樣方,再對抽樣樣方的農(nóng)作物面積進(jìn)行調(diào)查,最后根據(jù)抽樣理論推算出整個(gè)區(qū)域的農(nóng)作物面積[3,8].全覆蓋測量方法是利用全覆蓋的衛(wèi)星影像,根據(jù)不同作物在影像上的光譜或者空間特征,利用計(jì)算機(jī)自動(dòng)分類或者人工識別方法,獲得全覆蓋的農(nóng)作物類型空間分布圖[9,10].農(nóng)作物長勢監(jiān)測和產(chǎn)量估計(jì)方面,植被指數(shù)、葉面積指數(shù)和生物量等遙感指標(biāo)被廣泛應(yīng)用于定性的長勢監(jiān)測和經(jīng)驗(yàn)產(chǎn)量估計(jì)[11].利用遙感技術(shù)還可以實(shí)現(xiàn)地塊級別的作物生理生化參數(shù)(水分、葉綠素、氮和碳等)濃度和農(nóng)田土壤養(yǎng)分的反演[12,13].利用這些參數(shù),結(jié)合作物生長模型進(jìn)行定量化農(nóng)作物長勢監(jiān)測和產(chǎn)量估計(jì)是目前的發(fā)展方向之一[1].農(nóng)情遙感監(jiān)測主要包括病蟲害監(jiān)測和災(zāi)情監(jiān)測.遙感技術(shù)病蟲害監(jiān)測主要利用作物受不同脅迫影響后發(fā)生的光譜響應(yīng)來監(jiān)測病蟲害的發(fā)生和發(fā)展程度.目前,遙感技術(shù)對小麥條銹病、番茄晚疫病、柑橘黃龍病和水稻紋枯病的監(jiān)測精度已經(jīng)高于85％[14,15].在干旱、洪澇和低溫等主要農(nóng)作物災(zāi)害方面,基于遙感土壤水分指數(shù)、地表溫度等參數(shù)的農(nóng)作物干旱、洪澇和低溫災(zāi)害監(jiān)測已在中國業(yè)務(wù)化運(yùn)行[16G18].然而,雖然遙感技術(shù)在農(nóng)業(yè)中得到了廣泛和成熟的應(yīng)用,但主要集中利用中低空間分辨率衛(wèi)星數(shù)據(jù)進(jìn)行大范圍的監(jiān)測,服務(wù)于農(nóng)業(yè)部、統(tǒng)計(jì)局等國家部委.在面向社會大眾的產(chǎn)業(yè)化方面,由于中國實(shí)行農(nóng)民聯(lián)產(chǎn)承包責(zé)任制,地塊較為破碎,管理較為精細(xì),對遙感監(jiān)測的需求不大,使得中國目前在該領(lǐng)域尚屬于起步階段.近年來中國在逐步推廣農(nóng)村土地流轉(zhuǎn),實(shí)施大范圍的機(jī)械化農(nóng)業(yè),激發(fā)了業(yè)務(wù)化、精細(xì)化的農(nóng)業(yè)遙感監(jiān)測需求.因此為適應(yīng)農(nóng)業(yè)遙感市場發(fā)展的新需求,基于目前農(nóng)業(yè)遙感的發(fā)展現(xiàn)狀,面向業(yè)務(wù)化、小區(qū)域精細(xì)農(nóng)業(yè)遙感服務(wù)的需求,分析遙感農(nóng)業(yè)科技服務(wù)的內(nèi)涵、服務(wù)內(nèi)容、技術(shù)方法和服務(wù)現(xiàn)狀,探討農(nóng)業(yè)遙感科技服務(wù)的未來.

1遙感農(nóng)業(yè)科技服務(wù)的概念

基于遙感技術(shù)的農(nóng)業(yè)信息化科技服務(wù)是指基于遙感、地理信息系統(tǒng)等信息技術(shù),為農(nóng)業(yè)生產(chǎn),提供地塊級業(yè)務(wù)化農(nóng)業(yè)生產(chǎn)輔助管理服務(wù),實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)過程的信息化管理,提高農(nóng)業(yè)管理效率,降低生產(chǎn)成本和污染,促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展;提高農(nóng)業(yè)生產(chǎn)過程中對自然災(zāi)害的響應(yīng)能力,最大限度降低自然災(zāi)害的影響.具體服務(wù)內(nèi)容包括:地塊級精準(zhǔn)農(nóng)業(yè)管理、農(nóng)產(chǎn)品產(chǎn)量預(yù)測、病蟲害監(jiān)測、災(zāi)情監(jiān)測和農(nóng)業(yè)保險(xiǎn)等服務(wù).

2遙感農(nóng)業(yè)科技服務(wù)的內(nèi)容

2．1精準(zhǔn)農(nóng)業(yè)管理

2．1．1精準(zhǔn)施肥

精準(zhǔn)施肥是指利用遙感技術(shù)進(jìn)行氮、磷、鉀等作物養(yǎng)分的精準(zhǔn)監(jiān)測,實(shí)時(shí)了解作物的養(yǎng)分狀況,繪制作物的養(yǎng)分脅迫地圖,結(jié)合GPS,實(shí)現(xiàn)對作物養(yǎng)分缺乏區(qū)域的精準(zhǔn)施肥,降低化肥使用量,減少環(huán)境污染和生產(chǎn)成本.作物養(yǎng)分遙感監(jiān)測主要是利用高光譜遙感數(shù)據(jù)進(jìn)行氮、磷、鉀等作物生化組分的反演,反演方法主要采用植被指數(shù)、紅邊指數(shù)等進(jìn)行經(jīng)驗(yàn)回歸[12,19].

2．1．2精準(zhǔn)灌溉

精準(zhǔn)灌溉是指利用遙感技術(shù)進(jìn)行土壤墑情和作物需水量的精準(zhǔn)動(dòng)態(tài)監(jiān)測,實(shí)現(xiàn)地塊級的適時(shí)、適量的作物水分精準(zhǔn)灌溉,提高灌溉效率,節(jié)約水資源量.干旱監(jiān)測主要有基于可見光遙感的熱慣量法、條件溫度指數(shù)法、距平植被指數(shù)法、條件植被指數(shù)法、作物缺水指數(shù)法等[20,21].

2．1．3精準(zhǔn)噴藥

精準(zhǔn)噴藥是指利用遙感技術(shù),進(jìn)行農(nóng)作物病蟲害的高精度精準(zhǔn)監(jiān)測和制圖,結(jié)合GPS,采用無人機(jī)噴灑技術(shù),實(shí)現(xiàn)對作物病蟲害區(qū)域的精準(zhǔn)噴藥.此外,利用遙感技術(shù)進(jìn)行病蟲害的實(shí)時(shí)動(dòng)態(tài)監(jiān)測,還可以使農(nóng)田管理者實(shí)時(shí)了解病蟲害的發(fā)生、發(fā)展?fàn)顩r,為病蟲害的早期防治提供數(shù)據(jù)支撐,降低蟲害損失.遙感技術(shù)病蟲害監(jiān)測主要是通過監(jiān)測病蟲害導(dǎo)致的作物光譜響應(yīng)的變化,構(gòu)建病蟲害的指示指數(shù)來進(jìn)行監(jiān)測[14,15,22].

2．2長勢監(jiān)測與產(chǎn)量估計(jì)

遙感監(jiān)測的植被指數(shù)可以直接反映植被的長勢、覆蓋度和動(dòng)態(tài)季相變化[23,24],利用時(shí)序歸一化植被指數(shù)(NDVI)、差值植被指數(shù)(DVI)和比值植被指數(shù)(RVI)等遙感植被數(shù)據(jù),采用逐年比較模型、等級模型和診斷模型等方法,可以實(shí)現(xiàn)對作物長勢的動(dòng)態(tài)監(jiān)測[11],采用植被指數(shù)與地面實(shí)測產(chǎn)量的回歸模型法可以實(shí)現(xiàn)農(nóng)作物產(chǎn)量的估計(jì)[25].

2．3農(nóng)業(yè)保險(xiǎn)服務(wù)

遙感技術(shù)可以從兩個(gè)方面服務(wù)于農(nóng)業(yè)保險(xiǎn).1)農(nóng)田地塊信息的獲取與管理.利用高分辨率遙感影像可以通過面向?qū)ο蟮挠?jì)算機(jī)和人工解譯方法獲取承保地塊屬性情況,準(zhǔn)確測算承保地塊的種植面積、位置、作物類型,提供每一塊承保地塊“遙感提取面積”與“投保面積”關(guān)聯(lián)對比,對承保農(nóng)作物類型、區(qū)域位置、耕地類型、地塊屬性進(jìn)行評估驗(yàn)標(biāo),并實(shí)現(xiàn)對承保標(biāo)的風(fēng)險(xiǎn)指數(shù)分析.2)災(zāi)情評估.利用遙感技術(shù)可以實(shí)現(xiàn)高精度的洪災(zāi)[16,26]、旱災(zāi)[17,27]和火災(zāi)[18]等自然災(zāi)害范圍的監(jiān)測,同時(shí)利用遙感技術(shù)進(jìn)行作物長勢的監(jiān)測,可以評估由于災(zāi)情導(dǎo)致的量減產(chǎn),從而為保險(xiǎn)理賠提供科學(xué)數(shù)據(jù)支撐[28,29].

3遙感農(nóng)業(yè)科技服務(wù)的現(xiàn)狀

3．1國外服務(wù)現(xiàn)狀

遙感技術(shù)農(nóng)業(yè)服務(wù)在美國、加拿大等北美國家發(fā)展較為成熟,涌現(xiàn)了以Climate和FarmsEdge為代表的專業(yè)遙感農(nóng)業(yè)科技服務(wù)公司.美國1/4的農(nóng)戶使用Climate公司的服務(wù),2016年該公司的營業(yè)額高達(dá)995億元人民幣.Climate和FarmersEdge提供的農(nóng)業(yè)科技服務(wù)內(nèi)容包括:

3．1．1數(shù)據(jù)采集和可視化服務(wù)

數(shù)據(jù)采集、管理:實(shí)時(shí)的數(shù)據(jù)采集和可視化服務(wù),可以采集拖拉機(jī)、耕種機(jī)、播種機(jī)、噴霧器等農(nóng)業(yè)機(jī)械設(shè)備的數(shù)據(jù),以及放置在地塊的氣象站點(diǎn)數(shù)據(jù),并可疊加在衛(wèi)星影像上,在電腦、PAD和手機(jī)等終端上實(shí)時(shí)展現(xiàn).耕種過程的實(shí)時(shí)在線顯示和在線監(jiān)控:在遙感影像地圖中實(shí)時(shí)顯示耕種過程,監(jiān)控農(nóng)作物播種密度和產(chǎn)量,為農(nóng)田管理者提供農(nóng)田生產(chǎn)活動(dòng)的在線監(jiān)控,實(shí)時(shí)顯示各項(xiàng)農(nóng)田生產(chǎn)活動(dòng)的進(jìn)度.

3．1．2數(shù)據(jù)分析服務(wù)

1)作物產(chǎn)量評估.利用遙感影像和數(shù)字地圖比較關(guān)鍵參數(shù),確定影響產(chǎn)量的關(guān)鍵措施.提交作物長勢報(bào)告,并為下一個(gè)季度的作物類型挑選提供選擇依據(jù).關(guān)鍵農(nóng)田參數(shù)對比:對比不同時(shí)期的農(nóng)作物產(chǎn)量、管理措施、作物健康狀況等數(shù)據(jù),監(jiān)測作物的長勢,幫助客戶更好的理解作物長勢影響變量.產(chǎn)量分析:更好的分析雜交、土壤類型和農(nóng)田管理措施等對產(chǎn)量措施的影響,幫助客戶在下季度做更出更好的決策,出具產(chǎn)量分析報(bào)告,便于與管理顧問分享.地塊分析:出具基于地塊的農(nóng)作物表現(xiàn)報(bào)告,幫助客戶分析不同農(nóng)田管理措施如何影響農(nóng)作物產(chǎn)量.2)農(nóng)作物長勢監(jiān)測與預(yù)防.利用持續(xù)的高質(zhì)量遙感影像進(jìn)行作物長勢的監(jiān)測,提前識別和預(yù)防農(nóng)作物災(zāi)害的發(fā)生,保護(hù)農(nóng)作物產(chǎn)量.

3．1．3精準(zhǔn)管理服務(wù)

為每一種作物定制一個(gè)管理計(jì)劃,通過氮元素監(jiān)測工具和可變速率播種工具來獲得最大的產(chǎn)量.可變速率播種:通過基于多數(shù)據(jù)層手動(dòng)腳本方式或者通過歷史現(xiàn)場數(shù)據(jù),創(chuàng)建可變速率播種,結(jié)合現(xiàn)場測量結(jié)果,定制適合特定產(chǎn)量或盈利目標(biāo)的種植方案.氮素監(jiān)測:通過監(jiān)測定制區(qū)域的氮元素含量,使得地塊始終處在最佳的氮素水平,發(fā)現(xiàn)潛在的缺陷,并輕松添加或編輯氮?dú)鈶?yīng)用數(shù)據(jù),以確保實(shí)現(xiàn)您的產(chǎn)量目標(biāo).

3．2國內(nèi)服務(wù)現(xiàn)狀

近年來,中國農(nóng)業(yè)逐漸向機(jī)械化、產(chǎn)業(yè)化方向發(fā)展,使得對基于遙感的農(nóng)業(yè)服務(wù)需求越來越旺盛,相繼涌現(xiàn)了“佳格”和“云保天下”等遙感科技農(nóng)業(yè)服務(wù)公司.這些企業(yè)主要提供地塊管理、作物管理、病蟲害防治、農(nóng)業(yè)保險(xiǎn)等服務(wù).

3．2．1地塊管理

在高分辨率遙感影像上,根據(jù)耕地的紋理、種類等特征,實(shí)時(shí)地確定地塊位置、識別地塊分界、測算地塊和種植面積,并在云端存儲.

3．2．2作物管理

作物長勢監(jiān)測:用可見光、紅外、激光、雷達(dá)等實(shí)時(shí)掃描作物的生長狀態(tài),據(jù)土壤和歷史氣候數(shù)據(jù),并結(jié)合作物生長模型評估其健康狀況.生長周期估算:利用遙感衛(wèi)星一次性監(jiān)測到廣大地域作物的生長狀態(tài),實(shí)時(shí)監(jiān)控作物所處的生長周期,為灌溉、施肥、植保、收割等農(nóng)事活動(dòng)提供依據(jù),為每個(gè)區(qū)域推薦最佳的收割期.

3．2．3病蟲害管理

病蟲害預(yù)警:基于主要作物的病蟲害預(yù)報(bào)模型,根據(jù)實(shí)時(shí)的氣候、地塊溫度和濕度,通過云端專家知識庫,預(yù)報(bào)未來數(shù)周主要農(nóng)作物病蟲害的發(fā)生概率,為更好地開展植保提供數(shù)據(jù).植保方案:通過比較不同時(shí)期衛(wèi)星成像的作物生長狀態(tài),實(shí)時(shí)地評估作物健康,并做出植保建議.針對不同的作物病蟲害類型,選擇針對性的植保方案和特效農(nóng)藥,對不同作物在不同生長時(shí)期的問題給出成套的植保解決方案.

3．2．4農(nóng)業(yè)保險(xiǎn)服務(wù)

保險(xiǎn)標(biāo)的精準(zhǔn)管理:以衛(wèi)星遙感和地理信息系統(tǒng)為核心,構(gòu)建農(nóng)業(yè)保險(xiǎn)標(biāo)的綜合管理平臺,實(shí)現(xiàn)行政區(qū)劃、土地歸屬人、宗地編號等多維度的地塊查詢、數(shù)據(jù)統(tǒng)計(jì)等功能.完美結(jié)合農(nóng)業(yè)保險(xiǎn)標(biāo)的管理實(shí)際應(yīng)用場景,促進(jìn)農(nóng)業(yè)保險(xiǎn)標(biāo)的管理升級.受災(zāi)程度精準(zhǔn)評估:通過估產(chǎn)模型,對各類主糧作物及經(jīng)濟(jì)作物的產(chǎn)量進(jìn)行準(zhǔn)確估算,結(jié)合保險(xiǎn)公司具體賠付標(biāo)準(zhǔn),生成災(zāi)情評估報(bào)告,為核保定損提供決策依據(jù).保險(xiǎn)費(fèi)率精準(zhǔn)厘定:結(jié)合歷史災(zāi)害信息、歷史產(chǎn)量、氣象、地形地貌等綜合條件,對不同地塊的災(zāi)情發(fā)生概率與產(chǎn)量進(jìn)行評估,為差異化保費(fèi)制定提供基礎(chǔ).

4結(jié)論與展望

隨著遙感技術(shù)的發(fā)展,農(nóng)業(yè)遙感技術(shù)逐步從大區(qū)域資源調(diào)查和宏觀決策支持服務(wù),向精細(xì)化農(nóng)業(yè)生產(chǎn)服務(wù)方向發(fā)展,如地塊級的農(nóng)作物長勢監(jiān)測、病蟲害預(yù)防、精準(zhǔn)噴施等,逐步形成了包含遙感數(shù)據(jù)和氣象數(shù)據(jù)等支撐的數(shù)據(jù)驅(qū)動(dòng)農(nóng)業(yè)生產(chǎn)服務(wù)模式,使得農(nóng)業(yè)生產(chǎn)活動(dòng)逐步走向信息化、數(shù)字化和智能化.雖然目前遙感技術(shù)在精細(xì)化農(nóng)業(yè)生產(chǎn)服務(wù)中發(fā)揮了越來越大的作用,并已經(jīng)形成了數(shù)百億美元的巨大市場.然而,目前農(nóng)業(yè)遙感服務(wù)還存在以下問題:1)主要采用可見光遙感數(shù)據(jù),由于可見光遙感技術(shù)的限制,可見光遙感數(shù)據(jù)的光譜分辨率低,限制了其在病蟲害監(jiān)測、農(nóng)作物生化組分反演等方面的應(yīng)用,而衛(wèi)星高光譜遙感數(shù)據(jù)空間分辨率較低,難以適用于地塊級別的病蟲害和生物組分反演應(yīng)用.2)可見光遙感數(shù)據(jù)容易受到云雨等天氣條件的影響,雷達(dá)遙感可以穿云透霧,但目前高空間分辨率雷達(dá)衛(wèi)星較少,且數(shù)據(jù)成本高昂,也不適用于地塊級別的應(yīng)用.機(jī)載數(shù)據(jù),特別是無人機(jī)載高光譜數(shù)據(jù),是解決上述問題的有效手段之一.雖然基于無人機(jī)載高光譜數(shù)據(jù)的病蟲害和生化組分反演還處于應(yīng)用研究階段,但該平臺是精細(xì)化農(nóng)業(yè)遙感進(jìn)一步發(fā)展的重要方向之一.3)農(nóng)業(yè)遙感技術(shù)服務(wù)的時(shí)效性還有待提高.農(nóng)情遙感監(jiān)測,特別是病蟲害、旱災(zāi)等的監(jiān)測對時(shí)效性有很高的要求,然而目前實(shí)時(shí)或準(zhǔn)實(shí)時(shí)遙感,受遙感數(shù)據(jù)分發(fā)、數(shù)據(jù)處理等水平的限制,發(fā)展水平較低,還難以做到實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的應(yīng)用的需求,基于GFG4號衛(wèi)星等高時(shí)空分辨率遙感技術(shù)發(fā)展實(shí)時(shí)或準(zhǔn)實(shí)時(shí)遙感技術(shù)是發(fā)展的方向之一.4)農(nóng)業(yè)遙感技術(shù)服務(wù)的費(fèi)效比還有待提高.農(nóng)業(yè)的每平方公里GDP產(chǎn)值較低,這決定了農(nóng)戶不可能花費(fèi)較多費(fèi)用購買遙感技術(shù)服務(wù),如何在滿足應(yīng)用需求的前提下,盡量減低遙感技術(shù)服務(wù)的費(fèi)用,提高農(nóng)業(yè)遙感經(jīng)濟(jì)服務(wù)效率,是決定農(nóng)業(yè)遙感商業(yè)化應(yīng)用水平的根本.目前高空間分辨率衛(wèi)星遙感和無人機(jī)遙感監(jiān)測的費(fèi)用均較高,還難以滿足農(nóng)業(yè)應(yīng)用的低成本需求,GFG2/1等國產(chǎn)高空間分辨率衛(wèi)星數(shù)據(jù)是免費(fèi)分發(fā)的數(shù)據(jù),基于這些數(shù)據(jù)來提供農(nóng)業(yè)遙感技術(shù)服務(wù)可以大幅減低遙感技術(shù)服務(wù)費(fèi)用.

參考文獻(xiàn):

[1]陳仲新,任建強(qiáng),唐華俊,等．農(nóng)業(yè)遙感研究應(yīng)用進(jìn)展與展望[J]．遙感學(xué)報(bào),2016,20(5):748G767

[2]歐陽玲,毛德華,王宗明,等．基于GFG1與Landsat8OLI影像的作物種植結(jié)構(gòu)與產(chǎn)量分析[J]．農(nóng)業(yè)工程學(xué)報(bào),2017,33(11):147G156

[3]劉國棟,鄔明權(quán),牛錚,等．基于GFG1衛(wèi)星數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法[J]．農(nóng)業(yè)工程學(xué)報(bào),2015,31(5):160G166

[4]朱壽東,劉慧平,馮徽徽,等．基于時(shí)間序列影像的中觀尺度農(nóng)作物長勢監(jiān)測采樣方法[J]．農(nóng)業(yè)工程學(xué)報(bào),2012,28(2):127G133

[5]徐新剛,吳炳方,蒙繼華,等．農(nóng)作物單產(chǎn)遙感估算模型研究進(jìn)展[J]．農(nóng)業(yè)工程學(xué)報(bào),2008,24(2):290G298

[6]鄔明權(quán),楊良闖,于博,等．基于遙感與多變量概率抽樣調(diào)查的作物種植面積測量[J]．農(nóng)業(yè)工程學(xué)報(bào),2014,30(2):146G152

[7]李宜展,朱秀芳,潘耀忠,等．農(nóng)作物種植面積遙感估算優(yōu)化研究———抽樣單元[J]．北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2015,51(S1):119G126

[8]王迪,周清波,陳仲新,等．空間抽樣方法估算冬小麥播種面積[J]．農(nóng)業(yè)工程學(xué)報(bào),2012,28(10):177G184

[9]劉佳,王利民,楊福剛,等．基于HJ時(shí)間序列數(shù)據(jù)的農(nóng)作物種植面積估算[J]．農(nóng)業(yè)工程學(xué)報(bào),2015,31(3):199G206

[10]鄔明權(quán),王長耀,牛錚．利用多源時(shí)序遙感數(shù)據(jù)提取大范圍水稻種植面積[J]．農(nóng)業(yè)工程學(xué)報(bào),2010,26(7):240G244

[11]孔令寅,延昊,鮑艷松,等．基于關(guān)鍵發(fā)育期的冬小麥長勢遙感監(jiān)測方法[J]．中國農(nóng)業(yè)氣象,2012,33(3):424G430

[12]孫焱鑫,王紀(jì)華,李保國,等．基于BP和GRNN神經(jīng)網(wǎng)絡(luò)的冬小麥冠層葉綠素高光譜反演建模研究[J]．遙感技術(shù)與應(yīng)用,2007,22(4):492G496

[13]顏春燕．遙感提取植被生化組分信息方法與模型研究:[學(xué)位論文]．北京:中國科學(xué)院研究生院(遙感應(yīng)用研究所),2003

[14]張競成,袁琳,王紀(jì)華,等．作物病蟲害遙感監(jiān)測研究進(jìn)展[J]．農(nóng)業(yè)工程學(xué)報(bào),2012,28(20):1G11

[15]唐翠翠．基于多源遙感數(shù)據(jù)的小麥病蟲害大尺度監(jiān)測預(yù)測研究[D]．合肥:安徽大學(xué),2016

[16]李通,張麗,申茜,等．湄公河下游洪災(zāi)淹沒面積多源遙感時(shí)序監(jiān)測分析[J]．應(yīng)用科學(xué)學(xué)報(bào),2016,34(1):75G83

[17]覃志豪,高懋芳,秦曉敏等．農(nóng)業(yè)旱災(zāi)監(jiān)測中的地表溫度遙感反演方法———以MODIS數(shù)據(jù)為例[J]．自然災(zāi)害學(xué)報(bào),2005,14(4):64G71

[18]鄭偉,邵佳麗,王萌,等．多源衛(wèi)星遙感草原火災(zāi)動(dòng)態(tài)監(jiān)測分析[J]．自然災(zāi)害學(xué)報(bào),2013,22(3):54G61

[19]FeiL,MartinlG,JiaL,etal．F．EstimatingNstatusofwinGterwheatusingahandheldspectrometerintheNorthCinahPlain[J]．FieldCorpsRsearche,2008,106(1):77G85

[20]AnyambaA,TuckerCJ．NDVIanomalypatternsoverAricafduringthe1997/98ENSOwarmevent[J]．InternationalJournalofRemoteSnsineg2001,22(10):1847G1859

[21]BokenVK．ImprovingadroughtearlywarningmodelforanaridregionusingasoilGmoistureindex[J]．AppliedGoegraphy2009,29(3):402G408

[22]YangC,OdvodyGN,FernandezCJ,etal．EvaluatingunsuGpervisedandsupervisedimageclassificationmethodsformapGpingcottonrootrot[J]．PrecisionAgriculture,2015,16(2):201G215

[23]吳素霞,毛任釗,李紅軍,等．中國農(nóng)作物長勢遙感監(jiān)測研究綜述[J]．中國農(nóng)學(xué)通報(bào),2005,21(3):319G322

[24]蒙繼華．農(nóng)作物長勢遙感監(jiān)測指標(biāo)研究[D]．北京:中國科學(xué)院研究生院(遙感應(yīng)用研究所),2006

[25]王愷寧,王修信．多植被指數(shù)組合的冬小麥遙感估產(chǎn)方法研究[J]．干旱區(qū)資源與環(huán)境,2017,31(7):44G46

[26]王艷．基于多源數(shù)據(jù)的洪災(zāi)區(qū)域快速提取方法研究[D]．南昌:江西理工大學(xué),2015

[27]常江．遙感技術(shù)在農(nóng)業(yè)災(zāi)害監(jiān)測中的應(yīng)用分析[J]．現(xiàn)代農(nóng)業(yè)科技,2017(3):218G219

[28]蒙繼華,付偉,徐晉,等．遙感在種植業(yè)保險(xiǎn)估損中的應(yīng)用[J]．遙感技術(shù)與應(yīng)用,2017,32(2):238G246

[29]王嵐,王戎．衛(wèi)星遙感技術(shù)在農(nóng)業(yè)安全生產(chǎn)中的應(yīng)用[J]．內(nèi)蒙古科技與經(jīng)濟(jì),2012,(20):61G62

作者:姚妮 李寶龍 單位:北京農(nóng)學(xué)院文法學(xué)院