学术期刊发表网是专业正规学术咨询|学术论文发表网站

学术期刊发表网

学术期刊发表网>农业论文免费文献>遥感技术在智慧农业中的应用研究

遥感技术在智慧农业中的应用研究

学术期刊发表网 位置:农业论文 时间:2022-04-27 09:00 (12)

摘要:摘要 现代信息技术的发展使得我国农业朝着智慧农业方向蓬勃发展,显著提高了农业生产的智能化科学化水平,遥感具有远距离感知、无损监测的特点,越来越多地被用于农情监测。 对遥感在智慧

  摘要 现代信息技术的发展使得我国农业朝着智慧农业方向蓬勃发展,显著提高了农业生产的智能化科学化水平,遥感具有远距离感知、无损监测的特点,越来越多地被用于农情监测。 对遥感在智慧农业中的应用原理进行了介绍,对遥感在大尺度农情监控上的应用与方法进行了归纳总结,具体包括土地利用现状与土地资源调查、长势监测与产量预报、作物灾害损失评估与预报 3 个方面,并对遥感在农田尺度信息服务上的应用做了介绍,总结了遥感在智慧农业中应用的瓶颈问题以及今后的发展方向。

  关键词 遥感技术;智慧农业;农情监测;产量预报;评估

遥感技术在智慧农业中的应用研究

  智慧农业是现代农业发展的高级阶段,是由精准农业不 断发展而来的,指充分利用现代信息技术成果实现智能化的 农业生产,具体包括物联网技术、计算机技术、互联网技术、 人工智能、地理信息技术、遥感技术等,通过传感设备感知环 境参数,并利用无线通信等技术实现农业生产的智能感知、 分析和预警功能,使农业生产更智慧。 遥感可在不同电磁波 段内周期性地收集地表信息,具有远距离感知、无损监测、重 访周期短等优势,被广泛用于智慧农业数据收集和农情动态 监测。 随着遥感技术的发展,遥感在农业中的应用进入快速 发展阶段,遥感技术在作物识别、长势监测、产量评估、病虫害 防治、灾害监测与预警等方面取得了很多成功的应用,有效地 提升了农业动态监测与质量,促进了农业生产优化发展。

  1 遥感技术在智慧农业中的应用原理

  遥感即遥远感知,是在不直接接触的情况下,对目标或 自然现象远距离探测和感知的技术,遥感技术建立在物体反 射或发射电磁波的原理之上[1] ,一切物体由于其种类、特征 和环境条件不同而具有完全不同的电磁波的反射或发射辐 射特征。 遥感在农业中的应用是基于不同农作物具有不同 的理化性质,具体表现在植株和叶片结构、叶肉细胞、叶绿 素、含水量等方面,这些差异导致植株冠层和叶片所反射和 发射的光谱产生差异,通过研究其光谱规律来做出分析。 可 见光波段的光谱主要受各种色素的影响,叶绿素吸收蓝红 光,对绿光反射作用强,因而在 0. 45 和 0. 67 μm 处为吸收 带,在 0. 55 μm 处为反射峰[1] 。

  近红波段的反射率则是受到 叶片含水量、氮元素含量、叶肉结构等的影响。 在近红波段 (1. 3~2. 5 μm)受含水量影响,吸收率增加,反射率下降,特 别是在 1. 45、1. 95 和 2. 70 μm 是水的吸收带[1] 。 对作物不 同生理状态的光谱特征研究是快速获取农情信息的重要方 法,对于智慧农业具有重要的意义。 农作物遥感监测的基础 是选择合适的检测指标,从而进行大面积快速的监测。 常用 的作物监测指标有叶面积指数、植被指数、红边指数等。 叶 面积指数是指单位面积上植物叶片总面积与土地面积的比 值,可以反映植物叶面数量、冠层结构变化以及环境效应,是 用来监测作物长势的基础[2] 。

  植被指数是一个综合参数,与 叶面积指数、植被覆盖度、生物量等有关,通常将可见光与近 红外波段经过不同的计算组合而成,能对植被状况进行简 单、有效和经验的度量[3] 。 目前发展出的植被指数已有 40 余种,常用的植被指数有归一化植被指数、比值植被指数和 差值植被指数。 植物红边定义为红光波段与近红波段交界 处反射率增高最快的点,通常采用红边位置和红边斜率来描 述[4] ,植物红边与植物的理化参数紧密相关,是植物色素状 态和健康状况的重要指示波段。

  2 大尺度农情遥感监测服务宏观调控

  2. 1 土地利用现状与土地资源调查

  土地资源是最重要的 农业资源,掌握土地利用现状对土地资源进行科学管理才能充分利用资源。 一些研究采用多光谱影像进行了土地利用 及农作物分类,早期的分类方法主要以目视解译为主,通过 对不同波段反射率影像进行彩色合成,利用合成影像上各解 译标志的不同反映特性进行作物识别[5-7] 。 随着各种遥感产 品的发展,能表征植被特征的植被指数在作物分类中得到了 广泛应用[8-10] ,植被指数能充分反映不同作物随时间的生长 情况,在特定的生育期内,不同作物的 NDVI 时间序列曲线 能反映其特定的物候特征。

  目前对于作物分类,主要方法是 采用植被指数阈值及构建分类模型来区分不同地物,或者通 过作物多时相植被指数曲线特征来进行不同作物的分类。

  刘昊[11] 利用 Sentinel-2 卫星数据构建 NDVI 时间序列数据 集,通过不同地物类型的 NDVI 值差异,首先对耕地、水体、荒 地、城镇等进行了土地利用分类,并分析确定了主要农作物 识别关键期的光谱阈值,建立了基于决策树分层分类的农作 物种植面积提取模型。

  欧阳玲等[12]采用 GF-1 与 Landsat8 影 像,通过不同植被指数阈值,以及构建面向对象的决策树分类 模型,对土地利用类型及主要农作物进行了分类。 刘佳等[13] 通过 HJ-1A/ B 卫星 CCD 月度 NDVI 时间序列数据,分析了全 生育期波谱特征,提取了主要作物类型的曲线特征,采用基于 NDVI 阈值决策分类技术进行了农作物分类识别。 随着国产高分影像的发展,高分影像越来越多应用于土 地资源调查,主要应用高空间分辨率的纹理特征进行图像解 译,李海杰等[14]采用国产 GF-2 影像,通过人机交互测量方 式对农作物用地、设施农业用地、园艺果树类用地、林地、水 体等五大类用地进行了分类提取,并对石家庄地区玉米的种 植面积、长势、产量、墒情等进行了分析。 马尚杰等[15] 利用 GF-1 卫星 16 m 多光谱影像,通过基于改进多元纹理和光谱 融合的遥感图像分类方法进行图像解译,提取了 2015—2017 年安徽省霍邱县冬季作物种植空间分布和面积。 高光谱影像提供连续的地物窄波段信息,能探测到不同 作物在波谱上的细微差别,有效提高作物识别精度。 应用高 光谱进行农作物分类的方法大致分为基于光谱信息分类、基 于多维特征分类、数据降维分类以及多分类器集成分类。 基 于光谱信息分类主要是分析不同农作物间的光谱差异,通过 光谱匹配技术进行分类,常用的匹配方法主要是光谱角匹 配、光谱信息散度匹配、最小光谱距离匹配[16-17] 。 Rao 等[18] 通过建立冠层尺度和像素尺度的光谱库,对研究区的水稻、 甘蔗、辣椒等作物进行光谱角分类,2 种尺度下的分类精度达 到 86%以上。 基于多维特征的分类不仅应用了光谱信息,同 时考虑了高光谱数据的空间特征信息,能有效避免分类结果 的椒盐现象。 Chen 等[19]通过最小噪声分离方法提取影像光 谱特征、并与形态、纹理等特征组成光谱-空间融合特征向 量,采用 SSF-CRF 分类方进行农作物分类,分类精度达到 97%;高光谱的海量多维的数据特点会造成数据冗余,计算 量过大,因而对降维后的数据进行分类也是常用的分类方法 之一,该方法首先对高光谱影像进行波段选择或特征提取, 然后将选择的波段或者特征作为分类的输入进行分类。 张 悦等[20]利用 K-means 聚类和 ABS 方法相结合进行波段筛 选,并采用支持向量机对研究区的玉米草地进行了分类。 Jia 等[21]采用离散小波变换和 AP 聚类分析对 AVIRIS 数据进行 特征提取,并采用最近邻分类法对小麦玉米进行了分类,分 类精度高达 89%。

  高光谱具有海量、高维度的数据特点,有 时采用单一的分类器进行分类时会受到各种条件的限制,分 类精度欠佳,随着集成学习在遥感领域的发展,多分类器集 成分类系统能得到较好的分类结果。 Ceamanos 等[22] 在对 AVIRIS 数据进行玉米、大豆、小麦等分类时,先将波段分为 若干组,对每组采用支持向量机分类,然后对所有组的输出 再次采用支持向量机分类进行最终的决策融合,精度达到 90%。 苏红军等[23]提出一种利用空间和光谱信息的多分类 器动态集成算法,采用支持向量机等 5 个基分类器构建多分 类器集合对 AVIRIS 高光谱影像进行玉米、大豆等农作物的 分类识别。 因为成像雷达遥感具有全天候、全天时和穿透地物的特 点,能弥补光学遥感的不足,雷达逐渐应用到农业土地利用 调查中来,黄明祥等[24]利用热点雷达数据 ERS-2,以地处云 量较多的杭州湾围垦区为研究对象,根据地物目标的时域散 射特性,采用分区分类策略,对预处理后的多时相雷达数据 进行农业土地利用分类。

  此外,各种农作物具有不同的冠层 结构、几何特性和介电常数,因而导致在不同频率和极化的 合成孔径雷达影像中表现出不同的特征,因此可以用雷达遥 感进行农作物的分类和识别。 早期的雷达遥感农作物分类 研究主要是单波段、单极化数据,随着雷达技术的发展,开始 向多波段多极化转变,继而发展到现在的全极化数据、激光 雷达数据,其分类算法由常规的统计算法发展到机器学习、 人工智能,以及目前的基于极化分解理论的非监督分类算 法。

  但 SAR 在农作物分类的应用仍存在不少问题,如监测 作物类型和种植结构单一,现有的国内外应用研究多集中在 水稻的识别上,水稻较其他作物的介电常数比较高,因而雷 达对其比较敏感,而对旱地作物的识别与监测研究以及复杂 种植结构条件下的农作物分类研究较少,同时,相对光学遥 感农作物分类,SAR 总体精度仍不高,尚不能满足现有对农 作物分类识别的精度要求,但 SAR 具有穿透云雾,不受天气 限制的成像优势,在未来的发展中将有广阔的应用空间。 传统的遥感影像空间分辨率低、易受云层遮挡、重放周 期长,无法满足小尺度下农作物精细分类的要求,无人机遥 感机动灵活,能快速高效地获取高空间分辨率的影像,为小 尺度下农作物的监测提供技术支撑。 随着无人机技术的发 展,无人机遥感农作物分类传感器从早期的数码相机向多光 谱、高光谱、雷达过渡,分类作物也从单一作物识别到多种作 物分类。 现阶段,利用无人机影像进行农作物分类的主要方 法是提取无人机影像的光谱特征、纹理特征或者色彩特征, 通过基于传统统计模式的分类算法或者机器学习算法进行 分类;田振坤等[25] 基于无人机影像中的农作物波谱特征和 NDVI 阈值,并采用最大似然法、支持向量机、神经网络等分 类方法对玉米、小麦等进行了分类。 戴建国等[26] 利用色彩 空间转换和纹理滤波器构建分类特征,并使用多种机器学习算法对棉花、玉米、苜蓿等作物进行了分类识别。 现有的应 用研究往往采用单一分类器,而不同的分类器各有优缺点, 适用范围也不一样,因而在多种农作物种植结构复杂的地 区,由于分类不具有针对性致使分类精度较低。

  2. 2 作物长势监测与产量预报

  作物长势监测能为农业生 产管理提供依据,也是产量估算的必要资料。 作物长势监测 是对作物的苗情、生长状况及其变化的宏观监测。 虽然作物 的生长过程复杂,但仍可以用相关因子去表征。 叶面积指数 可以反映作物的生长状况,常用作主要指标进行作物估产。 植被指数与作物的叶面积指数、光合有效辐射量、生物量均 相关,可以用来进行农作物长势监测,其中,归一化植被指数 NDVI 是最常用的指标。 一些学者通过多年遥感资料的积 累,计算出常年同一时段的平均植被指数,利用当年该时段 的植被指数与平均植被指数的差异程度来判断作物长势优 劣[27-28] ,郭海[29]利用 MODIS NDVI 时间序列函数进行了冬 小麦长势动态过程监测。 利用作物 LAI 和植被指数进行长 势监测和产量估测很大程度上受到时空条件的限制,并且年 际间变化也会带来很大的不确定性。

  近年来,遥感与作物模 型相结合对作物生长过程进行动态模拟和预报成为国内外 的研究热点。 宇振荣等[30-32] 利用高分一号影像进行 LAI 参 数反演,并集合 ASSAT-SUBTOR 作物生长模型进行了马铃 薯产量估算。 赵炳宇[33]用 Landsat 和 HJ-1 遥感影像数据以 及作物相关数据,构建了遥感作物生长模型,能有效进行水 稻生长监测。 近年来,随着高光谱技术的发展,国内外许多学者利用 高光谱遥感进行作物长势监测。 高光谱的窄波段能够获得 更为精细的波谱信息,更好地监测叶绿素含量、红边特征以 及其他的色素含量信息,快速地监测叶片氮等营养含量,更 能反映作物的状态,应用最多是对作物氮磷钾含量、水分、叶 绿素等的监测。 主要方法是首先寻找这些参数的敏感波段 或光谱参数,然后通过相应的统计回归、机器学习等算法进 行建模反演[34-37] 。

  2. 3 作物灾害损失评估与预报

  在我国的农业发展中,干 旱、洪涝、病虫害、低温冷害是较常见的对农业生产危害较大 的农业灾害。 土壤水分是旱涝灾害监测的重要指标,目前对 土壤水分的监测主要是应用热红外、近红外、可见光和微波 波段。 热红外波段可监测土壤温度,进而计算热惯量,并结 合热模型得到土壤水分。 旱涝的发生会使作物产生明显的 变化,进而影响叶片和冠层光谱,因而可以通过可见光和近 红外波段的植被指数对土壤旱涝情况进行监测。

  微波遥感 主要通过后向散射系数和土壤亮温来监测土壤水分,微波穿 透能力强,但受地表粗糙度和植被覆盖度的影响较大,且很 难将土壤含水量对后向散射的影响与地表粗糙度和植被覆 盖度的影响区分开来[38-39] 。 对作物病虫害胁迫遥感目前主要包括监测和预测预警, 其中,监测包含对不同病虫害类型的区分识别和对单一病虫 害发病程度的识别,主要的监测方法是通过特征选择方法优 选出对某种病虫害胁迫相关的光谱特征,选择合适的算法建 立优选特征与病虫害胁迫类型和程度的关系,从而建立作物 的病虫害胁迫分类识别模型。 较多学者应用小波变换、连续 统去除、遗传算法、相关性分析等特征提取算法对波段及其 变换形式、光谱位置、面积以及植被指数等参数进行特征提 取[32,40-42] 。 除了应用光谱特征外,一些大尺度病虫害遥感监 测也使用了图像分析和图像特征,如 Backoulou 等[43] 采用色 度指标对图像进行分割,然后通过对异常斑块的面积、形状 等进行分析,有效识别了病虫害胁迫的田块,Yao 等[44] 通过 图像的方向一致性特征对小麦条锈病和白粉病进行了识别。 在敏感特征提取后进行建模识别不同病虫害胁迫,常用的识 别模型为统计模型,如回归分析、判别分析、聚类分析、主成 分分析等。

  鲁军景等[45]通过小波变换筛选出敏感的光谱波 段和小波特征,并采用 Fishe 判别分析法建立了白粉病、条锈 病与正常小麦的识别模型。 袁琳[46] 筛选出对白粉病和条锈 病的敏感特征后采用 FLDA 构建 2 种病害的判别模型。 随 着人工智能算法的发展,越来越多学者利用人工智能算法进 行病虫害的监测预测。 黄林生等[47] 利用 BP 神经网络对小 麦条锈病进行了监测,蒋龙泉等[48] 提出一种基于 SVM 机器 学习监测病虫害的方法。 在全球变暖的背景下,极端天气事件出现的频率和强度 增大,对农业的危害不断增加,其中低温冷害越来越成为不 可忽视的农业灾害之一。 冷害是指在作物生长期出现低于 作物所需临界温度的低温天气,对作物的生长发育产生影 响,并导致不同程度减产或品质下降的灾害[49] 。

  常用的低 温冷害遥感监测方法主要是基于对地面温度的监测、对植被 指数差异分析和生理生态指标差异分析。 张雪芬等[50] 利用 气象卫星遥感资料反演地面温度,并结合地基资料得到地面 最低温度,并利用冻害指标、小麦发育期资料,得到小麦冻害 的空间分布及不同冻害等级面积。 作物遭受冷害后叶片会 失水失绿,其生理生化指标会有所变化,导致近红外和红光 处光谱的变化,从而导致植被指数的变化,因此,通过作物相 关生化指标和植被指数在受灾前后的差异分析可以判断受 灾的情况。 李军玲等[51]研究了冻害前后地冬小麦高光谱特 征,以蓝边面积和红边面积作为监测指标能很好地进行冻害 监测,She 等[52]利用油菜受冻害前后的归一化植被指数百分 比变量作为指标,有效地进行了冻害监测,胡列群等[53] 利用 ETM+的 NDVI 数据对冬小麦和棉花进行了冻害监测。

  3 农田尺度信息服务支撑农业生产管理优化

  与大范围农情监测主要服务于宏观决策不同,农田小尺 度信息服务可直接用于农业生产管理优化。 遥感技术在田块 尺度的应用包括农田块精准分区管理、土壤理化性质监测等。

  3. 1 农田精准管理分区

  精准管理分区是根据产量的各种 限制因素的相似性和差异性把农田进行分区管理,分区可以 为智慧农业的发展提供管理决策,最大限度提升耕地资源潜 力。 目前常用的分区方法有:基于土壤养分状况进行分区、 基于农作物长势和营养诊断指标进行分区、基于多年的产量 数据进行分区。 刘焕军等[54] 以裸土高空间分辨率遥感影像 为数据源,利用不同养分与其反射光谱特征的相关性,通过面向对象分割和空间统计分析方法,对典型黑土区田块进行 精准管理分区。

  现有的田块精准分区多基于土壤养分与光 谱的关系,也有研究通过归一化植被指数进行田块分区,刘 焕军等[55]利用 spot-6 影像提取 NDVI,并插值计算土壤有机 质,结合数字高程模型,并应用面向对象的分割方法进行田 块分区,结果表明,结合 4 期 NDVI 数据进行空间信息分区的 精度最高。 Fortes 等[56] 研究了 NDVI 与产量的关系,利用 NDVI 预测产量,并通过普通克里格差值和回归克里格差值 建立了番茄作物产量预测图,通过产量预测图进行分区管 理。 通过遥感分区管理可精准地确定农田所需的农业物资 投入,对于提高农业生产效率,农业环境保护和耕地产能提 高具有重要的意义。

  3. 2 农田土壤理化性质监测

  对土壤理化性质,如土壤养 分、水分、蒸散量的遥感监测可以为施肥、灌溉提供数据参 考。 遥感在土壤养分含量的监测分为直接法和间接法,直接 法主要分析养分含量与光谱反射率之间的关系,建立回归模 型来反演土壤养分含量,间接法通过获取植被的状态生物量 等指标建立与养分含量的关系,间接获得土壤养分的含量。 目前已有不少研究对土壤有机质全氮、全磷等含量进行了遥 感估算,对有机质的监测主要使用可见光近红外波段光谱信 息,对全氮含量监测主要使用红外波段光谱信息,对全磷含 量监测主要使用可见光波段信息。 高光谱技术能够提供更 精细的波段信息,越来越多地被应用到农田土壤养分的监测 当中。 Selige 等[57]采用机载高光谱数据,通过构建偏最小二 乘和多元线性回归模型,对土壤全氮进行了估算。 Lu 等[58] 利用实测光谱应用偏最小二乘和多元线性回归建立了土壤 有机质、全氮、pH 值预测模型。

  氮、磷、钾等营养元素的缺乏 会导致作物在外部形态上表现出相应的特征,因而可以通过 对作物的监测,判定土壤养分情况。 陈晓军等[59] 分析了小 麦产量与土壤的相关关系,构建了土壤养分分布图。 张立 周[60]通过玉米图像指数与土壤养分的显著关系,计算了土 壤需氮量,从而计算土壤施肥量。

  土壤水分遥感监测可采用可见光-近红波段、热红外波 段、微波波段。 在可见光-近红外波段,通过构建相应的干旱 指数和植被指数来反映土壤含水量,或通过分析波段反射率 与土壤含水量的相关性来反演土壤含水量。 在热红外波段, 不同水分含量的土壤热力学特性不同,从而土壤的温度也会 有所差异,许多研究通过建立热惯量模型来反演土壤水分。 在微波波段,土壤水分是决定土壤介电特性的主要因素,而 土壤介电特性与地表后向散射系数密切相关,因而可用微波 波段进行土壤含水量监测。 对于裸土区,常用经验-半经验 模型、几何光学模型、物理光学模型。 对于植被覆盖区,常用 微波冠层散射模型、水云模型等。 微波与光学遥感各有优缺 点,近年来,利用微波与光学遥感协同反演土壤含水量成为 研究热点。 曾旭婧等[61] 利用 Landsat- 8 数据与 Sentinel- 1 SAR 数据对不同植被覆盖度下的地表土壤水分进行了反演。 孟庆岩等[62]利用 Radarsat-2 和 Landsat-8 数据,对玉米覆盖 区地表土壤水分进行了反演。

  4 存在问题与展望

  4. 1 问题

  近年来,遥感技术应用于智慧农业取得了一定 的发展,但仍有许多问题亟待解决。

  (1)遥感监测精度需进一步提高。 由于受到遥感数据质 量、大气干扰、模型方法等的局限性,农田尺度的作物生理生 化参数、环境参数的反演精度最高只能达到 80% ~ 90%。 对 农田尺度作物、环境参数的反演常停留在研究阶段,其精度 还无法满足智慧农业对农田作物与环境专题信息的需求。

  (2)受天气条件、卫星资源利用效率等因素的限制,在进 行农作物监测时常常不能得到有效的数据,因而不能满足服 务于农业生产管理的农田尺度遥感监测对时间分辨率和空 间分辨率的需求;特别是对于南方多阴雨天气,在生长期很 长时间内获取的光学影像经常由于云雾遮挡,很难应用于农 作物监测。

  (3)缺少可推广应用的智慧农业遥感服务平台。 遥感在 智慧农业中的应用还集中于技术方法的研究,尚未形成成熟 的可应用于实际生产的业务系统。 因此急需构建集数据获 取与处理、信息提取、决策管理于一体的应用系统,通过网络 化智能化的信息获取、处理、发布,能让农业从业者经过简单 培训即可快速掌握,应用于实际生产实践中。

  (4)结合遥感的农业预测预报能力需进一步加强。 农田 信息的管理优化不仅需要实时监测,还需要对未来一段时间 内所可能出现情况的预测。 现有的遥感农业应用大多是过 去一段时间的数据或者实时的数据,需要结合作物模型,通 过未来预报的气象数据来预测对于作物的影响,从而提前采 取合理的应对措施。

  4. 2 展望

  遥感技术在智慧农业中的应用首先需克服监测 精度问题,提升模型预测预报能力,在此基础上梳理技术流 程,进行系统化开发,建成智能化信息服务平台。 精度的提 高首先要从改进参数反演模型出发,尝试新思路新方法,将 人工智能、深度学习等应用到算法优化中去,同时要开展全 面的验证与精度评价。 有效数据的获取使用可尝试多源数 据融合,充分利用不同卫星不同传感器的多种数据。 在高精 度预报能力的基础上,建立智能化信息服务平台,实现农田 的智能化管理,并进行应用与示范,在示范的同时,开展地面 观测,对监测专题产品开展验证和精度评价。

  参考文献

  [1] 孙家抦. 遥感原理与应用[M]. 2 版. 武汉:武汉大学出版社,2009:68- 69.

  [2] 张佳华,杜育璋,刘学锋,等. 基于高光谱数据和模型反演植被叶面积 指数的进展[J]. 光谱学与光谱分析,2012,32(12):3319-3323.

  [3] 薛利红,曹卫星,罗卫红,等. 光谱植被指数与水稻叶面积指数相关性 的研究[J]. 植物生态学报,2004,28(1):47-52.

  [4] 梁守真,施平,马万栋,等. 植被叶片光谱及红边特征与叶片生化组分 关系的分析[J]. 中国生态农业学报,2010,18(4):804-809.

  [5] 党杨梅,杨敏华,常正科. SPOT5 影像目视判读在土地利用类型更新中 的应用研究[J]. 测绘与空间地理信息,2009,32(2):125-127.

  [6] 何明轩. 三峡库区土地利用/ 覆被与地表蒸散发动态变化及二者关系 研究[D]. 重庆:西南大学,2013.

  [7] 李瑞俊,孙希华,李平. 基于遥感和 GIS 的青岛市土地利用动态变化分 析[J]. 山东师大学报(自然科学版),2004(4):50-52.

  [8] 张荣群,王盛安,高万林,等. 基于时序植被指数的县域作物遥感分类 方法研究[J]. 农业机械学报,2015,46(S1):246-252.

  作者:宋雪莲 ,张 文 ,王普昶 ,阮玺睿 ,柳嘉佳 ,王志伟∗ ,张 威

  推荐阅读:智慧农业论文能投稿sci期刊发表吗


转载请注明来自:http://www.xsqkfb.com/nylw/21711.html


与“遥感技术在智慧农业中的应用研究”相关的学术论文范文推荐

1、树木移植技术在园林绿化中的应用
摘要:摘要:随着现代化城市建设的发展,树木在城市生态环境中发挥着重要作用。树木移植是城市园林绿化中的一项重要...查看详情

2、增强现实技术在风景园林中的应用
摘要:摘要:增强现实技术可以将虚拟三维物体复合到现实环境中,风景园林的重要任务是将合适的虚拟模型建设到现实环...查看详情

3、园林植物保护存在的问题及解决措施
摘要:摘要 城市园林在我国城市进程不断加快的今天得到了快速发展,但是从实际情况来看,城市园林植物保护工作存在很...查看详情

4、农作物秸秆饲料在养殖中的运用分析
摘要:摘 要:国家现在积极鼓励农村发展养殖业,养殖是增加农民收入的主要方式。养殖行业向规模化方向发展,对养殖行...查看详情

5、林业有害生物防治在林业生态环境建设中的影响
摘要:随着林业开发工作的难度加大,有害生物问题也随之增多,如果不及时采取科学的防治措施,很容易影响植被生长及...查看详情

更多>>

农业学术期刊推荐