导读:本文包含了遥感估产论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,作物,产量,模型,通县,玉米,禹城。
遥感估产论文文献综述
刘新杰,魏云霞,焦全军,孙奇,刘良云[1]（2019）在《基于时序定量遥感的冬小麦长势监测与估产研究》一文中研究指出遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显着优于低产量小麦。在此基础上,构建了基于归一化植被指数(NDVI)的冬小麦估产模型,结果表明:利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。(本文来源于《遥感技术与应用》期刊2019年04期）
周亮,慕号伟,马海姣,陈高星[2]（2019）在《基于卷积神经网络的中国北方冬小麦遥感估产》一文中研究指出针对传统的农作物估产方法过度依赖人工经验,以及实地采样成本高等问题。该研究使用MODIS数据构建了基于卷积神经网络(convolutional neural network,CNN)的冬小麦估产模型。对2006-2016年中国北方冬小麦核心区的60个地级市进行模型训练,鲁棒性检验以及估产误差空间特征分析。结果表明:1)估产模型在训练集和验证集的均方根误差(root mean squareerror,RMSE)分别为183.82kg/hm2、689.72 kg/hm2,决定系数(R2)分别为0.98、0.71。2)以同样的神经网络结构对2006-2016年估产样本分别作为验证集,训练11个独立模型的RMSE平均值是772.03 kg/hm2,证明算法具有较高的鲁棒性。3)2007、2012和2016年不同省份的估产结果表明,模型对北方冬小麦区的平原区估产精度较高,尤其是河北和山东2省(RMSE为500 kg/hm2)。该文构建的估产模型可以实现冬小麦单产的复杂拟合,可以应用于较大尺度(范围)冬小麦产量预报。(本文来源于《农业工程学报》期刊2019年15期）
蒋磊,尚松浩,杨雨亭,王仰仁[3]（2019）在《基于遥感蒸散发的区域作物估产方法》一文中研究指出灌区作物产量估算对农业用水效率评价和灌区水分管理具有重要意义。该研究以干旱区代表性灌区-内蒙古河套灌区主要农作区为研究对象,基于遥感蒸散发模型HTEM和遥感作物识别结果获取河套灌区玉米生育期日蒸散发量。选取Jensen模型、Blank模型和Stewart模型3种常用水分生产函数模型,建立河套灌区玉米估产模型,并分析各估产模型的适用性及其参数。结果表明,研究区玉米生育期多年平均蒸散发量约为526 mm。3个模型均有较高的估产精度,其中Stewart模型的产量模拟精度最高,相对误差为4.30%,相关系数为0.75。因此,Stewart模型在河套灌区具有更好的适用性,基于遥感蒸散发模型、遥感作物识别模型和作物水分生产函数模型建立灌区作物估产模型可以取得良好的模拟效果。(本文来源于《农业工程学报》期刊2019年14期）
孟颖晨[4]（2019）在《遥感技术在作物生长监测与估产中的应用分析》一文中研究指出遥感技术在我国作物高质高产栽培中的应用较为广泛,特别是在生长过程检测和产量估计项目中发挥着重要作用,能够促进农业现代化、精细化的发展。通过精确获取不同作物的生长特性等数据,借助高光谱成像系统、低空遥感技术为技术人员提供田间信息,采用人工管控的措施对作物进行调控,并有效估计最终产量,推动了农业科技的极大进步。(本文来源于《粮食科技与经济》期刊2019年05期）
李颖,陈怀亮,田宏伟,余卫东[5]（2019）在《同化遥感信息与WheatSM模型的冬小麦估产》一文中研究指出小麦生长模型WheatSM是针对中国不同冬小麦品种类型研发的,已在科研和业务中得到应用。将遥感信息与作物生长模型耦合,进行区域大范围作物长势监测与估产具有重要的应用价值。以位于中国冬小麦主产区的河南省鹤壁市为研究区,分别利用SCE-UA优化同化法和EnKF同化法,将经优化重建的2013—2017年MODIS LAI时间序列数据和小麦生长模型WheatSM进行耦合,在站点和区域两种尺度开展冬小麦估产研究。结果表明:单站点运行时,在小麦模型参数严格标定的前提下,引入本身带有不确定性的遥感数据,并不能提高模型模拟结果的精度;遥感观测数据的质量对EnKF算法同化结果的影响大于对SCE-UA优化算法同化结果的影响;在区域尺度运行时,SCE-UA优化同化和EnKF同化模拟单产精度较同化前均有明显提高,分县模拟单产与统计单产相比,RMSE由2036.0kg·hm~(-2)分别降低到1641.6 kg·hm~(-2)和1587.7 kg·hm~(-2),分别降低19.4%和22.0%,且EnKF同化法的运行效率显着优于SCE-UA优化同化法。研究结果可为WheatSM小麦生长模型与遥感信息同化策略的选择提供依据。(本文来源于《生态学杂志》期刊2019年07期）
王一博[6]（2019）在《基于多源遥感数据的伊通县玉米估产与生长发育分析》一文中研究指出社会经济的快速发展、人口不断增多、城市化进程加快等因素导致我国粮食生产的压力与日俱增。快速准确的获取农作物生产发育数据,可以有效地帮助管理者及时指定和实施措施,而农业遥感技术的发展能有效解决大范围的农作物监测和产量预测等技术问题。论文选取吉林省伊通县为研究区域,将研究区主要粮食作物玉米作为对象,获取2007~2017年间遥感影像数据、气象数据以及土壤有机质采样数据等多源异构数据,应用基于光能利用率的CASA模型估算了研究区玉米的净初级生产力,同时建立相关模型估算了土壤有机质含量、收获指数以及单位面积产量等与生长发育相关的指标数据,最后结合所有指标对伊通县玉米生长发育情况进行了综合分析,具体的研究内容如下:(1)利用CASA模型估算了伊通县2007~2017年的玉米净初级生产能力年累积量,并进行了时空变化规律分析,结果表明,伊通县玉米的有机碳固定情况良好,NPP累积量从前期的波动变化,发展成近年来的持续稳定增长。(2)结合遥感数据与地面实测的土壤有机质数据,构建了基于土壤光谱反射率的土壤有机质含量反演模型,利用该模型计算了2007~2017年研究区玉米地土壤有机质,得到较为可靠的伊通县玉米种植区土壤有机质含量。(3)结合NPP与土壤有机质数据,构建了改进后的研究区玉米估产模型,运用该模型计算研究区玉米单位面积产量,估算的伊通县玉米单位面积产量平均可达8026.92kg/hm~2左右,经过统计年鉴验证,研究区玉米估产结果较好,具有较强的参考价值。(4)综合多源异构数据对伊通县玉米耕地进行产量评价分析,引入综合指数评价的方法对研究区玉米耕地生产情况进行评价。首先基于多源遥感数据建立玉米耕地质量评价体系,然后选取耕地评价指标,构建玉米产量的评价模型,结合伊通县实际情况,从多个产量影响的因素对伊通县玉米耕地进行综合分析,结果表明伊通县玉米生产发育良好。(本文来源于《中国矿业大学》期刊2019-05-01）
安秦,陈圣波[7]（2019）在《基于光能利用率模型的玉米遥感估产研究》一文中研究指出农作物长势监测和产量预测对于国家制定相关粮食政策、农业发展等都具有重要的意义,如何获得高效、宏观、精确的估产方法一直是学者关注的重点问题。以吉林省德惠市的玉米作为研究对象,利用光能利用率模型对玉米进行产量估算的研究,并且使用空间数据插值方法中的反距离权重法获得了每月平均温度数据的格网数据。通过玉米的净初级生产力NPP的累计值以及玉米的收获指数来获得最终的玉米产量值,利用验证点实测产量值与估算值的相关性和相对误差进行精度验证,相关系数R~2为0.649 9,平均相对误差值为1.676%,证明基于光能利用率模型的玉米估产在研究区具有一定的可行性。(本文来源于《地理空间信息》期刊2019年04期）
张长城,常军,王赫彬[8]（2019）在《基于环境产量模型和生物产量模型的禹城市夏玉米遥感估产研究》一文中研究指出指出了夏玉米是我国重要的粮食作物之一,及时高效地获取夏玉米产量对于我国政府制定农业决策、优化粮食产业结构发展具有重要参考价值。以山东省禹城市为研究区,探讨了基于卫星遥感数据的夏玉米估产技术方法。通过采用高分一号遥感卫星影像和MODIS NDVI产品,经大气校正、几何校正、相对辐射校正、掩膜等预处理,基于环境产量模型和生物量模型的两种估产方法,结合所获取的各项影响因子参数,对禹城市2016年夏玉米产量进行了估算,同时对估产结果进行了精度验证与评价。结果显示:基于环境产量模型的遥感估产平均值为10060 kg/hm~2,估产精度为95.60%;基于生物量模型的遥感估产平均值为9270 kg/hm~2,估产精度为96.20%。以上两种估产模型的估产精度均达到了95%以上,符合估产的精度要求。(本文来源于《绿色科技》期刊2019年06期）
王莺,巩垠熙[9]（2019）在《遥感光谱技术在农作物估产中的应用研究进展》一文中研究指出农作物产量是一个国家或地区的重要经济信息,关系着国家和区域粮食安全,对农业规划布局、政策调整及可持续发展等方面具有重要意义。农作物遥感估产主要包括作物识别和产量评估2项主要环节,文章通过总结农作物遥感识别与产量估算的研究现状,以其依据的特征不同、针对的目标不同对现有的作物识别分为2类进行总结;根据数据源与评估模型原理的区别将现有作物遥感估产方法总结为4类,对其方法、原理和应用要点进行总结,讨论分析了各类方法的优势和仍需完善的问题,并对今后的发展趋势进行了展望。(本文来源于《中国农学通报》期刊2019年03期）
吕鑫,王卷乐,康海军,韩雪华[10]（2018）在《基于遥感估产的2006—2015年青海果洛与玉树地区草畜平衡分析》一文中研究指出叁江源区草地资源丰富,开展草畜平衡研究,可为草原环境保护和区域经济可持续发展提供决策支持。论文以青海省果洛藏族自治州和玉树藏族自治州作为研究区,基于产草量反演和载畜量计算,结合草畜平衡指数和草地载畜压力指数两大指标开展草畜平衡分析。结果表明:2006—2013年两自治州的平均草畜平衡指数自47.1%变化至-13.8%,草畜平衡状况整体在不断改善,2014—2015年超载情况有所加重;相比于果洛藏族自治州的年均草畜平衡指数为38.15%,玉树藏族自治州的年均草畜平衡指数为33.51%,草畜平衡状况较好。建议两地区有关部门加强规划和政策调控,按照"以草定畜"的原则加强草畜平衡精细化管理,并以大数据驱动草畜平衡决策支持信息化建设。(本文来源于《自然资源学报》期刊2018年10期）
遥感估产论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统的农作物估产方法过度依赖人工经验,以及实地采样成本高等问题。该研究使用MODIS数据构建了基于卷积神经网络(convolutional neural network,CNN)的冬小麦估产模型。对2006-2016年中国北方冬小麦核心区的60个地级市进行模型训练,鲁棒性检验以及估产误差空间特征分析。结果表明:1)估产模型在训练集和验证集的均方根误差(root mean squareerror,RMSE)分别为183.82kg/hm2、689.72 kg/hm2,决定系数(R2)分别为0.98、0.71。2)以同样的神经网络结构对2006-2016年估产样本分别作为验证集,训练11个独立模型的RMSE平均值是772.03 kg/hm2,证明算法具有较高的鲁棒性。3)2007、2012和2016年不同省份的估产结果表明,模型对北方冬小麦区的平原区估产精度较高,尤其是河北和山东2省(RMSE为500 kg/hm2)。该文构建的估产模型可以实现冬小麦单产的复杂拟合,可以应用于较大尺度(范围)冬小麦产量预报。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感估产论文参考文献
[1].刘新杰,魏云霞,焦全军,孙奇,刘良云.基于时序定量遥感的冬小麦长势监测与估产研究[J].遥感技术与应用.2019
[2].周亮,慕号伟,马海姣,陈高星.基于卷积神经网络的中国北方冬小麦遥感估产[J].农业工程学报.2019
[3].蒋磊,尚松浩,杨雨亭,王仰仁.基于遥感蒸散发的区域作物估产方法[J].农业工程学报.2019
[4].孟颖晨.遥感技术在作物生长监测与估产中的应用分析[J].粮食科技与经济.2019
[5].李颖,陈怀亮,田宏伟,余卫东.同化遥感信息与WheatSM模型的冬小麦估产[J].生态学杂志.2019
[6].王一博.基于多源遥感数据的伊通县玉米估产与生长发育分析[D].中国矿业大学.2019
[7].安秦,陈圣波.基于光能利用率模型的玉米遥感估产研究[J].地理空间信息.2019
[8].张长城,常军,王赫彬.基于环境产量模型和生物产量模型的禹城市夏玉米遥感估产研究[J].绿色科技.2019
[9].王莺,巩垠熙.遥感光谱技术在农作物估产中的应用研究进展[J].中国农学通报.2019
[10].吕鑫,王卷乐,康海军,韩雪华.基于遥感估产的2006—2015年青海果洛与玉树地区草畜平衡分析[J].自然资源学报.2018
论文知识图
