您的位置: 专家智库 > >

国家自然科学基金(40801144)

作品数:4 被引量:121H指数:3
相关作者:蒙继华吴炳方李强子杜鑫张飞飞更多>>
相关机构:中国科学院中国科学院研究生院更多>>
发文基金:中国科学院知识创新工程重要方向项目国家自然科学基金国家科技支撑计划更多>>
相关领域:自动化与计算机技术农业科学天文地球更多>>

文献类型

  • 4篇期刊文章
  • 2篇会议论文

领域

  • 3篇自动化与计算...
  • 2篇农业科学
  • 1篇天文地球
  • 1篇电子电信

主题

  • 3篇遥感
  • 3篇作物
  • 2篇遥感监测
  • 1篇遥感估算
  • 1篇散射
  • 1篇生物量
  • 1篇农情
  • 1篇农作
  • 1篇农作物
  • 1篇微波
  • 1篇物量
  • 1篇后向散射
  • 1篇光谱
  • 1篇光谱分类
  • 1篇PDA
  • 1篇RADARS...
  • 1篇REMOTE...
  • 1篇SAR
  • 1篇TERRAS...
  • 1篇APPLYI...

机构

  • 4篇中国科学院
  • 1篇中国科学院研...

作者

  • 4篇吴炳方
  • 4篇蒙继华
  • 3篇李强子
  • 2篇杜鑫
  • 1篇贾坤
  • 1篇田亦陈
  • 1篇张飞飞

传媒

  • 2篇光谱学与光谱...
  • 1篇地球科学进展
  • 1篇中国农业气象

年份

  • 1篇2011
  • 3篇2010
  • 2篇2009
4 条 记 录,以下是 1-6
排序方式:
微波后向散射数据改进农作物光谱分类精度研究被引量:26
2011年
利用实验区环境星多光谱数据与Envisat ASAR VV极化数据进行融合,讨论了VV极化微波后向散射数据用于改善多光谱遥感数据农作物分类的精度,并比较了不同分类方法的分类精度。结果表明,两种数据之间的融合充分利用了环境星数据的光谱信息和VV极化数据对于地物结构敏感的特征,不但增强了不同地物之间的光谱差异,而且提高了作物分类精度。两者融合后分类精度比单独使用环境星数据分类精度提高了约5个百分点,而且由于VV极化数据对田间非耕地信息的敏感性,对于田块边界的识别效果有很大的改善。通过该研究探讨了VV极化数据和多光谱数据融合在作物分类中的应用,拓展了遥感数据在农业领域应用的范围,具有推广价值。
贾坤李强子田亦陈吴炳方张飞飞蒙继华
关键词:光谱后向散射遥感农作物
作物生物量遥感估算研究进展被引量:23
2010年
作物生物量是作物长势监测以及产量估算中的一个关键指标。随着3S技术的发展,遥感数据可以为作物生物量的估算提供有力的支撑,充分发挥遥感信息的宏观及实时动态性,使在大的时间和空间尺度上进行作物的生物量估算成为可能。文章通过总结作物生物量遥感估算的研究现状,根据采用的数据源不同以及基于的模型基础不同将现有作物生物量遥感估算模型划分为6类,并对每一类模型的方法、原理、和应用进行了详细阐述,讨论分析了作物生物量遥感估算方法的发展趋势,以及各种估算方法的自身优势和仍需完善的方面,并对今后的发展进行了展望。
杜鑫蒙继华吴炳方
关键词:作物生物量遥感监测
国外农情遥感监测系统现状与启示被引量:71
2010年
大范围的可靠农情信息对粮食市场及相关政策的制定至关重要,是保障区域及全球粮食安全的重要依据,在全球气候变化、人口增长、土地利用/覆盖变化剧烈的背景下,对这一信息的需求也更加迫切。传统农情信息的获取依赖于庞大的调查队伍和大量的调查工作,信息的获取存在成本高、时效性差和结果受主观影响大的缺点。伴随着近30年遥感技术本身及其在农情信息获取领域能力的提升,一些国家与国际组织建设了各自的农情遥感监测系统,并开展了运行化的监测。对美国、欧盟、FAO、加拿大、巴西、阿根廷、俄罗斯、印度等主要的农情遥感监测系统进展进行了详细的介绍,并通过对这些系统的分析得到一些农情监测系统建设的启示。指出作物种植面积估算、单产预测、长势监测、旱情监测是农情遥感监测中最主要的4个主题。在面积估算方面,各个系统在遥感技术不断发展的同时对地面调查的依赖并没有减少,甚至得到了强化,这与遥感降低地面调查的初衷相违背,导致遥感技术在大范围农情监测中的潜力没有得到充分发挥,在单产预测方面,需要发展独立的遥感预测方法。提升遥感的作用是未来一段时间内农情遥感监测系统建设的主要方向。
吴炳方蒙继华李强子
关键词:农情遥感
基于遥感技术监测作物收获指数(HI)的可行性分析被引量:3
2010年
鉴于作物收获指数(HI)在遥感定量监测作物单产研究中的重要性,本文通过分析作物HI的形成机制和总结目前相关的遥感技术应用情况,探讨了利用遥感技术估算HI的可行性,认为结合遥感信息的时空特点,可以对HI的形成过程进行动态监测,进而建模估算最终的HI。通过分析,文中将遥感估算HI方法归纳为三类:(1)通过高时间分辨率的遥感数据对作物的整个生长过程进行监测,然后基于作物生长过程的遥感监测实现HI实时估算;(2)通过遥感技术手段获取影响HI形成的因素,然后基于环境影响因子的遥感监测进行HI的估算;(3)随着雷达、激光雷达数据获取和测量精度的提高,将可能基于作物结构参数的遥感监测来反演HI。并且分析了不同遥感数据的自身特点及其用于监测HI的缺陷和不足之处,指出遥感数据源的多元化趋势和新型传感器的出现必将推动遥感估算HI模型的改进和估算精度的提高;鉴于遥感信息的优势主要体现在空间差异化,认为遥感估算HI的结果验证应该以像元尺度为主,结合其他数据(区域统计数据等)对比分析为辅。
杜鑫吴炳方蒙继华李强子
关键词:作物遥感监测
Applying Remote Sensing in Precision Farming-a Case Study in Yucheng
<正>A new generation of farmers can use aerial and satellite remote sensing imagery to help them more efficient...
Wu Bingfang~*
文献传递
Improvement of classification accuracy integrating C- and X-band synthetic aperture radar data
Remote sensing for the monitoring of agricultural crops has been widely used in the past. Synthetic aperture r...
Jia Kun 1
关键词:SARCLASSIFICATIONRADARSAT-2
共1页<1>
聚类工具0