国家自然科学基金(41271415)
- 作品数：11 被引量：199H指数：6
- 相关作者：郭文善谭昌伟王丽爱朱新开周旭东更多>>
- 相关机构：扬州大学北京农业信息技术研究中心北京农产品质量检测与农田环境监测技术研究中心更多>>
- 发文基金：国家自然科学基金江苏省高校自然科学研究项目江苏高校优势学科建设工程资助项目更多>>
- 相关领域：农业科学自动化与计算机技术经济管理生物学更多>>
- 优化配水视角下的中国粮食生产格局变化(英文)被引量：1
- 2016年
- 基于因素分解模型,追溯不同流域区粮食生产变化的贡献来源,探讨水资源约束下的粮食生产格局变化及其优化思路。研究发现,1995-2010年,北方贫水区粮食增产明显,以松辽河区和淮河区最为显著,前者主要通过扩大复种增产,后者则主要依靠单产促产。虽然北方普遍有扩玉米的粮食品种调整现象,但由于粮食增产对扩大灌溉、调增耕地复种指数的依赖,农业用水除滦海河区和黄河区稳中有降,其它北方产区仍居高不下。同期,雨水充沛的东南沿海地区,粮食减产明显,且减产主要来自水稻面积的强烈收缩,农业用水亦减量明显。最后基于优化配水的视角,探讨了粮食可持续增产策略。
- 金涛秦小瑜黄丽艳
- 关键词：农业用水流域
- 运用PLS算法由HJ-1A/1B遥感影像估测区域小麦实际单产被引量：8
- 2015年
- 为进一步提高遥感估产精度,显示国产影像在农业估产中的应用效果。该研究以2010-2013年HJ-1A/1B影像为遥感数据,分析了卫星遥感变量与小麦实际单产的定量关系,运用偏最小二乘回归算法构建及验证了以实际单产为目标的多变量遥感估产模型,并制作了小麦实际单产空间等级分布图。研究表明:实际单产与所选用的大多数遥感变量间关系密切,且多数遥感变量两两间具有严重的多重相关关系;实际单产偏最小二乘回归模型的最佳主成分为5,且植被衰减指数、绿色归一化植被指数、调整土壤亮度的植被指数、比值植被指数和归一化植被指数为实际单产遥感估测的敏感变量;建模集和验证集实际单产估测模型的决定系数分别为0.74和0.70,均方根误差分别为754.05和748.20 kg/hm2,相对误差分别为11.5%和8.88%,且估测精度比线性回归算法分别提高20%以上和40%以上,比主成分分析算法分别提高18%以上和30%以上,说明偏最小二乘回归算法模型估测区域实际单产的效果要明显好于线性回归和主成分分析算法,该模型应用结果与小麦实际单产区域分布情况相符合,为提高区域小麦实际单产的遥感估测精度提供了一种途径。
- 谭昌伟罗明杨昕马昌周健杜颖王雅楠
- 关键词：遥感偏最小二乘法小麦
- 冬小麦孕穗期主要苗情参数卫星遥感定量反演研究
- 【研究背景】应用卫星遥感数据可以及时获取大田种植作物"面状"苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息;【材料与方法】该...
- 谭昌伟周欣兴张鹏鹏汪志祥王敦亮杜颖周健
- 关键词：遥感反演模型
- 文献传递
- 基于随机森林回归算法的小麦叶片SPAD值遥感估算被引量：81
- 2015年
- 使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。
- 王丽爱马昌周旭东訾妍朱新开郭文善
- 关键词：小麦叶片SPAD遥感反演支持向量回归
- 小麦苗情诊断指标及其监测方法研究进展被引量：3
- 2016年
- 小麦是我国主要的粮食作物之一,及时了解小麦苗期生长状态对稳产增收有着重要的意义。为此,在综述叶面积指数、生物量、叶绿素及氮含量等与苗情相关指标的基础上,总结了不同指标的诊断监测进展,并对干旱和冻害等两种自然灾害环境影响下小麦的生长状态进行了描述。研究结果可为快速准确开展小麦苗情诊断提供依据。
- 武威刘涛陈瑛瑛孙成明陈雯杨秉臻
- 关键词：小麦苗情灾害
- 基于氮素叶绿素关系的冬小麦籽粒蛋白质含量高光谱反演被引量：3
- 2013年
- 为进一步提高光谱数据反演小麦籽粒蛋白质含量的精度以及反演模型的可解释性,研究以籽粒蛋白质含量(GPC)-氮素-叶绿素之间的关系为载体,通过叶绿素筛选相关植被指数,采用偏最小二乘回归(PLS)方法建立GPC反演模型。结果表明,开花期是监测籽粒蛋白质含量的最优时期。开花期氮素与对应密度叶绿素的相关性较高。通过筛选出与叶绿素密切相关的植被指数,利用PLS建立籽粒蛋白质含量反演模型,模型决定系数R2为0.77,RMSE为0.95%,用其他年份数据进行模型验证,结果显示RMSE达到1.22%。本研究表明:基于氮素、叶绿素关系建立PLS反演模型能够实现不同年份GPC光谱遥感反演,且模型在年际间表现出较高的精度和稳定性。
- 王妍徐新刚郭文善王芊谭昌伟李存军
- 关键词：氮素叶绿素籽粒蛋白质含量
- 基于MK-SVR模型的小麦叶面积指数遥感反演被引量：11
- 2015年
- 提出了运用多核支持向量回归(MK-SVR)算法构建小麦叶面积指数(LAI)遥感监测模型。以2010—2013年试验样点小麦拔节、孕穗、开花3期的实测LAI数据为基础,同步获取我国自主研发的环境减灾卫星HJ-CCD对该研究区域的影像数据,分析了各生育期小麦LAI与8种植被指数间的相关性。以显著相关的植被指数作为输入参数,使用MK-SVR算法构建了每个生育期的小麦LAI反演模型,即MK-SVR-LAI模型。为了评价模型,每期使用单一核支持向量回归(SK-SVR)、偏最小二乘(PLS)回归算法构建了SK-SVR-LAI、PLS-LAI模型。将模型估算LAI值和田间观测LAI值进行比对,以决定系数(R2)和均方根误差(RMSE)为指标评价并比较了模型。结果表明:3个生育期MK-SVR-LAI模型的RMSE值均低于参比模型,拔节期为0.293 1,孕穗期为0.466 8,开花期为0.548 6,且该模型的R2也都最高,拔节期为0.762 4,孕穗期为0.801 8,开花期为0.668 9。
- 王丽爱谭昌伟杨昕周旭东朱新开郭文善
- 关键词：小麦遥感叶面积指数
- 农情信息遥感监测预报模型构建算法研究进展被引量：2
- 2013年
- 综合介绍了线性逐步回归算法、偏最小二乘回归算法、人工神经网络算法、支持向量机回归算法在农作物信息遥感预测建模中的应用,阐述了这些算法的基本思想,给出了每种算法的求解步骤,归纳了这些算法的优点,分析了每种算法的不足之处,并指明了农情信息遥感预测建模的研究发展方向。
- 王丽爱谭昌伟马昌童璐杨昕崔怀洋郭文善
- 关键词：遥感偏最小二乘神经网络支持向量机
- 以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演被引量：8
- 2015年
- 【目的】应用卫星遥感数据可以及时获取大田种植作物"面状"苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011—2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数(PSRI)可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数(RVI)可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数(R2)分别为0.651、0.585、0.630和0.675,均方根误差(RMSE)分别为1.344、4.62、0.618%和2 804.3kg·hm-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农
- 谭昌伟杨昕罗明马昌严翔陈亭亭
- 关键词：遥感反演模型
- 中国粮食生产时空变化及其耕地利用效应被引量：65
- 2014年
- 基于粮食产量计量模型,运用LMDI方法,分解中国粮食生产时空变化的耕地利用四因素(规模、结构、强度、程度),结果表明:1978—2012年,耕地利用变化对粮食生产的累积效果表现为强度效应最大,结构效应和程度效应其次,规模效应最小。其间,造成粮食增量的强度效应逐步减弱,程度效应由负转正并渐强;造成粮食减量的结构效应逐步加大,规模效应后期显著放大。1996—2008年,粮食生产出现从东南沿海地区向北部和西部内陆地区的空间转移,主要是因为沿海地区城镇密集,耕地利用结构变化与规模变化对粮食的减量效应更为明显,甚至有复种下调出现程度负效应,而耕地利用强度变化对粮食的增量效应相对较小,内陆农区耕地利用效应则呈相反趋向。由此论文最后探讨国家粮食可持续增产的耕地利用策略。
- 金涛
- 关键词：粮食生产
