小麦播种面积遥感监测
三、技术路线
小麦播种面积遥感监测 小麦播种面积遥感监测
四、数据获取及预处理
（一）数据获取
小麦播种面积遥感监测 小麦播种面积遥感监测
因为小麦具有明显的季相节律、物候变化，因此 在小麦种植面积提取中遥感数据时相的选择十分 重要。 本研究选择覆盖整个青岛地区小麦越冬期和拔节 期两个时相的遥感数据。
六、监测结果 分区统计小麦像元数，结合图像分辨率计算小麦种 植面积。
监测面积（万亩） 市/区名 平度 胶州 莱西 即墨 城阳 胶南 144.0190
56.4968 71.0070 62.2080 5.1281 39.4219
0.8810 379.1617
黄岛 合计
5.1281万亩
62.2080万亩
将分类结果重采样为10m；野外采样点矢量数 据点转换为栅格数据，将点转换为10m分辨率 像元，做混淆矩阵。
小麦播种面积遥感监测
表7 野外调查点转栅格数据像元数
类型 编号 1 2 3 4 5 6 7 8 圆葱 大蒜 草地、菜地 林地 裸地 城镇 水体 小麦
个数 11 23 18 21 26 21 15 95
不同地物在TM 743波段合成图像上的显示特征
地物 小麦
形状 几何特征明显， 呈条带 状，规则整齐面状 不规则面状、块状 面状、 条带状、 不规则 斑块、边界清晰 特征明显，边界清晰 特征明显，边界清晰 特征明显，边界清晰 特征明显，边界清晰 特征明显，边界清晰 特征明显，形态自然， 不规则条带状
结构 影像几何特征明显， 均 呈条带状分布， 结构均 一细腻 结构粗糙、格网纹理 结构粗糙、格网纹理 结构均一 结构均一 结构均一 结构均一 结构粗糙 结构均一
标志
林地 草地 菜地 裸地 大蒜 圆葱 城镇 水体
小麦播种面积遥感监测
（三）遥感影像的分类
小麦播种面积遥感监测
1、非监督分类 对多时相遥感影像进行非监督分类， 设定分类级别80，结合实地调查验证， 将明显是小麦的像元划分出来。
（2）决策树分类法 运用决策树分类法，利用不同地物的光谱特性，林地 在第4波段<80，而小麦地和草地都>80，运用此特征 可剔除林地的影响；
姓名 张金恒 万玉 王晓红 刘明华
职称
博士/副教授 硕士/副教授 在读博士 讲师 硕士 讲师
研究方向 农业 遥感 与 信息 技术
钱翌 周贵忠 褚衍洋
硕士/教授 博士后/ 副教授 博士后/ 副教授
环境 污染 与 修复
纵向科研项目
课题名称 课题来源
课题名称 水稻氮素营养高光谱 诊断实用化 关键技术研究 二氧化硫污染环境下 水稻光谱特征 农学机理研究 小麦播种面积 遥感监测
分幅拼接
小麦播种面积遥感监测 小麦播种面积遥感监测
矢量数据的标准化
图幅拼接
类型转换 （统一为shp格式）
投影转换 （统一为 Albers 等积投影)
边界修整
小麦播种面积遥感监测 小麦播种面积遥感监测 小麦播种面积遥感监测
野外调查数据的 空间化
数据录入
与矢量图层关联
空间可视化
小麦播种面积遥感监测
小麦播种面积遥感监测
5月份和6月初的野外调查采用GPS单点定位的方法。
6月下旬的野外调查使用车辆携带 GPS模块、遥感图，将调查车引至目 标附近，进行野外调绘，提高野外 调查精度。
小麦播种面积遥感监测
不同调查点小麦长势照片
小麦播种面积遥感监测
五、基于遥感影像数据的冬小麦识别 （一）冬小麦物候历
圆葱未分成小麦的部分 大蒜未分成小麦的部分 草地未分成小麦的部分 林地未分成小麦的部分 裸地未分成小麦的部分 城镇未分成小麦的部分 水体未分成小麦的部分 小麦未分成小麦的部分，错 出 圆葱被错分为小麦，错入 大蒜被错分为小麦，错入 草地被错分为小麦，错入 林地被错分为小麦，错入
莱西
研 究 区 域
东经：119.44o--121.000 北纬：37.150--35.540
平度
即墨 城阳 胶州 黄岛 胶南
小麦播种面积遥感监测 小麦播种面积遥感监测
二、研究内容
选择小麦合适生长期多时相遥感影像。 对遥感影像进行几何精校正、多时相数据融合、投 影与坐标转换等处理，提取反映小麦生长状态及植 被覆盖度的光谱特征，结合GPS野外调查，利用非 监督结合决策树的分类方法，提取小麦种植面积。
小麦播种面积遥感监测
青岛地区冬小麦生育期常年值 播种期 10月上旬 分蘖期 11月上旬 拔节期 3月下旬4月上旬 抽穗期 4月下旬5月上旬 成熟期 5月下旬6月上旬
2008年12月-2009年1月青岛地区的小麦处于越冬期，这 一时期草本植物枯萎，木本植物落叶。 2009年4月小麦处于拔节期，长势较旺盛。
收集和整理青岛 地区小麦越冬期 和拔节期遥感影 像和矢量数据；
对遥感影像进行 预处理； 结合遥感影像抽 样调查；根据采 样点数据，分析 不同地表覆盖类 型光谱特征； 根据不同地表覆 盖类型的光谱特 征差异，利用非 监督分类结合决 策树的方法提取 小麦像元； 叠加区市级矢量 界线，得到区市 级小麦播种面积。
值
像元个数
像元总数
比例（%）
说明
1 2 3 4 5 6 7 8 11 12 13 14
10 21 14 17 26 21 15 7 1 2 4 4
11 23 18 21 26 21 15 95 11 23 18 21
90.91 91.30 77.78 80.95 100.00 100.00 100.00 7.37 9.09 8.70 22.22 19.05
小麦播种面积遥感监测 小麦播种面积遥感监测
表2 Alos数据波段参数
波段
Blue-Green Green
频谱范围(μm)
0.42 – 0.50 0.52 - 0.60
分辨率(m)
10 10
Red
Near IR
0.61 - 0.69
0.76 - 0.89 波段号 B1 B2 B3
10
10 波段 Blue-Green Green Red
青岛局部地区NDVI灰色图像
在越冬期主要地物的NDVI值： ①水体的NDVI值在0以下； ②裸土、塑料大棚的NDVI值在0左右； ③树、草的NDVI值较低，基本在0.1以下； ④大蒜由于地膜覆盖的缘故，NDVI值较低，基本在0.1以下； ⑤NDVI值较大（0.1以上测 小麦播种面积遥感监测
遥感资料具有覆盖面积大、周期短、费用低等 特点，其信息的客观性、综合性、周期性，使 它具有其它资料无法比拟的优点，已成为地面 大面积监测、调查的最佳手段，可以宏观、及 时、经济和客观地估测小麦种植面积。它是小 麦估产的重要基础性工作之一，是遥感估产的 前提和出发点。
课题来源 863计划课题
组合阳极铁促电化学催化 氧化降解水中苯胺的研究 基于MODIS时序数据特征 参数的土地覆盖分类
国家自然科学基 金 农业部资源遥感 与数字农业重点 开放实验室 山东省软科办 国家重点实验室 开放基金 国家环保部 国家环保部
国家自然科学基金
青岛市农委
山东省农村居民点土地整 理潜力及模式研究
30 120 30
小麦播种面积遥感监测 小麦播种面积遥感监测
（二）数据预处理
数据预处理
遥感数据的标准化
矢量数据的标准化
野外调查数据的 空间化
小麦播种面积遥感监测 小麦播种面积遥感监测
遥感数据的标准化
数据类型转换 （均采用 img格式）
几何纠正 （误差控制 在半个像元内）
投影转换 （统一为 albers等积投影
草地和小麦地则在 第6波段有差异， 小麦地的值大于草 地。 运用决策树分类 法去除小麦种植 区中的草地、林 地等绿色植被的 干扰，提取小麦 像元。
•不同地物光谱特性（红色：林地；绿色：小麦；蓝色：草地）
• （3）植被绿度空间（NDVI）差异 • 利用多时相遥感数据不同植被绿度空间（NDVI）的 变化差异和纹理分析进一步剔除菜地和草地的影响。
小麦播种面积遥感监测
这两个时相小麦光谱特征较明显，运用两个时相的光谱特 征变化，能理想地提取小麦播种区域。 这里的小麦种植区是指所有可能种植小麦的区域 提取小麦种植区的原则是在不丢失小麦像元的前提下尽量 缩小范围；即范围尽可能小，但要包含全部小麦。
（二）解译标志的建立
解译标志主要是指同一幅遥感影像上不同地物的光谱差异。
小麦播种面积遥感监测
植被的类型差异除了可表现为光谱差异外, 还 表现为植被生长规律的差异, 在植被生长周期 中, 不同植被类型有不同的物候节律, 这种规 律可以作为植被分类的出发点。 小麦的生长规律一般可以划分为12个生育时期， 即出苗、三叶、分蘖、越冬、返青、起身、拔 节、孕穗、抽穗、开花、灌浆、成熟期。
小麦播种面积遥感监测 小麦播种面积遥感监测
表1. 冬小 麦种 植面 积遥 感监 测所 使用 的主 要数 据
数据类型 ALOS ALOS ALOS TM 青岛市边界 区县边界 道路数据 野外样方 数据 2009年05月2009年06月 时相 （年-月-日） 2008-12-18 2009-01-04 2009-01-20 2009-04-10 分辨 率 10m 10m 10m 30m 1：50000 1：50000 1：50000 比例尺 覆盖范围 2景 3景 1景 3景 全青岛地区 全青岛地区 全青岛地区 青岛地区的 230个样方 用途 小麦分布及面积提取 小麦分布及面积提取 小麦分布及面积提取 小麦分布及面积提取 统计全市小麦播种面积 分区市统计小麦播种面积 野外调查和遥感数据配准 为分类提供先验知识和精 度评价
小麦播种面积遥感监测
小麦种植面积核实方案
小麦种植面积核实方案小麦是我国重要的粮食作物之一，也是全球最重要的农作物之一。
为了核实小麦种植面积，需要制定相关的方案和采取相应的方法。
本文将详细介绍小麦种植面积核实方案。
一、方案背景核实小麦种植面积的重要性不言而喻。
准确了解小麦的种植面积，可以为国家粮食安全政策的制定和实施提供有力的数据支持。
同时，可以为小麦产量的统计和预测提供准确的基础数据。
因此，核实小麦种植面积是非常重要的。
二、核实方法1. 采用遥感技术遥感技术是一种较为常用的核实小麦种植面积的方法之一。
通过卫星载荷数据的获取和处理，可以获取不同时间和地点的小麦种植面积的分布情况。
具体步骤如下：（1）卫星数据的获取：选择合适的卫星数据源，如Landsat 系列的卫星影像数据。
数据的获取需要注意时间和分辨率的选择。
（2）数据的预处理：对卫星数据进行预处理，包括辐射校正、大气校正、地表温度计算等步骤，以获得高质量的影像数据。
（3）小麦识别与分类：借助遥感图像处理软件，利用特定的算法和指标进行小麦的识别与分类。
常用的指标有归一化植被指数（NDVI）和植被指数（VI）等。
（4）面积估算：通过对已识别出的小麦区域进行统计和面积估算，得到小麦的种植面积。
2. 采用地面调查地面调查是另一种核实小麦种植面积的方法。
这种方法可以辅助遥感技术，提高数据的准确性。
具体步骤如下：（1）确定调查区域：根据实际情况选择调查区域，可以是小麦主产地或具有代表性的地区。
（2）制定调查方案：制定调查方案，包括调查时间、调查方法、调查人员等。
要确保调查的全面性和准确性。
（3）采取样本调查：在调查区域内选择一定数量的样本点，对样本点上的小麦种植情况进行调查和记录。
（4）数据统计与分析：根据样本调查的结果，进行数据的统计和分析，计算出小麦的种植面积。
三、质量控制措施为保证核实小麦种植面积的准确性和可靠性，需要采取一系列质量控制措施。
具体措施如下：1. 标准化操作流程：制定一套标准化的操作流程，明确各个环节的操作要求和方法。
农业部全国主要农作物面积遥感解译实施细则(试行)-
农业部全国主要农作物面积遥感解译实施细则(试行)正文：---------------------------------------------------------------------------------------------------------------------------------------------------- 农业部全国主要农作物面积遥感解译实施细则(试行)(2000年1月1日)第一章总则第一条目的为贯彻落实1999年全国农业遥感工作会议精神，开展全国主要农作物*遥感估产工作、动态监测主要农作物面积变化，为农业部和有关政府部门进行决策提供科学依据。
为了加强和规范全国主要农作物面积遥感监测工作，制定本细则。
第二条监测任务全国主要农作物面积遥感监测的任务是实时、动态、准确地监测全国主要农作物播种面积的分XXX数量变化，为全国主要农作物遥感估产提供数据支持。
第三条监测单位监测工作由全国农业资源区划办公室统一领导，由农业部遥感应用中心下属各部（或分中心）以及相关省市区划办承担。
第四条监测范围监测范围包括全国冬小麦主产区、全国玉米主产区和全国棉花主产区。
监测工作区采用分层抽样原理布设。
第五条监测条件承担监测工作的单位必须具备陆地卫星数据或卫片处理并准确提取主要农作物面积的技术能力和设备条件，如：相关遥感图像处理软件、地理信息系统、数据库软件；图形输入／输出设备、GPS以及专业技术人员。
全国主要农作物面积监测所需陆地卫星数据和卫片统一由农业部遥感应用中心提供。
第六条监测步骤全国主要农作物面积监测工作按下列步骤进行：1．监测的准备工作；2．卫星数据处理，包括几何校正、投影变换等；3．播种面积提取；4．实地验证；5．面积量算；6．面积变化率的计算；7．编写监测区域的监测报告；8．成果上报；9．成果资料归档。
第七条本细则解释权属于农业部遥感应用中心第二章农作物面积遥感监测分类第八条分类依据农作物面积遥感监测分类依据是土地利用方式、耕作制度和覆盖特征等。
农业普查农作物面积遥感测量工作实施方案
省第三次全国农业普查农作物面积遥感测量工作实施方案目录第一部分农作物面积遥感测量工作要点 (3)一、工作目标 (3)二、组织实施 (3)三、标准时间 (3)四、测量对象 (3)五、主要任务 (3)六、上报要求 (3)七、调查工作要求 (3)八、注意事项 (4)第二部分农作物面积遥感测量实地调查表及填报说明 (5)一、调查表式 (5)二、实地调查说明 (7)第三部分农作物面积遥感测量技术方案 (20)一、原则 (20)二、目标 (20)三、任务分类 (20)四、测量流程 (21)五、支撑标准 (24)第四部分农作物面积遥感测量工作细则 (27)一、组织实施与任务分工 (27)二、工作进度安排和成果要求 (30)三、第三次全国农业普查农作物面积遥感测量样本抽选办法34四、第三次全国农业普查省级主要农作物种植空间分布遥感测量细则 (40)五、第三次全国农业普查农作物面积遥感测量普查区遥感测量细则 (56)六、第三次全国农业普查农作物面积遥感测量影像数据制作细则 (85)七、第三次全国农业普查农作物面积遥感测量无人机数据采集细则 (100)八、第三次全国农业普查农作物面积遥感测量结果数据精度检验细则 (111)九、第三次全国农业普查农作物面积遥感测量部分指标解释124第一部分农作物面积遥感测量工作要点一、工作目标通过农产量对地抽样调查技术与遥感测量技术应用相结合，准确及时获取主要农作物面积，建立起全省和粮食生产大县面向未来的现代农业统计对地抽样调查体系。
二、组织实施主要农作物面积遥感测量工作在国务院第三次农业普查办公室和陕西省第三次农业普查领导小组办公室统一领导下，由陕西调查总队具体组织实施。
三、标准时间调查时期：2016年1月1日-2016年12月31日。
实地调查时点：实地调查按照播种季节进行。
秋冬播调查时点为2016年4月30日。
春夏播调查时点2016年8月15日。
四、测量对象遥感测量对象以农作物种植地块为主，还包括其他与之相关的普查区样方土地覆盖要素。
如何利用遥感技术进行农作物监测与评估
如何利用遥感技术进行农作物监测与评估遥感技术在农业领域的应用日益广泛，能够提供大规模、高分辨率的农作物信息，从而为农作物监测与评估提供了便利和精确性。
本文将介绍遥感技术在农作物监测与评估方面的应用，探讨其优势和挑战，同时提出未来的发展方向。
首先，遥感技术可以通过获取卫星、飞机或无人机的遥感图像来实现农作物监测与评估。
遥感图像能够提供大范围、高分辨率的农作物分布情况，通过对图像进行处理和分析，可以获取农作物的空间分布、生长情况及地理分布等信息。
这些信息对于农作物的监测与评估非常重要。
其次，遥感技术可以提供农作物的生长状态监测。
通过遥感图像可以获取到农作物的叶绿素含量、生物量以及叶面积指数等指标，从而对农作物的生长状态进行准确评估。
这对于农作物生长状况的监测和对农作物的健康状况进行评估具有重要意义。
另外，遥感技术可以辅助农作物的灾害监测。
自然灾害对农作物的影响往往是不可避免的，而遥感技术可以提供灾害影响范围、程度以及恢复情况等信息，帮助我们全面评估农作物遭受灾害的程度，并采取相应的措施来减轻灾害对农作物的影响。
此外，遥感技术还可以利用多光谱数据进行农作物类型的识别和分类。
通过对遥感图像进行分析，可以获取到不同农作物类型的光谱特征信息，进而对不同农作物类型进行准确识别和分类。
这有助于农业决策者根据农作物类型进行合理的种植安排和资源配置，提高农作物的产量和质量。
然而，遥感技术在农作物监测与评估中还存在着一些挑战。
首先，遥感图像获取的时间和频率有限，不能实时获取农作物信息。
其次，遥感图像处理的复杂性限制了遥感技术的应用范围和效果。
再次，遥感图像的质量和分辨率对农作物监测与评估的准确性和精确性有着重要的影响。
另外，遥感技术的应用还需要农作物监测与评估专业知识的支持，对遥感数据的解释和分析需要相关领域的专业人士参与。
为了进一步发展遥感技术在农作物监测与评估中的应用，可以从以下几个方面进行努力。
首先，提高遥感图像获取的时间和频率，实现农作物信息的及时感知。
小麦遥感监测与分类系统设计
小麦遥感监测与分类系统设计随着现代农业技术的不断发展，遥感技术成为了农业生产中不可缺少的一部分。
其中，小麦遥感监测与分类系统的设计与应用成为了一个热门话题。
本文将从小麦遥感监测与分类系统设计的必要性、系统的设计要点和小麦遥感监测与分类系统的应用等几个方面进行探讨。
一、小麦遥感监测与分类系统的必要性小麦是我国主要的粮食作物之一，其种植面积和产量在我国占据了极其重要的地位。
传统的小麦监测方法要求人工实地勘测，既费时又费力，不仅无法准确反映实时的小麦产量以及种植面积等信息，也使得对于小麦农业生产的调控难度加大，影响了小麦生产的高效性和农业生产的可持续发展性。
但是，小麦遥感监测与分类系统的设计和应用可以通过遥感手段来获取小麦产量和种植面积等重要信息，提高了小麦生产的精准性和农业生产的效率，也为小麦生产的调控提供了科学依据。
因此，小麦遥感监测与分类系统的设计具有非常重要的意义和必要性。
二、小麦遥感监测与分类系统的设计要点（一）遥感数据的获取小麦遥感监测与分类的数据来源主要包括遥感卫星影像和地面观测资料。
其中，卫星遥感提供的数据主要包括遥感影像、遥感图像等数据，而地面观测则是通过地面设备对小麦进行实时监测，获取种植面积、作物生长状态和精确的小麦产量等信息。
（二）数据处理和分类小麦遥感监测与分类系统的设计需要集成多个遥感监测技术，对大量的遥感数据进行处理和分析，以实现对小麦种植面积、实时生长状态和产量等数据的快速检索、分析和组合。
在数据处理和分类过程中，需要采用多种算法和模型，包括神经网络算法、贝叶斯分类模型、支持向量机模型等，以此提高小麦遥感监测和分类的准确度和稳定性。
（三）系统的应用与评估小麦遥感监测与分类系统的应用不仅应在小麦产量预测、土地利用调查、农业节水、精准施肥等方面发挥作用，同时也需要对所设计的系统进行评估和改进，以不断完善对于小麦遥感监测与分类系统的应用。
三、小麦遥感监测与分类系统的应用小麦遥感监测与分类系统的应用可以提高小麦农业生产的效率和精度，对小麦农业生产的发展提供重要的支持。
基于NDVI遥感影像数据的作物种植面积估计研究
基于NDVI遥感影像数据的作物种植面积估计研究作物种植面积是农业产量的重要指标之一。
传统的作物种植面积测量方法包括人工普查和地面调查。
然而，这些方法耗时耗力，并且难以获取大规模数据。
随着遥感技术的不断发展，基于NDVI遥感影像数据的作物种植面积估计方法备受关注。
本文将就该技术进行一定的研究，以探究其可行性和有效性。
一、 NDVI遥感影像数据的基本原理NDVI（Normalized Difference Vegetation Index），即归一化植被指数，是一种基于遥感影像数据的植被覆盖度指标。
NDVI的原理是基于植物叶片色素对不同波长光的吸收和反射率不同而设计的。
一般情况下，植物对可见光波段的吸收较高，而对近红外波段的反射较高。
NDVI通过检测可见光和近红外波段的比值来测量植被覆盖度。
具体公式为：NDVI = (NIR - R) / (NIR + R)，其中NIR为近红外波段反射值，R为可见光波段反射值。
二、 NDVI遥感影像数据在作物种植面积估计中的应用NDVI遥感影像数据在作物种植面积估计中可以通过以下步骤实现：1.获取遥感影像数据：包括可见光波段和近红外波段数据。
2.计算NDVI：通过遥感影像数据计算NDVI值。
3.建立NDVI值与作物面积之间的线性关系模型：通过样本数据，建立NDVI值与实际作物面积之间的线性关系模型。
4.利用建立的模型估计作物种植面积：通过遥感影像数据计算NDVI值，并利用建立的模型估计作物种植面积。
基于NDVI的作物种植面积估计方法具有以下优点：1.简便快捷：利用遥感影像数据，可以获取大面积的数据，同时不需要进行人工普查和地面调查，省去了大量的人力物力成本。
2.高效准确：基于建立的模型，可以获取较为准确的作物种植面积信息。
3.信息丰富：NDVI遥感影像数据不仅可以估计作物种植面积，还可以对植被覆盖度、生物量等信息进行测量。
三、本文的实验设计和数据分析为了验证NDVI遥感影像数据在作物种植面积估计中的有效性和可行性，本文进行了以下实验设计和数据分析：1.实验样本选择：在广东省河源市选取了12个样本区域，包括水稻、油菜、茶叶等作物。
农作物长势的定义与遥感监测
农作物长势的定义与遥感监测一、本文概述随着遥感技术的快速发展，其在农业领域的应用越来越广泛，尤其是在农作物长势监测方面发挥着重要作用。
本文旨在探讨农作物长势的定义及其遥感监测方法。
我们将明确农作物长势的定义，阐述其重要性及影响因素。
接着，我们将详细介绍遥感监测在农作物长势评估中的应用，包括遥感数据的获取、处理与分析方法，以及长势监测的具体流程。
文章还将探讨遥感监测的优势与局限性，并对未来发展趋势进行展望。
通过本文的阐述，读者将能够更深入地了解农作物长势遥感监测的基本原理和实践应用，为农业生产的精准管理和决策提供有力支持。
二、农作物长势定义农作物长势是指农作物在生长发育过程中，其生理状态、生长速度和生物量的累积情况。
农作物长势的好坏直接反映了农作物的健康状况和产量潜力，是农业生产中重要的监测指标。
农作物长势的评估通常包括株高、叶面积、叶绿素含量、生物量等多个方面。
株高是农作物长势的直观表现，反映了作物地上部分的生长情况。
叶面积则反映了作物叶片的数量和大小，是评估作物光合能力和光能利用效率的重要指标。
叶绿素含量是评估作物叶片绿色程度和光合能力的关键参数，叶绿素含量越高，说明作物叶片的光合作用能力越强。
生物量则是指作物地上部分和地下部分的总重量，是评估作物生长速度和产量的重要依据。
农作物长势的监测对于农业生产具有重要意义。
通过对农作物长势的监测，可以及时发现作物生长过程中的问题，采取相应的管理措施，促进作物健康生长，提高产量和品质。
长势监测还可以为农业生产的决策提供支持，如调整种植密度、施肥量、灌溉量等，实现科学种植和精准管理。
随着遥感技术的发展，遥感监测已成为农作物长势监测的重要手段。
遥感技术具有覆盖范围广、监测效率高、数据连续性强等优点，可以实现对农作物长势的快速、准确监测。
通过遥感技术，可以获取作物生长过程中的多源遥感数据，结合地面观测数据，对作物长势进行综合评价和分析，为农业生产提供更加全面、准确的信息支持。
2009年江苏省冬小麦和水稻种植面积信息遥感提取及长势监测
类型面积及其相互 变化方面
， 对涉 及到耕地 内部 不同作
的覆盖和更高的空间分辨率 和光谱 分辨率 ， 给大尺度运行化
作 物 面 积 及 作物 长 势 监 测 提供 了可 能 。农业 部 遥 感 应用 中心 卫 星接 收 站 有 ２ ０ ０ ２年 以来 自主接 收 的 ＭＯ Ｉ 部 日数 据 及 ＤＳ全
摘 要 ：以 中 国农 业 遥 感 监 测 系 统 （ Ｈ Ｒ Ｓ 大 尺 度 业 务运 行 作 物 长 势 监 测 需 求 为 实 际 驱 动 力 ， 行 基 于 遥 感 影 ＣＡ Ｍ ） 进 像 全 覆 盖 的大 尺 度 农作 物 类 型遥 感 综 合 自动 识别 的方 法 研 究 ， 过 分 析 ２０ 通 ０ ９年 江 苏 地 区冬 小 麦 和 水 稻 的种 植 结 构 、
自２ ０世 纪 ７ ０年代 遥感 技 术 发 展 以来 ， 感 技 术 就 被 用 遥 来 进 行 大 面 积 农 作 物 长 势 监 测 、 植 面 积 监 测 及 产 量 预 测 种 等 。如 美 国 自 ２ ０世 纪 ７ Ｏ年 代 中期 开 始 进 行 Ｌ ＣＥ计 ＡＩ 划 ， １ ８ 建立 了全 球 级 的农 情 监 测 运 行 系 统 ； 盟 遥 感 到 ９ ６年 欧 应 用 研究 所 通 过 实 施 Ｍ Ｒ Ａ Ｓ计 划 ， 成 了 欧 盟 区 的农 作 物 估 建 产 系 统 。在 农 作 物 长势 、 面积 等 的监 测 方法 上 ， 国外 科 学 家 主
的分作物长势监测不但是农情遥感 监测 中的核心 问题 ， 也是
研究 全 球 变 化 环境 响 应 的 一 个基 础 核 心 问题 。
江苏冬小麦播种 面积 占到了全 国的 ９ 以上 ， 稻播 种 ％ 水
面 积 占到 了 １ ％ 以上 ， 我 国重 要 的 粮 食 主 产 省 之 一 。 对 全 ３ 是 省冬 小 麦 和 水稻 分 布 及 长 势 情 况 进 行 及 时 监 测 ， 以 及 时 了 可 解 温度 、 水 、 风 等 天 气 对作 物 生 长 的 影 响 及 自然灾 害 、 降 大 病 虫 害等 对 作 物产 量 可 能 造 成 的损 失 ， 为相 关 管 理 及 决 策 部 可 门提 供 决 策 依据 。 ＭＯ Ｉ 据 空 间 分 辨 率 为 １００ ５ ０ ２０ ｍ， 波 谱 ＤＳ数 ０ 、０ 、５ 在 ０ ４～１． ｍ范 围 内有 ３ 波 段 ， 盖 了可 见 光 、 红 外 和 ． ４５ ６个 覆 近 短 波红 外 波 段 ， 且 其 波 段 均 较 窄 。 由 于其 每 天 １次 对 地 区 而
应用遥感技术进行农作物面积动态监测
＋— —一
—— — ～ — —— ｛
—
｝— —一
— — — — 一 — ———
ｉ ２ ３、 ２／ 北省 Ｉ 大 ｛ ３ ｝ ０ ０ ２ ｝ 好 ＇ １ ／３ １ ３ １河 Ｍ ３ ３４ 豆 ｏ 米 ２６ ８６ ０
备注 Ｔ ２ ／３ 、１ ５ ３ 两景数据在监测期 内无资料 ，以印度 Ｒ 遥 感卫星数据代替 ，轨 Ｍ １５ ４ ／ ５ ２ ｓ 道 号是’ ７ ４ 、１ ７ ４ ＋分辨率２ 米 时相 是２ ０ 年 １ 月有 ｊ ２／ ３ ／ ４ ２ ４ ０５ ２ 日的Ｌ Ｓ ３ ］ 一 数据 和轨 Ｓ 道 号是１ ８ ４ 的５ 米分辨率 ，时相是２ ０ 年１ 月有８ ／２ ４ ２ ０５ ２ 目的ｒ Ｐ Ａ Ｆ 数据 ，对 山西省 Ｒ ６ＷＳ Ｓ 冬 小麦播种区进行 了全覆 盖。
基 本 是按 照农 业部 统 一制定 的 《 农作 物种 植面 积变
前农业 高新 技 术产业 化 中最前 沿 的领域 之 一 。 业遥 感 化遥 感调 查 技术 规程 ）： 农 ） 和 农作 物遥 感监 测地 面样 方调 工作， 主要 是为监 测农 业 生产状 况 和农 业资 源开 发利 用 查 规 范 进行 的 ，方法 和 技 术路 线如 图 ： 服 务 ，它涉 及 面广 ，要求 高 ，难度 大 ，任务 重 。在加 入 ＷＴＯ后 ，为 我 国粮食 安全 和农 产 品 贸易提供 及 时准 确 的农 作物播 种 面积 、长 势 、灾情 等定 量 的动态 信 息 ，进
积进 行 动态 监测 ，及 时 了解和 准确 掌握 衣作 物播 种 面积 、长势 、产量 等 信 息 ，为各 级政 府 及领
导提 供 决 策依据 。
关键 词 ：农作 物 ；遥 感 ；动 态监测
１ 引 言
遥感技术在农作物生长监测中的应用案例分析
遥感技术在农作物生长监测中的应用案例分析概述：随着科技的不断发展和进步，遥感技术在农作物生长监测中的应用也得到了广泛的推广和应用。
本文将通过几个具体的案例，来探讨遥感技术在农作物生长监测中的应用，并分析其在农业领域中的意义以及未来的发展前景。
案例一：作物叶面积指数遥感监测作物叶面积指数（Leaf Area Index, LAI）是反映作物叶面积状况的重要指标。
通过遥感技术，可以实时、动态地获取作物叶面积指数数据，实现对作物生长的实时监测。
例如，利用卫星遥感图像和无人机航拍图像，结合相关算法模型，可以获取不同农作物的植被指数数据，从而反映作物叶面积的大小和变化。
这为农作物的生长情况提供了可靠的监测手段，帮助农民科学管理农田，及时采取措施，提高作物产量。
案例二：农作物病虫害监测农作物病虫害是农业生产中常见的问题，病虫害的发生对农田的生产和经济效益造成重大影响。
通过遥感技术，可以实现对农作物病虫害的监测和预警。
通过利用多光谱遥感图像和高光谱遥感图像，结合病虫害的光谱特征，可以快速检测和判断病虫害的发生及其程度。
同时，通过时序遥感图像的对比分析，可以及时掌握农田病虫害的动态变化，为农民提供科学的病虫害防治策略，减少农作物损失。
案例三：土壤水分监测土壤水分是农作物生长的关键因素之一。
利用遥感技术，可以实现对农田土壤水分的监测和评估。
通过利用雷达遥感图像和热红外遥感图像，结合相关水分指标和模型算法，可以定量地反演土壤水分含量及其分布状况。
这对于农田的灌溉管理、农作物的生长调控具有重要意义。
同时，通过不同时期的遥感图像对比分析，可以研究土壤水分的变化趋势和季节变化规律，为农业的水资源管理提供科学依据。
结论：遥感技术在农作物生长监测中的应用可以提供重要的决策支持和科学依据。
通过遥感技术的应用，可以实现对作物生长状况、病虫害情况和土壤水分状况的实时监测和动态评估。
这有助于农民科学管理农田，减少病虫害损失，提高农作物产量。