全球耕地遥感制图与分析
农业领域的遥感图像分析技术使用技巧
农业领域的遥感图像分析技术使用技巧遥感图像分析技术在农业领域的应用日益广泛，可以提供农作物的监测与评估，土壤质量分析以及农田规划等重要信息。
本文将介绍农业领域中遥感图像分析技术的使用技巧。
一、农作物监测与评估农业生产的核心是农作物的监测与评估。
通过遥感图像分析技术，可以获取大范围的农田信息，包括农作物的分布、生长状态等。
在农作物监测中，可以利用多光谱遥感图像进行植被指数计算，比如常用的NDVI指数，来评估农田植被的生长状态。
此外，根据农作物不同生长阶段的特征，结合遥感图像，可以进行农作物种类的分类与识别，以便更好地选择农作物的适宜品种，进行合理的种植布局。
二、土壤质量分析土壤是农业生产的基础，合理的土壤质量分析对农田的管理至关重要。
遥感图像分析技术可以提供土壤质量分析的数据支持。
利用遥感图像，可以获取土地覆盖信息、土壤类型、土壤养分含量等。
比如，通过对不同波段的遥感图像进行分析，可以获取土壤含水量的分布情况，进而评估土壤的湿度状况。
此外，结合地面采集的土壤样本数据，可以建立土壤质量模型，进一步提高土壤质量的评估精度。
三、农田规划农田规划是农业生产过程中的关键环节。
遥感图像分析技术可以为农田规划提供空间数据支持。
通过对遥感图像进行处理和解译，可以获取土地利用信息、土地覆盖信息等，进而提供农田规划的依据。
比如，结合遥感图像和地理信息系统（GIS）数据，可以进行土地适宜性评估，确定不同地块的适宜作物种植类型。
此外，利用遥感图像可以对农田的利用率进行评估，为农业发展的整体规划提供决策依据。
四、水资源管理水资源对于农业生产至关重要。
遥感图像分析技术可以提供水资源管理的数据支持。
通过遥感图像，可以获取水体分布信息、湖泊面积、水库蓄水情况等。
同时，利用遥感图像可以监测农田的水分状况，包括农田的灌溉情况、水分胁迫程度等，以便合理调控灌溉水量，提高水资源利用效率。
五、灾害监测与管理自然灾害对农业生产造成严重影响。
如何利用遥感测绘技术进行农田分类
如何利用遥感测绘技术进行农田分类利用遥感测绘技术进行农田分类随着科技的不断发展，遥感测绘技术在农业领域的应用越来越广泛。
遥感测绘技术能够从卫星、无人机等高空视角获取大范围的农田图像数据，为农田分类提供了强有力的工具。
本文将探讨如何利用遥感测绘技术进行农田分类，提高农业生产效率和农田管理水平。
首先，遥感测绘技术的应用可以帮助农业专家快速准确地获取农田的信息。
通过对农田图像进行分析和处理，可以得到农田的空间位置、面积以及形状等重要参数。
利用这些参数，可以对农田进行分类，例如将农田分为水田、旱地、果园等不同类型。
这样的分类对于不同类型农田的管理和耕作有着重要的指导作用。
其次，遥感测绘技术可以提供农田土壤和植被的信息。
土壤是农作物生长的基础，了解土壤的质地、含水量以及肥力等参数对于科学施肥和农田管理至关重要。
利用遥感测绘技术，可以通过土壤光谱特性和遥感影像的颜色信息等来判断土壤的类型和质量。
同时，利用遥感技术还可以监测农田中植被的状况，如农作物的生长情况、病虫害的发生等。
这些信息对于及时调整农田的管理措施具有重要意义。
此外，遥感测绘技术还可以用于农田的灾害监测和风险评估。
自然灾害，如洪涝、旱灾、地质灾害等，是农田产量和农业经济的重要影响因素。
利用遥感技术，可以实时监测农田灾害的发生和发展趋势，提前预警和便捷应对。
同时，结合地理信息系统的空间分析功能，还可以进行农田的风险评估，为农业灾害防范和抗灾救灾提供科学依据。
最后，遥感测绘技术的应用还可以促进农田的精细化管理。
传统的农田调查和数据采集耗时耗力，且往往只能获得有限的信息。
而遥感技术能够获取全面、高分辨率的农田信息，并将其与其他地理数据进行集成和分析，提供科学决策的基础。
利用遥感技术可以实现农田的动态监测和精确测量，帮助农民和农业管理者更好地调整农田经营策略，提升农田生产效率。
总之，遥感测绘技术的应用对于农田分类和农业管理具有重要意义。
借助遥感技术，农业专家能够快速准确地获取农田信息，监测土壤、植被状况，预警灾害风险，并进行农田精细化管理。
国外国家遥感技术进行土地利用变化监测的典型案例
国外国家遥感技术进行土地利用变化监测的典型案例国外国家在土地利用变化监测方面广泛应用遥感技术，通过获取可靠的遥感数据并利用相应的算法分析这些数据，实现对土地利用变化的监测和评估。
以下是几个典型的国外案例。
1. 美国的遥感监测系统美国拥有全球最完善的遥感监测系统之一，即美国地质调查局（USGS）的土地利用/土地覆盖监测计划（LCCS）。
该计划通过使用多种遥感传感器获取高分辨率的遥感影像数据，并开发一系列专门的算法和模型来分析这些数据。
通过这个系统，美国可以实时监测土地使用变化，包括城市扩张、农田面积变化、森林砍伐等，并利用这些信息来指导土地管理和规划。
2. 加拿大的土地覆盖监测加拿大也利用遥感技术进行土地覆盖监测。
加拿大国家土地及水资源部（NRCan）利用卫星遥感数据和其他空间数据，开展土地覆盖分类和监测工作。
他们使用高空间分辨率的遥感影像，通过遥感图像分类算法实现对土地覆盖类型的准确识别。
这些信息对于加拿大政府的土地管理、环境保护和资源利用至关重要。
3. 澳大利亚的土地利用变化监测澳大利亚国土管理局（Landgate）利用遥感技术监测土地利用变化。
他们使用多源遥感数据，如航空遥感影像和卫星图像，以及高精度的数字地图，通过遥感影像处理和土地覆盖分类方法，实现对土地利用变化和城市扩张的监测。
该计划对于城市规划、环境管理和自然资源保护起到了重要的指导作用。
4. 德国的土地覆盖与土地利用监测德国地理学会（DGfG）在德国开展了土地覆盖与土地利用监测研究。
他们运用多源遥感数据，如Landsat、Sentinel等，结合地理信息系统（GIS）技术，进行土地覆盖和土地利用类型的分类和变化监测。
这些数据和分析结果不仅在城市规划和土地管理方面具有重要价值，还为环境保护和可持续发展提供了科学依据。
总结：国外国家在土地利用变化监测方面充分利用遥感技术，通过获取可靠的遥感数据并利用相应的算法进行分析，实现对土地利用变化的监测。
使用遥感数据进行草地与农作物监测的技术方法与应用案例
使用遥感数据进行草地与农作物监测的技术方法与应用案例近年来，随着遥感技术的不断发展与进步，其在农业领域的应用也逐渐得到了广泛的关注和推广。
遥感数据可以为农作物监测和草地管理提供丰富的信息，帮助农业决策者更好地把握农作物的生长情况和草地的变化趋势。
本文将介绍使用遥感数据进行草地与农作物监测的技术方法与应用案例。
一、遥感数据的获取与处理遥感数据可以通过卫星、航空器和无人机等平台获取。
其中，卫星遥感是最常用的平台，因为卫星能够提供全球范围的遥感数据。
获取到的遥感数据需要经过一系列的处理和分析，才能得到有价值的信息。
首先，对于农作物监测，我们可以利用遥感数据获取植被指数（Vegetation Index, VI）来评估农作物的生长状况。
常用的植被指数有归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）和比例植被指数（Normalized Difference Vegetation Ratio, NDVR）。
这些指数可以通过计算遥感数据中红光和近红外波段的反射率来获得。
对于草地监测，我们可以利用遥感数据分析草地的覆盖度和植被类型。
通过计算遥感数据中的不同波段的反射率，可以得到不同植被的特征，从而对草地进行分类和监测。
二、农作物监测的应用案例农作物监测是遥感数据在农业领域的重要应用之一。
通过监测农作物的生长情况，可以及时发现并解决病虫害等问题，提高农作物产量和质量。
以水稻为例，通过分析遥感数据中的植被指数，可以评估水稻的叶绿素含量和生长状态。
研究发现，NDVI值与水稻产量之间存在一定的相关性。
因此，在农作物监测中，可以根据NDVI值对水稻的产量进行预测和评估，为农业生产提供决策依据。
另外，玉米也是重要的农作物之一。
通过遥感数据监测玉米的生长情况，可以评估土壤湿度、养分状况等信息。
研究表明，遥感数据与实地调查的结果具有较高的相关性，可以为玉米的灌溉和施肥提供指导。
国外遥感技术监测土地利用变化典型案例
国外遥感技术监测土地利用变化典型案例随着人口的不断增长和经济的快速发展，全球的土地利用状况发生了重大变化。
为了监测这些变化以及了解其影响，国外使用遥感技术来获取土地利用数据，并进行详细分析。
下面将介绍几个国外遥感技术监测土地利用变化的典型案例。
1. 美国加利福尼亚州农业土地变化监测加利福尼亚州是美国最重要的农业州之一，但由于气候变化和城市扩张的影响，土地利用发生了巨大变化。
通过遥感技术，研究人员能够获取高分辨率的遥感影像数据，并利用地物分类算法对不同类型的农业土地进行准确的识别和分类。
这样一来，就可以实时监测农业土地的变化情况，为农业管理和决策提供重要的支持。
2. 巴西亚马逊雨林破坏监测巴西的亚马逊雨林是世界上最重要的生态系统之一，然而，由于非法砍伐、火灾和农业活动的持续增加，亚马逊雨林的破坏情况严重。
通过利用遥感技术，可以获取高分辨率的卫星影像数据，并结合植被指数等指标进行分类分析。
这样一来，就可以监测亚马逊雨林的破坏情况，并为保护和恢复工作提供科学依据。
3. 澳大利亚城市扩张监测澳大利亚作为一个快速发展的国家，城市扩张不可避免地引发了土地利用变化。
通过利用遥感技术，可以获取高分辨率的卫星影像数据，并结合土地利用分类算法，对不同类型的土地利用进行精确的识别和监测。
这样一来，研究人员可以及时发现和评估城市扩张对环境和生态系统的影响，并为城市规划和可持续发展提供建议。
4. 欧洲农田排水监测欧洲在农田排水方面投入了大量资金和技术，以确保农业生产的可持续性和高效性。
通过利用遥感技术，可以获取高分辨率的卫星影像数据，并通过图像处理和解译技术来监测农田排水情况。
这样一来，可以及时掌握农田排水效果，并对农田排水系统进行调整和改进。
综上所述，国外遥感技术在监测土地利用变化方面发挥了重要作用。
通过获取高分辨率的卫星影像数据，并结合地物分类算法和图像处理技术，我们能够准确地监测和分析土地利用的变化情况。
这不仅对环境保护和生态恢复提供了科学依据，还为城市规划、农业管理和决策提供了重要支持。
如何使用测绘技术绘制农田分布图
如何使用测绘技术绘制农田分布图农田是农业生产的核心，了解农田的分布和结构对于农业规划和农业发展至关重要。
而测绘技术在绘制农田分布图方面起着至关重要的作用。
本文将探讨如何使用测绘技术绘制农田分布图，并介绍其中的一些应用和挑战。
一、引言农田分布图是指将农田的位置、形状和面积等信息绘制在地图上的图像。
传统的绘图方法需要耗费大量时间和精力，而且存在着一定的误差。
而借助测绘技术，我们可以更准确、快速地绘制农田分布图，为农业管理和决策提供有力的支持。
二、测绘技术在农田分布图中的应用1. 卫星遥感技术卫星遥感技术是一种通过卫星获取地面信息的方法，可以获取大范围的农田分布信息。
通过遥感图像的解译和分类，可以识别出不同类型的农田，如水田、旱地和果园等。
卫星遥感技术还可以通过监测地表温度、植被指数等数据，评估农田的生长状况和土壤质量。
2. 全球定位系统（GPS）全球定位系统是一种通过卫星导航和地面接收器配合使用的定位技术。
利用GPS技术，我们可以精确定位农田的位置坐标和边界。
这对于统计农田面积、划定农田范围和规划种植区域等具有重要意义。
此外，GPS也可以用于农田的实地勘测和标记，提供准确的地理数据。
三、测绘技术在农田分布图中的挑战1. 数据处理和解译测绘技术获取的数据量庞大，涉及到图像处理、数据解译和分类等复杂步骤。
对于农田分布图来说，如何从大量的遥感图像中准确提取农田的信息，需要专业的技术和算法支持。
2. 数据时效性和精度农田是动态变化的，不同农作物的生长周期和季节特点也不同，因此，农田分布图需要及时更新和修正。
同时，农田分布图的精度对于农业规划和土地利用的决策具有重要意义，因此，数据的精度和质量也是一个挑战。
四、测绘技术在农田分布图中的前景随着科技的不断发展，测绘技术在绘制农田分布图领域的应用前景仍然广阔。
借助机器学习和人工智能等新技术，我们可以更迅速和准确地进行图像处理和数据解译。
此外，随着卫星分辨率的提高和数据获取的方便性，农田分布图的时效性和精度也将得到进一步改善。
国外农业土地利用变化的遥感监测与评价模型研究
国外农业土地利用变化的遥感监测与评价模型研究近年来，随着全球农业发展的进一步推进，国外农业土地利用变化的遥感监测与评价成为了研究的热点之一。
利用遥感技术进行土地利用变化的监测和评价，可以为国外农业可持续发展提供科学依据和决策支持。
本文将围绕这一任务名称，对国外农业土地利用变化的遥感监测与评价模型进行研究，并提出相关建议和展望。
首先，我们需要明确国外农业土地利用变化的遥感监测与评价的目标和内容。
这一任务旨在利用遥感数据获取农业土地利用的时空变化信息，分析不同因素对土地利用变化的影响，并建立相应的模型进行预测和评价。
具体内容包括选择适当的遥感数据源、建立土地利用分类系统、开展土地利用变化的监测和评价分析，以及构建相应的预测模型等。
其次，我们可以从以下几个方面展开具体的研究工作。
首先，选择适当的遥感数据源是关键的一步。
不同类型的遥感数据源具有不同的空间分辨率和时间分辨率，因此需要根据研究的需求和具体区域选择合适的数据源。
可以选择的数据源包括卫星遥感数据、无人机遥感数据和航空遥感数据等。
其次，建立土地利用分类系统是进行遥感监测与评价的基础工作。
合理地划分土地利用类型可以更好地进行后续的分析和模型建立。
针对不同的研究区域和目标，可以根据土地的自然特征和人类活动特点设计相应的分类系统。
第三，进行土地利用变化的监测和评价分析。
通过遥感影像的解译和分类，可以获得不同时间段内的土地利用类型和空间分布信息。
可以利用时序遥感数据分析土地利用的变化趋势和速率，以及不同因素对土地利用变化的影响。
此外，还可以运用空间统计分析方法，如转移矩阵等，对土地利用变化进行量化分析，并评估其对环境和生态的影响。
第四，构建土地利用变化的预测模型。
基于现有的土地利用变化数据和相关因素的统计分析，可以建立预测模型，以预测未来的土地利用变化趋势。
可以利用机器学习方法、时空模型等进行建模，并结合地理信息系统（GIS）实现模型的空间分析和可视化展示。
遥感技术在农业中的应用ppt课件
1.遥感 2.农业遥感应用领域 3.图像分割
生活中。。。 。。。
摄
胸
影
透
遥感发展三阶段
19世 纪末
第一次世界大战
20世纪60年代至今
购买遥感影像需要5个方面的注意：
遥感数据的选择
区域地块的大小？ 合适的波段？
遥感数据价格 元数据 数据格式
免费？收费？ 买药：一次吃几颗？药物的成分？副作用？ Geotif,hdf,intf……
canny
prewitt
sobel
log
梯度算子
基于区域生长的分割
原图
分割结果1
分割结果2
基于阈值的分割
原图
分割结果
直方图
基于分数布朗运动的分割
原图
分割结果
O(∩_∩)O谢谢
农情遥感监测
基于土壤热惯量模型的土壤表层含水量的反演 基于植被指数与土地表面温度的旱情监测 基于微波遥感数据的土壤水分反演 水灾监测 农情遥感监测
精确农业
植物不同营养状态的反射光谱特性曲线数据分析 高光谱遥感 遥感技术与其他信息获取技术的集成 精确农业中“3S”技术的综合应用
基于边缘检测的分割
原图
所查文献202124农情遥感监测基于土壤热惯量模型的土壤表层含水量的反演基于植被指数与土地表面温度的旱情监测基于微波遥感数据的土壤水分反演水灾监测农情遥感监测精确农业植物不同营养状态的反射光谱特性曲线数据分析高光谱遥感遥感技术与其他信息获取技术的集成精确农业中3s技术的综合应用202125基于边缘检测的分割原图cannyprewitt202126sobellog梯度算子202127基于区域生长的分割原图分割结果1分割结果2202128基于阈值的分割分割结果原图202129直方图202130基于分数布朗运动的分割原图分割结果202131
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对象级处理
基于多尺度对象分割和信息熵集成，进行尺度转换与空间 过滤，消除 “椒盐”误差
P O
顾及空间结构特性的对象化处理 对象化过滤
对象化识别结果
信息熵集成
m
K
以 耕 地 为 例
El (i, j ) Pl ,c (i, j ) ln( Pl ,c (i, j ))
L(i, j ) arg min El (i, j )
8 1
掌握境外耕地资源-后备生命线
大范围耕地遥感面临的难题
耕地自身类型复杂，光谱、纹理及物候特征差异很大
(a) (b) (c)
1. 平原区
种植与收割农田交错
(d)
耕地与村镇交错
(e) (f)
水田
2. 山区/丘陵地带
- 梯田 - 水田 - 山区坡耕地 - 峡谷河流两侧耕地
- 大规模机械农业区 - 耕地/村镇交错区 - 水田 - 人工牧草地 - 圆形灌溉耕地
坛
92.3 89.7 88.6 86.1 95.4 84.9 88.1
汇报提纲
一、引言
二、GlobeLand30耕地制图
三、全球耕地变化分析
0 2
四、结束语
智 8 1
慧
农
业
论
坛
基于GlobeLand30的全球耕地分析
基于面积、集约化、景观指数等指标，进行格局、十年变化及归因分析
格局及变化 • 2010 年全球耕地总面积 1938.9 万km2，占陆表面积的14.30% • 10 年全球耕地增加 41.73 万km²， 增幅约2.19% • 增加的耕地多从林草地转入 • 城市化是耕地减少的重要原因 耕地利用程度 • 10年间耕地利用程度持续提升 • 非洲和南美洲垦殖指数增加 • 亚洲、非洲和南美洲耕地复种 指数提升 重点国家/地区
0 2
智 8 1
对象分割 先验知识梳理
（2）基于对象的自动判别
基于耕地比例和坡度 的自动判别 对象化的耕地提取结 果
慧
农
• 一年一季 • 一年两季或多季
多时相特征
业
论
坛
有效提取 不同特征 的耕地
30mNDVI时序数据 重建
准确提取 耕地地块
（3）基于先验知识的交互式处理
信息服务平台 资料整合 分类结果交互 式编辑 优化的耕地提取 结果
智 8 1
规则 凝练
多尺度 分割
慧
异常 发现
农
协同 检核
业
保留空间 细节 消除椒盐 误差 降低分类 误差
处理效果
论
像素级 分类 对象化 处理 知识化 检核
坛
P
对象化过滤
O
K
GlobeLand30制图
分层提取：
多源全球30米影像数据集
已有 产品
参考 资料 分类 影像 DEM 样本 信息
生 产 技 术 规 范
l
0 2
智 8 1
c 1
面积：S斑块 > 9像元 比例：F比例 > 20% 地形：Slope<30度
耕地过滤规则：
慧
农
业
论
P O
坛
分类 精度
50% 70%
像素级分类结果
Landsat影像
曹鑫 等. SCIENTIA SINICA Terrae, 2016, 46(11)
知识化检核
凝练多类型知识规则，实现异常区域的自动发现与错漏分修正
3. 干旱/半干旱区
黄土高原
(g)
- 黄土高原塬梁峁区域的耕地
- 农牧交错区 - 非洲沙漠边缘耕地 - 绿洲耕地 - 圆形灌溉耕地
梯田
(h) (i)
大棚用地
0 2
干旱区灌溉耕地
8 1
4. 其它耕地
茶园
咖啡
- 茶园、咖啡园等经济作物 - 休耕地/弃耕地 - 大棚 - 森林中开垦的耕地
传统遥感分类方法缺乏特征自适应能力
慧
农
80.0% 80.1% 77.0% 79.6% 87.0% 86.9% 89.7% 81.5% 91.9% 80.6%
业
Sun et al., 2016 Jacobson, 2015 Yang et al., 2017 Arsanjani et al., 2016b Brovelli et al., 2015 Cao et al., 2016 Mozak, 2016 Lu et al., 2016 Wang et al., 2015 Zhang et al., 2015a Kussul et al., 2015 Ma et al., 2016 Manakos et al., 2015 Chen et al., 2017
新西兰
蒙古
0 2
NASA研制的GFSAD产品-提供中国、澳大利亚、新西 兰和蒙古2015年30米分辨率的的耕地分布数据。
8 1
GlobeLand30
辨率全球地表覆盖数据产品
在国家863重点项目支出下，研制出世界上首套30米分
0 2
全要素（十大类）+ 两期（2000/2010)
智 8 1
慧
农
业
论
坛
陈军等. 全球30 m地表覆盖遥感数据产品-GlobeLand30[J]. 地理信息世界,2017,24(1):1-8
局部分类结果
0 2
8 1
·俄罗斯奥伦堡州2010年
局部分类结果
0 2
8 1
·意大利蒂罗尔州2010年分类成果
局部分类结果
0 2
智 8 1
慧
农
业
论
坛
埃及新河谷省2010期
2.3 精度评价- GlobeLand30总体精度
采用图幅抽样和空间相关性要素抽样，从全球选择 154,000个样本点，总体精度达到83%
83.50% ±0.18%
精度评价
Scale Subcontinental Region Central Asia East Africa China Iran Classes for Evaluation 10 classes Cropland 10 classes 10 classes Accuracy 46.0% 83.1% 82.4% 77.9% References
全球耕地遥感制图与分析
0 2
8 1
国
2018年7月28日，北京
汇报提纲 一、引言
二、GlobeLand30耕地制图 三、全球耕地变化分析
0 2
四、结束语
8 1
民以食为天
耕地是粮食生产的重要前提与保障
北美-玉 米 东南亚水稻 南美-大 豆
保护国内耕地-生命线
0 2
准确地掌握全球耕地分布、质量及变化态势，服 等 2014，,测绘学报，43（6）：551-557
智 8 1
数据检核与完善 产品集成
单类型分幅集成
慧
过 程 质 量 控 制
农
业
论
坛
汇报提纲
一、引言
二、GlobeLand30耕地制图
三、全球耕地变化分析
0 2
四、结束语
8 1
2.1 GlobeLand30耕地提取
30米影像 （Landsat、HJ-1） 耕地光谱、 纹理和时 相特征 差异大 250m NDVI 时间序列数据
（1） 像元尺度多特征优化的耕地分类提取
• 生长季的耕地（植被） • 休耕地（裸地） • 水田（水体）
光谱特征
• 不同斑块大小的地块 • 不同形状的地块
纹理特征
光谱特征提取
自适应窗口纹理特征
耕地地块 小、破碎 化程度高
先验知识 应用难
曹鑫等 2016，全球30m耕地遥感制图研究. 中国科学: 地球科学, 46: 1426–1435
大范围耕地遥感面临的难题
“同物异谱/异物同谱”现象突出
同物异谱 异物同谱
湿地
草地
2010.6
0 2
以农作物的植被光谱
传统遥感分类方法缺乏特征自适应能力，难以保障大范围 地表覆盖信息提取的单期高精度、多期一致性
8 1
耕地
2015.3
裸露田快的土壤光谱
全球地表覆盖遥感制图
耕地是其中主要类型之一
0 2
P O K
以 耕 地 为 例
基于多类型约束性规则的知识化检核
耕地异常检核规则：
- 统计差异：|A提取-A统计|>20%*A统计 - 人造地表耕地交错：∂P耕地 ∩ ∂P人造=0 - 坡耕地漏提：Slope ϵ [15,30] - …
检核优化结果
知识规则凝练
错漏分 判定
0 2
智 8 1
错误 标注 发布订 阅推送
CCI
90.4 78.8
Globcover MODIS C5 unified-cropland
87.4 78.9
0 2
智 8 1
89.7 79.1 93.9 82.6 84.5
慧
87.5 83.1 88.3 77.5 83.0
农
业
90.0 87.5 89.4 88.7 95.0 86.7 88.8
论
8 1
Grekousis et al., 2015，International Journal of Remote Sensing, 36 (21) :5309-5335
Global Food Security-support Analysis Data 30-m (GFSAD30)
中国 澳大利亚
0 2
8 1
• “一带一路”沿线国家耕地变 化总体稳定 • 亚马逊耕地扩张明显 • 中国耕地面积减少并同时伴随 着破碎化
3.1 全球耕地空间格局