遥感作物长势检测论文关键词

遥感在农业中的应用如下：

一、作物监测

利用遥感对作物进行监测，包括农作物面积、长势情况、产量估算、土壤墒情、病虫害等作物信息监测。

1、作物种植面积监测

不同作物在遥感影像上呈现不同的颜色、纹理、形状等特征信息，利用信息提取的方法，可以将作物种植区域提取出来，从而得到作物种植面积和种植区域。获取作物种植面积是长势监测、产量估算、病虫害、灾害应急、动态变化等监测的前提。

2、作物长势监测

通常的农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测，即对作物生长状况及趋势的监测。农作物长势包括个体和群体两方面的特征。

叶面积指数LAI是与作物个体特征和群体特征有关的综合指标，可以作为表征作物长势的参数。归一化植被指数NDVI与LAI 有很好的关系，可以用遥感图像获取作物的NDVI 曲线反演计算作物的LAI，进行作物长势监测。

3、作物产量估算

遥感估产是基于作物特有的波谱反射特征，利用遥感手段对作物产量进行监测预报的一种技术。利用影像的光谱信息可以反演作物的生长信息（如LAl、生物量），通过建立生长信息与产量间的关联模型（可结合一些农学模型和气象模型），便可获得作物产量信息。

4、土壤墒情监测

土壤墒情也就是土壤含水量，土壤在不同含水量下的光谱特征不同。土壤水分的遥感监测主要从可见光- 近红外、热红外及微波波段进行。微波遥感，精度高，具有一定的地表穿透性，不受天气影响，但是成本高，成图的分辨率低，其应用也受到限制。

常用的还是可见光和热红外遥感。通过与反映土壤含水量相关的参数建立关系模型。反演土壤水分。

5、作物病虫害监测与预报

植被对诸如病虫害、肥料缺乏等胁迫的反应随胁迫的类型和程度的不同而变化，包括生物化学变化（纤维素、叶片等）和生物物理变化（冠层结构、覆盖、LAI 等），相应的，植物特征吸收曲线特别是红色区和红外区的光谱特性就会发生相应变化，所以在病害早期就可通过遥感探测到。

二、资源监测

遥感技术可快速获取宏观信息，对耕地、草地、水等农业自然资源的数量、质量和空间分布进行监测与评价，从而为农业资源开发、利用与保护、农业规划、农业生态环境保护、农业可持续发展等提供科学依据。

三、灾害监测

遥感是灾害应急监测和评估工作一种重要的技术手段，可以对旱灾、洪涝等重大农业自然灾害进行动态监测和灾情评估，监测其发生情况、影响范围、受灾面积、受灾程度，进行灾害预警和灾后补救，减轻自然灾害给农业生产所造成的损失。

四、河南省利用遥感技术开展的农业监测工作

为使遥感技术为全省农业服务，按照农业部农业遥感监测中心的整体部署，结合河南省农业生产的特点，从2003 年在全省范围内开展了主要农产品的种植面积变化和长势遥感监测等服务工作。

洋河流域遥感图像土地利用分类方法研究 【摘要】遥感影像分类方法的确定是LUCC研究中的关键步骤。文章以洋河流域为研究区，分别进行了非监督分类和监督分类。针对监督分类结果中存在的误差，对水域、植被、城镇与工矿用地三种类型地物的提取分别选择了综合阈值法、植被指数法、DEM数据辅助分析法进行了改进，结果表明改进后的提取结果较监督分类直接得到的结果有了很大的改善。【关键词】遥感图像；监督分类；综合阈值法；植被指数法【中图分类号】TP79 【文献标识码】A【文章编号】1671-5969（2007）16-0164-03一、研究区域概况及图像资料（一）研究区域概况洋河流域是张家口经济发展的中心地带，水资源相对丰富。洋河发源于山西省阳高县和内蒙古兴和县，是永定河上游的一大支流，流域面积约14600km2 。在张家口市流域面积为9762km2，流经万全县、怀安县、张家口市区、宣化县、宣化区、下花园区、怀来县等，干流全长106 km，在朱官屯于桑干河汇合后流至官厅水库，是官厅水库的重要水源。洋河流域形状东西向较长，南北向较短，地形总趋势西北高、东南低。流域的东北、北部和西北沿坝头一带海拔高程1200～1500m之间，西部和南部边界海拔高程一般在500～1000m之间。流域内80％以上为丘陵山区，绝大部分为荒山秃岭。流域内大部分为黄色沙壤土，并有部分砂砾土及黄粘土，沿河川地层厚且较肥沃[1]。（二）信息源遥感信息源的选择要综合考虑其光谱分辨率、空间分辨率、时间分辨率等因素， 这是利用遥感图像进行土地利用分类的关键问题。美国的Landsat TM 图像是当前应用最为广泛的卫星遥感信息源之一，它可提供7个波段的信息， 空间分辨率为30～120m。TM数据源各波段各有特点，可进行不同地物类型的信息提取。相关资料表明TM遥感数据各波段间的信息相关关系为：TM1与TM2，TM5与TM7高度相关，相关系数达以上，信息冗余大，可以考虑不选取TM1波段。另外由于第6个波段的分辨率为120m，不利于地物信息的提取，所以亦不选取TM6波段。一般来说， 选择图像类型时，应考虑研究区域的大小、研究的目的，以及要达到的精度要求，另外不同时相遥感图像的选择对分类精度也具有很大的影响。为了能把水域、城市与工矿用地、林地、耕地、裸地区分开，以洋河流域1987年9月17日的TM图像为信息源进行研究。本文中所使用的遥感图像处理工具为美国ERDAS公司的ERDAS 软件，它是一个功能完整的、集遥感与地理信息系统于一体的专业软件，具有数据预处理、图像解译、图像分类、矢量功能、虚拟gis等多个功能。二、现有遥感图像土地利用分类的主要方法及其分析遥感图像土地利用分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，并用一定的手段将特征空间划分为互不重叠的子空间，然后将图像中的各个像元划归到各个子空间中以实现分类[2]。按照是否有已知训练样本的分类数据，将其分为非监督分类和监督分类。它们最大的区别在于监督分类首先给定类别，而非监督分类则由图像数据本身的统计特征来确定。（一）非监督分类非监督分类是在多光谱特征空间中通过数字操作搜索像元光谱属性的自然群组的过程，这种聚类过程生成一副有m个光谱类组成的分类图。然后分析人员根据后验知识将光谱类划分或转换成感兴趣的专题信息类[3]。洋河流域内有很多山地，在图像上会产生大量的阴影，导致了像元灰度值的空间变化，这对分类结果有很大的影响。为此可以通过比值运算来去除阴影的影响，使向阳处和背阴处都毫不例外地只与地物的反射率的比值有关。常用算法：近红外波段（TM4）/红外波段（TM3），这样所得到的效果比较好，从原始图像和比值运算后的图像（图像略）中，可以清楚地看到山体阴面的阴影得到了有效的去除。经过比值运算后， 就可以对图像进行非监督分类。得到的分类结果如图1所示。非监督分类只根据地物的光谱特征进行分类，受人为因素的影响较少，不需要对地面信息有详细的了解，但由于“同物异谱、异物同谱”等现像的存在，其结果一般不如监督分类令人满意。比如官厅水库旁边的大量建筑物被分到水体一类。是因为在TM3波段上，水体和建筑物的灰度值相近， 同样在TM7波段上，裸山和建筑物的灰度值也相近。总之，在TM的6个波段上，无论采用哪个波段进行非监督分类，总有几种地物的光谱值接近，因此单纯依靠计算机自动分类取得很好的效果是非常困难的。