遥感在农业方面的应用解析ppt课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,遥感在农业方面的应用-以农业估产为例,遥感在农业方面的应用-以农业估产为,1,遥感（Remote Sensing）即遥远的感知，指在一定距离上，应用探测仪器不直接接触目标物体，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合，在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。,遥感（Remote Sensing）即遥远的感知，指在一定距,2,遥感在农业方面的应用主要是在进行农用,土地资源调查,、作物估产和气象灾害、作物病虫害的监测、预报等方面。,农业已成为遥感技术最大的应用部门之一。,遥感在农业方面的应用主要是在进行农用土地资源调查、作物估产和,3,土地资源调查,包括对土壤、地形、植被（如,森林,、,草原,）、表层地质、气候、水文和地下潜水等各种农业自然要素的调查。如在,土壤调查,中利用砂质土和粘质土对可见光光谱的反射,前者较强,后者较弱，以及二者因不同的水分状况、有机质含量、盐分含量和表面粗糙度而产生不同的光谱反射等特性，通过对黑白片上不同灰阶的影像灰度和图形特征进行专业解译，就可勾绘出不同的专业图件，如土壤解译图、森林解译图、草原类型解译图等。航空像片由于其直观性和几何精度较好，且影像的光学纠正与精绘技术较成熟，已成为,土地资源调查,的常规手段。70年代以后，陆地卫星开始运用于中小比例尺的土地资源调查与清查。因价格便宜，取得影像较易，而为不少发展中国家所应用。制图比例尺逐渐扩大到1:50000至1:25000。,土地资源调查,4,灾情监测与预报,主要用于洪涝灾情监测预报。对某些地区的暴雨和可能造成的灾情，可结合应用陆地卫星与气象卫星所获得的资料进行预报。利用当时的卫星影像与常年卫星影像进行对比，可获得有关洪水泛滥成灾面积和灾情程度的较准确的结果。对旱灾的面积和危害程度的监测预报往往更易通过卫星资料来进行。其他如土壤的侵蚀、沙化，草原的退化以及由某些工程引起的环境恶化等，一般也均可通过卫星和航空遥感来进行监测。,灾情监测与预报,5,作物病虫害监测与预报,作物和树木等绿色植物受病虫危害后，其叶绿素都要受到不同程度的破坏，因而其近红外波段（相当于MSS6，MSS7）的光谱反射受到明显影响，并在红外彩色或假彩色影像上与健康植物的分异十分明显。故可利用低空红外遥感对作物病虫害进行监测及预报。,作物病虫害监测与预报,6,作物估产,目前主要应用于：大面积作物环境监测。如通过NOAA卫星遥感影像的绿度值，了解大面积作物的分布和长势，并根据该作物在某一些地区的生长日历(拔节、开花等)和气象卫星所提供的资料，对某一作物地区可能发生的气象灾害、,土壤水分,的保证率和流行性病虫害等发生早期警报。大面积估产。如利用陆地卫星进行某一作物的生态分区，收集每一生态分区内历年该作物的产量以及有关的气象资料建立产量模式，同时进行与卫星同步的高空、低空和地面光谱观测，然后根据卫星影像所提供的信息进行某一作物的产量估测。较小面积的估产。如在一个县或一个地区范围内，利用陆地卫星影象进行统计分层（即分区），每层根据成数抽样的原则，选取一定数目的在卫星影象和航空像片上都有明显标志的样区，然后利用航空像片在该样区内进行有关作物面积和长势等的调查，以此来推算该层的总面积和总产量。这种方法称为框图面积取样估产，精度可达9597。在地块零碎、多种作物混作的地区则精度为7580。但卫星影像总的都对宏观农业管理有利。,作物估产,7,作物估产是体现遥感在农业方面综合应用的最好例证。,自1974年以来，美国、前苏联、阿根廷、中国、日本、印度等国先后进行了不同范围、不同作物的估产工作。美国对世界小麦产量的估产精度已达90%以上，并扩大到对玉米、大豆等八种以上作物的估产。我国于19831986年在京津冀进行跨省市的统一网络较大范围冬小麦遥感估产试验，精度也超过90%。,作物估产是体现遥感在农业方面综合应用的最好例证。,8,遥感估产的基本原理,任何物体都具有吸收和反射不同波长电磁波的特性，这是物体的基本特性。人眼正是利用这一特性，在可见光范围内识别各种物体的，遥感技术也是基于同样的原理，利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波，根据地面上物体的波谱反射和辐射特性，识别地物的类型和状态。,遥感估产的基本原理,9,农作物估产则是指根据生物学原理，在收集分析各种农作物不同生育期不同光谱特征的基础上，通过平台上的传感器记录的地表信息，辨别作物类型，监测作物长势，并在作物收获前，预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。,农作物估产则是指根据生物学原理，在收集分析各种农作物不同生育,10,农作物估产的方法,农作物估产在方法上可分为传统的作物估产和遥感估产两类。,农作物估产的方法,11,传统的作物估产基本上是农学模式和气象模式，采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高，某些因子种类往往难以定量化，不易推广应用。,遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中，常常用绿度或植被指数（由多光谱数据，经线性或非线性组合构成的对植被有一定指示意义的各种数值）作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息，各种估产模式，尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点,传统的作物估产基本上是农学模式和气象模式，采用人工区域调查方,12,农作物估产中所应用的遥感资料大致可分为三类：,一是气象卫星资料，主要为美国第三代业务极轨气象卫星（NOAA系列）装载的甚高分辨率辐射仪（AVHRR）资料，其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉，空间分辨率低但时间分辨率较高；二是陆地卫星(Landsat)资料，应用较多功能是专题制图仪(TM)资料，它重复周期长、价格高，但其空间分辨率高5；三是航空遥感和地面遥感资料，主要用于光谱特征及估产农学机理的研究中，其中高光谱数据可提供连续光谱，可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具。,农作物估产中所应用的遥感资料大致可分为三类：,13,在遥感估产中农作物面积提取是最重要的内容。用遥感方法测算一种农作物的种植面积主要有以下几种方法。,1）航天遥感方法。包括卫星影像磁带数字图象处理方（一般精度较高）和绿度-面积模式。,2)航空遥感方法。可进行总面积的测量、作物分类及测算分类面积。,3)遥感与统计相结合的方法。此方法是由美国农业部统计局在原面积抽样统计估产的基础上发展起来的,其原理是利用遥感影像分层，再实行统计学方法抽样。,4)地理信息系统(GIS)与遥感相结合方法。此方法是在地理信息系统的支持下，利用遥感信息，对不同农作物的种植面积进行获取。,在遥感估产中农作物面积提取是最重要的内容。用遥感方法测算一种,14,植被可利用遥感数据，大多数（主要是无机材料）可见光谱凭借红色和蓝色的部分其显著的吸收，其较高的绿色反射率，特别是其很强烈的反射近红外。,这是表面瓦尔格拉绿洲地下水达到在撒哈拉大沙漠在阿尔及利亚南部的一个集中的树木和植物：,植被可利用遥感数据，大多数（主要是无机材料）可见光谱凭借红色,15,遥感在农业方面的应用解析ppt课件,16,这是发生在得克萨斯州于2007年6月时高达20英寸的降雨过程中下降。该拼图制成的SPOT图像表明，大多数国家对西部两个三分之二已在米德兰盆地周围绿化植被的响应远在这个时间比正常的一年（在黑色的区域，是极端）,这是发生在得克萨斯州于2007年6月时高达20英寸的降雨过程,17,遥感在农业方面的应用解析ppt课件,18,国内外遥感估产的研究进展状况,国外遥感估产研究的进展状况,美国首先开了农作物遥感估产之先河，美国农业部、国家海洋大气管理局、宇航局和商业部合作制定了“大面积农作物估产实验(19741978)计划”，组织实施了小麦估产计划，应用先后发射入轨的陆地卫星13接收处理出的MSS图像，首先对美国大平原9个小麦生产州的面积、单产和产量做出估算;尔后对包括美国本土、加拿大和前苏联部分地区小麦面积、单产和产量做出估算;接着是对世界其它地区小麦面积、总产量进行估算。调查分析美国、原苏联、加拿大等主要产粮国的小麦播种面积、出苗状况和长势，并利用气象卫星获得的气象要素信息，结合历年统计数据进行综合分析，建立的小麦估产模型精度高达90%以上。,国内外遥感估产的研究进展状况,19,19801986年，美国又制定了“农业和资源的空间遥感调查”计划,其核心内容仍是主要作物的种植面积与单产模型的研究。进行国内、世界多种粮食作物长势评估和产量预报。中国科学院自然资源综合考查委员会的陈沈斌于1992年8月在美国农业部外国农业局(负责美国以外国家的农作物估产,并建成运行系统)曾见到当月估计的中国小麦、玉米、水稻总产量与后来1993年国家统计局公布的数字差-3.53%、+0.65%和-0.66%。该项工作,为美国在世界农产品贸易中获得巨大的经济利益,19801986年，美国又制定了“农业和资源的空间遥感调查,20,此后，欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算，均取得了一定的成果。例如，欧共体用10年的时间(从1983年开始)，建成用于农业的遥感应用系统，1995年在欧共体15个国家用180景SPOT影像，结合NOAA影像在60个试验点进行了作物估产，可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产，MODIS搭载的TERRA卫星是1999年由美国(国家航空航天局)、日本(国际贸易与工业厅)和加拿大(空间局、多伦多大学)共同合作发射的，MODIS数据涉及波段范围广(36个波段)、分辨率(250,500,1 000 m)比NOAA-AVHRR(5个波段，分辨率为1100 m)有较大的进步，这些数据均对农业资源遥感监测有较高的实用价值。,此后，欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技,21,ldso等曾运用500600nm和600700nm两个光谱区得到的反射值的转换植被指数(TV16)来估计小麦与大麦的单产,获得小麦单产与TV16之间的相关系数为0.78。同年，日本科技公司完成了“遥感估产”项目，可提高平原农业估产的精度，并着眼于对全球进行估产。而美国已经将遥感技术用于精细农业，对农作物进行区域水分分布评估、病虫害预测等，直接指导农业生产。用卫星遥感方法进行长势监测和产量估算已进行多年，方法已趋于成熟,ldso等曾运用500600nm和600700nm两个光,22,水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。Patel和Dash等14建立水稻产量和RVI的关系,试验区预报精度达到96.14%。Miller等15在分蘖或出穗阶段时,运用比值植被指数通过干物质和单产的关系来估计单产。但在作物灌浆与成熟阶段,由于反射率与总生物量之间并不相关,比值植被指数无法预测水稻的冠层生物量。Wiegand,SSRay认为借助于归一化植被指数NDVI(NIR-R)/(NIR+R)可以很好地预测产量,水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日,23,国内遥感