陈联裙
- 作品数：9 被引量：90H指数：6
- 供职机构：北京师范大学地理学与遥感科学学院地表过程与资源生态国家重点实验室更多>>
- 发文基金：国家高技术研究发展计划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基金更多>>
- 相关领域：农业科学自动化与计算机技术经济管理更多>>
- 变端元混合像元分解冬小麦种植面积测量方法被引量：10
- 2011年
- 针对线性混合像元分解(Linear Spectral Unmixing,LSU)在端元(Endmember)个数不变情况下常会出现端元分解过剩现象导致分解结果精度不高的问题,以地物分布的聚集性特征为基础,提出了基于格网的变端元线性混合像元分解(Dynamic Endmember LSU,DELSU)方法。以冬小麦为研究目标,采用Landsat TM图像为实验数据、高分QuickBird图像目视解译冬小麦结果为真值精度评价数据,利用本文提出的DELSU方法进行冬小麦提取。实验结果表明:该方法比最大似然方法、LSU方法更能准确地获取冬小麦面积,在一定程度上吸收了传统分类方法的优点,提高了目标地物的测量精度;同时作为一种改进的LSU方法也适用于其他土地利用/覆盖类型的测量。
- 赵莲张锦水胡潭高陈联裙李乐
- 关键词：LSU格网冬小麦
- 冬小麦种植面积空间抽样效率影响因子分析被引量：29
- 2009年
- 基于遥感与抽样的农作物种植面积测量方法结合了遥感和抽样理论的优势,已经成为农作物种植面积测量中有着广泛应用前景的测量方法。以格网为单元,进行分层空间抽样,分析在二值图像的情况下,抽样格网大小、分层层数对抽样精度、抽样精度方差、抽样比的影响;将二值图像分类结果定义为作物区,随机混入不同丰度10%,20%,……,100%的冬小麦,在不同冬小麦丰度(即不同的分类误差)的前提下,分析抽样格网大小、分层层数、分类误差对抽样精度、抽样比的影响,确定最优分层定义为6层,在分类误差小于40%(即冬小麦丰度大于60%)的前提下,可以有效地进行空间抽样推算区域冬小麦种植面积,为农作物种植面积测量空间抽样方案的优化提供理论基础。
- 张锦水潘耀忠胡潭高陈联裙董燕生
- 关键词：农作物二值图像
- 冬小麦遥感估产回归尺度分析被引量：6
- 2010年
- 将统计业务和遥感估产结合起来,以北京市统计局提供的实割实测产量数据作为野外样方,利用抽样村和地块两种尺度的实测数据,用抽样村整体回归、地块整体回归和地块分层回归3种方法进行遥感估产,将所得结果与北京市统计局发布的统计单产从不同级别进行比较分析。结果表明,利用抽样村和地块两种尺度的实测数据进行回归估产都可以得到高精度的市级单产;在区县级别上利用地块尺度的实测数据进行估产得到的区县级单产精度高于抽样村尺度;在村级上利用地块实测数据进行单产预测能够较抽样村尺度更好的反映实际单产,模型更加稳定。因此,利用地块尺度的实测产量数据建立整体回归和分层回归模型都是可行,有效的,可以得到小区域尺度高精度的单产结果。
- 陈联裙朱再春张锦水张群潘耀忠
- 关键词：遥感估产NDVI
- 基于信息扩散和关键期遥感数据的冬小麦估产模型被引量：26
- 2011年
- 农作物估产对于国家制定粮食进出口政策和保障粮食安全具有重要意义。为构建高精度的作物估产模型,探讨了一种将信息扩散原理和关键期遥感数据相结合的农作物遥感估产方法。首先利用信息扩散原理将关键期遥感数据生成的NDVI和实割实测产量数据扩散到多维监控空间,采用模糊合成的方法建立关键期遥感数据和实割实测产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证,并与多元线性回归模型和BP神经网络模型进行对比。结果表明,利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高,与多元回归方法和BP神经网络方法相比,决定系数分别提高0.180、0.491,均方根误差分别降低173.10、487.79 kg/hm2。该方法能较好地模拟冬小麦遥感估产中归一化植被指数和产量之间的非线性关系,且泛化推广能力优异,为应用关键期遥感数据进行冬小麦估产提供了一种有效方法。
- 朱再春陈联裙张锦水潘耀忠朱文泉
- 关键词：遥感信息扩散
- 区域总量控制下的冬小麦种植面积空间分布优化被引量：2
- 2010年
- 【目的】利用传统遥感与抽样相结合的方法进行农作物种植面积测量,只能获得区域总量,无法有效获取农作物种植面积空间分布信息。针对以上不足,开展区域总量控制下的冬小麦种植面积空间分布优化研究,从而提高冬小麦种植面积测量的空间分布精度。【方法】将整个遥感影像像元划分为3部分:"纯净冬小麦像元"、"混合冬小麦像元"和"典型非冬小麦像元"。综合软、硬分类方法各自的优势,在区域冬小麦总量面积一定的前提下,设定阈值确定混合冬小麦像元的空间分布范围。【结果】传统遥感与抽样相结合的方法提取出的冬小麦结果RMSE为0.13,优于硬分类方法(RMSE为0.16)和软分类方法(RMSE为0.20)。【结论】区域总量控制下的软、硬分类方法能够有效地对冬小麦种植面积空间分布进行优化,既保证了区域测量精度,又提高了空间分布的准确性。
- 张锦水赵莲陈联裙胡潭高董燕生
- 关键词：冬小麦遥感
- 景观破碎度在冬小麦面积抽样设计中的应用研究被引量：16
- 2010年
- 将破碎度指标引入到遥感抽样调查中,重点探讨了面积规模指标与破碎度指标在分层抽样中的适用性。实验结果表明:在种植结构破碎区域,面积规模指标与破碎度指标的相关系数均在0.7以上,可以作为分层标志,随着抽样格网不断增加,面积规模指标的相关系数不断增大,而破碎度指标的相关系数则不断减小。当格网小于100m×100m时,破碎度指标作为分层标志效果要优于面积规模指标;在种植结构规整区域,面积规模指标要始终优于破碎度指标,破碎度指标更适合于种植结构破碎、抽样单元较小的遥感抽样调查方案中作为分层标志进行应用。
- 胡潭高张锦水潘耀忠陈联裙
- 关键词：相关系数
- MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究被引量：9
- 2012年
- 农作物遥感估产区划是农作物遥感估产的基础,它为估产研究和实践提供了重要的科学依据。以冬小麦生育期内的MODIS EVI时间序列作为分区数据,选择江苏省为试验区,探讨了一种改进的光谱角制图和K均值聚类相结合(光谱角聚类)的分区方法,并在冬小麦遥感估产中进行了试验。结果表明:光谱角聚类分区方法充分利用了MODIS时间序列数据所反映的农作物生长进程,可以充分体现气候差异所带来的冬小麦区域差异;与传统分区相比,基于光谱角聚类分区方法所得到的遥感估产结果具有较高的决定系数R2(0.702 6比0.624 8)和较低的均方根误差RMSE(343.34比381.34kg.hm-2),体现了该分区方法在冬小麦遥感估产中的优势。光谱角聚类分区方法仅以获取便利的低分辨率时间序列遥感数据为分区数据,且能很好的将冬小麦划分为特征性质一致的区域,所得遥感估产模型的精度和稳定性也较好,为冬小麦遥感估产分区提供了一种有效方法,有利于进行冬小麦遥感估产研究。
- 朱再春陈联裙张锦水潘耀忠朱文泉胡潭高
- 关键词：冬小麦时间序列光谱角制图遥感估产
- 实割实测数据支持下的县级尺度冬小麦产量遥感估测
- 本文采用对冬小麦地块分层后估产建模的思想,在高精度的冬小麦种植空间分布数据和耕地地块数据的支持下,选用冬小麦灌浆时期的遥感影像,对有冬小麦的耕地地块以地块内NDVI均值为分层标志进行分层,以北京市统计局提供的北京市80个...
- 陈联裙张群张锦水潘耀忠
- 关键词：植被指数
- 文献传递
- 基于光谱角聚类分区和信息扩散的冬小麦遥感估产方法研究
- 冬小麦是我国主要粮食作物之一，其播种面积占粮食作物总播种面积的五分之一。因此针对冬小麦进行长势监测和产量估计，对国家及时、准确地掌握粮食生产状况，实现粮食宏观调控，争取国际农产品贸易主动权具有重要意义。遥感技术目前广泛应...
- 陈联裙
- 关键词：冬小麦遥感技术信息扩散
