孟令华
- 作品数：5 被引量：39H指数：3
- 供职机构：东北农业大学资源与环境学院更多>>
- 发文基金：国家自然科学基金黑龙江省普通高等学校新世纪优秀人才培养计划黑龙江省普通高等学校青年学术骨干支持计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 基于时间序列Landsat影像的棉花估产模型被引量：22
- 2015年
- 为提高棉花遥感估产精度,该文选取加州San Joaquin Valley地区2个棉花地块作为研究区,利用时间序列Landsat_5_TM、Landsat_7_ETM遥感影像数据,结合野外实测产量数据,进行棉花产量遥感预测模型研究。结果表明:基于Landsat影像纯像元的植被指数时间序列准确地揭示了棉花整个生长期的长势情况,不同长势的棉花植被指数随时间变化在花铃期差异比较显著;整个花铃期植被指数与产量之间的相关系数均大于0.80,最大相关系数达0.90,花铃期NDVI平均值建模决定系数为0.82,均方根误差为463.69,证明花铃期比其他生长期更适用于棉花产量预测;单一时期最优模型为第206天(7月25日),多时期最优模型以NDVI最大值前三期NDVI平均值为自变量;整个花铃期NDVI最大值建模决定系数为0.81,均方根误差为477.82,该模型具有普适性。该文的研究成果为基于MODIS_NDVI最大值合成法的相关研究提供了理论依据,并且为其他农作物的估产模型建立提供借鉴。
- 刘焕军孟令华张新乐Susan Ustin宁东浩孙思雨
- 关键词：遥感棉花NDVI时间序列花铃期
- 棉花生长初期灌溉信息遥感提取与校正被引量：2
- 2017年
- 为提高生长初期低覆盖度作物长势的遥感监测精度,需要消除灌溉引起的土壤水分背景变化对归一化差值植被指数(NDVI)的影响。为了实现棉花生长初期灌溉信息提取与校正,提高棉花作物长势监测与产量预判精度,本文以美国加利福尼亚州San Joaquin Valley的2个棉花地块为研究区,选取棉花生长初期灌溉过程中的遥感影像,构建两种灌溉信息提取方法(分阶段阈值法和灌溉线提取法),确定最优灌溉像元提取方法;比较分析灌溉与未灌溉情况下棉花的NDVI与归一化差值水分指数(NDWI)以及土壤调节植被指数的关系,提取含有灌溉信息的像元,并对NDVI进行校正,消除灌溉对NDVI的影响。研究结果表明:在棉花生长初期,灌溉与未灌溉像元NDVI变化率达12%,差异较显著;灌溉与否的棉花NDVI与NDWI间均存在极显著的线性关系,决定系数在0.80以上;利用灌溉线方法提取灌溉信息与分阶段阈值相比精度更高,精度达88%以上;校正后线性回归模型精度达0.95,灌溉校正效果明显,灌溉与未灌溉像元的NDVI差异减小至2%。本研究通过对含有灌溉信息像元NDVI值的校正,去除灌溉对NDVI造成的影响,反映了真实的植被信息,可实现对作物生长初期长势的准确遥感监测,为遥感定量监测提供便利。
- 刘焕军孟令华邱政超张新乐殷继先徐梦园于微谢雅慧
- 关键词：棉花植被指数
- 黑土区田块尺度遥感精准管理分区被引量：10
- 2017年
- 基于格网采样与空间插值的精准管理分区方法精度高,但时效性差、成本高。本文以东北农垦地区红星农场农田为研究对象,提出一种基于遥感影像的精准管理分区方法:以裸土高空间分辨率遥感影像作为数据源,结合田间格网采样数据,基于裸土反射光谱特征与黑土主要理化性质的显著相关关系,运用面向对象分割、空间统计分析方法,对典型黑土区田块进行精准管理分区研究,并利用土壤理化性质和农作物生理参数,对分区结果进行评价。得出如下结论:(1)典型黑土区田块内部土壤养分含量空间变异显著;(2)基于裸土影像与面向对象的精准管理分区方法精度高,增强了分区之间的土壤养分与归一化植被指数(NDVI)差异性、分区内部各属性的一致性;(3)基于2015年4月1日和2015年5月20日单期影像分区和两期影像波段叠加(Layer stacking)分区,区间变异系数与区内变异系数之比分别为1.42、1.39和7.63,基于两期影像综合信息的分区结果显著优于基于单期影像分区;(4)基于裸土影像面向对象分割的精准管理分区方法时效性强、成本低、精度高。研究成果为田间变量施肥、发展精准农业、实现农业可持续发展提供依据。
- 刘焕军邱政超孟令华付强姜佰文闫岩徐梦园
- 关键词：遥感影像面向对象精准农业
- 引入地形因子的黑土区大豆干生物量遥感反演模型及验证被引量：5
- 2017年
- 为了对田块尺度农作物地上干生物量进行估测,提高大豆地上干生物量反演模型的精度和稳定性,该文获取了研究区地块2016年7、8月份的SPOT-6多光谱数据,并测定不同地形坡位的大豆地上干生物量,以归一化植被指数(normalized difference vegetation index,NDVI)和增强型植被指数(enhanced vegetation index,EVI)为输入量,建立田块尺度大豆地上干生物量一元线性回归模型;加入与地上干生物量相关的地形因子,建立逐步多元回归和神经网络多层感知反演模型。结果表明:1)使用传统的单一植被指数模型预测大豆地上干生物量有可行性,但模型精度和稳定性不高。2)加入地形因子(海拔、坡度、坡向)的神经网络多层感知器模型,有较高的精度和可靠性,模型准确度达到90.4%,验证结果显示预估精度为96.2%。反演结果与地块的地形、地貌、气温和降水特征基本吻合,反映了作物长势的空间分布特征,可以为田块尺度大豆地上干生物量动态监测和精准管理,提供借科学依据。
- 张新乐徐梦园刘焕军孟令华邱政超潘越谢雅慧
- 关键词：遥感作物地形因子
- 基于NDVI-NDWI植被指数的棉花灌溉信息提取
- 灌溉会影响遥感植被指数的大小,尤其是在植被覆盖度低的情况下,影响程度更大.为有效地利用遥感影像对植被长势进行监测,需要对植被灌溉信息进行校正,获取准确的植被指数数值.本文选取加州San Joaquin Valley的棉花...
- 孟令华张新乐刘焕军郭栋宗杰贝
- 关键词：植被指数灌溉
