簡介：點擊查看更多2016年云南省第八屆農(nóng)作物品種審定委員會麥豆、經(jīng)作精彩內(nèi)容。

簡介：點擊查看更多農(nóng)作物用水量預(yù)測及智能灌溉方法--畢業(yè)論文精彩內(nèi)容。

簡介：1答辯人XXX指導(dǎo)老師XX教授專業(yè)方向XXX學(xué)20XXXXXXXXXXXXXXXXX研究基于XXXXXXXXXXXXX數(shù)據(jù)碩士論文答辯2報告提綱之一研究綜述之二研究目的與研究內(nèi)容之三數(shù)據(jù)介紹及平滑預(yù)處理之四基于交叉擬合度檢驗法的中國農(nóng)作物復(fù)種指數(shù)提取之五結(jié)論與探討3研究綜述遙感技術(shù)在農(nóng)作物監(jiān)測中的應(yīng)用農(nóng)作物的分類農(nóng)作物的長勢監(jiān)測農(nóng)作物估產(chǎn)農(nóng)作物的種植面積監(jiān)測基于遙感數(shù)據(jù)監(jiān)測農(nóng)作物復(fù)種指數(shù)的研究進展國內(nèi)研究進展國外研究進展存在的主要問題復(fù)種指數(shù)的定義與理解遙感估算方法基本空白4研究目的與研究內(nèi)容研究目的依托遙感技術(shù)在農(nóng)作物監(jiān)測中廣泛應(yīng)用的研究成果，利用多時相衛(wèi)星遙感數(shù)據(jù)對中國農(nóng)作物的復(fù)種指數(shù)進行估算，從而客觀的了解、評價我國農(nóng)作物的生產(chǎn)情況以及生長潛力等。研究內(nèi)容在重新理解和界定復(fù)種指數(shù)的基礎(chǔ)上，對SPOTVGT多時相NDVI數(shù)據(jù)進行去噪平滑處理，并依托前人的研究成果提取出中國農(nóng)作物區(qū)，根據(jù)中國耕作制度區(qū)劃挑選出具有代表性的NDVI變化曲線，初步建立熟制標(biāo)準曲線庫，利用交叉擬和度檢驗法對逐個像元進行判斷，提取其復(fù)種指數(shù)，并對結(jié)果進行了驗證分析。5對復(fù)種指數(shù)的理解和重新界定復(fù)種，作為中國多熟種植中最主要的一種形式，可以反映耕地實際的利用強度以及可利用潛力，大多數(shù)農(nóng)業(yè)生產(chǎn)模型及氣候模型中復(fù)種指數(shù)或復(fù)種潛力指的都是復(fù)種這種耕作方式。計算純粹的復(fù)種指數(shù)要比計算綜合或統(tǒng)計指標(biāo)更簡單可行，并具有同等重要的意義。因此，這里重新界定復(fù)種指數(shù)為一年內(nèi)同一塊地上連續(xù)種植農(nóng)作物的次數(shù)，即復(fù)種的次數(shù)，不考慮其他間套等耕作形式。并根據(jù)劉巽浩等的建議以及數(shù)據(jù)處理工作中的經(jīng)驗，限定農(nóng)作物的獨立生長期至少在兩個月以上。6數(shù)據(jù)介紹VEGETATION計劃及VGT傳感器VEGETATION計劃的提出及應(yīng)用方面VGT傳感器的設(shè)計特點SPOTVGT與NOAAAVHRR數(shù)據(jù)比較技術(shù)比較光譜波段比較數(shù)據(jù)質(zhì)量比較其他SPOTVGTS10NDVI數(shù)據(jù)產(chǎn)品NDV波段SM波段7數(shù)據(jù)平滑預(yù)處理NDVI數(shù)據(jù)去噪處理的三種方法閾值去除法如最佳坡度系數(shù)截取法BISE（VIOVY1992）基于濾波的平滑方法如傅立葉濾波變換法（OLSSON1994）曲線擬合的方法如非對稱高斯函數(shù)擬合方法（JONSSON2002）綜合評價以上方法的優(yōu)缺點，我們提出了一種新的基于SAVITZKYGOLAY濾波的平滑方法來去除NDVI時序數(shù)據(jù)中存在的噪音。8方法原理基本假設(shè)NDVI的時序變化對應(yīng)于植被的生長與衰落NDVI與植被緩慢變化過程不一致的突降作為噪音SAVITZKYGOLAY濾波公式通過SAVITZKYGOLAY濾波模擬整個NDVI時序數(shù)據(jù)的長期變化趨勢，將NDVI值分做兩類“真”點和“假”點，再通過局部循環(huán)SAVITZKYGOLAY濾波的方法使“假”點逐步被濾波值取代，以更接近于NDVI時序數(shù)列的上包絡(luò)線值。9SAVITZKYGOLAY濾波平滑方法流程圖10SAVITZKYGOLAY濾波平滑過程示意圖11選取試驗點12參數(shù)確定長期變化趨勢的最優(yōu)濾波參數(shù)判定72擬合循環(huán)中的最優(yōu)濾波參數(shù)判定3413THRESHOLD02THRESHOLD04THRESHOLD06M3D2M3D4本方法與BISE方法的比較結(jié)果14本方法的評價優(yōu)點充分利用云狀態(tài)數(shù)據(jù)對參數(shù)的敏感性較低理論簡單并且易于實現(xiàn)運行速度較快不受數(shù)據(jù)時間尺度空間尺度及傳感器限制缺點對在植被生長季高峰可能被云影響點無法判斷對NDVI正常低值可能被提高15復(fù)種指數(shù)提取的可行性多時相NDVI數(shù)據(jù)的去噪平滑保證了植被生長變化特征；中國多熟種植的歷史悠久，在農(nóng)作物的選擇和種植方式上形成一定模式；相同熟制下不同農(nóng)作物組合的生長曲線具有相似性；多時相NDVI數(shù)據(jù)與高光譜數(shù)據(jù)的相似性，并且具有連續(xù)性和更明顯的曲線變化特征。16交叉擬合度檢驗法基本原理交叉擬合度檢驗法交叉相關(guān)檢驗法光譜角度匹配法17交叉擬合度檢驗法敏感度檢驗結(jié)果表明交叉擬合度檢驗法對曲線間的差異及波動更為明顯，適用于農(nóng)作物的熟制判斷甚至是類型判斷。18應(yīng)用流程否平滑后的中國農(nóng)作物NDVI時序數(shù)列不同種植制度的典型點選取典型點的比較與選定精度檢驗標(biāo)準曲線的非對稱高斯函數(shù)擬和中國農(nóng)作物種植指數(shù)的提取及成圖計算交叉擬和度及判別是19典型點的選取中國種植制度區(qū)劃圖（劉巽浩，1993）20各區(qū)名稱及作物種類與復(fù)種類型21典型點的選擇選點原則具有比較明顯的生長曲線和熟制；獨立生長期大于或等于60天；包括有完整的生長季曲線，即生長期加衰落（收割）期。綜合原則內(nèi)部交叉擬合度貢獻最大類間混合度最小22曲線標(biāo)準化利用非對稱高斯函數(shù)擬合方法對標(biāo)準點曲線進一步平滑。23復(fù)種指數(shù)提取結(jié)果24精度評價隨機抽樣目視解譯精度評價25誤判及未判別原因農(nóng)作物區(qū)域的錯誤及變化導(dǎo)致的未判定和誤判；云和大氣過于頻繁對判定產(chǎn)生的影響；典型點的漏選，所選取的典型點不能概括所有的多熟種植中農(nóng)作物生長季的特征變化，造成一定程度的誤判；由于交叉擬和度對較短時間的波動敏感性比較低，生長季過短也會造成誤分。26方法評價優(yōu)點原理簡單，運算方便；可適用于大多數(shù)具有連續(xù)波段或時段的遙感數(shù)據(jù)；可以有效的提取中國農(nóng)作物區(qū)的復(fù)種指數(shù)，并同時反映不同地區(qū)生長季的大致偏移；應(yīng)用潛力大，可在植被分類、土地覆蓋變化監(jiān)測以及高光譜數(shù)據(jù)分析等方面發(fā)揮作用。缺點對典型點的選取要求比較高，要求有地面實驗數(shù)據(jù)支持或者是大量的樣點分析；不宜于時間段過長起伏變化過多的數(shù)據(jù)組。27主要結(jié)論傳統(tǒng)的復(fù)種指數(shù)定義過于混亂和綜合，重新界定復(fù)種指數(shù)的含義為一年內(nèi)同一塊耕地上耕作農(nóng)作物的次數(shù)，并界定作物生長期在兩個月以上，計算純粹的復(fù)種指數(shù)，不僅簡單易行，意義明確，并且可以利用多時相遙感數(shù)據(jù)對每個像素進行提取，避免了傳統(tǒng)統(tǒng)計方法的費時費力，以及行政單元的局限。28主要結(jié)論基于SAVITZKYGOLAY濾波原理的平滑方法，可以有效的去除多時相NDVI遙感數(shù)據(jù)中由于云、氣溶膠等大氣影響造成的噪音，充分利用對應(yīng)的云狀態(tài)數(shù)據(jù)，理論簡單并易于實現(xiàn)。可應(yīng)用于不同時間尺度、空間尺度和傳感器的NDVI數(shù)據(jù)，以獲取較高質(zhì)量的NDVI時序數(shù)據(jù)。29主要結(jié)論基于高光譜數(shù)據(jù)分析技術(shù)光譜匹配法提出的交叉擬和度檢驗法，以前人對中國多熟種植的研究成果，選取了基本可以反映我國不同熟制的農(nóng)作物生長曲線作為參考，計算了以遙感影像像素為單位的全國農(nóng)作物復(fù)種指數(shù)。其結(jié)果表明此方法對NDVI生長季曲線之間相關(guān)性表現(xiàn)出了比較高的精度，給農(nóng)作物復(fù)種指數(shù)的提取開辟了一條新的道路。同時還具有廣泛的應(yīng)用前景，如土地利用覆蓋變化監(jiān)測、植被特征分類以及高光譜數(shù)據(jù)分析研究等等。30討論復(fù)種指數(shù)的重新界定雖然采用了劉巽浩等的建議，定義生長期至少大于2個月，但缺乏有效的資料論證，有待考察；本工作直接采用的是前人關(guān)于農(nóng)作物區(qū)域的劃分，其錯誤與變化也影響了本方法的準確性，有望在進一步工作中避免；構(gòu)建農(nóng)作物熟制曲線庫（即挑選標(biāo)準樣點）是本方法應(yīng)用的關(guān)鍵。人工經(jīng)驗挑選存在著主觀上的錯誤和不足。如能進一步根據(jù)不同農(nóng)作物的生長特點構(gòu)建熟制標(biāo)準曲線，應(yīng)該可以使本方法得到更好的應(yīng)用；NDVI時間序列數(shù)據(jù)的質(zhì)量始終是其應(yīng)用的一個瓶頸。尤其在中國南方地區(qū)，受大氣和云的影響過于頻繁，造成部分地區(qū)的NDVI序列無法獲取到明顯的生長季變化特征，也很難平滑恢復(fù)或是模擬，給復(fù)種指數(shù)的提取帶來了困難。31淘麥刷麥樂刷W911211謝謝觀看

簡介：點擊查看更多基于gf-2影像的寧夏特色農(nóng)作物種植結(jié)構(gòu)信息提取方法研究精彩內(nèi)容。

簡介：點擊查看更多云南農(nóng)作物種子條例精彩內(nèi)容。

簡介：點擊查看更多農(nóng)作物清洗機精彩內(nèi)容。

簡介：點擊查看更多內(nèi)蒙古自治區(qū)2017年農(nóng)作物種子精彩內(nèi)容。

簡介：點擊查看更多外文翻譯---在孟加拉國的農(nóng)村地區(qū)存在有商業(yè)價值的農(nóng)作物保險嗎精彩內(nèi)容。

簡介：點擊查看更多67509.rs、gis、gps技術(shù)支持下的農(nóng)作物估產(chǎn)精彩內(nèi)容。

簡介：點擊查看更多63658.一種實用的提高與檢驗遙感圖像解譯精度方法——以在農(nóng)作物遙感估產(chǎn)中的應(yīng)用為例精彩內(nèi)容。

簡介：點擊查看更多63534.遙感技術(shù)在農(nóng)作物病蟲害監(jiān)測與評估中的應(yīng)用精彩內(nèi)容。

簡介：點擊查看更多55423.農(nóng)作物產(chǎn)量數(shù)據(jù)處理技術(shù)的研究精彩內(nèi)容。

簡介：點擊查看更多54853.農(nóng)作物信息系統(tǒng)的設(shè)計與實現(xiàn)精彩內(nèi)容。

簡介：點擊查看更多40404.利用生物芯片技術(shù)檢測轉(zhuǎn)基因農(nóng)作物精彩內(nèi)容。

簡介：點擊查看更多36392.河南省農(nóng)作物殘留生物質(zhì)資源空間分布及其在生物質(zhì)電廠領(lǐng)域的應(yīng)用精彩內(nèi)容。