微信公众号
汇款信息
  • 邮局汇款
  • 地   址:

    北京市海淀区中关村南大街12号中国农科院资源所区划楼315

  • 收款人:

    《中国农业信息》编辑部

  • 邮   编:

    100081

  • 银行汇款
  • 帐   号:

    11050601040011896

  • 开户行:

    农行北京北下关支行

  • 单   位:

    中国农业科学院农业资源与农业区划研究所

  • 联系电话:

    010-82109632

  • 附言注明第一作者姓名或稿件号,以便核对
  • 2023年 第35卷 第3期
    • 主       编:吴文斌
    • 创刊时间:1989年
    • 出版周期:双月刊
    • 国内刊号:11-4922/S
    • 国际刊号:1672-0423
    • 主管单位:中华人民共和国农业农村部
    • 主办单位:中国农业科学院农业资源与农业区划研究所
    • 出版单位:《中国农业信息》 编辑部
  • 出版日期:2023-06-25

  • 当期目录
  • 本期推荐
  • 下期目录
  • 点击排行
  • 过刊浏览
    2023年 第35卷 第3期
    刊出日期:2023-06-25
      
    简明目录
    带摘要目录
  • 李扬威,孙亮,刘佳,杨鹏
    2023.35(3):1-18[摘要(139)][PDF(1166.93 M)]   HTML[HTML]

    [目的] 遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。[方法] 文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。[结果] 在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31~0.54和0.33~0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47~0.6之间,小于0.6个像元;高分7号的配准精度在0.44~0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。[结论] 利用AROP对15 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率的高分2号、高分7号的多光谱影像进行批量的自动配准,配准精度均在0.6个像元以下,符合应用的要求,减轻了劳动强度,提高了处理应用效率,为高分系列卫星的协同应用提供了技术支撑。
    Doi:10.12105/j.issn.1672-0423.20230301

  • 刘克宝,陆忠军,辛蕊,付斌,黄楠,刘艳霞,王婷
    2023.35(3):19-30[摘要(122)][PDF(982.65 M)]   HTML[HTML]

    [目的] 文章以黑龙江省北大荒农垦集团克山农场为研究区域,以当地马铃薯全生育期为研究时段,以早熟马铃薯、晚熟马铃薯及其他主要农作物大豆、玉米、水稻为研究对象,开展基于时序Sentinel-2数据的识别差异性研究。[方法] 基于早熟马铃薯、晚熟马铃薯及大豆、玉米、水稻各时期各波段光谱反射值,利用光谱差异性指数,创建了光谱振幅指数,结合各种作物生育期数据,评价不同波段、不同时间序列对早熟马铃薯、晚熟马铃薯识别的差异性;筛选出可以较好区分早熟马铃薯、晚熟马铃薯、大豆、玉米、水稻的波段和时间序列组合。[结果] 在该文的时序内,能够同时区分早熟马铃薯、晚熟马铃薯与大豆、玉米、水稻的Sentinel-2数据时段为2022年8月9日和8月31日,波段为Band 5、Band 7和Band 11。利用计算机自动分类,结合人工目视解译方式获得2022年克山农场种植结构,马铃薯、大豆、玉米、水稻、其他作物比例为13∶57∶27∶0∶2(其中的水稻比例不足0.30%)。[结论] 综合Sentinel-2数据各波段反射值、光谱差异性指数,结合生育期资料,使用单一时相识别马铃薯时,最佳时段为晚熟马铃薯的成熟期后,地面光谱表现为裸地,其他作物光谱仍然表现为作物。
    Doi:10.12105/j.issn.1672-0423.20230302

  • 邢东兴,王雪,杨军军
    2023.35(3):31-45[摘要(145)][PDF(975.10 M)]   HTML[HTML]

    [目的] 探寻李树遥感辨识的最佳时相与方法,为关中地区以及其他果区的李树遥感监测提供理论与方法支撑。[方法] 文章以关中地区为研究区域,基于16种地物样地的感兴趣区数据,采用反射光谱及其差分序列对比与分析、光谱距离法、图像增强处理与分析法、图像差值与比值法、光谱指数法、光谱指数变化分析法和辨识方法优化组合7类方法,探究李树遥感识别并对辨识精度进行了验证。[结果] (1)李树遥感辨识的最佳时相为盛花期;(2)R660/R555阈值法对盛花期的李树具有较强的辨识效能;(3)两指数(NDVI3-19与R485+R555)阈值联用法可以较高精度将盛花期的李树与同时期的梨树、冬小麦、冬油菜、撂荒地予以区分,但是该方法难以将李树与其他10种果树精确区分;(4)三指数(R660/R555、NDVI3-19与R485+R555)阈值联用法可将盛花期的李树与同时期除撂荒地以外的其他地物予以精确区分,但是该方法对李树与撂荒地的区分精度依然不够理想;(5)NDVI10-19阈值法可将10月中旬的李树与撂荒地精确区分;(6)四指数(R660/R555、NDVI10-19、R485+R555与NDVI3-19)阈值联用法可高精度识别当年的李树,李树类的分类精度可达95.49%,非李地物类的分类精度可达96.02%,总体分类精度可达95.92%。[结论] 开展李树遥感监测时,融合李树盛花期与10月中旬两期影像,采用四指数阈值联用方法可获得较高的监测精度。
    Doi:10.12105/j.issn.1672-0423.20230303

  • 胡浩轩,李强子,张思宸,沈云祺,刘洋,张源,王红岩,杜鑫
    2023.35(3):46-57[摘要(103)][PDF(1011.66 M)]   HTML[HTML]

    [目的] 利用海南省中南部5市县采集的南繁水稻光谱、叶绿素等数据,研究物理模型与查找表策略对南繁水稻叶片叶绿素的反演,并对不同查找表进行比较分析。[方法] 文章先根据研究区调查与文献调研,利用辐射传输模型PROSAIL-PRO模拟2万条冠层光谱,分别构建波长400~1 000 nm区间的全波段查找表和双植被指数(Vegetation Index,VI)查找表,并使用实测的南繁水稻冠层光谱与叶绿素含量进行验证。其中,双VI查找表包括TCARI-OSAVI查找表、比值型植被指数(Ratio Vegetation Index,RVI)查找表和红边相对指数(Red Edge Relative Indices,RERI)查找表3种。[结果] (1)传统的全波段查找表反演叶片叶绿素含量的精度较差,R值为0.46,均方根误差(Root Mean Squared Error,RMSE)为8.84 μg/cm2,正规化均方根误差(Normalized Root Mean Squared Error,NRMSE)为 0.32。(2)双VI查找表反演结果较传统查找表更好,TCARI-OSAVI查找表的R值为0.55,RMSE为8.16 μg/cm2,NRMSE为0.29;RVI查找表的R值为0.70,RMSE为8.80 μg/cm2,NRMSE为0.32;RERI查找表的R值0.63,RMSE为10.53 μg/cm2,NRMSE为 0.38;其中TCARI-OSAVI查找表反演效果最好,RVI查找表与RERI查找表的反演都存在高估的现象;与前人关于冬小麦的叶片叶绿素反演研究相比,双VI查找表在南繁水稻的叶片叶绿素反演方面的NRMSE相对更高,尽管如此,与其他水稻叶绿素反演的研究相比,该文所用方法具有更高的可靠性与可迁移性。[结论] 双VI查找表相对于传统查找表具有一定的优势,在南繁水稻叶片叶绿素含量反演方面具备应用的潜能,然而该方法仍有一定的改进空间。
    Doi:10.12105/j.issn.1672-0423.20230304

  • 刘成,董超,王卓然,赵庚星
    2023.35(3):58-74[摘要(90)][PDF(943.09 M)]   HTML[HTML]

    [目的] 研究人类活动因子对随机森林模型建模精度的影响,对提升数字土壤制图精度有积极作用。[方法] 文章以招远市东北部山地丘陵区为研究区,通过在环境因子集中添加土地利用类型、距水系欧式距离和距道路欧式距离3种人类活动因子,分别在全区、分区和中心区3种范围生成训练样点集并构建随机森林模型,分析人类活动因子对模型及其制图精度的影响。[结果] (1)在山地丘陵区,土地利用数据及其派生数据能有效提高随机森林建模精度,添加单一及3种人类活动因子,建模精度分别可提升2.39%和3.98%;(2)按照土地利用类型进行分区建模可以进一步提升随机森林模型的建模精度,分区建模比全区建模精度可提升0.55%;(3)随机森林模型构建时,所使用训练样点的质量越高,模型建模精度越高、分类效果越好,中心区建模精度比全区模型提高4.15%。[结论] 探明了人类活动因子参与随机森林模型构建的影响,显示了人类活动因子对山丘区土壤类型数字制图模型精度的提升作用。
    Doi:10.12105/j.issn.1672-0423.20230305

  • 李福夺,尹昌斌
    2023.35(3):75-83[摘要(100)][PDF(95939.21 K)]   HTML[HTML]

    目的 全面测度我国农业农村信息化发展水平及其时空变化,并揭示关键影响因素。方法 文章利用我国30个省(市、自治区,不包含西藏、港、澳、台)的面板数据,运用空间计量模型等方法,对2010—2021年农业农村信息化的发展情况进行综合评价。结果 (1)当前我国农业农村信息化发展综合水平为0.398,总体仍然偏低。(2)2010—2021年我国农业农村信息化发展水平呈现出逐年提升态势,年均增长率为1.22%;从空间差异看,我国农业农村信息化呈现出“东高西低、南高北低”的特征。(3)人均GDP、城镇化率和农村平均受教育程度分别在1%、5%和1%的显著性水平上对农业农村信息化具有正向影响。结论 (1)抓住数字乡村与农村信息化建设的历史机遇提升农业农村信息化发展综合水平,(2)打破信息壁垒,持续缩小农业农村信息化的地区差异。
    Doi:10.12105/j.issn.1672-0423.20230306

  • 黄显雷,杜倩慧,廖若凡
    2023.35(3):84-94[摘要(96)][PDF(95559.35 K)]   HTML[HTML]

    [目的] 探究数字经济和农业产业结构升级对农业碳排放的作用机制,为实现中国农业经济高质量发展以及“双碳”相关政策的制定提供决策参考。[方法] 文章构建数字经济发展水平指标体系,基于2013—2021年中国30个省(市、自治区,不包含西藏、港、澳、台)的面板数据,运用面板联立方程模型,实证考察数字经济、农业产业结构升级与农业碳排放三者之间的影响关系及其区域差异,并进一步检验数字经济、农业产业结构升级对农业碳排放的作用渠道与传导效应。[结果] 数字经济的发展对农业产业结构升级和农业碳排放均产生了正向作用,农业产业结构升级显著抑制了农业碳排放,但数字经济可以通过优化农业产业结构升级的方式降低农业碳排放;受地理区域异质性因素的影响,数字经济发展、农业产业结构升级与农业碳排放之间的作用机制存在差异。[结论] 应从数字经济发展、农业产业结构升级等多维度入手,发挥数字经济的功能性作用,落实农业产业结构升级战略,推动农业绿色低碳转型,综合降低农业碳排放,以期实现中国农业低碳可持续发展。
    Doi:10.12105/j.issn.1672-0423.20230307

  • 李扬威,孙亮,刘佳,杨鹏
    2023.35(3):1-18[摘要(139)][PDF(1166.93 M)]   HTML[HTML]

    [目的] 遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。[方法] 文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。[结果] 在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31~0.54和0.33~0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47~0.6之间,小于0.6个像元;高分7号的配准精度在0.44~0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。[结论] 利用AROP对15 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率的高分2号、高分7号的多光谱影像进行批量的自动配准,配准精度均在0.6个像元以下,符合应用的要求,减轻了劳动强度,提高了处理应用效率,为高分系列卫星的协同应用提供了技术支撑。
    Doi:10.12105/j.issn.1672-0423.20230301

  • 刘克宝,陆忠军,辛蕊,付斌,黄楠,刘艳霞,王婷
    2023.35(3):19-30[摘要(122)][PDF(982.65 M)]   HTML[HTML]

    [目的] 文章以黑龙江省北大荒农垦集团克山农场为研究区域,以当地马铃薯全生育期为研究时段,以早熟马铃薯、晚熟马铃薯及其他主要农作物大豆、玉米、水稻为研究对象,开展基于时序Sentinel-2数据的识别差异性研究。[方法] 基于早熟马铃薯、晚熟马铃薯及大豆、玉米、水稻各时期各波段光谱反射值,利用光谱差异性指数,创建了光谱振幅指数,结合各种作物生育期数据,评价不同波段、不同时间序列对早熟马铃薯、晚熟马铃薯识别的差异性;筛选出可以较好区分早熟马铃薯、晚熟马铃薯、大豆、玉米、水稻的波段和时间序列组合。[结果] 在该文的时序内,能够同时区分早熟马铃薯、晚熟马铃薯与大豆、玉米、水稻的Sentinel-2数据时段为2022年8月9日和8月31日,波段为Band 5、Band 7和Band 11。利用计算机自动分类,结合人工目视解译方式获得2022年克山农场种植结构,马铃薯、大豆、玉米、水稻、其他作物比例为13∶57∶27∶0∶2(其中的水稻比例不足0.30%)。[结论] 综合Sentinel-2数据各波段反射值、光谱差异性指数,结合生育期资料,使用单一时相识别马铃薯时,最佳时段为晚熟马铃薯的成熟期后,地面光谱表现为裸地,其他作物光谱仍然表现为作物。
    Doi:10.12105/j.issn.1672-0423.20230302

  • 邢东兴,王雪,杨军军
    2023.35(3):31-45[摘要(145)][PDF(975.10 M)]   HTML[HTML]

    [目的] 探寻李树遥感辨识的最佳时相与方法,为关中地区以及其他果区的李树遥感监测提供理论与方法支撑。[方法] 文章以关中地区为研究区域,基于16种地物样地的感兴趣区数据,采用反射光谱及其差分序列对比与分析、光谱距离法、图像增强处理与分析法、图像差值与比值法、光谱指数法、光谱指数变化分析法和辨识方法优化组合7类方法,探究李树遥感识别并对辨识精度进行了验证。[结果] (1)李树遥感辨识的最佳时相为盛花期;(2)R660/R555阈值法对盛花期的李树具有较强的辨识效能;(3)两指数(NDVI3-19与R485+R555)阈值联用法可以较高精度将盛花期的李树与同时期的梨树、冬小麦、冬油菜、撂荒地予以区分,但是该方法难以将李树与其他10种果树精确区分;(4)三指数(R660/R555、NDVI3-19与R485+R555)阈值联用法可将盛花期的李树与同时期除撂荒地以外的其他地物予以精确区分,但是该方法对李树与撂荒地的区分精度依然不够理想;(5)NDVI10-19阈值法可将10月中旬的李树与撂荒地精确区分;(6)四指数(R660/R555、NDVI10-19、R485+R555与NDVI3-19)阈值联用法可高精度识别当年的李树,李树类的分类精度可达95.49%,非李地物类的分类精度可达96.02%,总体分类精度可达95.92%。[结论] 开展李树遥感监测时,融合李树盛花期与10月中旬两期影像,采用四指数阈值联用方法可获得较高的监测精度。
    Doi:10.12105/j.issn.1672-0423.20230303

  • 胡浩轩,李强子,张思宸,沈云祺,刘洋,张源,王红岩,杜鑫
    2023.35(3):46-57[摘要(103)][PDF(1011.66 M)]   HTML[HTML]

    [目的] 利用海南省中南部5市县采集的南繁水稻光谱、叶绿素等数据,研究物理模型与查找表策略对南繁水稻叶片叶绿素的反演,并对不同查找表进行比较分析。[方法] 文章先根据研究区调查与文献调研,利用辐射传输模型PROSAIL-PRO模拟2万条冠层光谱,分别构建波长400~1 000 nm区间的全波段查找表和双植被指数(Vegetation Index,VI)查找表,并使用实测的南繁水稻冠层光谱与叶绿素含量进行验证。其中,双VI查找表包括TCARI-OSAVI查找表、比值型植被指数(Ratio Vegetation Index,RVI)查找表和红边相对指数(Red Edge Relative Indices,RERI)查找表3种。[结果] (1)传统的全波段查找表反演叶片叶绿素含量的精度较差,R值为0.46,均方根误差(Root Mean Squared Error,RMSE)为8.84 μg/cm2,正规化均方根误差(Normalized Root Mean Squared Error,NRMSE)为 0.32。(2)双VI查找表反演结果较传统查找表更好,TCARI-OSAVI查找表的R值为0.55,RMSE为8.16 μg/cm2,NRMSE为0.29;RVI查找表的R值为0.70,RMSE为8.80 μg/cm2,NRMSE为0.32;RERI查找表的R值0.63,RMSE为10.53 μg/cm2,NRMSE为 0.38;其中TCARI-OSAVI查找表反演效果最好,RVI查找表与RERI查找表的反演都存在高估的现象;与前人关于冬小麦的叶片叶绿素反演研究相比,双VI查找表在南繁水稻的叶片叶绿素反演方面的NRMSE相对更高,尽管如此,与其他水稻叶绿素反演的研究相比,该文所用方法具有更高的可靠性与可迁移性。[结论] 双VI查找表相对于传统查找表具有一定的优势,在南繁水稻叶片叶绿素含量反演方面具备应用的潜能,然而该方法仍有一定的改进空间。
    Doi:10.12105/j.issn.1672-0423.20230304

  • 刘成,董超,王卓然,赵庚星
    2023.35(3):58-74[摘要(90)][PDF(943.09 M)]   HTML[HTML]

    [目的] 研究人类活动因子对随机森林模型建模精度的影响,对提升数字土壤制图精度有积极作用。[方法] 文章以招远市东北部山地丘陵区为研究区,通过在环境因子集中添加土地利用类型、距水系欧式距离和距道路欧式距离3种人类活动因子,分别在全区、分区和中心区3种范围生成训练样点集并构建随机森林模型,分析人类活动因子对模型及其制图精度的影响。[结果] (1)在山地丘陵区,土地利用数据及其派生数据能有效提高随机森林建模精度,添加单一及3种人类活动因子,建模精度分别可提升2.39%和3.98%;(2)按照土地利用类型进行分区建模可以进一步提升随机森林模型的建模精度,分区建模比全区建模精度可提升0.55%;(3)随机森林模型构建时,所使用训练样点的质量越高,模型建模精度越高、分类效果越好,中心区建模精度比全区模型提高4.15%。[结论] 探明了人类活动因子参与随机森林模型构建的影响,显示了人类活动因子对山丘区土壤类型数字制图模型精度的提升作用。
    Doi:10.12105/j.issn.1672-0423.20230305

  • 李福夺,尹昌斌
    2023.35(3):75-83[摘要(100)][PDF(95939.21 K)]   HTML[HTML]

    目的 全面测度我国农业农村信息化发展水平及其时空变化,并揭示关键影响因素。方法 文章利用我国30个省(市、自治区,不包含西藏、港、澳、台)的面板数据,运用空间计量模型等方法,对2010—2021年农业农村信息化的发展情况进行综合评价。结果 (1)当前我国农业农村信息化发展综合水平为0.398,总体仍然偏低。(2)2010—2021年我国农业农村信息化发展水平呈现出逐年提升态势,年均增长率为1.22%;从空间差异看,我国农业农村信息化呈现出“东高西低、南高北低”的特征。(3)人均GDP、城镇化率和农村平均受教育程度分别在1%、5%和1%的显著性水平上对农业农村信息化具有正向影响。结论 (1)抓住数字乡村与农村信息化建设的历史机遇提升农业农村信息化发展综合水平,(2)打破信息壁垒,持续缩小农业农村信息化的地区差异。
    Doi:10.12105/j.issn.1672-0423.20230306

  • 黄显雷,杜倩慧,廖若凡
    2023.35(3):84-94[摘要(96)][PDF(95559.35 K)]   HTML[HTML]

    [目的] 探究数字经济和农业产业结构升级对农业碳排放的作用机制,为实现中国农业经济高质量发展以及“双碳”相关政策的制定提供决策参考。[方法] 文章构建数字经济发展水平指标体系,基于2013—2021年中国30个省(市、自治区,不包含西藏、港、澳、台)的面板数据,运用面板联立方程模型,实证考察数字经济、农业产业结构升级与农业碳排放三者之间的影响关系及其区域差异,并进一步检验数字经济、农业产业结构升级对农业碳排放的作用渠道与传导效应。[结果] 数字经济的发展对农业产业结构升级和农业碳排放均产生了正向作用,农业产业结构升级显著抑制了农业碳排放,但数字经济可以通过优化农业产业结构升级的方式降低农业碳排放;受地理区域异质性因素的影响,数字经济发展、农业产业结构升级与农业碳排放之间的作用机制存在差异。[结论] 应从数字经济发展、农业产业结构升级等多维度入手,发挥数字经济的功能性作用,落实农业产业结构升级战略,推动农业绿色低碳转型,综合降低农业碳排放,以期实现中国农业低碳可持续发展。
    Doi:10.12105/j.issn.1672-0423.20230307

通知公告
更多>>