|本期目录/Table of Contents|

[1]赵子娟,刘东,杭中桥.作物遥感识别方法研究现状及展望[J].江苏农业科学,2019,47(16):45-51.
　Zhao Zijuan,et al.Research status and prospect of crop remote sensing identification methods[J].Jiangsu Agricultural Sciences,2019,47(16):45-51.
点击复制

作物遥感识别方法研究现状及展望(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第16期
页码:
45-51
栏目:
专论与综述
出版日期:
2019-09-16

文章信息/Info

Title:
Research status and prospect of crop remote sensing identification methods
作者:
赵子娟1;  刘东2;  杭中桥3
1.中国地质大学(北京)土地科学技术学院，北京100083； 2.中国科学院大学资源与环境学院，北京100049；
3.山东省邹城市农业局，山东邹城273500
Author(s):
Zhao Zijuan; et al
关键词:
遥感; 作物; 识别; 方法; 分类; 现状; 展望
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
作物遥感识别是作物面积提取、长势监测、估产和时空分布研究的前提和基础。遥感识别作物方法多样，优势各异，应用性不同。本文系统梳理了基于光谱特征识别作物、基于纹理特征识别作物、基于物候特征识别作物及其他作物遥感识别的方法，归纳总结了每类方法的原理、优缺点和适用范围，指出了需进一步研究和解决的问题，并对今后的发展方向进行了展望，以期为作物遥感识别方法的应用及作物遥感研究提供参考与支撑。
Abstract:
-

参考文献/References:

［1］许文波，田亦陈. 作物种植面积遥感提取方法的研究进展［J］. 云南农业大学学报.2005，1(20)：95-98.
［2］高宏宇，张楠楠. 基于影像光谱特征的作物识别方法探讨［J］. 黑龙江科技信息，2012(17)：11.
［3］Wardlow B D，Egbert S L. Large-area crop mapping using time-series MODIS 250 m NDVI data：an assessment for the U.S. Central Great Plains ［J］. Remote Sensing of Environment.2008，112：1096-1116.
［4］承继承. 精确农业技术与应用［M］. 北京：科学出版社，2004.
［5］陈述彭，赵英时. 遥感地学分析［M］. 北京：测绘出版社，1990.
［6］熊利亚. 中国作物遥感动态监测与估产集成系统［M］. 北京：中国科学技术出版社，1996.
［7］刘东，封志明，杨艳昭，等. 中国粮食生产发展特征及土地资源承载力空间格局现状［J］. 农业工程学报，2011，27(7)：1-6.
［8］周成虎，骆剑承. 遥感影像地学理解与分析［M］. 北京：科学出版社，1984.
［9］舒田，岳延滨，李莉婕，等. 基于高光谱遥感的农作物识别［J］. 江苏农业学报，2016，32(6)：1310-1314.
［10］濮静娟. 遥感图像目视解译原理与方法［M］. 北京：中国科学技术出版社，1992.
［11］马霭乃. 遥感目视解译的基本理论与方法［J］. 遥感信息，1987(3)：26-29.
［12］王猛，姚慧敏，隋学艳，等. 一种基于地理信息服务平台的小麦种植面积变化监测方法研究［J］. 安徽农业科学，2013，41(8)：3728-3730.
［13］谢登峰，张锦水，潘耀忠，等. Landsat8和MODIS融合构建高时空分辨率数据识别秋粮作物［J］. 遥感学报，2015，19(5)：791-805.
［14］Azar R，Villa P，Stroppiana D，et al. Assessing in-season crop classification performance using satellite data：a test case in Northern Italy［J］. European Journal of Remote Sensing，2016，49：361-380.
［15］许亮，汪权方，陈志杰，等. 一种快速区分易混农作物的遥感解译方法［J］. 地理空间信息，2017，15(1)：59-62
［16］Karila K，Nevalainen O，Krooks A，et al. Monitoring changes in rice cultivated area from SAR and optical satellite images in Ben Tre and Tra Vinh provinces in Mekong Delta，Vietnam［J］. Remote Sensing，2014，6(5)：4090-4108.
［17］赵丽花，李卫国，杜培军. 基于多时相HJ卫星的冬小麦面积提取［J］. 遥感信息，2011(2)：41-45.
［18］黄德双. 神经网络模式识别系统理论［M］. 北京：电子工业出版社，1996.
［19］修丽娜，刘湘南. 人工神经网络遥感分类方法研究现状及发展趋势探析［J］. 遥感技术与应用，2003(5)：339-345.
［20］Chen Y，Zhang X，Wang X，et al. Extraction of crop planting structure in seasons prone to water logging using Landsat8 OLI and MODIS data［J］. Transactions of the Chinese Society of Agricultural Engineering，2014，30(21)：165-173.
［21］Pandey A，Mishra A. Application of artificial neural networks in yield prediction of potato crop［J］. Russian Agricultural Sciences，2017，43(3)：266-272.
［22］王威. 基于模糊数学的遥感图像分类研究［D］. 桂林：桂林理工大学，2012.
［23］赵天杰，李新武，张立新，等. 双频多极化SAR数据与多光谱数据融合的作物识别［J］. 地球信息科学学报，2009，11(1)：84-90.
［24］Musande V，Kumar A，Kale K. Cotton crop discrimination using fuzzy classification approach［J］. Journal of the Indian Society of Remote Sensing，2012，40(4)：589-597.
［25］姜丽华，杨晓蓉. 基于决策树分类技术的遥感影像分类方法研究［J］. 农业网络信息，2009，22(10)：34-36.
［26］程良晓，江涛，谈明洪，等. 基于NDVI时间序列影像的张掖市农作物种植结构提取［J］. 地理信息世界，2016，23(4)：37-44.
［27］Dong S W，Sun D F，Li H. Crop decision tree classification extraction based on MODIS NDVI in Beijing［J］. Advanced Materials Research，2014，9：787-790.
［28］田野，张清，李希灿，等. 基于多时相影像的棉花种植信息提取方法研究［J］. 干旱区研究，2017，34(2)：423-430.
［29］Friedl M A，Brodley C E，Strahler A H. Maximizing land cover classification accuracies produced by decision trees at continental to global scales ［J］. IEEE Transactions on Geoscience and Remote Sensing，1999，37(2)：969-977.
［30］Wang L，Xu S，Qi L，et al. Extraction of winter wheat planted area in Jiangsu province using decision tree and mixed-pixel methods［J］. Transactions of the Chinese Society of Agricultural Engineering，2016，32(5)：182-187.
［31］王连喜，徐胜男，李琪，等. 基于决策树和混合像元分解的江苏省冬小麦种植面积提取［J］. 农业工程学报，2016，32(5)：182-187.
［32］张顺谦，杨秀蓉. 神经网络和分形纹理在夜间云雾分离中的应用［J］. 遥感学报，2006，10(4)：497-501.
［33］刘哲，李智晓，张延宽，等. 基于时序EVI决策树分类与高分纹理的制种玉米识别［J］. 农业机械学报，2015，46(10)：321-327.
［34］刘吉凯，钟仕全，徐雅，等. 基于多时相GF-1WFV数据的南方丘陵地区甘蔗种植面积提取［J］. 广东农业科学，2014，41(18)：149-154.
［35］Li D，Yang F，Wang X. Study on ensemble crop information extraction of remote sensing images based on SVM and BPNN［J］. Journal of the Indian Society of Remote Sensing，2016：1-9.
［36］Zhang C，Jin H，Liu Z，et al. Seed maize identification based on texture analysis of GF remote sensing data［J］. Transactions of the Chinese Society of Agricultural Engineering，2016，32(21)：183-188.
［37］黄秋燕，肖鹏峰，冯学智，等. 一种基于TV-Gabor模型的高分辨率遥感图像农田信息提取方法［J］. 遥感信息，2014，29(2)：77-82.
［38］平跃鹏. 基于MODIS时间序列地表物候特征分析及作物分类［D］. 哈尔滨：哈尔滨师范大学，2016.
［39］Li L，Friedl M，Xin Q，etal. Mapping crop cycles in China using MODIS-EVI time series［J］. Remote Sensing，2014，6(3)：2473-249.
［40］刘吉凯，钟仕全，梁文海. 基于多时相Landsat8 OLI影像的作物种植结构提取［J］. 遥感技术与应用，2015，30(4)：776-783.
［41］张焕雪，曹新，李强子，等. 基于多时相环境星NDVI时间序列的作物分类研究［J］. 遥感技术与应用，2015，30(2)：304-311.
［42］张健康，程彦培，张发旺，等. 基于多时相遥感影像的作物种植信息提取［J］. 农业工程学报，2012，28(2)：134-141.
［43］宋茜. 基于GF-1/WFV和面向对象的农作物种植结构提取方法研究［D］. 北京：中国农业科学院，2016.
［44］邓媛媛，巫兆聪，易俐娜，等. 面向对象的高分辨率影像农用地分类［J］. 国土资源遥感，2010，22(4)：117-121.
［45］刘明月，王宗明，满卫东，等. 基于MODIS时序数据的Landsat8影像选取及面向对象分类方法的农作物分类［J］. 土壤与作物，2017，6(2)：104-112.
［46］Pea J，Gutiérrez P，Hervásmartínez C，et al. Object-Based image classification of summer crops with machine learning methods ［J］. Remote Sensing，2014，6(6)：5019-5041.
［47］王娜，李强子，杜鑫，等. 单变量特征选择的苏北地区主要农作物遥感识别［J］. 遥感学报，2017，21(4)：519-530.
［48］Sonobe R，Tani H，Wang X，et al. Parameter tuning in the support vector machine and random forest and their performances in cross-and same-year crop classification using TerraSAR-X［J］. International Journal of Remote Sensing，2014，35(23)：7898-7909.
［49］李卫. 深度学习在图像识别中的研究及应用［D］. 武汉：武汉理工大学，2014.
［50］张加楠，张雪芬，简萌，等. 先验阈值优化卷积神经网络的作物覆盖度提取算法［J］. 信号处理，2017，33(9)：1230-1238
［51］梁万杰，曹宏鑫. 基于卷积神经网络的水稻虫害识别［J］. 江苏农业科学，2017，45(20)：241-243.
［52］Lavreniuk M S. Convolutional neural network for multi-source deep learning crop classification in Ukraine［C］//AGU Fall Meeting. AGU Fall Meeting Abstracts，2016.

相似文献/References:

[1]陈鹤群,雷少刚.TerraSAR-X土壤水分反演研究进展[J].江苏农业科学,2013,41(04):327.
[2]王丽爱,谭昌伟,马昌,等.农情信息遥感监测预报模型构建算法研究进展[J].江苏农业科学,2013,41(11):1.
　Wang Liai,et al.Research progress of remote sensing forecast modeling algorithms on crop information[J].Jiangsu Agricultural Sciences,2013,41(16):1.
[3]谢斌,吴文良,郭岩彬,等.作物富硒研究进展[J].江苏农业科学,2014,42(01):15.
　Xie Bin,et al.Research progress of selenium enrichment of crops[J].Jiangsu Agricultural Sciences,2014,42(16):15.
[4]李章成,李源洪,魏来,等.基于SPOT5影像分析植被指数与水稻叶面积指数和产量的相关性[J].江苏农业科学,2014,42(01):284.
　Li Zhangcheng,et al.Study on correlation between vegetation index and leaf area index and yield of rice based on SPOT5 image analysis[J].Jiangsu Agricultural Sciences,2014,42(16):284.
[5]赵媛,卢凤英.作物内生菌研究进展[J].江苏农业科学,2015,43(10):20.
　Zhao Yuan,et al.Research progress on plant endophytic fungus[J].Jiangsu Agricultural Sciences,2015,43(16):20.
[6]康婷婷,居为民,李秉柏.水稻叶面积指数遥感反演方法对比分析[J].江苏农业科学,2015,43(05):366.
　Kang Tingting,et al.Contrastive analysis of remote sensing inversion method of rice leaf area index[J].Jiangsu Agricultural Sciences,2015,43(16):366.
[7]张晴晴,齐国红,张云龙.基于改进分水岭算法的作物病害叶片分割方法[J].江苏农业科学,2015,43(02):400.
　Zhang Qingqing,et al.Crop disease leaf segmentation method based on improved watershed algorithm[J].Jiangsu Agricultural Sciences,2015,43(16):400.
[8]张 兵,韩 霞,庄 斌,等.介电特性在作物需水诊断中的应用研究进展[J].江苏农业科学,2015,43(02):7.
　Zhang Bing,et al.Research progress on application of dielectric property in diagnosis of crop water demand[J].Jiangsu Agricultural Sciences,2015,43(16):7.
[9]马驰.松辽平原土地盐碱化动态监测与遥感分析[J].江苏农业科学,2016,44(07):495.
　Ma Chi.Dynamic monitoring and remote sensing analysis of soil salinization in Songliao Plain[J].Jiangsu Agricultural Sciences,2016,44(16):495.
[10]田苗,童杨辉.TRMM卫星降水数据在江苏省的适用性分析[J].江苏农业科学,2016,44(12):440.
　Tian Miao,et al.Applicability analysis of TRMM precipitation data in Jiangsu Province[J].Jiangsu Agricultural Sciences,2016,44(16):440.
[11]张小媛,林陈捷,朱明帮,等.基于作物光谱的耕地质量评价研究进展[J].江苏农业科学,2022,50(2):1.
　Zhang Xiaoyuan,et al.Research progress of cultivated land quality evaluation based on crop spectrum[J].Jiangsu Agricultural Sciences,2022,50(16):1.

备注/Memo

备注/Memo:
收稿日期：2018-05-08
基金项目：国家自然科学基金(编号：41671525、41101553)；北京市自然科学基金(编号：8152030)；国家重点研发计划(编号：2016YFC0503500)。
作者简介：赵子娟(1993—)，女，河北霸州人，硕士研究生，主要从事农业遥感作物分类及空间格局演变研究。E-mail：zzj734180@163.com。
通信作者：刘东，博士，讲师，主要从事资源开发与区域发展研究。E-mail：lldking2008@aliyun.com。
更新日期/Last Update: 2019-08-20