目錄
“信息科學技術(shù)學術(shù)著作叢書”序
序
前言
第1章 緒論 1
1.1 背景與意義 1
1.2 大豆遙感識別及面積測算研究進展 2
1.2.1 光學遙感大豆識別 2
1.2.2 微波遙感大豆識別 5
1.2.3 多源遙感大豆識別 6
1.2.4 時序遙感大豆識別 6
1.3 大豆遙感產(chǎn)量預測研究進展 7
1.3.1 不同空間尺度遙感數(shù)據(jù)平臺的大豆產(chǎn)量預測 7
1.3.2 大豆產(chǎn)量遙感預測方法 9
1.4 大豆遙感監(jiān)測系統(tǒng)研究進展 13
1.4.1 國內(nèi)外農(nóng)情遙感監(jiān)測系統(tǒng)發(fā)展現(xiàn)狀 13
1.4.2 農(nóng)情遙感監(jiān)測系統(tǒng)發(fā)展面臨的挑戰(zhàn) 16
1.5 小結(jié) 16
參考文獻 17
第2章 全球大豆貿(mào)易土地足跡 23
2.1 概述 23
2.2 全球大豆貿(mào)易中隱含的土地足跡分析 24
2.2.1 材料與方法 24
2.2.2 區(qū)域間次級部門經(jīng)濟流動以及土地足跡和大豆貿(mào)易之間的聯(lián)系 28
2.2.3 區(qū)域尺度需求側(cè)和供給側(cè)的土地足跡 30
2.2.4 經(jīng)濟價值與土地足跡之間的權(quán)衡 31
2.2.5 大豆貿(mào)易對凈土地足跡流出最多國家土地利用的影響 32
2.3 小結(jié) 35
參考文獻 36
第3章 大豆生育期遙感監(jiān)測預測 39
3.1 概述 39
3.2 遙感物候轉(zhuǎn)變?nèi)掌谂c大豆生理生長期匹配 40
3.2.1 材料與方法 40
3.2.2 遙感物候轉(zhuǎn)變?nèi)掌谂c基于CPRs的大豆生理生長期之間的偏差 47
3.2.3 遙感物候轉(zhuǎn)變?nèi)掌诘钠�移量特�?49
3.2.4 調(diào)整前后遙感物候轉(zhuǎn)變?nèi)掌谂c基于CPRs 的日期之間的一致性 52
3.2.5 提升遙感物候轉(zhuǎn)變?nèi)掌谂c基于CPRs 的出苗期之間的一致性 56
3.2.6 遙感物候轉(zhuǎn)變?nèi)掌谡{(diào)整優(yōu)化大豆關鍵生育期監(jiān)測 58
3.3 時序譜曲線匹配的大豆生育期提取、生長季內(nèi)監(jiān)測和早期預測 60
3.3.1 數(shù)據(jù)和研究區(qū)域 60
3.3.2 研究方法 61
3.3.3 大豆生育期提取、監(jiān)測及預測實驗方案 64
3.3.4 大豆生育期季后提取、季內(nèi)監(jiān)測及早期預測結(jié)果 66
3.3.5 大豆生育期提取、監(jiān)測及預測的意義 74
3.4 小結(jié) 77
參考文獻 78
第4章 大豆遙感識別與面積測算 80
4.1 概述 80
4.2 基于時序譜標準曲線的大豆遙感識別 80
4.2.1 大豆植被指數(shù)時序譜標準曲線構(gòu)建 80
4.2.2 基于大豆植被指數(shù)時序譜標準曲線的黑龍江大豆識別 82
4.3 基于時序譜特征的大豆遙感識別 90
4.3.1 大豆遙感識別時序譜特征集構(gòu)建 90
4.3.2 大豆遙感識別光學時序譜特征提取方法 94
4.3.3 2019～2022年生長季我國大豆主產(chǎn)區(qū)10m大豆分布圖 97
4.3.4 全球大豆主產(chǎn)區(qū)大豆遙感識別 107
4.3.5 光學與SAR相結(jié)合的大豆遙感識別 132
4.3.6 大豆遙感識別精度隨生長季時序變化 136
4.4 基于深度學習的大豆遙感識別 145
4.4.1 基于深度學習及高分六號衛(wèi)星遙感數(shù)據(jù)的大豆識別 145
4.4.2 基于無人機遙感的大豆識別與面積測算 148
4.5 小結(jié) 169
參考文獻 170
第5章 大豆產(chǎn)量遙感預測 173
5.1 概述 173
5.2 基于植被指數(shù)時序譜曲線匹配的大豆單產(chǎn)預測 173
5.2.1 基于植被指數(shù)時序譜曲線匹配的作物單產(chǎn)預測方法構(gòu)建 173
5.2.2 基于植被指數(shù)時序譜曲線匹配的美國大豆單產(chǎn)預測 181
5.2.3 基于植被指數(shù)時序譜曲線匹配的我國黑龍江省大豆單產(chǎn)預測 197
5.3 基于因果關系圖注意力機制網(wǎng)絡模型的大豆單產(chǎn)預測 206
5.3.1 材料與方法 207
5.3.2 建模因子因果關系的確定 211
5.3.3 輸入變量類型對產(chǎn)量預測精度的影響 213
5.3.4 不同產(chǎn)量預測模型性能的比較 214
5.3.5 隨生育期推進產(chǎn)量預測精度的比較 216
5.3.6 不同模型在極端情形下大豆預測效果的比較 217
5.4 基于統(tǒng)計方法和機器學習的大豆產(chǎn)量預測 218
5.4.1 我國黑龍江省大豆產(chǎn)量預測 218
5.4.2 美國印第安納州大豆產(chǎn)量預測 225
5.5 小結(jié) 242
參考文獻 243
第6章 我國大豆種植適宜性評價 246
6.1 概述 246
6.2 數(shù)據(jù)與方法 247
6.2.1 大豆樣本點數(shù)據(jù)與處理 247
6.2.2 環(huán)境影響因素與預處理 248
6.2.3 MaxEnt模型的參數(shù)設置 251
6.3 我國大豆種植適宜性現(xiàn)狀評估結(jié)果 252
6.3.1 我國大豆種植適宜性和種植潛力空間分析 252
6.3.2 影響大豆種植適宜性環(huán)境指標分析 255
6.4 氣候變化下未來大豆生長適宜性趨勢 258
6.4.1 未來不同氣候情景下我國大豆生長適宜性 258
6.4.2 不同時期大豆種植適宜性區(qū)域空間變化特征 259
6.5 小結(jié) 261
參考文獻 261
第7章 大豆遙感監(jiān)測預測空間信息系統(tǒng) 264
7.1 概述 264
7.2 需求分析 264
7.3 建設目標 265
7.4 總體設計 266
7.4.1 業(yè)務流 266
7.4.2 技術(shù)架構(gòu) 267
7.4.3 數(shù)據(jù)流 269
7.5 系統(tǒng)功能設計 269
7.5.1 算法模型庫 270
7.5.2 專題產(chǎn)品生產(chǎn)分系統(tǒng) 274
7.5.3 “一張圖”展示分系統(tǒng) 275
7.6 數(shù)據(jù)庫設計 275
7.7 系統(tǒng)實現(xiàn) 276
7.7.1 基于大數(shù)據(jù)的作物種植生長信息數(shù)據(jù)全周期管理 276
7.7.2 基于容器平臺的算法組件無縫式集成與在線更新技術(shù) 279
7.7.3 基于虛擬機和容器隔離的多層算力資源調(diào)度管理 281
7.8 小結(jié) 282
參考文獻 283