基于代价敏感学习的冬小麦病虫害与倒伏遥感检测方法研究

《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的进步和全球气候变化的影响，农作物产量的预测变得越来越重要。

作为重要的粮食作物之一，冬小麦的产量和品质预测对于农业生产、市场供应以及政策制定都具有重要意义。

近年来，随着遥感技术和气象预报技术的不断发展，基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中得到了广泛应用。

本文旨在探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中的应用。

二、方法1. 数据来源本研究使用的数据包括遥感数据、气象预报数据以及农田管理数据。

其中，遥感数据主要用于获取冬小麦的生长信息和空间分布情况；气象预报数据包括温度、降水、光照等关键气象因子；农田管理数据包括种植品种、施肥量、灌溉情况等。

2. DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于作物生长过程的农业决策支持系统，可对农作物的生长、发育和产量进行模拟和预测。

该模型包括多个子模型，可针对不同的农作物和地域条件进行定制化。

3. 模型构建与实现基于遥感数据和气象预报数据，本研究构建了DSSAT模型用于冬小麦产量和品质的预测。

首先，通过遥感数据获取冬小麦的空间分布和生长信息；其次，结合气象预报数据，将关键气象因子输入DSSAT模型中；最后，结合农田管理数据，对冬小麦的生长过程进行模拟和预测。

三、结果与分析1. 产量预测通过DSSAT模型对冬小麦的产量进行预测，结果表明该模型可以较为准确地预测冬小麦的产量。

通过对历史数据的拟合和分析，发现模型对不同地区、不同年份的冬小麦产量都有较好的预测效果。

此外，通过对比实际产量与预测产量，可以发现模型的预测精度较高，为农业生产提供了重要的参考依据。

2. 品质预测除了产量预测外，DSSAT模型还可以对冬小麦的品质进行预测。

(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202210117044.7(22)申请日 2022.02.07(71)申请人 中国科学院空天信息创新研究院地址 100190 北京市海淀区北四环西路19号(72)发明人 张兵　彭代亮　刘胜威　陈俊杰　潘玉豪　郑诗军　胡锦康　(74)专利代理机构 北京金信知识产权代理有限公司 11225专利代理师 贾然(51)Int.Cl.G06V 20/10(2022.01)G06V 10/44(2022.01)G06V 10/764(2022.01)G06V 10/82(2022.01)G06K 9/62(2022.01)G06N 3/04(2006.01)G06N 3/08(2006.01)G06T 7/62(2017.01)(54)发明名称一种基于深度学习的冬小麦遥感识别分析方法和系统(57)摘要本发明提出一种基于深度学习的冬小麦遥感识别分析方法和系统。

其中，方法包括：创建多边形区域的标签矢量文件，将标签矢量文件转化成栅格文件，生成方形矢量数据，利用方形矢量数据，批量裁剪多边形区域的五个生育期的中值合成影像和栅格文件，并调其大小，得到训练数据集、验证数据集和测试数据集；以每个生育期的训练数据集和验证数据集作为输入对语义分割模型进行训练，并对各个生育期的测试集进行分类。

生成各个生育期的冬小麦空间分布图，并进行冬小麦空间制图与面积提取。

本发明提出的方案，基于语义分割分类方法，总体精度高，分类效果好，其中拔节抽穗期冬小麦遥感识别精度最高。

深度学习方法拔节抽穗期研究区的冬小麦面积提取精度高。

权利要求书2页 说明书11页 附图4页CN 114463637 A 2022.05.10C N 114463637A1.一种基于深度学习的冬小麦遥感识别分析方法，其特征在于，所述方法包括：步骤S1、训练、验证和测试数据集的制作：从研究区选择部分所需要的多边形区域，创建所述多边形区域的标签矢量文件，将所述标签矢量文件转化成栅格文件，并重分类，生成方形矢量数据，利用所述方形矢量数据，批量裁剪所述多边形区域的五个生育期的sentienl‑2中值合成影像和所述栅格文件，并调裁剪得到的sentienl‑2中值合成影像和栅格文件的大小，得到所述训练数据集、验证数据集和测试数据集；所述得到的五个生育期的sentienl‑2中值合成影像共用一个标签；步骤S2、将所述研究区整个区域的五个生育期的sentienl‑2中值合成影像进行切割并处理，得到空间分布数据集；步骤S3、U‑Net语义分割模型构建与参数设置；步骤S4、U‑Net语义分割模型的训练：以每个生育期的训练数据集和验证数据集作为输入对所述U‑Net语义分割模型进行训练，得到各个生育期的最优权值下的U‑Net语义分割模型；步骤S5、调用各个生育期的最优权值下的U‑Net语义分割模型，对各个生育期的测试集进行分类，得到分类后的结果影像；步骤S6、调用各个生育期的最优权值下的U‑Net语义分割模型，对各个生育期的空间分布数据集进行分类，再将分类结果进行拼接，生成各个生育期的冬小麦空间分布图；步骤S7、U‑Net语义分割模型冬小麦分类精度评定；步骤S8、冬小麦空间制图与面积提取：选取分类精度最高的生育期的冬小麦空间分布图，统计冬小麦面积，得到提取面积，并应用所述提取面积与地面真实值，对所述提取面积进行精度评价。

基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报一、引言冬小麦是世界上重要的粮食作物之一，对人类的生存和发展具有重要意义。

因此，准确预测冬小麦的产量和品质对于农业生产和国民经济发展至关重要。

然而，冬小麦产量和品质受到多种因素的影响，如土壤养分、气象条件等。

基于遥感数据和气象预报数据的DSSAT模型可以提供有效的冬小麦产量和品质的预测方法。

本文将重点探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测上的应用。

二、DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于农业科学原理和农业系统模拟的决策支持系统，广泛应用于全球各地的农业管理和决策中。

该模型可以模拟农田生态系统中的各种生理和生态过程，如作物生长、土壤水分和养分环境等。

通过输入土壤属性、作物品种、管理措施、气象数据等参数，DSSAT模型能够模拟和预测作物的生长和产量。

三、遥感数据在DSSAT模型中的应用遥感数据是通过卫星或飞机获取的地球表面的信息，包括地表温度、植被指数、土壤湿度等。

这些数据能够提供大面积的地表信息，对于农业生产的决策和管理具有重要意义。

在DSSAT 模型中，通过将遥感数据作为模型的输入，可以更精确地模拟和预测冬小麦的生长和产量。

例如，遥感数据可以提供冬小麦的叶绿素含量和植被覆盖度，从而反映作物的光合作用和生长状态。

同时，遥感数据还可以用于监测土壤湿度和作物水分胁迫等关键参数，为提高冬小麦产量和品质提供可靠的依据。

四、气象预报数据在DSSAT模型中的应用气象预报数据是指天气预报部门根据大气环流和气象要素变化趋势所进行的预测数据。

这些数据可以提供未来一段时间内的气温、降水量和光照等信息。

在DSSAT模型中，气象预报数据可以用于预测冬小麦的生长季节和气候条件。

基于遥感数据的冬小麦农情监测研究进展刘淑云;谷卫刚;朱建华【摘要】对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效.提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望.【期刊名称】《农业网络信息》【年(卷),期】2010(000)002【总页数】6页(P5-9,18)【关键词】遥感;小麦监测;冠层生化指标【作者】刘淑云;谷卫刚;朱建华【作者单位】山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100;山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100;山东省农业科学院,科技信息工程技术研究中心,山东,济南,250100【正文语种】中文【中图分类】S127遥感具有覆盖范围大、探测周期短、现势性强、费用成本低等特点，能够为快速、准确、动态地获取生态资源信息提供重要的技术手段和充足的数据源，目前已经成为农作物面积估测、农作物大面积估产，以及农作物长势和品质监测等领域的重要技术手段。

卫星遥感监测的关键是要根据卫星经过时获得的地面植物群图像，从叶片的颜色等方面找到与作物成分、品质参数的对应关系和对应数据，然后综合起来对植物长势、产量和品质进行判断监测。

小麦对光谱的反射特性表现为：在可见光红光波段有强的吸收峰，近红外部分有强的反射峰，遥感数据的敏感波段及组合可以反映小麦生长的空间信息。

基于这一原理，可以利用遥感数据对小麦的实时苗情、生长态势、环境动态和分布状况进行宏观的估测。

1 冬小麦长势遥感监测农作物长势监测是农业遥感的重要研究领域，不仅为农业生产的宏观管理提供客观依据，也是农作物产量估测的必要前提，遥感技术通过反演作物生长过程的特征性因子来综合反映作物长势及其变化动态。

农作物病虫害遥感监测综述随着科技的不断进步和发展，遥感技术已经成为农作物病虫害监测的重要手段。

本文将对农作物病虫害遥感监测进行综述，包括背景和意义、研究现状、方法和成果，以及未来研究方向和建议。

农作物病虫害遥感监测是指利用遥感技术对农作物病虫害进行大范围、实时、动态的监测和评估。

遥感技术的优势在于其具有大范围、快速、无损等特性，可以为农作物病虫害监测提供更为便捷和准确的数据支持。

农作物病虫害遥感监测的目的在于及时发现病虫害，防止其扩散和传播，降低农业生产损失。

随着遥感技术的不断发展，农作物病虫害遥感监测的方法也在不断改进和完善。

目前，农作物病虫害遥感监测主要采用以下几种方法：可见光和红外遥感技术是农作物病虫害遥感监测中最常用的方法之一。

通过获取农作物反射和发射的电磁波信号，可以获取农作物的光谱特征，进而识别出病虫害的类型和程度。

高光谱遥感技术是一种能够获取连续光谱信息的技术。

通过对农作物的高光谱数据进行处理和分析，可以得出农作物的生化成分、生长状况等信息，有助于准确判断农作物病虫害的状况。

雷达遥感技术是一种利用微波遥感农作物的技术。

该技术可以穿透云层和植被冠层，获取农作物的三维结构信息，进而计算出农作物的生物量、叶面积指数等信息，为农作物病虫害监测提供依据。

近年来，人工智能技术在农作物病虫害遥感监测中得到了广泛应用。

利用机器学习和深度学习等技术，对遥感图像进行自动分析和识别，能够快速、准确地检测出农作物病虫害的类型和范围。

农作物病虫害遥感监测应用前景及未来研究方向农作物病虫害遥感监测具有广阔的应用前景。

该技术可以为农业生产提供及时、准确的病虫害信息，指导农民进行科学防治，提高农业生产效率。

农作物病虫害遥感监测可以为农业部门提供决策支持，帮助制定合理的农业政策和措施。

该技术还可以为科研人员提供研究数据，有助于深入探讨农作物病虫害的发生规律和传播途径。

未来，农作物病虫害遥感监测研究方向主要包括以下几个方面：尽管目前农作物病虫害遥感监测技术已经取得了一定的成果，但在准确性和可靠性方面仍存在不足。

卫星遥感技术在冬小麦种植情况监测上的应用——以2020年全国冬小麦为例随着我国农业现代化进程不断推进，卫星遥感技术在农业生产中的应用也越来越广泛。

冬小麦是中国农业的重要作物之一，而卫星遥感技术在冬小麦种植情况监测上的应用具有广阔的前景。

本文以2020年全国冬小麦为例，探讨卫星遥感技术在冬小麦种植情况监测上的应用。

一、卫星遥感技术在冬小麦种植情况监测上的重要性冬小麦是中国农业的重要作物，具有耐旱、抗寒、适应性强等特点，在我国种植面积和产量都处于领先地位。

然而，冬小麦生产受自然条件和人为因素的影响较大，如气候变化、土地利用转移、种植结构调整等，这些都使得冬小麦种植情况的监测变得非常重要。

卫星遥感技术可以获取大范围、高时空分辨率的数据，可以快速获取相关信息，实现快速反馈、快速响应，在冬小麦种植情况监测上应用广泛。

卫星遥感技术在冬小麦种植情况监测上的重要性包括以下几个方面：1.提高监测精度卫星遥感技术可以通过高精度的遥感数据对冬小麦种植情况进行监测。

与传统的调查方法相比，可以更加全面地获取数据，减少误差，提高监测精度。

2.实时监测卫星遥感技术可以实时获取信息，对冬小麦种植情况进行动态监测。

可以及时掌握冬小麦的生长情况，进行及时调整。

3.提高效率卫星遥感技术可以自动化地进行监测，提高效率，同时减少人力成本。

可以快速获取大范围的数据，更加全面地分析冬小麦种植情况。

二、卫星遥感技术在冬小麦种植情况监测上的应用案例1.植被指数植被指数是反映植被生长情况的一种指标，常用的植被指数有NDVI 和EVI等。

卫星遥感技术可以通过获取NDVI和EVI等指标来监测冬小麦的生长情况。

以2020年全国为例，通过卫星遥感技术获取的NDVI图像可以直观地显示出全国冬小麦生长的情况。

通过对NDVI图像的分析，可以发现不同地区冬小麦的生长情况存在差异。

其中，山东、江苏等地小麦的生长情况较好，而西北部分地区冬小麦的生长情况相对较差。

通过NDVI图像的分析，可以及时发现地区之间的差异，进行调整。

基于深度学习的河南冬小麦春季冻害识别及年代际变化特征模拟摘要：本研究旨在利用深度学习技术对河南冬小麦春季冻害进行准确识别，并分析其年代际变化特征。

通过收集大量的气象数据、冬小麦生长数据以及冻害发生情况数据，构建深度学习模型，实现对冻害的高效识别。

同时，对多年间的冻害数据进行分析，探讨其年代际变化规律，为河南冬小麦的生产管理和冻害防御提供科学依据。

关键词：深度学习；河南冬小麦；春季冻害；年代际变化一、引言（一）研究背景河南是我国冬小麦的主要产区之一，春季冻害对冬小麦的生长和产量具有重要影响。

随着气候变化和农业生产的发展，准确识别和理解冬小麦春季冻害的发生规律变得尤为重要。

（二）研究目的与意义目的是建立基于深度学习的冬小麦春季冻害识别方法，揭示其年代际变化特征，为冻害预警和农业生产决策提供支持。

意义在于提高冻害识别的准确性和效率，减少冻害对冬小麦生产的损失，保障粮食安全。

（三）国内外研究现状回顾国内外关于冬小麦冻害识别和气候变化对冻害影响的研究，重点关注深度学习在农业领域的应用以及河南地区冬小麦冻害的相关研究成果，指出当前研究的不足和本研究的创新点。

二、河南冬小麦春季冻害的类型与特征（一）春季冻害的类型1.早春冻害：发生在小麦返青至拔节阶段，介绍其形成原因和危害特点。

2.春末晚霜冻害：发生在小麦拔节至孕穗期，分析其对小麦生长发育的影响。

3.低温冷害：在小麦孕穗期遭受 0℃以上低温的危害，阐述其与冻害的区别和联系。

（二）春季冻害的症状表现1.叶片症状：如叶片皱缩、干枯、变色等。

2.茎秆症状：茎秆受冻后的形态变化和损伤程度。

3.幼穗症状：幼穗受冻后的发育异常、结实率降低等表现。

（三）影响春季冻害发生的因素1.气象因素：包括低温强度、持续时间、降温幅度等。

2.地形地貌：如山区、平原、谷地等地形对冻害的影响。

3.土壤条件：土壤质地、肥力、墒情等与冻害的关系。

4.小麦品种和生长状况：不同品种的抗寒性差异以及生长发育阶段对冻害的敏感性。