周清波
- 作品数：147 被引量：2,216H指数：30
- 供职机构：中国农业科学院农业资源与农业区划研究所更多>>
- 发文基金：国家自然科学基金中央级公益性科研院所基本科研业务费专项国家高技术研究发展计划更多>>
- 相关领域：农业科学经济管理自动化与计算机技术天文地球更多>>
- 四类全球土地覆盖数据在中国区域的精度评价被引量：51
- 2009年
- 该研究以中国耕地类别为研究对象,选择2000年中国土地利用数据(NLCD-2000)为参考数据,利用比较分析法,从面积数量精度和空间位置精度两方面对目前4类全球土地覆盖数据(UMD、IGBP-DISCover、MODIS和GLC2000)产品进行了精度验证,并分析研究了4类数据精度的异同性。结果表明,4类全球数据对中国耕地数量特征和空间位置特征的估测具有明显的区域差异性。MODIS数据集和GLC2000数据集对中国耕地制图的总体精度要高于UMD数据集和IGBP-DISCover数据集。4类数据制图精度高的区域主要分布在中国的农业主产区,而误差大的区域主要分布在中国山区或耕地比例低的区域。低空间分辨率的信息源、基于像元的分类方法,以及中国复杂地形特征是4类全球土地覆盖数据精度差异的主要原因。
- 吴文斌杨鹏张莉唐华俊周清波Shibasaki Ryosuke
- 关键词：数据系统数据转换图像处理耕地
- 基于三明治估计的全国土壤墒情估计方法
- 2016年
- 土壤墒情监测对于科学灌溉、抗旱资源调配均意义重大,文章针对全国范围墒情监测中由于监测点数据少、分布不均及数据点之间关系松散等导致的空间估计效果较差的问题,对全国范围的土壤墒情空间分布规律与空间估计方法展开研究。采用适用于分层异质性表面进行空间估计的三明治估计方法,以全国县域土壤墒情监测数据为采样数据,以全国降水栅格数据与土壤分类数据作为分区数据,以县行政区作为报告单元,实现土壤墒情监测点数据到面数据的上推。采用交叉验证方法对三明治估计效果进行验证,并与距离反比、克吕金、自然临近点和样条4种常规插值方法进行对比。结果表明:三明治估计的误差均值为1.66%,误差标准差为25.16%,墒情等级估计准确率为60.7%;与其它对比方法相比,三明治估计的结果在误差均值与误差标准差上并没有表现更好,三明治估计的误差均值小于样条插值方法但大于其它方法,误差标准差与距离反比、克吕金及自然临近点方法接近。总体来看,三明治估计能够获得与一般插值方法类似的估计效果,但是由于其更符合土壤墒情空间分布以及采样数据情况,因此其结果更可靠和易于解释,能更好地满足全国土壤墒情监测的应用需要。
- 李淑华郝星耀周清波高秉博潘瑜春
- 关键词：土壤墒情空间插值
- 基于小型无人机遥感的玉米倒伏面积提取被引量：96
- 2014年
- 该文使用2012年小型无人机遥感试验获取的红、绿、蓝彩色图像研究灌浆期玉米倒伏的图像特征和面积提取方法。研究首先计算和统计正常、倒伏玉米的30项色彩、纹理特征,然后比较特征的变异系数和相对差异评选出适宜区分正常、倒伏玉米的特征;通过分析发现,与红、绿、蓝色灰度比较,多项色彩、纹理特征的变异系数更大或不同类别间的相对差异更小,不适用于准确区分正常、倒伏玉米,最适于区分正常和倒伏玉米的特征是3项基于灰度共生矩阵的红、绿、蓝色均值纹理特征。分别基于色彩特征和评选出的纹理特征提取倒伏玉米面积,对比2种方法的误差发现,基于红、绿、蓝色均值纹理特征提取倒伏玉米面积的误差最小为0.3%,最大为6.9%,显著低于基于色彩特征提取方法的。该研究结果为应用无人机彩色遥感图像准确提取倒伏玉米面积提供了依据和方法。
- 李宗南陈仲新王利民刘佳周清波
- 关键词：遥感图像处理倒伏玉米
- 基于高光谱遥感和HJ-1卫星的冬小麦SPAD反演研究被引量：11
- 2013年
- 冬小麦SPAD(Soil and Plant Analyzer Development)是评价其健康状况的重要农学参数,传统监测方法效率较低,旨在将田间监测和遥感技术相结合,探讨我国江汉平原地区冬小麦SPAD的遥感监测方法。研究选取湖北省潜江市后湖管理区为研究区域,利用ASD Fieldspec 3地物光谱仪和SPAD-502叶绿素仪在田间采集冬小麦冠层光谱和叶片SPAD,选取4种植被指数与叶片SPAD进行回归分析并构建预测模型。经模型精度检验,NDVI较适合对该地区冬小麦SPAD反演。然后将NDVI-SPAD反演模型与HJ-1卫星影像相结合,进行研究区域的冬小麦SPAD反演,通过比较HJ-1卫星影像反演SPAD与田间实测值,经分析均方根误差(RMSE)为6.32。结果表明,利用NDVI植被指数模型能够较好进行研究区内冬小麦SPAD反演。实现了从地面监测到卫星遥感不同尺度的冬小麦SPAD反演,为大面积冬小麦SPAD监测提供技术和方法。
- 夏天周勇周清波吴文斌
- 关键词：冬小麦SPAD反演
- 黑龙江省宾县农作物格局时空变化特征分析被引量：31
- 2013年
- 【目的】农作物时空格局特征分析是微观层面农户农作物选择影响机制研究的基础。通过分析宾县乡镇尺度农作物格局的时空变化特征,为农作物种植结构变化机理机制研究提供依据。【方法】基于黑龙江省宾县1996—2010年乡镇级统计数据,运用数理统计和GIS空间分析等方法,分析宾县过去15年玉米、大豆、水稻3种主要粮食作物和经济作物播种面积数量变化及空间变化特征。【结果】1996—2010年宾县农作物总播种面积增加22.86%,主要是由粮食作物播种面积变化引起。粮食作物播种面积增加32.80%,经济作物减少52.84%,粮经比从88﹕12调整到96﹕4。玉米种植面积大幅增加73.82%,种植比例不断提高,大豆种植面积减少1.05%,水稻种植面积减少29.78%。主要粮食作物空间变化呈现较强的规律性,即玉米种植在全县范围内分布较均衡,大豆种植中心向东南部集中,水稻种植集中到宾县北部和西部地区。【结论】过去15年宾县农作物格局时空变化明显,分析掌握其变化特征,有助于进一步探究其变化的原因,为科学调整县域农作物种植结构、提升农业综合生产能力提供科学依据。
- 张莉吴文斌杨鹏唐华俊周清波李正国
- 关键词：农作物时空变化特征
- 物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响被引量：5
- 2016年
- 获取农作物叶面积指数(leaf area index,LAI)及其动态变化对于农作物长势监测和产量估测等应用具有重要的意义。基于冠层反射率模型(物理模型)的LAI遥感反演方法具有良好的普适性,对地面数据依赖较少,近年来广泛应用于农作物LAI高光谱反演研究。然而,当物理模型参数取值尽可能准确(代入参数实测值或依据先验知识取值)时,模拟光谱与实测光谱间仍然存在误差,研究称之为"光谱模拟误差"。该研究通过比对实测冬小麦冠层光谱与ACRM(a two-layer canopy reflectance model)模型最优模拟光谱,展示了光谱模拟误差在各波段、不同样本点的分布规律。据此,根据对光谱模拟误差与高光谱数据降维的不同考虑,制订了4种LAI反演波段选择方案。通过对比基于不同波段选择方案的LAI反演精度,分析了光谱模拟误差对LAI反演的影响;讨论了综合考虑高光谱数据降维与光谱模拟误差的LAI反演波段选择方法。通过合理的波段选择,限制了光谱模拟误差的影响,提高了LAI反演精度。该研究结果有助于探索合理的LAI高光谱反演波段选择方法,为合理利用高光谱数据反演农作物LAI提供科学参考。
- 刘轲周清波吴文斌陈仲新夏天王思唐华俊
- 关键词：叶面积指数LAI
- 基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较被引量：48
- 2016年
- 近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。
- 刘轲周清波吴文斌陈仲新唐华俊
- 关键词：植被遥感光谱分析叶面积指数波段选择
- 从被动微波遥感数据AMSR-E反演地表温度的方法
- 一种从被动微波遥感数据AMSR-E反演地表温度的方法，包含三个步骤：第一步骤是美国对地观测数据中心提供的MODIS地表温度产品作为AMSR-E数据的地表温度数据，通过经纬度控制进行采集，建立训练和测试数据库。第二个步骤是...
- 毛克彪唐华俊周清波陈佑启缪建明任天志
- 文献传递
- 利用AMSR-E被动微波数据反演地表温度的神经网络算法被引量：11
- 2009年
- 结合对地观测卫星AQUA多传感器/多分辨率的特点,研究了利用AMSR-E被动微波数据反演地表温度的神经网络算法。MODIS地表温度(LST)产品被作为地表温度实测数据,对应的平均温度被用作对应AMSR-E像元的实际地表温度,从而克服由于AMSR-E像元尺度太大和云的影响而难以获得地表实测数据的难点。反演结果分析表明,利用神经网络能够精确地由AMSR-E数据反演地表温度。当使用5个频率10个通道反演时,反演精度最高,说明使用更多的通道能更好地消除土壤水分、粗糙度、大气和其它因素的影响。相对于MODIS温度产品,用此算法反演的平均误差约低于2K。
- 毛克彪王道龙李滋睿张立新周清波唐华俊李丹丹
- 关键词：AMSR-E
- 家庭属性对农户选择种植作物的影响机制——以黑龙江省宾县为例被引量：11
- 2013年
- 【目的】微观层面的农户作物选择行为过程及其机制研究对于农业或农村政策的制定和调整具有重要意义,也是目前国内外学者广泛关注的热点问题。本文利用农户调查数据,重点分析研究农户自身的家庭属性对其作物选择和作物种植更替的影响。【方法】以中国东北地区具有典型代表性、黑龙江省的宾县为研究区域,通过实地农户调查,获取了384户农户调查数据;将调查数据进行标准化处理后导入SPSS统计分析系统,利用单变量多因素方差分析法解析农户家庭属性对选择种植水稻、小麦、玉米、大豆及其它经济作物等五类作物的影响。【结果】总的来说农户的年龄、教育程度、家庭劳动力数量、家庭人数和承包耕地类型条件等家庭属性因素对农户选择种植作物具有重要影响;年龄相对越大并且家庭劳动力较少的农户更趋向选择种植玉米,劳动力较多的农户更愿意选择种植大豆,当地种植小麦可能会对农户家庭收入有负面影响,传统的农民在耕地条件合适更加愿意选择种植水稻,家庭总人口多、劳动力丰富并且有文化的农户更加愿意选择种植经济作物。【结论】农作物实际种植过程中农户受到种植作物的工时量、种植作物所需农业知识水平、种植环境要求或资金投入产出比等各种因素影响,这些因素直接导致农户家庭属性中相应的属性因素对农户选择行为的影响。
- 夏天吴文斌唐华俊周清波杨鹏李正国刘珍环余强毅
- 关键词：多因素方差分析
