两茬田里话增收

$T开栏语：又是一年春来到，全市各乡镇先后进入春耕大忙时节。本报从即日起开设《乡村春潮》拦目  (本文共1页) 阅读全文>>

农业科技通讯

冬小麦肥料利用率试验研究

冬小麦肥料试验研究结果表明,配方施肥的氮肥、磷肥、钾肥的利用率分别为37....  (本文共3页) 阅读全文>>

河北农业

冬小麦创高产综合管理技术

冬小麦是北方地区主要农作物,邯郸市邯山区冬小麦一般在10月下旬播种完毕,播种后,生长发育进程、速度和...  (本文共3页) 阅读全文>>

光谱学与光谱分析

基于长短期记忆网络的冬小麦连续时序叶面积指数预测

连续时序的叶面积指数(LAI)可反映冬小麦长势的变化情况,预测冬小麦未来时段的LAI对指导田间管理决策具有重要作用。以WOFOST(World Food Studies)为代表的作物生长模型可通过模拟冬小麦的生长发育过程对未来LAI曲线进行预测,但其预测过程依赖于未来的气象数据等难以获取的输入参数。由于冬小麦的LAI时序变化具有连续性和规律性的特点,可通过深度学习方法仅以历史LAI为输入参数对未来LAI进行预测,但深度学习方法需要大量样本参与训练,训练样本的稀缺性限制了其在LAI预测方面的实际应用。针对上述问题,通过数据同化方法将遥感数据与WOFOST模型相结合,采用SCE(Shu...  (本文共7页) 阅读全文>>

国土资源遥感

时间序列低分影像修正中分遥感冬小麦分布

单期中等空间分辨率遥感影像(如Landsat8 OLI)进行冬小麦提取,易受到"异物同谱、同物异谱"影响,造成冬小麦识别结果的"错入、错出",降低冬小麦识别精度。低空间分辨率遥感影像(如MODIS)获取时间频率高,具有时间序列特征,能够准确地刻画出冬小麦生长周期内的特有物候特征,可以有效地消除单期遥感影像上存在的"异物同谱、同物异谱"现象。研究利用MODIS时间序列特征提取出的冬小...  (本文共8页) 阅读全文>>

中国农业资源与区划

基于无人机影像的冬小麦深度学习分类

[目的]传统分类方法存在人为主观选择特征、模型无法在大范围泛化的问题,文章利用非监督特征学习的深度学习方法进行冬小麦识别,以解决传统分类方法无法在大范围进行自动化作物识别的不足。[方法]该文集成残差网络(Residual Nets,ResNets)和金字塔场景解析网络(Pyramid Scene Parsing Network,PspNets)构建Res.PspNet,进行冬小麦深度学习自动化分类。在山东全省获取80个村的无人机航拍影像,利用米级遥感影像和对应的标记样本作为"海量标记样本"...  (本文共9页) 阅读全文>>