邱琳
- 作品数：21 被引量：60H指数：5
- 供职机构：江苏省农业科学院更多>>
- 发文基金：江苏省农业科技自主创新基金江苏省农业科学院科研基金国家科技重大专项更多>>
- 相关领域：农业科学自动化与计算机技术天文地球经济管理更多>>
- GF-1影像遥感监测指标与冬小麦长势参数的关系被引量：8
- 2019年
- 为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R 2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R 2:0.6894],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R 2:0.5438],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R 2:0.4486],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R 2皆低于0.3600,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。
- 单捷孙玲王志明卢必慧王晶晶邱琳黄晓军
- 关键词：冬小麦生育期长势遥感监测
- 应用Fisher判别分析和案例推理两种方法的土壤类型预测及制图比较被引量：2
- 2012年
- 土壤类型预测目前没有公认、成熟的模型和方法,原因是缺乏在同一地区不同模型之间的比较研究。该文利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,分别采用Fisher判别分析和案例推理两种方法对安徽宣城样区进行土壤类型预测和制图表达。结果表明,在土纲级别两种方法均能够较好地预测土壤类型,但由于土壤样点的剖面数量一定,随着从土类到土族级别的降低,两种方法预测土壤类型的准确率也逐步降低。但各个级别的土壤类型预测中,案例推理的预测能力要优于Fisher判别分析方法。
- 邱琳张富李安波
- 关键词：FISHER判别分析
- 基于Radarsat-2的冬小麦种植面积提取方法研究被引量：5
- 2017年
- 为探寻基于Radarsat-2的冬小麦种植面积提取方法,以设立在江苏盐城研究区的冬小麦为研究对象,选用2014年3月3日-2014年6月7日期间5期Radarsat-2全极化影像,采用支持向量机法和最大似然法分别对各时相的冬小麦种植面积进行提取,并以地面实测GPS样方进行精度验证。结果表明,以支持向量机法和最大似然法提取冬小麦面积的精度均在4月20日达到最高,分别为66.4%和63.9%。对4月20日支持向量机法的冬小麦面积提取结果进一步进行耕地地块优化和碎小图斑去除处理后,冬小麦面积的提取精度可提高到79.6%。
- 单捷邱琳孙玲王志明
- 关键词：RADARSAT-2遥感冬小麦种植面积
- 基于规则引擎的土壤类型自动检索的研究被引量：1
- 2011年
- 定量化的土壤系统分类体系的建立推动了土壤类型自动检索的研究。但以往研究并未关注土壤系统分类体系仍需不断修订的现状,所开发系统的推理代码与知识规则通常互相绑定,当知识规则改变时,推理代码需要重新开发,导致已有的系统被弃用,这阻碍了土壤类型自动检索系统的推广和应用。针对上述问题,以《中国土壤系统分类检索》(第三版)为基础,建立了基于RuleML语言的、可随时修改和扩展的规则库。然后利用规则引擎工具NxBRE,使土壤类型的检索规则与推理过程相分离,知识规则的改变不需要重新编写推理过程代码,并最终实现了土壤类型的自动检索。
- 邱琳李安波
- 关键词：土壤分类规则引擎
- 基于Fisher判别分析的数字土壤制图研究被引量：4
- 2012年
- 利用已知类型的土壤样点及其所处位置的高程、坡度、平面曲率、剖面曲率、复合地形指数等数据,基于Fisher判别分析方法对安徽宣城样区的土壤类型进行预测和制图表达。结果表明,土纲级别的预测效果较好,正确率达到84.2%。但随着从土纲到亚类级别的降低,由于受土壤样点数量限制,土壤类型预测的准确率也逐步降低。通过与样区1986年基于发生分类的土壤图进行对比,采用的方法无论是在制图精度,还是图面信息的负载量方面都要优于传统方法,能够更加客观真实地反映土壤在自然界的空间分布。
- 邱琳李安波赵玉国
- 关键词：FISHER判别分析
- 基于哨兵二号的大豆、玉米遥感识别——以江苏徐淮地区为例
- 2023年
- 本研究以哨兵二号影像为数据源,以江苏徐淮地区邳州市西南部作为研究区,开展大豆、玉米遥感识别研究。采用覆盖玉米和大豆主要生长期的多时相哨兵二号影像构建遥感特征参数数据集,包括12个光谱波段的反射率和47个植被指数,采用递归特征消除与随机森林、支持向量机相结合的算法开展特征参数优选,明确最优识别时相-特征参数组合,在此基础上,采用随机森林和支持向量机分类器进行分类,并比较分类精度。研究结果表明,利用特征参数优选方法提取最优特征参数组合,在保证总体精度的前提下能够减少特征参数数量;陆地水指数和倒数差值等植被指数是2种优选算法所提取出的共性特征参数;9月8日是研究区玉米和大豆遥感识别的最佳时相,总体精度和Kappa系数均为0.99。
- 王晶晶兰仕浩邱琳汪曙单捷黄晓军李牧
- 关键词：玉米大豆
- 基于遥感的作物产量和产量差估算研究进展
- 2023年
- 作物产量差研究对于认识当前生产力现状和提高作物产量至关重要。以往产量差研究方法如田间试验、统计分析以及作物生长模型模拟分析,在区域尺度应用时常受限于空间上的异质环境以及田间管理信息不足等因素。本文重点综述了当前利用遥感技术以及遥感结合作物模型等方法来估算作物产量和产量差的研究进展,并介绍了利用遥感技术分析产量差形成因素的方法,最后对当前研究中存在的一些问题以及未来的研究方向进行了讨论和展望。
- 卢必慧邱琳李卫国王志明田苗王晶单捷
- 关键词：遥感作物模型
- 基于案例推理的土壤诊断层的自动判别
- 数字化、信息化已成为土壤学发展的重要驱动力之一。无论从数据的获取，还是到最后的综合分析，土壤学家越来越依赖计算机、地理信息、人工智能等技术来加强土壤分类的自动化程度，提高土壤分类的精度和效率。土壤分类工作的自动化、信息化...
- 邱琳
- 关键词：自动判别地理信息人工智能土壤分类
- 文献传递
- GF-1卫星影像的空间分辨率对水稻识别精度的影响被引量：6
- 2019年
- 基于GF-1卫星影像数据,选择建湖县3块5 km×5 km水稻种植区为试验区,分析了水稻识别精度与GF-1卫星3种分辨率之间的关系。结果表明,随着空间分辨率由2. 0 m变化到16. 0 m,混合像元内水稻所占比例从0. 92下降到0. 73,水稻图斑平均面积从1. 66 hm2上升到13. 28 hm2,水稻识别的总体精度由92. 41%降低到89. 20%;水稻识别精度与高、中、低3个农田景观破碎度密切相关,破碎度增加导致水稻识别精度下降;同等分辨率下,破碎度越高水稻识别精度越低。
- 邱琳卢必慧孙玲单捷毛良君
- 关键词：水稻
- 2011-2019年江苏省水稻主产区规模连片水稻时空动态分析被引量：1
- 2021年
- 选择农田防护林作为界定田块是否连片的标准,分析了水稻规模连片种植的时空格局及变化特征。结果表明,①2011-2019年,研究区内0.67×103 hm2以上规模连片水稻种植面积逐年减少。其中,6.67×103 hm2以上连片水稻种植面积平均减少7.38%,3.34×103~6.67×103 hm2连片水稻种植面积平均减少2.40%,0.67×103~3.33×103 hm2连片水稻种植面积平均减少0.76%。②位于洪泽县,东海县、灌云县、连云港城区交界处,东海县的大于6.67×103 hm2连片水稻种植面积持续保持稳定;位于淮安市楚州区,滨海县、射阳县、阜宁县交界处,盐城市盐都区的大于6.67×103 hm2水稻连片区从大到小或从有到无,变化幅度较大。③随着水稻规模连片区的缩小,连片区内水稻种植逐步单一化、水稻田块空间分布紧密度提高。本研究提出的用田块间间距来界定田块是否连片的方法,能够有效解决区域性农作物规模连片种植的量化问题。
- 孙玲邱琳单捷王晶晶
- 关键词：遥感水稻
