先读 图书 有声 广场 视频 期刊 会议 小站
主题知识库
购物车 兑换码 书房 消息 (0)
您好，请登录
个人中心 退出登录
主题知识库
马克思主义研究数据库 中国市场化指数数据库 社会学研究数据库 清前期云南督抚边疆事务奏疏知识库 英藏敦煌社會歷史文獻釋錄数据库 党史党建专题数据库 国别区域专题库 世界文学期刊 殷墟出土文物专题库 数字学术项目库 体育研究发展数据库 社科院文学研究所剪报资料库
首页  >  中国可持续发展遥感监测报告（2022）  >  详情

章节

中国主要粮食作物遥感监测

摘要

粮食安全是“国之大者”，是经济发展、社会稳定、国家安全的重要保障。病虫害是威胁粮食安全的重要因素，年均造成全球粮食歉收40%、我国粮食损失300亿～500亿斤。本报告融合国内外GF系列、Landsat系列、Sentinel 系列等卫星遥感数据、气象数据、区划数据、地面调查数据等多源数据，实现了2022年全国小麦、水稻、玉米的种植面积提取、长势状况监测、主要病虫害生境适宜性分析和作物产量估算。研究结果表明：①2022年全国水稻、玉米整体生长状况良好，与2021年相比总体长势持平，西北麦区小麦生长状况略差，但与2021年相比偏好；②2022年全国适宜小麦条锈病、赤霉病和蚜虫传播扩散的面积约1.6亿亩，适宜水稻稻飞虱、稻纵卷叶螟、稻瘟病传播扩散的面积约1.6亿亩，适宜玉米粘虫、大斑病传播扩散的面积约7106万亩；③2022年全国小麦总产量约1.3亿吨，水稻总产量约2.1亿吨，玉米总产量约2.6亿吨。

关键词

粮食作物 种植面积 长势 病虫害生境适宜性 产量 2022年

作者

参考文献 查看全部 ↓
  • ［1］Abubakar G A，Wang K，Shahtahamssebi A R，et al. “Mapping Maize Fields by Using Multi-Temporal Sentinel-1A and Sentinel-2A Images in Makarfi，Northern Nigeria，Africa”. Sustainability，2020，12（6）：2539.
  • ［2］De Groote H，Kimenju S C，Munyua B，et al. “Spread and Impact of Fall ArmyWorm （Spodoptera Frugiperda JE Smith） in Maize Production Areas of Kenya”. Agriculture，Ecosystems & Environment，2020，292：106804.
  • ［3］DeChant C，Wiesner-Hanks T，Chen S，et al. “Automated Identification of Northern Leaf Blight-Infected Maize Plants from Field Imagery Using Deep Learning”. Phytopathology，2017，107（11）：1426-1432.
  • ［4］Du X，Li Q，Shang J，et al. “Detecting Advanced Stages of Winter Wheat Yellow Rust and Aphid Infection Using RapidEye Data in North China Plain”. GIScience & Remote Sensing，2019，56（7）：1093-1113.
  • ［5］Guo A，Huang W，Ye H，et al. “Identification of Wheat Yellow Rust Using Spectral and Texture Features of Hyperspectral Images”. Remote Sensing，2020，12（9）：1419.
  • ［6］Habibie M I，Noguchi R，Shusuke M，et al. “Land Suitability Analysis for Maize Production in Indonesia Using Satellite Remote Sensing and GIS-Based Multicriteria Decision Support System”. GeoJournal，2021，86（2）：777-807.
  • ［7］Han J，Zhang Z，Cao J，et al. “Prediction of Winter Wheat Yield Based on Multi-Source Data and Machine learning in China”. Remote Sensing，2020，12（2）：236.
  • ［8］Ishengoma F S，Rai I A，Said R N. “Identification of Maize Leaves Infected by Fall Armyworms Using UAV-Based Imagery and Convolutional Neural Networks”. Computers and Electronics in Agriculture，2021，184：106124.
  • ［9］Jin Z，Azzari G，You C，et al. “Smallholder Maize Area and Yield Mapping at National Scales with Google Earth Engine”. Remote Sensing of Environment，2019，228：115-128.
  • ［10］Leroux L，Castets M，Baron C，et al. “Maize Yield Estimation in West Africa from Crop Process-Induced Combinations of Multi-Domain Remote Sensing Indices”. European Journal of Agronomy，2019，108：11-26.
  • ［11］Liu L，Dong Y，Huang W，et al. “A Disease Index for Efficiently Detecting Wheat Fusarium Head Blight Using Sentinel-2 Multispectral Imagery”. IEEE Access，2020，8：52181-52191.
  • ［12］Ma H，Huang W，Jing Y，et al. “Integrating Growth and Environmental Parameters to Discriminate Powdery Mildew and Aphid of Winter Wheat Using Bi-temporal Landsat-8 Imagery”. Remote Sensing，2019，11（7）：846.
  • ［13］Mahlein A K，Alisaac E，Al Masri A，et al. “Comparison and Combination of Thermal，Fluorescence，and Hyperspectral Imaging for Monitoring Fusarium Head Blight of Wheat on Spikelet Scale”. Sensors，2019，19（10）：2281.
  • ［14］Mandal N，Adak S，Das D K，et al. “Characterization of Rice Blast Disease Using Greenness Index，Canopy Temperature and Vegetation Indices”. International Journal of Agriculture，Environment and Biotechnology，2022，15（1）：81-89.
  • ［15］Nettleton D F，Katsantonis D，Kalaitzidis A，et al. “Predicting Rice Blast Disease：Machine Learning Versus Process-Based Models”.BMC Bioinformatics，2019，20（1）：1-16.
  • ［16］Pagani V，Guarneri T，Busetto L，et al. “A High-Resolution，Integrated System for Rice Yield Forecasting at District Level”.. Agricultural Systems，2019，168：181-190.
  • ［17］Paul G C，Saha S，Hembram T K. “Application of Phenology-Based Algorithm and Linear Regression Model for Estimating Rice Cultivated Areas and Yield Using Remote Sensing Data in Bansloi River Basin，Eastern India”. Remote Sensing Applications：Society and Environment，2020，19：100367.
  • ［18］Skawsang S，Nagai M，K.Tripathi N，et al. “Predicting Rice Pest Population Occurrence with Satellite-derived Crop Phenology，Ground Meteorological Observation，and Machine Learning：A Case Study for the Central Plain of Thailand”. Applied Sciences，2019，9（22）：4846.
  • ［19］Stewart E L，Wiesner-Hanks T，Kaczmar N，et al. “Quantitative Phenotyping of Northern Leaf Blight in UAV Images Using Deep Learning”. Remote Sensing，2019，11（19）：2209.
  • ［20］Su J，Yi D，Su B，et al. “Aerial Visual Perception in Smart Farming：Field Study of Wheat Yellow Rust Monitoring”. IEEE Transactions on Industrial Informatics，2020，17（3）：2242-2249.
  • ［21］Tian H，Qin Y，Niu Z，et al. “Summer Maize Mapping by Compositing Time Series Sentinel-1A Imagery Based on Crop Growth Cycles”. Journal of the Indian Society of Remote Sensing，2021，49（11）：2863-2874.
  • ［22］Wahab I，Hall O，Jirström M. “Remote Sensing of Yields：Application of Uav Imagery-Derived Ndvi for Estimating Maize Vigor and Yields in Complex Frming Systems in Sub-saharan Africa”. Drones，2018，2（3）：28.
  • ［23］Wang X，Huang J，Feng Q，et al. “Winter Wheat Yield Prediction at County Level and Uncertainty Analysis in Main Wheat-Producing Regions of China with Deep Learning Approaches”. Remote Sensing，2020，12（11）：1744.
  • ［24］Xiao Y，Dong Y，Huang W，et al. “Regional Prediction of Fusarium Head Blight Occurrence in Wheat with Remote Sensing Based Susceptible-Exposed-Infectious-Removed Model”. International Journal of Applied Earth Observation and Geoinformation，2022，114：103043.
  • ［25］Xiao Z，Yun-xuan B A O，Lin W，et al. “Hyperspectral Features of Rice Canopy and SPAD Values Estimation under the Stress of Rice Leaf Folder”. Chinese Journal of Agrometeorology，2020，41（03）：173.
  • ［26］Xu F，Li Z，Zhang S，et al. “Mapping Winter Wheat with Combinations of Temporally Aggregated Sentinel-2 and Landsat-8 Data in Shandong Province，China”. Remote Sensing，2020，12（12）：2065.
  • ［27］Yang Q，Shi L，Han J，et al. “Deep Convolutional Neural Networks for Rice Grain Yield Estimation at the Ripening Stage Using UAV-Based Remotely Sensed Images”. Field Crops Research，2019，235：142-153.
  • ［28］Zhan P，Zhu W，Li N. “An Automated Rice Mapping Method Based on Flooding Signals in Synthetic Aperture Radar Time Series”. Remote Sensing of Environment，2021，252：112112.
  • ［29］Zhang J，Huang Y，Yuan L，et al. “Using Satellite Multispectral Imagery for Damage Mapping of Armyworm （Spodoptera frugiperda） in Maize at a Regional Scale”. Pest Management Science，2016，72（2）：335-348.
  • ［30］Zhang M，Lin H，Wang G，et al. “Mapping Paddy Rice Using a Convolutional Neural Network （CNN） with Landsat 8 Datasets in the Dongting Lake Area，China”. Remote Sensing，2018，10（11）：1840.
  • ［31］Zhang X，Liu J，Qin Z，et al. “Winter Wheat Identification by Integrating Spectral and Temporal Information Derived from Multi-Resolution Remote Sensing data”. Journal of Integrative Agriculture，2019，18（11）：2628-2643.
  • ［32］Zhang X，Wu B，Ponce-Campos G E，et al. “Mapping up-to-Date Paddy Rice Extent at 10 m Resolution in China through the Integration of Optical and Synthetic Aperture Radar Images”. Remote Sensing，2018，10（8）：1200.
  • ［33］Zheng Q，Ye H，Huang W，et al. “Integrating Spectral Information and Meteorological Data to Monitor Wheat Yellow Rust at a Regional Scale：A Case Study”. Remote Sensing，2021，13（2）：278.
  • ［34］Zhong L，Hu L，Zhou H，et al. “Deep Learning Based Winter Wheat Mapping Using Statistical Data as Ground References in Kansas and Northern Texas，US”. Remote Sensing of Environment，2019，233：111411.
  • ［35］Zhou W，Liu Y，Ata-Ul-Karim S T，et al. “Integrating Climate and Satellite Remote Sensing Data for Predicting County-Level Wheat Yield in China Using Machine Learning Methods”. International Journal of Applied Earth Observation and Geoinformation，2022，111：102861.

中国主要粮食作物遥感监测

可试读20%内容 PDF阅读 阅读器阅览

试读已结束，剩余80%未读

¥6.13 查看全文 >

VIP免费

检索正文关键字

章节目录

  • 4.1 中国主要粮食作物种植区遥感监测
  • 4.2 中国主要粮食作物长势遥感监测
    1. 4.2.1 小麦长势对比分析
    2. 4.2.2 水稻长势对比分析
    3. 4.2.3 玉米长势对比分析
  • 4.3 粮食作物重大病虫害生境适宜性分析
    1. 4.3.1 小麦病虫害生境适宜性分析
    2. 4.3.2 水稻病虫害生境适宜性监测
    3. 4.3.3 玉米病虫害生境适宜性监测
  • 4.4 中国主要粮食作物产量遥感估测

章节图片/图表

相关文献

中国水资源要素遥感监测

中国主要粮食作物遥感监测

2021年我国重大自然灾害监测

中国细颗粒物浓度卫星遥感监测

中国主要污染气体和秸秆焚烧遥感监测

温室气体遥感监测

粤港澳大湾区遥感监测

查看更多>>>