專利名稱：農(nóng)作物產(chǎn)量變異程度監(jiān)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及農(nóng)作物產(chǎn)量監(jiān)測領(lǐng)域，特別涉及一種基于遙感技術(shù)的農(nóng)作物產(chǎn)量變 異程度監(jiān)測方法。
背景技術(shù)：
在我國目前的農(nóng)業(yè)生產(chǎn)條件下，農(nóng)民的地塊通常比較分散、零碎，同一區(qū)域內(nèi) 不同地塊在土壤、氣候等方面存在差異，同時，農(nóng)戶管理措施多樣，因而使不同的地塊 在作物長勢和畝產(chǎn)水平上也存在較大的差異。即便是同一地塊內(nèi)部，由于其基礎(chǔ)地力、 地形、以及管理水平等因素的不同，也存在作物產(chǎn)量的差異。作物產(chǎn)量的變異程度是衡 量作物長勢的一個標準，也是評價不同地塊基礎(chǔ)地力的一個重要指標?，F(xiàn)有技術(shù)中，獲取地塊內(nèi)部作物產(chǎn)量數(shù)據(jù)，一是通過傳統(tǒng)的抽樣方法，該方法 一般都是針對較大區(qū)域開展，采用多階段抽樣，如以省為總體的五階段抽樣，即省抽縣 市，縣市抽鄉(xiāng)鎮(zhèn)，鄉(xiāng)鎮(zhèn)抽村民小組，村民小組抽地塊，地塊抽樣本點；以及以縣為主體 的三階段抽樣和以村為主體的抽樣?；蛘咴诘貕K內(nèi)部加大抽樣密度，以期獲得較為準確 的產(chǎn)量數(shù)據(jù)。但是，這種通過人工調(diào)查的方式逐級逐個地塊抽樣的方法往往無法保證樣 本的代表性，對產(chǎn)量變異的監(jiān)測也無法落實的具體地塊內(nèi)部；而且作物產(chǎn)量數(shù)據(jù)的獲取 工作量大且成本高，速度慢，無法大面積推廣。隨著精準農(nóng)業(yè)技術(shù)的發(fā)展，地塊內(nèi)作物產(chǎn)量數(shù)據(jù)可以依靠帶測產(chǎn)系統(tǒng)的聯(lián)合收 割機來獲取，同時也可以生成針對地塊的產(chǎn)量圖。但由于測產(chǎn)收割機成本較高，無法大 面積推廣，因此，還無法在大區(qū)域內(nèi)獲取不同地塊的產(chǎn)量數(shù)據(jù)，不能夠滿足現(xiàn)代農(nóng)業(yè)管
理的需要。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是如何快速獲得更準確的基于地塊的農(nóng)作物產(chǎn)量變異 數(shù)據(jù)，且降低成本、節(jié)省人力物力。( 二 )技術(shù)方案為此，本發(fā)明提供了一種農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，包括以下步驟步驟1、對獲得的目標農(nóng)作物的遙感影像數(shù)據(jù)進行處理得到柵格數(shù)據(jù)，根據(jù)所述 柵格數(shù)據(jù)計算得到不同地塊的遙感估產(chǎn)數(shù)據(jù)；步驟2、根據(jù)所述柵格數(shù)據(jù)獲取像元尺度上的作物產(chǎn)量數(shù)據(jù)并獲得不同地塊的面 狀矢量數(shù)據(jù)；步驟3、建立不同地塊的作物產(chǎn)量數(shù)據(jù)庫；步驟4、根據(jù)作物產(chǎn)量數(shù)據(jù)庫將各個地塊的目標農(nóng)作物的產(chǎn)量變異程度制成專題 圖。其中，所述步驟1具體包括
步驟11、獲取目標農(nóng)作物生長期的多時相遙感影像，對所述遙感影像進行預處 理；步驟12、對預處理后的遙感影像進行分類提取，獲得目標地塊中目標農(nóng)作物的 柵格數(shù)據(jù)；對不同地塊的作物產(chǎn)量變異程度進行監(jiān)測；步驟13、根據(jù)所述柵格數(shù)據(jù)，結(jié)合所述目標農(nóng)作物的長勢參數(shù)和最終產(chǎn)量進行 產(chǎn)量估算，獲得不同地塊的遙感估產(chǎn)數(shù)據(jù)。所述步驟3具體包括將不同地塊的所述面狀矢量數(shù)據(jù)與遙感估產(chǎn)數(shù)據(jù)進行疊加，獲得基于地塊目標 單元的作物產(chǎn)量數(shù)據(jù)庫。所述步驟3還包括獲得基于地塊目標單元的矢量圖。所述步驟3具體包括以地塊的面狀矢量數(shù)據(jù)為計算單元，將不同地塊與其包含的作物產(chǎn)量信息對 應，逐一計算每一地塊包含的產(chǎn)量數(shù)據(jù)的特征；將計算結(jié)果作為屬性信息，添加到所述地塊面狀矢量數(shù)據(jù)中，構(gòu)建基于不同地 塊的作物產(chǎn)量數(shù)據(jù)庫。所述產(chǎn)量數(shù)據(jù)包括產(chǎn)量最大值、最小值、均值、標準偏差及變異系數(shù)。(三)有益效果上述技術(shù)方案具有如下優(yōu)點通過獲取地塊的產(chǎn)量數(shù)據(jù)，有利于管理單位和農(nóng) 業(yè)企業(yè)在生產(chǎn)調(diào)控時實時宏觀地監(jiān)測掌握作物產(chǎn)量的信息，縮短抽樣時間，降低成本， 提高效率；也有助于通過將農(nóng)作物產(chǎn)量信息反饋給生產(chǎn)管理者和農(nóng)民，積累農(nóng)作物產(chǎn)量 形成的規(guī)律和知識，以指導農(nóng)作物調(diào)優(yōu)栽培管理等。


圖1是本發(fā)明實施例的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法流程圖；圖2是本發(fā)明實施例的獲得遙感估產(chǎn)數(shù)據(jù)的步驟流程圖；圖3是本發(fā)明實施例的北京市2009年冬小麥種植區(qū)分布的遙感監(jiān)測圖；圖4是本發(fā)明實施例的北京市2009年冬小麥最終地塊矢量數(shù)據(jù)圖；圖5是本發(fā)明實施例的北京市2009年冬小麥產(chǎn)量遙感監(jiān)測圖；圖6是本發(fā)明實施例的北京市2009年冬小麥產(chǎn)量變異程度遙感監(jiān)測圖。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實 施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。如圖1所示，是本發(fā)明實施例的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法流程圖，本發(fā)明 提出的基于遙感技術(shù)與GIS技術(shù)的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法包括下列步驟步驟1、獲得遙感估產(chǎn)數(shù)據(jù)的步驟根據(jù)獲得的目標農(nóng)作物的遙感影像數(shù)據(jù)得 到不同地塊的遙感估產(chǎn)數(shù)據(jù)。遙感估產(chǎn)是根據(jù)生物學原理，在收集分析各種糧食作物不同光譜特征的基礎(chǔ) 上，通過衛(wèi)星傳感器測得的地表信息，辨別作物類型，監(jiān)測作物長勢，并在作物收獲前，預測作物的產(chǎn)量。遙感估產(chǎn)包括兩項重要內(nèi)容作物識別和播種面積提取，長勢監(jiān) 測和產(chǎn)量預報。遙感估產(chǎn)的對象大多為區(qū)域級，現(xiàn)有技術(shù)中一般針對不同省、市級單位 進行產(chǎn)量估測；本發(fā)明通過遙感估產(chǎn)，獲取大區(qū)域范圍內(nèi)作物產(chǎn)量數(shù)據(jù)，在此基礎(chǔ)上， 針對不同地塊進行產(chǎn)量變異評價。如圖2所示，為本發(fā)明實施例的獲得遙感估產(chǎn)數(shù)據(jù)的 步驟流程圖，包括步驟11、遙感影像預處理獲取研究區(qū)目標農(nóng)作物生長期的多時相遙感影像， 對獲取的遙感影像進行預處理；對獲得的遙感影像進行預處理是準確獲取作物長勢信息的基礎(chǔ)，本實施例對遙 感影像的預處理包括輻射糾正，大氣糾正和幾何糾正；輻射糾正和大氣糾正的目的是消 除遙感影像獲取時受到的傳感器自身、大氣以及太陽高度角等各種因素的影響，獲得地 表真實反射率數(shù)據(jù)，一般利用大氣輻射傳輸模擬軟件如6S、MODTRAN等進行，也可 以直接利用遙感專業(yè)軟件提供的大氣糾正模塊進行影像的大氣輻射糾正，如RSI公司的 ENVI軟件的FLAASH模塊；幾何糾正是利用地面控制點糾正各種因素引起的遙感影像的幾何變形，對遙感 影像進行地理坐標定位，實現(xiàn)與標準圖像、標準地圖以及標準面狀矢量數(shù)據(jù)的幾何整 合，幾何糾正可以通過ENVI軟件的幾何糾正功能實現(xiàn)。步驟12、目標農(nóng)作物提取對預處理后的遙感影像進行分類提取，獲得目標地 塊中目標農(nóng)作物的空間分布柵格數(shù)據(jù)，對不同地塊的作物產(chǎn)量變異程度進行監(jiān)測；目標農(nóng)作物的提取是農(nóng)作物產(chǎn)量遙感反演和地塊信息的提取基礎(chǔ)。本實施例針 對所研究的農(nóng)作物生長發(fā)育特征，獲取研究區(qū)多時相遙感影像數(shù)據(jù)，對遙感影像進行預 處理之后，通過遙感軟件對預處理后的數(shù)據(jù)實現(xiàn)計算機自動分類，提取不同目標農(nóng)作物 的空間分布情況，目標農(nóng)作物的提取結(jié)果一般為某種農(nóng)作物的空間分布柵格圖，由圖可 以得到目標農(nóng)作物的空間分布柵格數(shù)據(jù)，根據(jù)影像分辨率的不同，農(nóng)作物分布尺度可以 從區(qū)縣級到省級以至更大區(qū)域級別。與現(xiàn)有技術(shù)中的作物估產(chǎn)不同的是在進行地塊尺 度的作物產(chǎn)量變異程度監(jiān)測時，不但要進行農(nóng)作物產(chǎn)量遙感監(jiān)測，同時由于研究目標為 不同自然地塊，因此，還需要獲取最新的自然地塊邊界信息。步驟13、作物產(chǎn)量遙感反演根據(jù)柵格數(shù)據(jù)，結(jié)合目標農(nóng)作物的長勢參數(shù)和最 終產(chǎn)量進行產(chǎn)量估算，獲得不同地塊的遙感估產(chǎn)數(shù)據(jù)。作為作物估產(chǎn)核心內(nèi)容之一的單產(chǎn)遙感估算技術(shù)研究，從初期簡單的光譜或指 數(shù)統(tǒng)計回歸模型，發(fā)展到今天以作物生理生態(tài)機理為基礎(chǔ)的區(qū)域生長模擬遙感模型階 段，研究不論從機理性、廣泛性，還是從綜合性、應用性方面，都取得了不同程度的進展。本實施例利用已有的研究成果，在作物生長期內(nèi)，獲取多源多時相衛(wèi)星遙感數(shù) 據(jù)，同時，在作物關(guān)鍵生育期，獲取大田作物長勢參數(shù)，最終產(chǎn)量及相關(guān)參數(shù)，綜合多 種作物單產(chǎn)遙感估算模型，進行產(chǎn)量估算，以獲取大面積作物產(chǎn)量數(shù)據(jù)?，F(xiàn)有技術(shù)中的遙感估產(chǎn)能夠以像元為單位獲取區(qū)域范圍內(nèi)作物的產(chǎn)量數(shù)據(jù)，但 對于地塊內(nèi)部產(chǎn)量的變化，由于地塊邊界數(shù)據(jù)的缺乏，則很少涉及，本發(fā)明針對這一問 題，通過遙感估產(chǎn)技術(shù)獲取大區(qū)域作物產(chǎn)量數(shù)據(jù)，以農(nóng)作物種植地塊為研究對象，提出 集成遙感與GIS技術(shù)的基于地塊的農(nóng)作物產(chǎn)量變異程度的監(jiān)測方法，在區(qū)、縣、省、市等較大尺度上，實現(xiàn)針對地塊內(nèi)部的快速、準確、實時的農(nóng)作物產(chǎn)量變異程度的監(jiān)測及 評價。步驟2、地塊邊界信息獲取的步驟根據(jù)柵格數(shù)據(jù)獲取像元尺度上的作物產(chǎn)量 數(shù)據(jù)并獲得不同地塊的邊界面狀矢量數(shù)據(jù)。本發(fā)明針對地塊開展作物產(chǎn)量變異監(jiān)測，因此，需要實時獲取地塊邊界數(shù)據(jù)。 地塊邊界信息的提取針對作物分類后的柵格數(shù)據(jù)進行，本發(fā)明采用以下兩種方法提取地 塊的邊界數(shù)據(jù)(1)利用RSI公司遙感圖像處理軟件ENVI將分類后的柵格數(shù)據(jù)轉(zhuǎn)化為面狀矢量 數(shù)據(jù)，與已有的土地利用數(shù)據(jù)疊加，通過ESRI公司的ArcView 3.3軟件提供的矢量圖層 Intersect算法，對兩層面狀矢量數(shù)據(jù)疊加切割，提取地塊邊界，對于獲取的地塊數(shù)據(jù)，再 通過與最新遙感數(shù)據(jù)進行目視對比，在ArcView軟件中對地塊邊界信息進行修正，作為 最終的自然地塊面狀矢量數(shù)據(jù)。(2)以已有的土地利用數(shù)據(jù)為引導，針對研究區(qū)農(nóng)作物的分類結(jié)果，利用易康軟 件(ECognition)對柵格數(shù)據(jù)再進行面向?qū)ο蟮姆指?，分割算法可借鑒ECognition軟件提供 的方法，將目標單元劃分為若干地塊子對象并生成地塊面狀矢量數(shù)據(jù)。步驟3、針對地塊的作物產(chǎn)量數(shù)據(jù)庫的建立的步驟獲取自然地塊的最新面狀 矢量數(shù)據(jù)后，將地塊面狀矢量數(shù)據(jù)與遙感估產(chǎn)的柵格數(shù)據(jù)進行疊加，獲得基于地塊目標 單元的矢量圖和作物產(chǎn)量數(shù)據(jù)庫。本實施例的這一過程是利用VB調(diào)用GIS 二次開發(fā)工具包Mabobjects2.2進行編 程運算完成的。首先，以地塊面狀矢量數(shù)據(jù)為計算單元，將不同地塊與其所包含的作物 產(chǎn)量信息對應，逐一計算每一地塊包含的所有產(chǎn)量數(shù)據(jù)的特征，計算內(nèi)容包括每一地塊 所包含的產(chǎn)量最小值，最大值，均值，標準偏差以及變異系數(shù)；其次，在運算過程中， 利用M02.2提供的面狀矢量數(shù)據(jù)編輯功能，將計算結(jié)果作為屬性信息，添加到地塊面狀 矢量數(shù)據(jù)中，構(gòu)建新的基于不同地塊的作物產(chǎn)量數(shù)據(jù)庫，除產(chǎn)量相關(guān)信息外，該數(shù)據(jù)庫 還標識出不同地塊面積大小，周長以及地類名稱等信息。步驟4、專題圖制作的步驟根據(jù)作物產(chǎn)量數(shù)據(jù)庫將各個地塊的目標農(nóng)作物的 產(chǎn)量變異程度制成專題圖。在基于地塊的作物產(chǎn)量數(shù)據(jù)庫建立之后，可以對整個區(qū)域范圍內(nèi)所有地塊的目 標農(nóng)作物的產(chǎn)量變異程度進行成圖，以實現(xiàn)大范圍的作物產(chǎn)量變異程度的宏觀監(jiān)測與評 價。實施例1本實施例以北京地區(qū)為例，通過本方法的實施，最終獲取北京地區(qū)2009年冬小 麥產(chǎn)量變異程度的監(jiān)測結(jié)果。應用本發(fā)明的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，本實施例包 括以下步驟1、遙感影像的獲取及處理的步驟2009年度，在冬小麥生長季共獲取研究區(qū)Landsat TM遙感影像4景，獲取日期 分別為3月30日，4月15日，5月17日和6月2日，分別對應冬小麥起身期、拔節(jié)期， 孕穗期及灌漿期。所有Landsat影像，采用6S模型支持下的暗目標法進行了大氣糾正，獲 取了所有影像的地表反射率。影像的幾何糾正采用圖像對圖像選取地面控制點的方法，每景影像選取超過300個地面控制點，此外，根據(jù)實際調(diào)查時所獲取的衛(wèi)星差分GPS控 制點對整個圖像進行了修正，經(jīng)過幾何糾正的圖像精度控制在一個像元之內(nèi)。2、目標農(nóng)作物提取的步驟利用2009年度3月30日、4月15日，5月17日以及6月2日Landsat5TM冬小 麥生長季遙感影像，采用決策樹分類法，對北京地區(qū)冬小麥種植區(qū)進行了提取。提取結(jié) 果如圖3所示，為本發(fā)明實施例的北京市2009年冬小麥種植區(qū)分布的遙感監(jiān)測圖，獲得 冬小麥的柵格數(shù)據(jù)。3、地塊信息獲取的步驟利用易康軟件(ECognition)對上一步得到的柵格數(shù)據(jù)再進行面向?qū)ο蟮姆指睿?對于圖3中獲取的冬小麥種植區(qū)進行分割，獲取地塊邊界信息，在ARCVIEW3.3軟件 中，通過與高分辨率衛(wèi)星遙感影像目視解譯獲取的2006年北京地區(qū)農(nóng)田劃分類型矢量圖 進行對比，同時疊加2009年冬小麥遙感影像提取信息，通過目視解譯，確定2009年北京 通州地區(qū)冬小麥種植地塊邊界。冬小麥地塊數(shù)據(jù)經(jīng)過修正后，如圖4所示，為本發(fā)明實 施例的北京市2009年冬小麥最終地塊矢量數(shù)據(jù)圖。4、作物產(chǎn)量遙感估測的步驟2009年度冬小麥生長期內(nèi)，在北京通州、順義等糧食主產(chǎn)區(qū)選取30多個樣點， 配合衛(wèi)星過境時間，獲取了冬小麥關(guān)鍵生育期群體長勢參數(shù)，在收獲期對所有試驗樣 點，獲取其產(chǎn)量數(shù)據(jù)；根據(jù)獲取的冬小麥群體長勢數(shù)據(jù)和產(chǎn)量數(shù)據(jù)，與多時相衛(wèi)星遙感 影像信息建立冬小麥產(chǎn)量遙感監(jiān)測模型，通過該模型進行反演，獲取大范圍小麥單產(chǎn)監(jiān) 測數(shù)據(jù)，如圖5所示，為本發(fā)明實施例的北京市2009年冬小麥產(chǎn)量遙感監(jiān)測圖。5、針對地塊的作物產(chǎn)量數(shù)據(jù)庫的建立對于每一地塊，利用VB結(jié)合GIS 二次開發(fā)控件MO編程提取地塊所對應所有像 元對應的產(chǎn)量值，計算出該地塊不同時相NDVI最小值、最大值、均值、標準偏差及變 異系數(shù)，并將此信息以新的字段添加到地塊矢量文件對應的記錄中，生成作物產(chǎn)量數(shù)據(jù)庫。6、專題圖制作的步驟利用GIS軟件生成研究區(qū)冬小麥產(chǎn)量變異程度評價圖，實現(xiàn)對不同地塊內(nèi)部冬 小麥產(chǎn)量變異的監(jiān)測，結(jié)果如圖6所示，為本發(fā)明實施例的北京市2009年冬小麥產(chǎn)量變 異程度遙感監(jiān)測圖。由以上實施例可以看出，本發(fā)明實施例的技術(shù)方案充分利用了遙感影像數(shù)據(jù)能 夠多次、瞬時、無損的獲取大范圍“面狀”地物光譜信息的特點，針對自然地塊開展農(nóng) 作物產(chǎn)量變異程度的評價，克服了以往農(nóng)作物產(chǎn)量變異程度的調(diào)查費時費力，效率低的 缺點，在提高工作效率，減輕工作強度的同時，有效的提高了大范圍農(nóng)作物產(chǎn)量變異程 度監(jiān)測的準確性與精度。以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術(shù)領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進和變型，這些改進 和變型也應視為本發(fā)明的保護范圍。
權(quán)利要求
1.農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，包括以下步驟步驟1、對獲得的目標農(nóng)作物的遙感影像數(shù)據(jù)進行處理得到柵格數(shù)據(jù)，根據(jù)所述柵格 數(shù)據(jù)計算得到不同地塊的遙感估產(chǎn)數(shù)據(jù)；步驟2、根據(jù)所述柵格數(shù)據(jù)獲取像元尺度上的作物產(chǎn)量數(shù)據(jù)并獲得不同地塊的面狀矢 量數(shù)據(jù)；步驟3、建立不同地塊的作物產(chǎn)量數(shù)據(jù)庫；步驟4、根據(jù)作物產(chǎn)量數(shù)據(jù)庫將各個地塊的目標農(nóng)作物的產(chǎn)量變異程度制成專題圖。
2.如權(quán)利要求1所述的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，所述步驟1具體 包括步驟11、獲取目標農(nóng)作物生長期的多時相遙感影像，對所述遙感影像進行預處理； 步驟12、對預處理后的遙感影像進行分類提取，獲得目標地塊中目標農(nóng)作物的柵格 數(shù)據(jù)；對不同地塊的作物產(chǎn)量變異程度進行監(jiān)測； 步驟13、根據(jù)所述柵格數(shù)據(jù)，結(jié)合所述目標農(nóng)作物的長勢參數(shù)和最終產(chǎn)量進行產(chǎn)量 估算，獲得不同地塊的遙感估產(chǎn)數(shù)據(jù)。
3.如權(quán)利要求1所述的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，所述步驟3具體 包括將不同地塊的所述面狀矢量數(shù)據(jù)與遙感估產(chǎn)數(shù)據(jù)進行疊加，獲得基于地塊目標單元 的作物產(chǎn)量數(shù)據(jù)庫。
4.如權(quán)利要求3所述的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，所述步驟3還包 括獲得基于地塊目標單元的矢量圖。
5.如權(quán)利要求1所述的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，所述步驟3具體 包括以地塊的面狀矢量數(shù)據(jù)為計算單元，將不同地塊與其包含的作物產(chǎn)量信息對應，逐 一計算每一地塊包含的產(chǎn)量數(shù)據(jù)的特征；將計算結(jié)果作為屬性信息，添加到所述面狀矢量數(shù)據(jù)中，構(gòu)建基于不同地塊的作物產(chǎn)量數(shù)據(jù)庫。
6.如權(quán)利要求5所述的農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，其特征在于，所述產(chǎn)量數(shù)據(jù)包 括產(chǎn)量最大值、最小值、均值、標準偏差及變異系數(shù)。
全文摘要
本發(fā)明公開了一種農(nóng)作物產(chǎn)量變異程度監(jiān)測方法，包括以下步驟步驟1、對獲得的目標農(nóng)作物的遙感影像數(shù)據(jù)進行處理得到柵格數(shù)據(jù)，根據(jù)柵格數(shù)據(jù)計算得到不同地塊的遙感估產(chǎn)數(shù)據(jù)；步驟2、根據(jù)所述柵格數(shù)據(jù)獲取像元尺度上的作物產(chǎn)量數(shù)據(jù)并獲得不同地塊的面狀矢量數(shù)據(jù)；步驟3、建立不同地塊的作物產(chǎn)量數(shù)據(jù)庫；步驟4、根據(jù)作物產(chǎn)量數(shù)據(jù)庫將各個地塊的目標農(nóng)作物的產(chǎn)量變異程度制成專題圖。本發(fā)明克服了現(xiàn)有監(jiān)測方法中調(diào)查費時費力，效率低的缺點，在提高工作效率，減輕工作強度的同時，有效的提高了大范圍農(nóng)作物產(chǎn)量變異程度監(jiān)測的準確性與精度。
文檔編號G06Q10/00GK102013047SQ20101027964
公開日2011年4月13日 申請日期2010年9月10日 優(yōu)先權(quán)日2010年9月10日
發(fā)明者宋曉宇, 徐新剛, 李存軍, 楊小冬, 楊浩, 楊貴軍, 王紀華, 顧曉鶴, 黃文江 申請人:北京農(nóng)業(yè)信息技術(shù)研究中心