In this paper, satellite remote sen

In this paper, satellite remote sensing was used as the input parameter of the GRAMI rice model to evaluate its applicability for simulating paddy rice crop condition and yield assessment at the field scale. Especially, the world’s first Geostationary Ocean Color Imager (GOCI), which provides better temporal resolution than does MODIS, was applied to evaluate the estimation of intuitive paddy rice growth and development and to examine the feasibility for vegetation index profiles of the GRAMI rice model. Moderate Resolution Imaging Spectroradiometer (MODIS) satellite data at 500-m resolution were used as reference data to validate the quality of the crop growth and development data derived from GOCI. Field measurements of paddy rice at Chonnam National University, Gwangju, South Korea, were performed to determine initial parameters of the GRAMI rice model, which is used to optimize biophysical processes in the soil–crop–atmosphere system. For angular-dependent vegetation products, daily rolling time series of vegetation indices of GOCI and MODIS were estimated using semi-empirical BRDF modeling based on 16-day composite procedures. The observed temporal variation in GOCI vegetation indices (VIs) based on BAR (bidirectional reflectance distribution function adjusted reflectance) showed a similar growing pattern to the simulated VIs of the crop model, but MODIS showed a difference between measured and simulated VIs during the cloudy monsoon season. The rice yields predicted by integrating satellitedataandthe GRAMIrice modelwere compared withfieldmeasurementsandshowed reasonable agreement with reference to paddy rice productivity in the study area.
2015 Elsevier B.V. All rights reserved.
1. Introduction
Recently, agriculture has faced new challenges because of globalwarmingandrapidlychangingweatherconditions.Unexpected extremetemperatureandprecipitationchangesinthephysicaland biologicalenvironmentsaffectcropgrowthandyield,aswellasthe areas suitable for crops. Accurate and timely assessment of crop damage caused by natural disasters such as crop defoliation, drought, and pest infestation greatly benefits strategic planning to meet cropproductiondemands(Doraiswamy et al., 2004). Satellite remote sensing images can be applied to monitor and predict crop yields by adopting various vegetation indices, such as the normalized difference vegetation index (NDVI), two-band enhanced vegetation index (EVI2), leaf area index (LAI), and wide
dynamic range vegetation index (WDRVI) (Bolton and Friedl, 2013; Peng et al., 2011; Sakamoto et al., 2013). Quarmby (1993) pointed out the potential for using vegetation index profiles from Advanced Very High Resolution Radiometer (AVHRR) data for operational crop monitoring based on a simple linear regression model. Funk and Budde (2009) demonstrated that nation-level crop production anomalies in semiarid Africa could be detected successfully using vegetation index time series, assuming that appropriate spatial and temporal filters are applied to the data and that pre-season nonagricultural signals are removed. To reduce atmospheric effects that lead to missing values of optical sensor observations, they used spectral filtering to discriminate cloudy areas for intuitive phenophase transitions of the crop. Mkhabela et al. (2011) showed that MODIS-NDVI could be used effectively to predict crop yields across the Canadian prairies one to two months before harvest. However, despite the positive results of using MODIS-NDVI for the Canadian prairies, atmosphericeffectscontinuetobeoneofthemainlimitationstoacquiringdata.Asshownbythepreviousstudies,satelliteremotesensing is consideredto be an efficient tool to regularly monitorthe chang
http://dx.doi.org/10.1016/j.compag.2015.08.017 0168-1699/
2015 Elsevier B.V. All rights reserved.
⇑ Corresponding author. Tel.: [phone]. E-mail addresses: [e-mail] (J.-M. Yeom), [e-mail] (J. Ko), [e-mail] (H.-O. Kim). 1 Tel.: [phone] Tel.: [phone].
Computers and Electronics in Agriculture 118 (2015) 1–8
Co

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ ดาวเทียมตรวจจับระยะไกลใช้เป็นพารามิเตอร์การป้อนข้อมูลของรูปแบบข้าว GRAMI การประเมินที่เกี่ยวข้องสำหรับการจำลองข้าวข้าวพืชสภาพผลผลิตการประเมินและส่วนเนื้อหา โดยเฉพาะอย่างยิ่ง แรกของโลกในวงโคจรค้างฟ้ามหาสมุทรสี Imager (GOCI), ซึ่งให้ความละเอียดที่ขมับดีกว่าไม่ MODIS ถูกนำไปใช้ใน การประเมินการประเมินการพัฒนาและเจริญเติบโตของข้าวเปลือกที่ใช้งานง่าย และ การตรวจสอบความเป็นไปได้สำหรับ profiles ดัชนีพืชข้าวรุ่น GRAMI ข้อมูลดาวเทียมความละเอียด Imaging Spectroradiometer (MODIS) ปานกลางที่ความละเอียด 500 เมตรถูกใช้เป็นข้อมูลอ้างอิงเพื่อตรวจสอบคุณภาพของพืชเจริญเติบโตและพัฒนาข้อมูลมาจาก GOCI การวัดสนามทุ่งนาข้าวที่มหาวิทยาลัยแห่งชาติ Chonnam กวางจู เกาหลีใต้ ดำเนินการเพื่อกำหนดพารามิเตอร์เริ่มต้นของรุ่นข้าว GRAMI ซึ่งถูกใช้เพื่อเพิ่มประสิทธิภาพกระบวนการทางกายภาพและชีวภาพในระบบดินพืช – บรรยากาศ สำหรับผลิตภัณฑ์เชิงมุมขึ้นอยู่กับพืช ชุดเวลากลิ้งประจำวันดัชนีพืช GOCI และ MODIS ถูกประเมินโดยใช้โมเดล BRDF กึ่งเชิงประจักษ์ตามกระบวนการคอมโพสิต 16 วัน การเปลี่ยนแปลงกาลเวลาสังเกตในดัชนีพืช GOCI (VIs) อิงบาร์ (สองทิศทาง reflectance การกระจายฟังก์ชันปรับ reflectance) ด้านรูปแบบการเจริญเติบโตคล้าย VIs จำลองของแบบจำลองพืช แต่ MODIS พบความแตกต่างระหว่างวัด และจำลอง VIs ในช่วงฤดูฝนมรสุม ผลผลิตข้าวที่คาดการณ์ โดยรวม satellitedataandthe GRAMIrice modelwere เปรียบเทียบอ้างอิงข้าวผลผลิตข้าวในพื้นที่ศึกษาตกลงเหมาะสม withfieldmeasurementsandshowed 2015 Elsevier b.v สงวนลิขสิทธิ์1. บทนำเมื่อเร็ว ๆ นี้ เกษตรต้องเผชิญกับความท้าทายใหม่จาก globalwarmingandrapidlychangingweatherconditions ไม่คาดคิด extremetemperatureandprecipitationchangesinthephysicaland biologicalenvironmentsaffectcropgrowthandyield, aswellasthe พื้นที่เหมาะสำหรับปลูกพืช การประเมินถูกต้อง และทันเวลาของพืชความเสียหายเกิดจากภัยธรรมชาติเช่นพืช defoliation ภัยแล้ง และแมลงรบกวนมากผลประโยชน์กลยุทธ์การวางแผนเพื่อตอบสนอง cropproductiondemands (Doraiswamy et al. 2004) ภาพการตรวจวัดระยะไกลดาวเทียมสามารถใช้เพื่อตรวจสอบ และคาดการณ์ผลผลิตพืช โดยการนำ ดัชนีพืช เช่นดัชนีพืชมาตรฐานความแตกต่าง (NDVI), ดัชนีพืชเพิ่มสองวง (EVI2), ดัชนีพื้นที่ใบ (LAI), และต่าง ๆ กว้างช่วงไดนามิกดัชนีพืช (WDRVI) (โบลตันและ Friedl, 2013 Peng et al. 2011 Sakamoto et al. 2013) Quarmby (1993) ชี้ให้เห็นศักยภาพในการใช้ profiles ดัชนีพืชจากข้อมูลขั้นสูงมากสูงความละเอียดเรดิโอมิเตอร์ (AVHRR) สำหรับพืชในการดำเนินงานการตรวจสอบแบบจำลองถดถอยเชิงเส้นอย่างง่าย กลัวและ Budde (2009) แสดงให้เห็นว่า ความผิดปกติของการผลิตพืชระดับประเทศในแอฟริกาแล้งพบเรียบร้อยแล้วโดยใช้อนุกรมเวลาดัชนีพืช สมมติว่าใช้ฟิลเตอร์เชิงพื้นที่ และกาลเวลาที่เหมาะสมกับข้อมูลและภารฤดูกาลก่อน สัญญาณจะถูกเอาออก เพื่อลดผลกระทบบรรยากาศที่นำไปสู่ค่าที่หายไปของเซ็นเซอร์ออปติคัลสังเกต พวกเขาใช้ filtering สเปกตรัมการแยกแยะพื้นที่เมฆสำหรับ phenophase ใช้งานง่ายเปลี่ยนของพืช Mkhabela et al. (2011) พบว่า MODIS NDVI สามารถใช้ได้อย่างมีประสิทธิภาพเพื่อคาดการณ์ผลผลิตพืชข้ามหอมกรุ่นแคนาดาหนึ่งถึงสองเดือนก่อนเก็บเกี่ยว อย่างไรก็ตาม แม้ มีผลบวกของการใช้ MODIS NDVI สำหรับหอมกรุ่นแคนาดา atmosphericeffectscontinuetobeoneofthemainlimitationstoacquiringdata Asshownbythepreviousstudies, satelliteremotesensing คือ consideredto เป็นเครื่องมือรวมเป็นประจำ monitorthe ช้างhttp://dx.doi.org/10.1016/j.compag.2015.08.017 0168-1699 / 2015 Elsevier b.v สงวนลิขสิทธิ์ผู้ได่⇑ โทรศัพท์: + 82 42 870 3963 ที่อยู่อีเมล์: [e-mail] (เอ็มเจ Yeom), [e-mail] (J. โกะ), [e-mail] (H. o คิม) 1 โทรศัพท์: + 82 42 870 3955 2 โทร.: + 82 62 530 2053คอมพิวเตอร์และอุปกรณ์อิเล็กทรอนิกส์ในการเกษตร 118 (2015) 1-8บริษัท

ผลลัพธ์ (ไทย) 2:

ในบทความนี้ดาวเทียมสำรวจระยะไกลถูกใช้เป็นพารามิเตอร์สำหรับการป้อนของรูปแบบข้าว GRAMI ที่จะประเมินผลการบังคับใช้สำหรับการจำลองสภาพการเพาะปลูกข้าวและผลผลิตการประเมินในระดับภาคสนาม โดยเฉพาะอย่างยิ่งของโลกแรก Geostationary สีมหาสมุทร Imager (GOCI) ซึ่งให้ความละเอียดชั่วดีกว่าไม่ MODIS ถูกนำมาใช้ในการประเมินผลการประมาณค่าการเจริญเติบโตของข้าวที่ใช้งานง่ายและการพัฒนาและการตรวจสอบความเป็นไปได้สำหรับดัชนีพืชพรรณโปร Fi Les ของรูปแบบข้าว GRAMI ปานกลาง Resolution Imaging Spectroradiometer (MODIS) ข้อมูลดาวเทียมที่มีความละเอียด 500-M ถูกนำมาใช้เป็นข้อมูลอ้างอิงในการตรวจสอบคุณภาพของการเจริญเติบโตของพืชและการพัฒนาข้อมูลที่ได้มาจาก GOCI วัดสนามข้าวเปลือกที่ Chonnam มหาวิทยาลัยแห่งชาติกวางจู, เกาหลีใต้, ได้ดำเนินการในการกำหนดค่าพารามิเตอร์เริ่มต้นของรูปแบบข้าว GRAMI ซึ่งจะใช้ในการเพิ่มประสิทธิภาพของกระบวนการทางชีวภาพในระบบของดินพืชบรรยากาศ สำหรับผลิตภัณฑ์พืชเชิงมุมขึ้นอยู่กับช่วงเวลาในชีวิตประจำวันกลิ้งของดัชนีพืชพรรณของ GOCI และ MODIS ถูกคำนวณโดยใช้วิธีการสร้างแบบจำลอง BRDF กึ่งเชิงประจักษ์ตามขั้นตอนคอมโพสิต 16 วัน สังเกตการเปลี่ยนแปลงชั่วคราวใน GOCI ดัชนีพืชพรรณ (VIS) ตามบาร์ (แบบสองทิศทางใหม่ชั้น ectance ฟังก์ชันการกระจายการปรับใหม่ชั้น ectance) พบว่ารูปแบบการเจริญเติบโตคล้ายกับจำลอง VIS ของรูปแบบการเพาะปลูก แต่ MODIS แสดงให้เห็นความแตกต่างระหว่างวัดและจำลอง VIS ในช่วงมรสุมที่มีเมฆมาก ฤดู ผลผลิตข้าวที่คาดการณ์ไว้โดยการบูรณาการ satellitedataandthe GRAMIrice modelwere เมื่อเทียบกับ Fi eldmeasurementsandshowed ข้อตกลงที่เหมาะสมมีการอ้างอิงถึงข้าวเปลือกผลผลิตข้าวในพื้นที่ศึกษา ? 2015 Elsevier BV สงวนลิขสิทธิ์.
1 บทนำ
เมื่อเร็ว ๆ นี้ทางการเกษตรได้เผชิญหน้ากับความท้าทายใหม่ ๆ เพราะ globalwarmingandrapidlychangingweatherconditions.Unexpected extremetemperatureandprecipitationchangesinthephysicaland biologicalenvironmentsaffectcropgrowthandyield พื้นที่ aswellasthe เหมาะสำหรับพืช ประเมินความถูกต้องและทันเวลาของพืชผลเสียหายที่เกิดจากภัยพิบัติทางธรรมชาติเช่นการผลัดใบพืชฤดูแล้งและศัตรูพืชรบกวนอย่างมาก Bene Fi TS การวางแผนเชิงกลยุทธ์เพื่อตอบสนองความ cropproductiondemands (Doraiswamy et al., 2004) ภาพถ่ายดาวเทียมสำรวจระยะไกลสามารถนำมาใช้ในการตรวจสอบและคาดการณ์ผลผลิตพืชโดยการนำดัชนีพืชพรรณต่างๆเช่นดัชนีปกติแตกต่างพืชพรรณ (NDVI) สองวงดัชนีเพิ่มพืช (EVI2) ดัชนีพื้นที่ใบ (LAI) และกว้าง
แบบไดนามิก ดัชนีช่วงพืช (WDRVI) (โบลตันและ Friedl, 2013; Peng et al, 2011;. Sakamoto et al, 2013). Quarmby (1993) ชี้ให้เห็นศักยภาพในการใช้ดัชนีพืชพรรณโปร Fi Les จากขั้นสูงความละเอียด Radiometer (AVHRR) ข้อมูลที่สูงมากสำหรับการตรวจสอบการดำเนินงานการปลูกพืชขึ้นอยู่กับรูปแบบการถดถอยเชิงเส้นอย่างง่าย ฉุนและบัดด์ (2009) แสดงให้เห็นว่าความผิดปกติของการผลิตของประเทศในระดับการเพาะปลูกในแอฟริกาแห้งแล้งสามารถตรวจพบได้ประสบความสำเร็จในการใช้เวลาแบบดัชนีพืชสมมติว่าเหมาะสมพื้นที่และเวลา lters Fi จะนำไปใช้ข้อมูลและที่ฤดูกาลก่อนสัญญาณที่ไม่ใช่เกษตรกรรมจะถูกลบออก เพื่อลดผลกระทบในชั้นบรรยากาศที่นำไปสู่ค่าของการสังเกตเซ็นเซอร์แสงหายไปพวกเขาใช้ ltering Fi สเปกตรัมการแยกแยะพื้นที่ที่มีเมฆสำหรับการเปลี่ยน phenophase ที่ใช้งานง่ายของพืช Mkhabela et al, (2011) แสดงให้เห็นว่า MODIS-NDVI สามารถนำมาใช้อย่างมีประสิทธิภาพที่จะคาดการณ์ผลผลิตพืชทั่วแคนาดาทุ่งหญ้าแพรรี 1-2 เดือนก่อนการเก็บเกี่ยว อย่างไรก็ตามแม้จะมีผลในเชิงบวกของการใช้ MODIS-NDVI สำหรับทุ่งหญ้าแพรรีแคนาดา atmosphericeffectscontinuetobeoneofthemainlimitationstoacquiringdata.Asshownbythepreviousstudies, satelliteremotesensing เป็น consideredto เป็นเครื่องมือที่มีประสิทธิภาพ Fi EF ประจำ monitorthe ช้าง
http://dx.doi.org/10.1016/j.compag.2015.08.017 0168-1699 /? 2015 Elsevier BV สงวนลิขสิทธิ์.
⇑ผู้รับผิดชอบ Tel .: [phone]. ที่อยู่ E-mail: [e-mail] ( J.-M. Yeom) [e-mail] (เจ Ko), [e-mail] .kr ( H.-O. คิม) 1 Tel .: [phone] Tel .: [phone].
คอมพิวเตอร์และเครื่องใช้ไฟฟ้าในการเกษตร 118 (2015) 1-8
Co