Sign in with
New Customer?
5.0l 302 Results
Brand Name: None
; Model Name: FOR
FORD BRONCO WAGON/ROADSTER 5.0L 302 V8
; Material Type: aluminum
Rated 5.0/5 based on 5 customer reviews
Brand Name: None
; Interchange Part Number: M-1
; Electrode Material: Normal
; Manufacturer Part Number: CIGCBIMSFD02
Mustang-Year: 1990
; Model Number: FOR MUSTANG GT / LX 5.0L V8 302
; Mustang-Year: 1993
; For Vehicle Brands/Model: Ford
Brand Name: FLUIDYNE
; Model Number: FOR FORD MUSTANG GT / LX 5.0L V8 302
For Vehicle Brands/Model: Ford
; Brand Name: FLUIDYNE
; Ford Model: Bronco
; Model Number: FOR Bronco
Brand Name: None
; Material: STAINLESS STEEL
; Ships From: China
; Model Number: ZSLS
Page 1 of 1
Related Categories
AliExpress Mobile App Search Anywhere,Anytime!
AliExpress Multi-Language Sites
, , , , , , , , , , , , , ,
Browse by Category
, , , , , , ,
Alibaba Group
, , , , , , , , , , , , , ,口算.估算．63+29=13+15=8.1×4.9≈0.12=13.2-2.5=1-38=0.5÷0.7=13×(15+67)=6÷(12-13)=1-25+35=311×9÷311= 题目和参考答案——精英家教网——
成绩波动大？难提高？听顶级名师视频辅导，
& 题目详情
口算，估算．63+29=+=8.1×4.9≈0.12=13.2-2.5=1-=0.5÷0.7=×（15+）=6÷（-）=1-+=×9÷=
考点：整数的加法和减法,数的估算,分数的加法和减法,分数的四则混合运算,有理数的乘方
专题：计算题
分析：估算8.1×4.9时，把8.1看作8，4.9看作5计算；0.12表示两个0.1相乘；13×（15+67），运用乘法分配律简算；6÷（12-13），按照先算括号里面的，再算括号外面的；1-25+35，从左往右按顺序计算；311×9÷311改写成311÷311×9计算；其它算式按照四则运算的方法口算得解．
解：63+29=8.1×4.9≈400.12=0..5=10.71-38=580.5÷0.7=5713×（15+67）=5276÷（12-13）=361-25+35=61=9．
点评：本题考查了简单的口算和估算，要注意分析式中数据，灵活选用简便的方法进行口算；注意如果是分数的结果，要化简成最简分数．
请在这里输入关键词：
科目：小学数学
两个圆的周长不相等，原因是什么？（　　）
A、圆的位置不同B、圆周率的大小不同C、圆的半径不同
科目：小学数学
估算．281÷7≈358÷6≈48×29≈21×31≈31×49≈596÷3≈31×18≈71÷9≈
科目：小学数学
直接写出得数?12.2+0.8=5-0.64=247+199=0.21×0.4=0.83÷0.1=4×=÷5=3.89×4×0.25=4+6×0.3=×÷×=
科目：小学数学
请细心计算①314×99+314；&&&&&&②÷38×6；　　&&&　③24×（-）；④2.56+2.8+2.2+6.44；&&&&&&&&&&&&&&&&&⑤9÷[（+）÷]．
科目：小学数学
科目：小学数学
直接写得数．-=×8=×=÷14=÷=÷=×=0÷=1×=7÷=
科目：小学数学
直接写出得数．500×8=32×500=540÷90=13y-2y=60×50=880÷22=48+520=82=
科目：小学数学
妈妈今年36岁，小华今年10岁．a年后妈妈比小华大多少岁？（　　）
A、a岁B、（10+a）岁C、26岁
精英家教网新版app上线啦！用app只需扫描书本条形码就能找到作业，家长给孩子检查作业更省心，同学们作业对答案更方便，扫描上方二维码立刻安装！
请输入姓名
请输入手机号第31卷第19期农业工程学报Vol.31No.1；2015年10月Transactionsofth；基于MODIS和天地图遥感数据的区域作物秸秆产量；王雪1，常志州2，张恒敢2，王效华1；（1.南京农业大学工学院，南京.；摘要：乡镇是秸秆焚烧最直接责任主体，开展镇（乡）；关键词：秸秆；遥感；估算；地块数据；MODIS-；中图分类号：S5-3文
农 业 工 程 学 报
Transactions of the Chinese Society of Agricultural Engineering
基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法
雪1，常志州2，张恒敢2，王效华1
（1.南京农业大学工学院，南京 210031； 2.江苏省农业科学院农业资源与环境研究所，南京 210014）
要：乡镇是秸秆焚烧最直接责任主体，开展镇（乡）区域农作物秸秆产生量估算方法研究，可为镇（乡）区域秸秆资源规划和收储设施选址提供有效方法。该文以泗洪县车门乡为试验，研究利用MODIS卫星遥感影像时间序列数据和天地图免费遥感影像数据，建立区域秸秆资源量及其空间分布的估算方法。根据天地图选取样本田块，通过网站获取MODIS-EVI时间序列数据，确定作物类型-EVI参数判别准则；选取图像识别样本田块，以图像参数为判别变量做判别分析，确定作物类型-图像参数判别准则。基于以上方法，完成全乡秸秆资源面积和秸秆产生量估算。水稻秸秆资源量1.77万t，可收集水稻秸秆资源量1.27万t，小麦秸秆资源量2.78万t，可收集小麦秸秆资源量为1.51万t；通过实际调研得知，该地水稻秸秆实际资源发生量约为1.82万t，小麦秸秆实际资源发生量约为2.75万t，估算数据和实际数据的误差仅为2.7%和1.1%，证明了该方法可以较准确的估算实际值，而且方便易用，节约成本。
关键词：秸秆；遥感；估算；地块数据；MODIS-EVI；天地图；判别分析 doi：10.11975/j.issn.15.19.024
中图分类号：S5-3
文献标志码：A
文章编号：15)-19-0177-06
雪，常志州，张恒敢，王效华. 基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法[J]. 农业工程学报，)：177－182.
doi：10.11975/j.issn.15.19.024
http://www.tcsae.org
Wang Xue, Chang Zhizhou, Zhang Henggan, Wang Xiaohua. Estimation methods for crop straw yield in township level based on MODIS and world map remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), ): 177－182. (in Chinese with English abstract)
doi：10.11975/j.issn.15.19.024
http://www.tcsae.org
实施秸秆资源调查和估算，是进行秸秆资源设施规划、科学利用秸秆资源的基础性工作。2008年，国务院办公厅颁发了《关于加快推进农作物秸秆综合利用的意见》（国办发[号），号召“开展秸秆资源调查，进一步摸清秸秆资源情况和利用现状”。2009年，农业部组织制定了《农作物秸秆资源调查与评价技术规范》（以下简称《规范》），同年启动了全国秸秆资源调查和评价工作。
一些省、县已完成本地区的秸秆资源调查和评价工作，一些县区正在或即将开展调查，调查方法都是《规范》提供的抽样调查方法，文献中也大多采用抽样调查的方法，田宜水等[1]通过农户问卷调查与农作物收获时直接采样测试草谷比相结合的方法进行秸秆量的估算，王晓斌等[2]通过查阅文献和实地调查的方法，估算出淮北市秸秆资源总量。这种方法适合省市、县区等大尺度的调查，获取较为准确的统计数据，然而，随着秸秆资源综合利用工作的不断深入和具体化，这种方法得到的秸秆资源数据已不能满足秸秆资源规划、收储设施选址、秸秆物流等具体工作的需要，更加精细的乡镇尺度的秸秆收稿日期：
修订日期：
基金项目：江苏农业自主创新基金项目（CX(10)225，CX(12)1002） 作者简介：王雪，女，天津人，主要从事农业废弃物资源化利用和秸秆收储运体系研究。南京
南京农业大学工学院，210031。Email：xuewang_ ※通信作者：常志州，男，江苏句容人，研究员，博士后导师，主要从事农业废弃物资源化利用。南京
江苏省农业科学院农业资源与环境研究所，210014。Email：
资源调查方法显得尤为重要。
乡镇区域的秸秆资源调查与省级、县级区域的秸秆资源调查不同。两者之间的差异不仅表现在目标区域的面积不同，在用途、精度、方法等方面都有较大差异：1）乡镇区域秸秆资源调查目标不在于宏观的掌握目标区域的秸秆资源产生和利用情况，而在于秸秆资源利用规划、秸秆收储设施选址、秸秆物流调度等具体的应用目标；2）乡镇区域的秸秆资源调查要有更高的精度，至少精确到田块级别，且更加注重秸秆资源的空间和时间分布，以及目标区域的农田道路情况，以便更科学地统筹秸秆收集、贮存时间和地址；3）乡镇区域秸秆资源调查的方法可建立在地理信息系统的基础之上，通过遥感方法和传统抽样方法相结合以获得更高的精度和效率。
《规范》提供的方法主要适用于大区域秸秆资源调查。目前文献报道的秸秆资源估算方法也是针对县级以上尺度的研究，而对镇（乡）区域的秸秆资源调查估算方法极少见。本研究旨在探索一种建立在地块数据基础上的镇（乡）秸秆资源调查方法。
概念、方法、步骤
秸秆资源及其属性
“秸秆是农业生产过程中，收获了小麦、水稻、玉米等农作物籽粒以后，残留的不能食用的茎、叶等农作物副产品，不包括农作物地下部分”[3-4]。秸秆资源具有资源类型、资源密度、有效收集时间、地理位置4个基本属性。一个区域的秸秆资源可以表示为一个四元组：
农业工程学报（http://www.tcsae.org）
S={C,D,T,G }
……………………（1）
式中：S为秸秆资源；C为资源类型；D为资源密度，即单位面积秸秆资源量，kg/m3；T为有效收集时间，h；G为资源地理信息。 1.1.1
秸秆资源类型由作物类型决定，如小麦秸秆、水稻秸秆、玉米秸秆等。不同作物类型秸秆的外观、组成成分、热能含量等理化性质不同，用途也不同。镇（乡）区域秸秆资源估算中，秸秆资源类型是区域内所有地块的资源类型构成的集合。单一地块在一年内可能种植2种或2种以上的作物，本文试验区泗洪县车门乡以稻麦轮作、小麦玉米轮作为主，符号表示为{小麦，水稻}和{小麦，玉米}。一个区域内所有田块的资源类型及其空间分布构成了该区域的资源类型属性。 1.1.2
“资源密度是某一区域单位面积秸秆资源的数量，表明该地区秸秆资源的丰度”[3]。在镇（乡）区域秸秆资源调查中，基本单元为田块，资源密度即为该田块的秸秆资源量与田块的面积之比。对应于理论资源量和可收集资源量，又可分为理论资源密度和可收集资源密度[3]。实际应用时可根据不同的应用场景选择合适的物理量，应用于秸秆还田模型、氮素和污染物迁移模型时，选择理论资源密度，应用于秸秆收集再利用时使用可收集资源密度。 1.1.3
有效收集时间
“有效收集时间是指某种农作物收获后，不影响下茬作物播种、可供收集秸秆的时间”[3]。有效收集时间受到作物的成熟期、天气状况和下茬作物播种（移栽）期的影响。有效收集时间主要影响秸秆的可收集量，车门乡秸秆收集时间较长，该因素影响较小，故本文不涉及有效收集时间。 1.1.4
秸秆资源的地理信息是指承载秸秆资源的目标区域的地理信息，包括区域的形状、面积、平面坐标、高程等。大区域秸秆资源估算一般以行政区为基本单元，并不涉及具体地理信息。镇（乡）区域秸秆资源估算一般以田块为单元，不仅考虑到田块的空间信息，还考虑到田块所处的地理环境，如邻接道路及方向等。当田块内秸秆资源分布均匀时，为简化计算，一般以田块的重心代表整个田块。
镇（乡）区域秸秆资源调查与估算方法 1.2.1
秸秆资源类型调查
确定农田作物类型的方法有3种：1）区域普查，即对每个田块进行观察记载。由于田块较多，工作量大，只适用于较小的区域或试验中样本点的调查。2）问卷调查，发放调查表或通过手机、网络向农民询问，获得数据。这种方法适用于抽样调查的情况[3]，用于全面调查准确性不高且扰民。3）影像识别，这种方法速度快，效率高，但受影像分辨率的影响，识别结果可能存在误差，需要结合田间调查加以修正。本文在实地调研的基础上，利用
MODIS卫星遥感影像时间序列数据和天地图免费遥感影像数据，建立区域秸秆资源量及其空间分布的估算方法，这种方法能够较准确的获得镇（乡）区域秸秆资源的面积、资源量及其空间分布数据，且简便易行，费用低。
MODIS（遥感影像）EVI（增强型植被指数）时间序列数据是目前应用比较广泛的植被指数[5-6]，记录了农作物不同时段的生长状况，分析不同农作物不同时期的生
长状况，可以提高分类的准确性[7-12]。
Kouadio L等[9]利用MODIS-NDVI（归一化植被指数）和EVI数据估算出了加拿大西部地区的农作物产量，预测值较为准确。Wu C Y等[10]利用季节性平均植被指数对北美的森林进行了建模，验证出北美森林物候期在春季。Rizzia R等[11]利用8 d合成的MODIS LAI和16d合成的NDVI时间序列数据对巴西南部某地区的大豆进行分类，效果极佳。Xavier A C等[12]利用MODIS-EVI时间序列对圣保罗的一个甘蔗种植区进行了甘蔗地的提取，取得了不错的效果。本文利用MODIS-EVI时间序列信息来区分旱地轮作和水旱轮作。选取了8个有代表性的监测点进行EVI数据采集。水稻达到最大叶面积后，EVI值开始下降，尤其在225～289 d 5个时间点表现的非常稳定，和旱地作物相比则始终高于旱作植物EVI值，因此，这5个时间点可作为2种模式的判别参数。
水旱轮作类型与旱地轮作类型的MODIS-EVI时间序列模式 Fig.1
Water-dryland rotation and dryland crop rotation type of
MODIS-EVI time series model
MODIS时间序列数据可以判别田块的作物类型，但其分辨率低（最高分辨率为250 m，面积近6.67 hm2），无法进行较小田块的识别，必须结合较高分辨率影像资料综合分析判断。天地图遥感影像资料免费，方便，分辨率高，其图像和纹理数据蕴含着丰富的信息（图2）。本文采用MODIS卫星遥感数据和天地图遥感影像数据相结合的方法识别作物类型。
江苏春季田间天地图影像截图
Jiangsu spring field image captured from world map
雪等：基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法
秸秆资源量估算方法
镇（乡）区域秸秆资源估算以区域内农田地理信息为基础，以田块为基本单元，主要目标是确定秸秆资源类型和秸秆资源量。秸秆资源量通过如下公式计算：
………………（2）
式中：P为秸秆资源量，t；D为资源密度，kg/m3；A为资源面积，hm2。
秸秆资源密度可通过田间抽样调查得到。根据秸秆资源分布地图，选取有代表性的田块，在小麦、水稻收获季节取样调查不同割茬高度下的秸秆资源量，调查方法参照《规范》推荐的方法[3]。资源面积由地块的地理信息计算得到。 1.2.3
秸秆资源估算步骤
Nakano等[13]通过比较7个植被指数与地表生物量的关系，得出EVI指标与地表生物量密切相关，并且统计出利用线性判别函数是合适的。本文通过MODIS-EVI参数和图像参数2个判别步骤确定农田作物布局及其面积，进而计算秸秆资源量及其空间分布。估算过程分3步：
第1步，选取分布均匀、面积较大的田块作为样本田块，实地调查其当前作物类型，通过网站[14]获取样本田块的MODIS-EVI时间序列数据。以作物类型为分类变量，MODIS常年时间序列EVI值为判别变量做判别分析，确定作物类型-EVI参数判别函数和判别规则；
第2步，以此规则选取置信概率99%以上的田块并结合田间调查资料，选取图像识别样本田块，以图像参数为判别变量做图像参数判别分析，确定作物类型-图像参数判别函数和判别规则；
第3步，提取每个田块对应的天地图遥感影像的颜色和纹理参数，以上述规则判断所有田块的作物类型，计算秸秆资源面积和秸秆产生量。
村，马公农场坐落境内，由于资源利用的区域性和整体性，同时为了后续研究的需要，本研究包括马公农场。 2.2
作物类型-VI参数判别分析
根据田间实地调查和当前（2013年9月）天地图遥感影像显示的颜色纹理信息情况，在全乡选取相对均匀一致的农田38块，建立MODIS虚拟监测点，其中水田22块，旱田16块。编写下载程序，获得16 d MODIS-EVI时间序列数据，数据系列从年，进行线性判别分析。得线性判别函数：
f=?18.....） 式中：x1～x5分别为某一站点的MODIS-EVI时间序列的第225、241、257、273、289天的常年平均值。
计算其判别函数值，当f＜0，判为第1类，为水旱轮作田，秋季为水稻；f＞0，判为第2类，为旱地轮作田，秋季为玉米、大豆、花生等。
根据以上判别函数和判别规则对38个样本进行回判，判别分析结果见表1。
作物类型-EVI时间序列参数判别分析结果 Table 1
Discriminant analysis results of crop type-EVI time
series parameters
原始分类Original classification
判别分类 Discrimination 水旱轮作
Paddy-upland rotation
旱地轮作 Rotational upland
水旱轮作 Paddy-upland rotation
旱地轮作 Rotational upland
合计 Total
21 0 21 1 16 17 22 16 38
在设定置信度为95%的情况下，判别准确率为97.37%，说明使用线性判别方法能够满足农田分类的要求，但需要注意的是，不同的地区需要选择不同的训练样本，计算判别函数和判别规则。 2.3
“作物类型-图像参数”判别分析
根据天地图遥感影像判别田块秸秆资源类型的方法略显复杂，要充分利用当地作物种植的先验知识辅助判别。试验区车门乡及其周边地区夏熟作物单一，大田作物只有小麦，此时仅有小麦为绿色，根据这个特征，可精确绘制出麦田的电子地图，而无需进行作物类型的判别分析（图4），当然也可用影像颜色参数判别分析实现自动判别，提高效率。
镇（乡）区域秸秆资源估算技术路线图
Technology roadmap of straw estimation in township level
结果与分析
选择江苏省泗洪县车门乡为试验样本。该乡位于泗洪县城西部苏皖交界处，总面积84 km2，有旱田也有水田，水旱分区较为明显，土壤类型以砂姜黑土为主。主要农作物为小麦、水稻、玉米、花生、大豆。车门乡辖8个行政
根据天地图遥感影像绘制的车门乡小麦分布图 Fig.4
Wheat distribution map in Chemen township according to
world map remote sensing image
农业工程学报（http://www.tcsae.org）
秋熟作物种植结构较复杂，水田作物为水稻，旱地作物有玉米、花生、大豆。试验区的影像分辨率较低，无法通过纹理信息区分玉米和大豆，但水稻与旱作的差异明显，可通过判别分析方法判断田块的作物类型。
以当前天地图遥感影像（2013年9月）为例。当前影像为春季影像，农田作物为小麦，稻茬麦和旱地麦之间存在差异，其中岗朱村部分待种花生的空闲地也有明显差异，以试验区田块影像参数为数据进行判别分析试验。试验样本为稻茬麦、旱地麦、空闲地3类，计算提取目标田块的R、G、B颜色值，转换为HSL颜色空间，进行线性判别。
根据EVI时间序列判别结果，结合田间实际调查，选取处于同一幅影像的车门乡北部的农田120块，计算每块农田17级影像的HSL平均值，其颜色空间分布如图5，其中加号为空闲地，三角点为旱地麦，圆点为稻茬麦。从图5中可以看出稻茬麦区域和旱地麦区域之间存在部分重合，而空闲地与麦田之间区分明显。
率为88.2%。说明对于当前天地图遥感影像，以田块颜色平均值可以大致区分稻茬和旱地麦，可精确区分空闲地和麦田。
这样的准确率仍然不能满足需要，其主要原因是当前时期2种麦田本身的差异并不突出，另外，作为示例本项目采用较为简单的单个显示级别的田块图像的HSL平均值作为判别参数，未充分利用其他级别和图像纹理等重要信息。要提高判别精度，可加入影像纹理信息、其他季节或显示级别的数据并结合地理统计学分析进行综合判断，这有待进一步的深入研究。 2.4
绘制秸秆资源类型分布图
为解决上述判别精度不高的问题，本研究采用2012年采集到的车门乡秋季天地图遥感影像数据进行辅助判别，并结合田间调查验证，绘制出当前影像时间的秸秆资源类型分布图（图6），其中居民地和林地河流等地物通过实地考察进行分类，麦田、稻茬麦、旱地麦、空闲地应用判别规则分类，结合时间序列数据和田间调查结果进行修正。
样本田块天地图遥感影像HSL平均值分布散点图 Fig 5
Sample plots world map image HSL mean of distribution
scatter plot
车门乡秸秆资源类型及其分布地
Straws types and distribution map in Chemen township
泗洪县车门乡夏季的主要作物是水稻、玉米、花生、大豆，由于同一块田可能分属不同的承包户，一块农田里可能既有玉米，也有大豆，还有花生。交错种植现象很普遍，尤其是在旱地上。把玉米、花生、大豆作为统一的旱茬作物处理。图中橘色部分为旱作，秸秆类型为{玉米，小麦}或{大豆，小麦}或{花生，小麦}，绿色部分为{水稻，小麦}。 表2
三类作物覆盖类型的图像参数判别分析结果表
Three types of image parameters crop discriminant 通过图6显示，车门乡水稻有3个集中分布区，分
analysis results
别为以马公农场为中心、包括马公村、陈楼村、大刘村、
王沟村的西北部水稻区、朱庄-车门水稻区和团结村水稻Original classification
判别分类合计
稻茬麦旱地麦 区。小麦遍布全乡，无明显集中分布特征，秸秆资源规Discrimination Total
空闲地Idly Wheat after Dry land of
划时只需考虑地理分割界限即可。 rice wheat
稻茬麦Wheat
43 8 0 51 2.5
计算秸秆资源量 after rice
旱地麦Dry 整个作物布局中，由于花生、大豆、山芋等作物的3 39 0 42 land of wheat
秸秆应用较为特殊，本地区用作羊、牛等动物的饲料，
0 0 27 27 空闲地Idly
且种植面积相对较小，不作为秸秆资源研究的重点，主46 47 27 120 合计Total
要调查水稻、小麦两大作物。车门乡水稻以粳稻为主，
单产水平在7 500～9 000 kg/hm2，小麦以烟农19、淮麦其中稻茬麦误判为旱地麦的有3块，旱地麦误判为
28、淮麦20为主，稻茬麦和旱地麦秸秆资源密度、可收稻茬麦的有8块，空闲地判别完全正确，判断正确的共
集系数存在差异（表3）。
109块，判断准确率为90.8%，排除空闲地后，判断准确对上述数据做判别分析，计算得判别函数：
f1=?30...4728x3…
……（4） f2=?11...3363x3…
式中：x1、x2、x3分别为田块影像的H、S、L分量的平均值。判别的效果如表2所示：
雪等：基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法
稻麦秸秆资源密度和可收集秸秆资源密度 Table 3
Straw resource density and collected density
准，在秸秆物流规划等需要实现数据当季更新的情况下，
所得结果不能满足需要，这时只能采用航拍的方法，自
作物及其类型 秸秆资源密度 可收集资源密度 可收集系数
行获取影像资料。 Crops with its Density of Density of collected Collecting
straw/(kg?hm) coefficient/%type straw/(kg?hm) 2）判别方法有待完善
5.3 0.72 本试验对影像参数用于判别稻茬麦和旱地麦时准确率水稻 Japonica
Rice 籼稻 不能符合精确判断的要求。主要是由于本试验4.9 0.85 只有88.2%，Indica
仅选择颜色平均值作为变量进行判别，没有考虑田块纹理、稻茬麦
2.1 0.49 Wheat 颜色的空间变异等重要判别特征，如经过颜色直方图模式小麦 after rice
Wheat 旱地麦 判别、加入纹理特征等当可较大幅度提高判别准确率。
0.7 0.58 Dry land
3）方法的易用性有待增强 wheat
注：水稻数据来源于顾克军资料，换算成标准含水率数值，可收集秸秆MODIS时间序列数据来源于国外网站的Web服务，开指割茬高度15 cm以上的秸秆，不包括颖壳、黄叶。
发了数据采集程序，实现了分时段下载，但仍需花费较长Note: Rice data were obtained from Gu Kejun[15], converted to standard
Collecting straw refers to the stalks of stubble height more 时间。因此，需要改进方法实现快速下载应用，如事先确than 15 cm, not including glume shell, yellow leaves.
定全省的监测点，建立监测点数据服务，对各数据进行初
车门乡水田的夏熟作物为小麦，因而稻茬麦面积以步的分析评价，并整合到客户端，供用户直接调用。 水稻面积计算，其余的为旱地麦。
汇总田块数据，得到车门乡全区（含马公农场）稻麦秸秆资源量和可收集量，见表4。 该文利用MODIS卫星遥感数据影像时间序列数据
和天地图免费遥感影像数据，建立了泗洪县车门乡秸秆表4
车门乡（含马公农场）稻麦秸秆资源量与可收集资源量
资源分布图，并估算出了稻麦秸秆发生量和可收集量。Table 4
Chemen township (including Magong field) straw
resources and collected resources
其中，水稻秸秆资源量1.77万t，可收集水稻秸秆资源量
可收集资源量1.27万t，小麦秸秆资源量2.78万t，可收集小麦秸秆资作物及其类型 秸秆资源面积 秸秆资源量
Crops with its type Straw area/hm2 Straw resources/t
resources/t 源量为1.51万t；通过实际调研得知，该地水稻秸秆实际
23 12761 资源发生量约为1.82万t，水稻rice 小麦秸秆实际资源发生量约为97 15133 小麦wheat
2.75万t，估算数据和实际数据的误差仅为2.7%和1.1%，
27 5697 证明了该方法可以较准确的估算实际值，而且方便易用，Wheat after rice
70 9436 节约成本。
Dry land wheat
从车门乡的试验结果看，这种方法的优点有：1）充分利用了MODIS-EVI时间序列数据和天地图免费遥感影像数据资源，结合了前者的准确性和后者的分辨率优势，实现了地块级别的镇（乡）区域秸秆资源的快速估算；2）现势性较好，天地图遥感影像会不定时更新，填充新的数据，但本方法不依赖于特定的分类模式，因此对于新的影像仍然适用，而获得的结果也同样得到了更新；3）准确度较高，天地图遥感影像分辨率较高，有些地区如徐州、南京等地区分辨率已经达到20级（0.15 m/像素），可以通过图像纹理特征进行识别，方法的准确率还有很大提升空间；4）费用低、速度快，所有运算和操作过程已经编制成插件，集成到Croplab软件，用户只需简单操作即可完成，而不需要太多的统计知识即可应用，因而技术门槛低，尤其适用于农村乡镇区域的秸秆资源调查和规划。
该方法由于研究起步较晚，也存在着一些不足，需要后续研究进一步完善，主要体现在以下3点：
1）判别精度尚待提高
用MODIS时间序列数据判断精度较高，但分辨率太低，只能用于面积较大的田块。天地图?江苏承诺对“道路、行政区划、主要地名等重要地理实体要素至少半年更新一次”[16]，但目前的影像数据更新频率明显达不到这个标
田宜水，赵立欣，孙丽英，等. 农作物秸秆资源调查与评价方法研究[J]. 中国人口：资源与环境，2011(增刊1)：583－586. Tian Yishui, Zhao Lixin, Sun Liying, et al. Study on crop straw survey and evaluation method[J]. China Population Resources and Environment, 2011(Z1): 583－586. (in Chinese with English abstract)
王晓斌，武际，高凤梅，等. 安徽省淮北市作物秸秆资源状况分析[J]. 中国农学通报，2013(20)：153－156.
Wang Xiaobin, Wu Ji, Gao Fengmei, et al. Analysis on crop straw resources status of Huaibei city in Anhui province[J]. Chinese Agricultural Science Bulletin, 2013(20): 153－156.(in Chinese with English abstract)
NY/T ，农作物秸秆资源调查与评价技术规范[S]. 肖丰. 农业秸秆利用与区划[J]. 现代农业，2014(10)：64. Xiao Feng. Agricultural straw utilization and zoning[J]. Modern Agriculture, 2014(10): 64.(in Chinese with English abstract)
王莉雯，卫亚星. MODIS数据存储格式研究[J]. 测绘与空间地理信息，)：1－4.
Wang Qiwen, Wei Yaxing. Research of storage format of MODIS data[J]. Geomatic & Spatial Information Technology, ): 1－4.(in Chinese with English abstract) 李文梅，覃志豪，李文娟，等. MODIS NDVI与MODIS EVI的比较分析[J]. 遥感信息，2010(6)：73－78.
Li Wenmei, Qin Zhihao, Li Wenjuan, et al. Comparison and analysis of MODIS-NDVI and MODIS-EVI[J]. Remote Sensing, 2010(6): 73－78.(in Chinese with English abstract) 陈健，刘云慧，宇振荣. 基于时序MODIS-EVI数据的冬小麦种植信息提取[J]. 中国农学通报，)：446－
三亿文库包含各类专业文献、外语学习资料、中学教育、文学作品欣赏、各类资格考试、幼儿教育、小学教育、31基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法等内容。　}