遥感技术的进步使大面积作物遥感监测工作在精度、时效等方面都有了保障[1]。农业作物信息的快速获取和分析是开展精准农业的基础，遥感技术在这一方面有快速、简便、宏观、客观等优点[2]。

农作物识别和分类是农情遥感应用中进行长势、估产监测和灾害评估的基础环节[3]。农作物种类复杂多样，在遥感识别的过程中不同作物之间存在明显的光谱重叠以及混合像元问题，因此利用某一区域某一单一时相的遥感影像进行农作物识别分类时容易出现“错分、漏分”的现象，难以达到理想的精度[4]，因此采用多时相数据构成时间序列逐步监测[5-7]是提高分类精度的一个主要方法，其中植被指数的时间序列能够有效地削弱影像上“同谱异物”和“同物异谱”现象，能够补充单时相影像的不足，在农作物分类及长势评价中发挥了重要作用[8]。

作物长势是指作物的生长状况与趋势。获取作物长势的传统方法是地面调查，而现代农业生产中则主要利用遥感技术监测作物生长状况与趋势。作物长势的遥感监测可为田间管理提供及时的决策支持信息，并为早期估测产量提供依据[9]。现有的农作物长势监测针对不同尺度范围，所用的影像数据也存在一定的差异。目前小尺度的农情遥感监测，中高分辨率数据为主要数据源，例如10 m级的ERS-1 SAR数据，20 m级的CBERS CCD数据 [9]30 m级的Landsat TM/ETM影像数据等。中大尺度的农作物遥感监测的主要数据源为SPOT VEGETATION、NOAA-AVHRR和MODIS NDVI影像[10]。小尺度的农作物长势监测因为数据获取周期长、成本高、很难获取构成时间序列的数据，并且小尺度局部地区的作物长势好坏并不能代表省州-国家-大州尺度的农作物产量趋势，因此并不适合大范围的宏观监测和业务化运行 [11]。我国农业部遥感应用中心自1998年建立业务化运行的中国农业遥感监测系统（CHARMS，China Agricultural Remote Sensing Monitoring System）并业务化运行以来，已为我国农业生产决策提供了大量的信息服务，产生了巨大的社会效益和经济效益[12]。随着国内ZY3号卫星，特别是GF-1号、GF-2号、GF-4号卫星的发射和投入使用，为中国农情遥感监测提供了充足的数据源[13-14]。

胡萝卜素的功效有哪些：说到胡萝卜了，这种市面上常见的蔬菜可是不容小觑。因为胡萝卜中含有大量的β-胡萝卜素，那么这个胡萝卜素到底有什么功效呢？

高时间频率的中高空间分辨率遥感影像可以提供更为准确的作物面积分布数据，但国外提供的中高分辨率遥感影像回访周期较长，如LandSat8号卫星的OLI（operational land image）传感器回访周期为16 d，其他更高分辨率的卫星影像一般也都大于这个周期，加之编程、价格等因素的影响，在作物生长期内可以获得有效数据更少，大大限制了中高分辨率时间序列数据的应用。高分一号卫星是中国高分辨率对地观测系统的第一颗卫星，目前广泛应用于国土、农业、林业、环保各领域的资源管理、区域规划当中。GF-1/WFV数据具有高分辨率、高重访周期、宽覆盖等特点，在实际应用中仅需利用GF-1/WFV数据源就能构建高时空分辨率NDVI时间序列，对时间序列数据作物分类识别研究具有重要意义，在遥感作物分类方面有着广阔的应用前景。

1 材料和方法

1.1 研究区概况

本文选取了3个时相的高分一号WFV传感器的数据，见表1。对影像数据进行预处理，计算NDVI，得出临河区NDVI值，并用春小麦面积进行裁剪，得出春小麦种植区域内的NDVI值范围（图4）。某一种作物的长势监测数据能对农情与农业灾害的监测与评估提供针对性更强的基础数据[24]。

图1 研究区位置示意图

1.2 研究区数据获取与分析

1.2.1 遥感数据获取 本文选取了可以免费获取的16 m分辨率高分一号WFV数据作为数据源，数据下载网址：中国资源卫星遥感应用中心（http：//www.cresda.com/CN/）。以往的长势监测多用 NOAA/AVHRR、MODIS等低分辨率或是环境卫星、美国陆地卫星等中分辨率的光学影像作为基础数据，16 m分辨率的国产高分数据对县级尺度的农作物长势快速监测的适用性还有待研究。

［3］姚云军，秦其明，张自力，等.高光谱技术在农业遥感中的应用研究进展［J］.农业工程学报，2008（7）：301-306.

伊匹单抗是治疗晚期黑色素瘤患者的标准治疗方法，Robert等[6]进行的帕博利珠单抗对比伊匹单抗在晚期黑色素瘤治疗的随机控制Ⅲ期研究发现，在278例使用伊匹单抗组中，结肠炎和垂体炎不良反应较常见，其中结肠炎发生率为8.2%。1例有2型糖尿病病史的患者死于心脏骤停，被归因于伊匹单抗免疫性结肠炎导致的腹泻和代谢失衡。

表1 采用的GF-1卫星数据

日期2017-05-05 2017-05-18 2017-07-10景序列号3628760 3666318 3863394传感器WFV1 WFV3 WFV2

1.2.2 地面数据获取 （1）地面采样数据：在采集本文外业数据时，以手持GPS为采集设备，平均每5 km一个春小麦解译点，解译点选择在3.33 hm2以上的较大地块，区域包括平原、丘陵等地形，将点定位地块中央，以“点代面”充分体现地块信息，在种植结构复杂，大量出现间种、套种耕作模式地区，集中打点，不同农作物解译点间隔大于45 m。以此原则在临河区春小麦种植地区均匀采集了33个春小麦点、38个玉米点、9个向日葵点、21个蔬菜点作为春小麦面积提取的依据。研究区解译标志点空间分布见图2。

图2 研究区解译标志点空间分布图

（2）长势情况野外调查数据：分别在临河区乌兰图克镇和狼山镇选取了2个500 m×500 m的地块，对地块内的春小麦苗情长势情况进行观察、记录、拍照等工作。记录时间分别为5月4日、5月18日和7月13日，3个日期对应的春小麦物候期见表2。

前者主要适用于建设场地位置特征明确，如在首都，较大城市或特征地段，这主要是由于全球地震风险地图比例尺较小，局部过渡色较多，难以查明具体详细的非特征位置。后者主要适用于过渡色较多，处于中间过渡地段的建设场地。现就两个小例子说明该种解读方式。

表2 临河区2个典型样地内春小麦长势评价结果

1.3 长势监测指标的确定

本文充分利用GF-1 WFV影像的高时空分辨率、宽覆盖、低成本和获取方便等优势，提取了内蒙古巴彦淖尔市临河区春小麦的种植面积，总体精度达到了93.51%。说明GF-1 WFV数据能够用于提取县级尺度的主要农作物种植分布信息和面积估算，在节约成本的同时，还能够满足中尺度大宗农作物农情遥感监测的需求，并且利用不同时期的影像，相互补充各类农作物之间的种植相关信息，有利于去除其他地物的干扰，实现目标农作物的识别和其他农情信息的提取。

NDVI对土壤背景变化敏感，且在高植被区有易饱和的争议点。辐射亮度和反射率谱的变化，在环境因子基本相同的情况下，一定程度上体现了作物生长期内的长势情况[17]。近几年，遥感参数，特别是NDVI的时间序列分析，成为人们研究植被变化情况的有效手段。美国在20世纪80年代初便用时间序列的NOAA/AVHRR的NDVI数据估算作物的产量，其后的许多长势和估产模型都是基于该方法[18-20]。

本文根据地面实测点和样地内实地观测数据作为支撑，采用更高时空分辨率的GF-1 WFV时间序列数据对内蒙古巴彦淖尔市临河区的春小麦NDVI值进行计算，用NDVI值代表了春小麦长势情况，得出了2017年度该地区春小麦3个生育时期内的长势情况，并且对研究区内2个样地内的春小麦NDVI平均值进行了计算，并对比分析3个时期的NDVI平均值变化趋势。

2 农作物信息提取

2.1 面积提取

将野外调查数据叠加到5月18日假彩色合成影像上，春小麦是河套地区最早播种的农作物，5月中下旬处于拔节期，能够完全覆盖住地面，同一时间河套地区小麦以外的其他作物未播种或是处于幼苗期，所以裸土地与低覆盖度植被、高覆盖度植被之间光谱影像上有较大差别，是提取春小麦播种面积的最佳时期。对GF-1 WVF影像做预处理之后，用基于支持向量机分类方法提取了春小麦面积（SVM分类对高分辨率、4个波段的影像效果比较好）。精度验证采用研究区农作物面积本底调查结果，对提取结果做了精度验证，发现总体分类精度为93.51%，Kappa系数为0.8053，属于高度一致，所以本文以5月18日提取的春小麦面积为准，进行临河区春小麦生长期内的长势监测。春小麦种植面积提取结果见图3。

图3 临河区春小麦种植面积提取结果

2.2 时间序列长势监测

基于植被指数 NDVI开展的植被长势监测、NDVI的计算与时间序列的形成，农作物估产已是GF-1和ZY3数据的重要应用方向[21-22]。

梅奥诊所的罗纳德·彼得森（Ronald Petersen）是起草HHS计划的顾问委员会主席，他为这项2025年的目标辩护称：“我们想做出一个大胆的声明，而不是‘我们希望能够取得怎样的进步’，这种希望不会激励任何人。”

英格曼神甫穿着他最隆重的一套服饰，因长久不穿而被虫蛀得大洞小眼。他一头银白色的头发梳向脑后，戴着沉重的教帽，杵着沉重的教杖走上讲台。

约翰·W·金登发现，政策系统中的政策共同体存在分裂，这在计划生育政策系统有明显体现。系统中主要存在三种共同体，即以计生相关部门政府官员、官方智库等为主的官方共同体，半官方智库、人口学政策学专家等组成的学者共同体，以及普通大众、意见阶层组成的民间共同体。相对封闭的官方共同体居于核心，学者共同体处于中层，而民间共同体位于外围。在媒介融合背景下，媒体通过推进多主体之间的虚拟接触弥合了这种分裂，进一步实现良性的互动博弈。

式中ρNIR为近红外波段反射率，ρR为红光波段反射率。

根据NDVI的计算公式：

［7］刘吉凯，钟仕全，梁文海.基于多时相Landsat8 OLI影像的作物种植结构提取［J］.遥感技术与应用，2015，30（4）：775-783.

Landsat-8影像和 GF-1影像的辐射定标在Flaash模块中进行，其中GF-1影像的辐射定标所需的绝对辐射定标系数以及大气校正中波谱响应函数由中国资源卫星应用中心提供[23]。

临河位于内蒙古自治区西部，黄河北岸，阴山南麓，河套平原中部，南临中国第二大河——黄河，故名“临河”。地理坐标为东经 107°6′～107°44′，北纬 40°34′～41°17′。全境为黄河冲积平原，地面开阔平坦，地势从西南向东北微度倾斜，海拔高度为1 209～1 045 m。据2015年统计数据，临河区耕地面积为145 701.65 hm2，占土地总面积的61.90%，其中水浇地面积为139 566.53 hm2，占总耕地面积的95.79%，旱地面积为6 135.12 hm2，占总耕地面积的4.21%。临河区属于典型的温带大陆性气候。全年日照时数高达3 211～3 306 h，全年平均气温6.1～7.6℃，≥10℃的积温2 876～3 221℃。得天独厚的气候和灌溉条件，适宜各类农作物生长，春小麦是当地的优势农作物。近年来由于水资源的过度浪费和化肥农药的大量使用，巴彦淖尔河套地区在农业资源可持续利用水平分级中被划分为农业资源可持续利用3级区域（共4级，1级为最优）[15]。研究区位置见图1。

图4 临河区春小麦长势时间序列

从图4、表3、表4中可以看到，研究区内春小麦的NDVI值变化趋势，基本符合生长情况。5月5日虽然2个样地内的春小麦实地定性评价结果均为二类（一般），但是遥感定量评价结果显示，春小麦种植区域的NDVI低值逐渐减少，高值逐渐增多，这证明NDVI值与地上生物量的增加呈线性增加。并且样地内NDVI代表的植被覆盖度数值上仍有高低之分，也就是说乌兰图克镇样地内的春小麦长势要优于狼山镇样地内的春小麦长势。这个结果证明基于国产遥感数据的长势时间序列分析对地面数据的补充和细化效果非常明显。

表3 临河区春小麦NDVI值变化对比

日期05-05 05-18 07-10最小值0.041 129 0.026 999 0.001 296平均值0.273 337 0.335 071 0.598 903最大值0.830 665 0.791 023 0.885 239

表4 临河区2个典型样地内春小麦NDVI值变化对比

日期05-05 05-18 07-10乌兰图克镇0.246 483 0.440 075 0.604 485狼山镇0.167 190 0.210 434 0.574 727

3 结论与讨论

3.1 结论

NDVI归一化植被指数，由Rouse等提出，用来对遥感资料，通常为卫星遥感资料进行分析，以确定被观测的目标区是否为绿色植物覆盖，以及植被覆盖程度的指标值，是用植物叶片在红波段和经红外波段的光谱反差值来设计的，是目前国内外应用最为广泛的植被指数[16]。NDVI值随着植被生物量的增加而呈线性增加；NDVI正值，表示地面有植被覆盖；但植物覆盖度大于80%时，NDVI值增加延缓而呈现饱和状态，对地上植被生物量的检验灵敏度下降。也就是说NDVI对作物生长早中期长势比较敏感。

经过3期数据的分析，5月中下旬是识别河套地区春小麦的最佳时相，5月中下旬内蒙古河套地区的其他作物均未长出或处于幼苗期，植被覆盖度低，而小麦处于拔节期，已完全覆盖住地面，在假彩色合成光谱影像上呈鲜红色，能较好地与其他地物区分开来。

本研究的结果数据表明，春小麦每个生育时期内的长势NDVI数值都与地面监测的结果吻合，并且能够更客观和直观的表达该地区的作物生长情况。结合地面数据和国产卫星的高分数据对某一种作物的NDVI计算对县级尺度的农作物长势监测具有较高的推广意义，并且可以将结果数据分解开来，形成业务化运行机制，针对不同尺度进行实时监测，为本地区的农情指导和决策提供基础数据。

3.2 讨论

未能获取春小麦生长期内的完整的长势信息，长势监测只有3期数据，所以未能构成春小麦生长期内的完整的年际变化趋势，并且本文的数据未与往年的数据进行对比，没有年际之间的同期长势对比。

归一化植被指数虽然在一定程度上能够代表农作物生长优劣情况，但是植被指数以及农作物长势、产量之间的关系本身是相当复杂的，并不是本文探讨的这一种简单的线性关系，还有气候、土壤、降水等因子的干扰，因此如何将气候、土壤和灌溉等多种因子引入农情遥感监测多元复合模型中，用以监测农作物长势、灾害和预测产量等应在以后的工作中更加深入的进行研究。

“浦东开发开放是党中央、国务院在我国改革开放和现代化建设关键时期作出的一项重大战略决策。上世纪90年代初，国际上东欧剧变使世界社会主义发展遭受挫折，国内改革发展面临新的挑战。同时，全球产业结构和分工面临重大调整，经济全球化态势进一步显现。在这样重大挑战、重大机遇、重大抉择的历史关头，党中央、国务院立足战略全局，作出开发开放上海浦东的重大决策，向世界表明中国坚定不移推进改革开放的决心和信心，掀开了我国全面深化改革开放新的历史篇章。”中共中央政治局委员、上海市委书记李强的一席话（2018年8月17日在《求是》杂志上撰文），把时钟拨回到1990年4月18日。

参考文献：

［1］邹金秋，周清波，陈仲新，等.农情遥感监测与服务系统集成研究［J］.中国农业资源与区划，2010，31（5）：12-17.

科创板“选秀”闪烁“行政化政绩幻觉”，也容易诱导企业的依赖思想。企业是市场的主体，是否上市，纯粹是企业的一种市场行为，应由企业自己决定。现在的情况是，一些地方政府主动充当“媒婆”的角度，出台各种优惠政策鼓励一些高新企业去科创板上市，行政化“动员”手段过于张扬，滋长了企业抱“奶瓶”的想法，在某种程度上侵害了企业的自主权，也不利于企业提升自力更生闯市场的能力。须知科创板也不是随便闲逛的集市，那些科技含量高、市场潜力大、规范性强、具有一定产业规模的企业才能捷足先登，而不是一味仰仗政府的行政支持。

［2］陈仲新，任建强，唐华俊，等.农业遥感研究应用进展与展望［J］.遥感学报，2016，20（5）：748-767.

高分一号WFV重访周期短，对研究范围为县级尺度来说，能够获取与地面数据相匹配的关键期的遥感数据。本文下载了与地面监测时间相同或相近日期过境数据，并且少云或无云。数据情况见表1。

［4］杨闫君，占玉林，田庆久，等.基于GF-1/WFV NDVI时间序列数据的作物分类［J］.农业工程学报，2015，31（24）：155-161.

［5］刘佳，王利民，杨福刚，等.基于HJ时间序列数据的农作物种植面积估算［J］.农业工程学报，2015，31（3）：199-206.

［6］王利民，刘佳，杨福刚，等.基于GF-1卫星遥感的冬小麦面积早期识别［J］.农业工程学报，2015，31（11）：194-201.

学习监控与反馈V5（79.6）得分较低，反映任课教师在“学习过程监控与反馈”方面整体略显不足。所谓学习监控是指“为了保证学习的成功、提高学习效果和质量、达到学习目的，而对学生的学习活动进行的计划、检查、评价、反馈、控制和调节的一系列过程”［6］。学习过程监控与反馈V51（78.9）得分低于学习结果监控与反馈V52（80.9）得分，反映“学习结果监控与反馈V52”略好于“学习过程监控与反馈V52”，说明教师对课程的最终输出付出的精力要高于过程。究其原因可能是教师个人时间、精力不足导致无法及时监控和反馈，建议采用一些在线教学平台辅助，或选拔优秀学生作为助教。

GF-1 WFV影像的预处理过程包括正射校正、辐射定标和大气校正，软件操作平台为ENVI5.3。其中空间参考数据为带有准确空间位置且经过正射校正的TM影像，该数据完全覆盖待校正数据。对3景GF-1 WFV影像进行了预处理，采用3次卷积重采样法，采用影像原有RPC信息进行正射校正，校正误差控制在1个像元内。

经过一段时间的实践探索，金山区走出了一条以制度建设为基础、以民主参与为重心、以法治方式为内核的，特点鲜明、群众认可、成效显著的精细化基层治理新路子。但同时，也还存在着一些需要进一步完善的问题。比如，基层法律服务的多部门工作衔接还不够流畅，律师参与基层治理的机制还可以进一步完善，村规民约的修订尚不够精细等。

［8］顾晓鹤，宋国宝，韩立建，等.基于变化向量分析的冬小麦长势变化监测研究［J］.农业工程学报，2008（4）：159-165.

［9］李卫国，李正金.基于CBERS卫星遥感的冬小麦产量估测研究［J］.麦类作物学报，2010，30（5）：915-919.

［10］W G N N.JAYAWARDHANA，V M I.CHATHURANGE.Extraction of Agricultural Phenological Parameters of Sri Lanka UsingMODIS，NDVITimeSeriesData［J］.Procedia Food Science，2016，6：235-241.

［11］邹文涛，吴炳方.农作物长势综合监测——以印度为例［J］.遥感学报，2015，19（4）：539-549.

［12］黄青，陈仲新，李丹丹，等.欧盟BioMA模型平台在我国农业遥感监测中应用的可行性分析［J］.中国农业资源与区划，2014，35（4）：76-80.

［13］武洪峰.基于国产卫星的农作物长势监测技术研究［J］.现代化农业，2015（6）：62-63.

［14］贾玉秋，李冰，程永政，等.基于GF-1与Landsat-8多光谱遥感影像的玉米LAI反演比较［J］.农业工程学报，2015，31（9）：173-179.

［15］侯智惠，梅连杰，侯安宏，等.内蒙古农业资源利用区域差异分析［J］.中国农业资源与区划，2016，37（1）：160-166.

［16］ROUSE J W，HAAS R H，SCHELL J A，et al.Monitoring vegetation systems in the Great Plains with ERTS ［J］.Stanley C F.Proceedings ofThird Earth Resources Technology Satellite Symposium，Washington：NASA Special Publication，1974：310－317.

如何正确理解改革开放前后两个历史时期的相互关系？这是当前党史研究的一个新课题。马克思指出：“要了解一个限定的历史时期，必须跳出它的局限，把它与其他历史时期进行比较。”[2]287“极为相似的事情，但在不同的历史环境中出现就引起了完全不同的结果。如果把这些发展过程中的每一个都分别加以研究，然后再把它们加以比较，我们就会很容易地找到理解这种现象的钥匙。”[3]131本文试图从两者的重大区别、共同特征和内在逻辑关系三个方面，对改革开放前后两个历史时期进行比较分析。

［17］池宏康.冬小麦单产的光谱数据估测模型研究［J］.植物生态学报，1995（4）：337-344.

［18］蒙继华.农作物长势遥感监测指标研究［D］.北京：中国科学院研究生院（遥感应用研究所），2006.

［19］吴素霞，毛任钊，李红军，等.中国农作物长势遥感监测研究综述［J］.中国农学通报，2005（3）：319-322.

戴威的经历堪称天之骄子，曾是北京大学学生会主席，创办ofo时就立志要改变世界。戴威以30亿元财富排名《2018胡润80后富豪榜》第32位，可以说是最著名的90后创业者和企业家。

［20］RUMELHART，MCCLELL，PARALLEL.distributed proces sing［J］.The MIT Press，1986：45-76.

根据不同的读者群体(年龄、性别、专业、职业等方面的差异)，利用先进的数据挖掘技术，整理并分类处理不同群体的信息，建立相应的不同读者群数据库，分析各类读者群的文献需求信息，有针对性的提供个性化服务。例如：可以根据课程安排、作业布置和论文选题的不同，推送不同的辅导用书、课外读物、期刊等等。

［21］陈怀亮，李颖，张红卫.农作物长势遥感监测业务化应用与研究进展［J］.气象与环境科学，2015，38（1）：95-102.

［22］董莹莹.农作物群体长势遥感监测及长势参量空间尺度问题研究［D］.杭州：浙江大学，2013.

［23］中国资源卫星应用中心．2013年高分一号卫星宽视场（WFV）相机辐射定标系数［EB/OL］.［2013-10-18］.http：//218.247.138.119/CN/Downloads/3774.shtml.

［24］国家国防科技工业局．高分一号在农业领域应用典型案例［EB/OL］.2014-08-24.http：//www.gissky.net/Article/3227.html.