本文關(guān)鍵詞：基于敏感波段篩選的多源遙感數(shù)據(jù)作物生物量估算研究

  更多相關(guān)文章： 遙感 敏感波段 高光譜 多光譜 冬小麥 生物量

【摘要】：農(nóng)作物生物量是作物產(chǎn)量形成的基礎(chǔ),準(zhǔn)確的生物量信息對(duì)于國家有效指導(dǎo)農(nóng)業(yè)生產(chǎn)、保障國家糧食安全、促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展和全球碳循環(huán)等基礎(chǔ)研究均有重要的意義。生物量估測估算涉及到多種學(xué)科與技術(shù),相對(duì)于費(fèi)時(shí)耗力的生物量傳統(tǒng)估測方法,遙感具有的大面積同步觀測的具有巨大優(yōu)勢。相較于傳統(tǒng)光學(xué)遙感,高光譜遙感具有更加豐富的光譜信息,為生物量遙感估算提供了更多的數(shù)據(jù)支持。如何高效利用高光譜數(shù)據(jù),降低高光譜信息冗余,并指導(dǎo)大范圍多光譜遙感數(shù)據(jù)的有效應(yīng)用是目前農(nóng)業(yè)遙感研究中的重要議題。冬小麥作為我國主要三大口糧作物之一,其生物量信息對(duì)于小麥產(chǎn)量具有重要指導(dǎo)意義。因此,本研究在開展高光譜作物生物量估算中敏感波段篩選基礎(chǔ)上,利用高光譜遙感和多光譜遙感等數(shù)據(jù)開展大范圍農(nóng)作物生物量估算,對(duì)及時(shí)、準(zhǔn)確的獲取冬小麥生物量信息對(duì)于指導(dǎo)我國糧食生產(chǎn)、保障國家糧食安全具有重要意義。本論文以我國黃淮海糧食主產(chǎn)區(qū)的河北省衡水市為研究區(qū)域,以冬小麥為研究對(duì)象,在試驗(yàn)區(qū)內(nèi)布設(shè)試驗(yàn)樣點(diǎn),采集冬小麥生物量、冠層光譜以及GPS信息。通過研究任意兩波段構(gòu)建的窄波段植被指數(shù)與冬小麥地上鮮生物量間相關(guān)關(guān)系,構(gòu)建擬合精度R2二維圖,并以R2極大值重心作為高光譜估算鮮生物量敏感波段中心。通過對(duì)敏感波段中心進(jìn)行波段擴(kuò)展和相關(guān)生物量估算驗(yàn)證,最終確定敏感波段最佳波段寬度。在此基礎(chǔ)上,以敏感波段中心為指導(dǎo),利用不同空間分辨率、不同光譜分辨率的Hyperion、GF-1和Landsat8等遙感數(shù)據(jù)和廣義植被指數(shù)(如NDVI、DVI和RVI等)完成區(qū)域冬小麥生物量遙感估算反演。論文主要結(jié)論如下:(1)通過構(gòu)建的窄波段植被指數(shù)(N-VI)篩選與冬小麥生物量敏感的波段中心,并結(jié)合相對(duì)誤差RE≤10%,歸一化均方根誤差NRMSE≤10%的標(biāo)準(zhǔn)確定敏感波段中心的最優(yōu)波寬。其中,篩選的N-NDVI估算鮮生物量敏感波段中心為401nm/692nm、579nm/698nm、732nm/773nm等5個(gè)波段中心,其最優(yōu)波段寬在10~102nm之間;估算干生物量敏感波段中心為387nm/840nm、465nm/500nm、527nm/963nm等8個(gè)波段中心,其最優(yōu)波段寬在24~62nm之間。篩選的N-DVI估算鮮生物量敏感波段中心為818nm/614nm、821nm/734nm和986nm/844nm,最優(yōu)波段寬度變化范圍在28~194nm之間;估算干生物量敏感波段中心為502 nm/454 nm、623 nm/428 nm、947nm/593 nm等4個(gè)波段中心,其最優(yōu)波段寬度在24~34nm之間。篩選的N-RVI估算鮮生物量敏感波段中心為398nm/672 nm、551 nm/865 nm、577 nm/699 nm等9個(gè)波段中心,其最優(yōu)波段寬度在18nm~146nm;估算干生物量敏感波段中心為439 nm/623 nm、506 nm/461 nm、538 nm/965 nm等9個(gè)波段中心,其最優(yōu)波段寬度在22~86nm。通過最優(yōu)波段寬度估算的生物量與實(shí)測生物量數(shù)據(jù)相關(guān)性均達(dá)到極顯著水平(p0.01)。(2)利用敏感波段中心對(duì)應(yīng)的Hyperion波段進(jìn)行區(qū)域冬小麥生物量反演。其中,利用Hyperion第79波段(波段中心為996.63nm,波寬為10nm)和第37波段(波段中心為721.90nm,波寬為10nm)構(gòu)建的RVI反演鮮生物量效果最好,R2為0.6665,RE、NRMSE分別為10.71%和11.99%;利用Hyperion第79波段和第19波段(波段中心為538.74nm,波寬為10nm)構(gòu)建的RVI反演干生物量效果最好,R2為0.6848,RE、NRMSE分別為9.24%和10.45%。(3)基于模擬遙感數(shù)據(jù)和真實(shí)遙感數(shù)據(jù),依靠NDVI、DVI和RVI等廣義遙感植被指數(shù),本研究開展利用Hyperion高光譜遙感和GF-1、Landsat8寬波段多光譜遙感的區(qū)域生物量遙感反演研究,并進(jìn)行生物量遙感反演精度驗(yàn)證。其中,相較于NDVI、DVI而言,RVI在冬小麥主要生育期生物量遙感反演中取得了更好的效果。從以地面高光譜模擬GF-1、Landsat8寬波段開展區(qū)域冬小麥生物量遙感反演結(jié)果看,模擬GF-1和Landsat8遙感數(shù)據(jù)估算生物量精度高于真實(shí)遙感數(shù)據(jù)生物估算精度;模擬遙感數(shù)據(jù)和真實(shí)遙感數(shù)據(jù)進(jìn)行生物量估算中,GF-1數(shù)據(jù)估算生物量精度高于Landsat8數(shù)據(jù)估算生物量精度。生物量估算中,RVI指數(shù)效果最好,模擬遙感數(shù)據(jù)構(gòu)建的RVI生物量估算精度排序?yàn)镚F-1Landsat8;真實(shí)遙感數(shù)據(jù)構(gòu)建的RVI生物量估算精度排序?yàn)镠yperionGF-1Landsat8。其中,Hyperion高光譜數(shù)據(jù)建立的模型,鮮生物量的估算精度R2為0.6665,RE、NRMSE分別為10.71%和11.99%,干生物量的估算精度R2為0.6988,RE、NRMSE分別為9.40%和10.10。模擬GF-1寬波段建立的模型,鮮生物量的估算精度R2為0.7124,RE、NRMSE分別為8.33%和10.38%,干生物量的估算精度R2為0.7292,RE、NRMSE分別為11.59%和11.85%;模擬Landsat8寬波段建立的模型,鮮生物量的估算精度R2為0.7126,RE、NRMSE分別為10.15%和11.22%,干生物量的估算精度R2為0.7028,RE、NRMSE分別為13.44%和13.47%�；贕F-1寬波段開展冬小麥生物量反演中,鮮生物量反演精度R2為0.6972,RE和NRMSE分別為13.48%和14.06%;干生物量反演精度R2為0.6821,RE和NRMSE分別為10.31%和15.07%;基于Landsat8進(jìn)行冬小麥生物量反演中,鮮生物量反演精度R2為0.7098,RE和NRMSE分別為12.83%和14.84%,干生物量反演精度R2為0.6383,RE和NRMSE分別為12.70%和15.74%。(4)對(duì)比Hyperion、GF-1和Landsat8反演區(qū)域遙感生物量反演精度結(jié)果可以看出,相較于多光譜GF-1、Landsat8而言,高光譜Hyperion數(shù)據(jù)在區(qū)域生物量遙感估算中取得了最高的精度,在一定程度上說明高光譜遙感數(shù)據(jù)在區(qū)域生物量遙感監(jiān)測中具有更大的應(yīng)用潛力;對(duì)比GF-1與Landsat8多光譜遙感算生物量精度結(jié)果,GF-1估算區(qū)域生物量取得了更高的估算精度,表現(xiàn)出更佳的優(yōu)勢。綜合看,本論文研究結(jié)果表明,利用高光譜窄波段植被指數(shù)與冬小麥生物量間擬合R2極大值區(qū)域重心的作物高光譜敏感波段篩選和最優(yōu)波段寬度確定方法具有一定可行性,這為開展作物高光譜數(shù)據(jù)波段優(yōu)選提供了新思路。在此基礎(chǔ)上,以高光譜波段篩選為指導(dǎo),開展基于高光譜遙感和多光譜遙感的生物量高精度估算,這對(duì)高光譜數(shù)據(jù)有效應(yīng)用、多光譜遙感波段設(shè)置及應(yīng)用潛力評(píng)價(jià)提供一定依據(jù)。
【學(xué)位授予單位】：中國農(nóng)業(yè)科學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S127

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 Marc H.Ross;Thomas B.Cobb;周勇;;美國經(jīng)濟(jì)中的生物量流[J];國外林業(yè);1988年01期

2 蔡小虎,彭培好,王金錫;長江中上游防護(hù)林體系工程林生物量及生產(chǎn)力計(jì)量評(píng)價(jià)[J];四川林業(yè)科技;2000年02期

3 楊昆;管東生;;珠江三角洲森林的生物量和生產(chǎn)力研究[J];生態(tài)環(huán)境;2006年01期

4 郭清文;馮仲科;張彥林;韓光瞬;;單木生物量模型誤差分析與定權(quán)方法探討[J];中南林業(yè)調(diào)查規(guī)劃;2006年01期

5 安樹杰;張曉麗;王震;李春艷;;生物量估測中的遙感技術(shù)[J];林業(yè)調(diào)查規(guī)劃;2006年03期

6 杜飛雁;李純厚;廖秀麗;賈曉平;王雪輝;;大亞灣海域浮游動(dòng)物生物量變化特征[J];海洋環(huán)境科學(xué);2006年S1期

7 袁位高;江波;葛永金;朱錦茹;沈愛華;;浙江省重點(diǎn)公益林生物量模型研究[J];浙江林業(yè)科技;2009年02期

8 許俊利;何學(xué)凱;;林木生物量模型研究概述[J];河北林果研究;2009年02期

9 羅云建;王效科;張小全;朱建華;侯振宏;張治軍;褚金翔;;華北落葉松人工林生物量的估算方法[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

10 王春英;田佳壁;劉麗;王培俊;鄭苗苗;;小浮萍生物量影響因素研究[J];江蘇農(nóng)業(yè)科學(xué);2010年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 徐兆禮;沈新強(qiáng);;長江口鄰近水域浮游動(dòng)物生物量及其年間變化[A];中國水產(chǎn)學(xué)會(huì)第七屆漁業(yè)資源與環(huán)境分會(huì)2004年度學(xué)術(shù)研討會(huì)論文摘要匯編[C];2004年

2 玉寶;烏吉斯古楞;王立明;張秋良;;不同結(jié)構(gòu)興安落葉松天然林生物量生產(chǎn)力特征[A];第二屆中國林業(yè)學(xué)術(shù)大會(huì)——S3 森林經(jīng)理與林業(yè)信息化的新使命論文集[C];2009年

3 吳濤;趙冬至;康建成;張豐收;索安寧;衛(wèi)寶泉;馬玉娟;;雙臺(tái)河口赤堿蓬動(dòng)態(tài)遙感監(jiān)測及生物量遙感反演[A];中國地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

4 孟超;秦俊;胡永紅;;單株截頂香樟樹冠生物量及其分配格局[A];中國觀賞園藝研究進(jìn)展（2010）[C];2010年

5 劉玉萃;吳明作;郭宗民;;河南寶天曼自然保護(hù)區(qū)栓皮櫟林生物量和凈生產(chǎn)力研究[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

6 陳秋夏;王金旺;鄭堅(jiān);盧翔;金川;;浙江人工紅樹林種群結(jié)構(gòu)及種群生物量研究[A];中國第五屆紅樹林學(xué)術(shù)會(huì)議論文摘要集[C];2011年

7 葉德贊;趙昌會(huì);駱祝華;黃翔玲;裴耀文;;熱帶太平洋細(xì)菌生物量及其對(duì)深海碳循環(huán)的影響[A];2006中國微生物學(xué)會(huì)第九次全國會(huì)員代表大會(huì)暨學(xué)術(shù)年會(huì)論文摘要集[C];2006年

8 喻光明;王立國;楊珊;胡利梅;陶文星;;土地整理對(duì)生物量平衡及生態(tài)環(huán)境的影響[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國科協(xié)年會(huì)論文集（三）[C];2007年

9 左濤;王俊;唐啟升;金顯仕;;夏末秋初南黃海網(wǎng)采浮游生物的生物量譜[A];2007年中國水產(chǎn)學(xué)會(huì)學(xué)術(shù)年會(huì)暨水產(chǎn)微生態(tài)調(diào)控技術(shù)論壇論文摘要匯編[C];2007年

10 佃袁勇;王鵬程;方圣輝;汪曼;樂源;;多源遙感數(shù)據(jù)反演三峽庫區(qū)森林地表生物量的比較與分析[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前2條

1 中國工程院院士 馮宗煒;中國森林對(duì)全球碳循環(huán)及氣候變化做貢獻(xiàn)[N];科技日?qǐng)?bào);2010年

2 白秀萍;走近日本木質(zhì)生物量利用[N];中國綠色時(shí)報(bào);2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄭玲;小麥生物量田間快速測量方法研究[D];西北農(nóng)林科技大學(xué);2015年

2 宋理洪;三江平原泥炭沼澤有殼變形蟲多樣性及其在古水位重建中的作用[D];中國科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2015年

3 崔菁菁;不同年代水稻品種氮素利用特性及庫/源變化的研究[D];吉林農(nóng)業(yè)大學(xué);2015年

4 王東亮;低空遙感數(shù)據(jù)處理與非生長季草地生物量反演研究[D];中國農(nóng)業(yè)科學(xué)院;2016年

5 胥輝;立木生物量模型構(gòu)建及估計(jì)方法的研究[D];北京林業(yè)大學(xué);1998年

6 曹慶先;北部灣沿海紅樹林生物量和碳貯量的遙感估算[D];中國林業(yè)科學(xué)研究院;2010年

7 曾偉生;全國立木生物量方程建模方法研究[D];中國林業(yè)科學(xué)研究院;2011年

8 徐星歐;基于目標(biāo)分解的全極化雷達(dá)數(shù)據(jù)估算生物量相關(guān)參數(shù)方法研究[D];武漢大學(xué);2010年

9 徐光彩;小光斑波形激光雷達(dá)森林LAI和單木生物量估測研究[D];中國林業(yè)科學(xué)研究院;2013年

10 劉志民;植物適應(yīng)干擾機(jī)制和干擾對(duì)植被過程影響的若干例證研究[D];中國科學(xué)院研究生院（寒區(qū)旱區(qū)環(huán)境與工程研究所）;2001年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚闊;基于高光譜數(shù)據(jù)的內(nèi)蒙東部天然草地生物量反演模型研究[D];延邊大學(xué);2015年

2 邵平;半高稈高生物量型雜交稻生理彈性抗倒研究[D];長江大學(xué);2015年

3 任佳佳;華北落葉松林分結(jié)構(gòu)分析及地上部分生物量探究[D];河北農(nóng)業(yè)大學(xué);2015年

4 劉博;基于高分辨率影像的杭州西湖區(qū)綠地生物量研究[D];浙江農(nóng)林大學(xué);2015年

5 車東峻;攀枝花市云南松生物量模型及空間分布研究[D];四川農(nóng)業(yè)大學(xué);2015年

6 胡靖揚(yáng);遼東山區(qū)長白落葉松枝葉生物量模型研究[D];沈陽農(nóng)業(yè)大學(xué);2016年

7 包月梅;根河市火燒跡地灌木和草本生物量動(dòng)態(tài)變化分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

8 劉斌;基于敏感波段篩選的多源遙感數(shù)據(jù)作物生物量估算研究[D];中國農(nóng)業(yè)科學(xué)院;2016年

9 董利虎;黑龍江省主要樹種相容性生物量模型研究[D];東北林業(yè)大學(xué);2012年

10 王宏全;基于標(biāo)準(zhǔn)地和遙感數(shù)據(jù)的北亞熱帶高山區(qū)日本落葉松林生物量模型研究[D];中國林業(yè)科學(xué)研究院;2010年

，

本文編號(hào)：1245812