本文選題：Radarsat-2 + 作物殘茬生物量　； 參考：《南京大學》2015年碩士論文

【摘要】：小麥作物殘茬是小麥作物收割之后殘留在農(nóng)田中的莖稈部分。作物殘茬覆蓋的地表對土壤水分、碳和其他物質(zhì)具有保持的作用。作物殘茬本身作為地球碳儲物質(zhì),對全球進行碳計算及環(huán)境氣候評價具有重要的影響。作物殘茬的合理利用能夠減少農(nóng)田土壤中碳的散失、溫室氣體排放及地表徑流造成的土壤表層有機質(zhì)流失。因此對農(nóng)田作物殘茬生物量估算具有重要意義。本文選擇位于黃淮海平原的山東禹城試驗區(qū)作為研究區(qū)。利用全極化雷達數(shù)據(jù)(Radarsat-2),以及與之同步野外觀測數(shù)據(jù),開展基于全極化雷達數(shù)據(jù)的冬小麥作物殘茬生物量估算研究。首先,對實測數(shù)據(jù)與作物殘茬生物量進行回歸分析,利用Radarsat-2數(shù)據(jù)進行冬小麥作物殘茬不同極化方式下的后向散射特征分析,并做樣點實測數(shù)據(jù)與不同極化方式下的后向散射系數(shù)之間的相關性研究;然后,利用簡化的密歇根微波冠層散射(MIMICS)模型模擬冬小麥作物殘茬的后向散射系數(shù),與Radarsat-2HH極化方式下的后向散射系數(shù)進行相關性分析;最后建立基于神經(jīng)網(wǎng)絡的冬小麥作物殘茬生物量估算模型,并采用實測樣點的冬小麥作物殘茬生物量進行精度評價。本文的主要結(jié)論和結(jié)果如下:1)冬小麥作物殘茬生物量與殘茬高度具有較好的相關性。采用實測的小麥作物殘茬生物量分別與作物殘茬高度、作物殘茬覆蓋度以及不同深度的土壤水分進行相關性分析。發(fā)現(xiàn)冬小麥作物殘茬生物量與作物殘茬高度具有較好的相關性,決定系數(shù)R2=0.73,與殘茬覆蓋度和不同深度的土壤水分相關性不明顯。2)冬小麥作物殘茬與Radarsat-2 HH極化模式的后向散射系數(shù)之間具有較好的相關性。將實測的樣點數(shù)據(jù)分別與Radarsat-2 HH、HV、VH、W極化模式的后向散射系數(shù)進行相關性分析。結(jié)果表明:冬小麥作物殘茬生物量與Radarsat-2 HH極化模式的后向散射系數(shù)具有較好的相關性,決定系數(shù)R2為0.45,與HV、VH和VW極化模式的后向散射系數(shù)沒有明顯的相關性。3)MIMICS模型模擬的后向散射系數(shù)與原圖像的后向散射系數(shù)相關性較好。確定冠層微波散射模型—MIMICS模型的輸入?yún)?shù),模擬小麥作物殘茬的后向散射系數(shù),將模擬的后向散射系數(shù)與原始圖像后向散射系數(shù)對比分析,相關性明顯,決定系數(shù)R2=0.78,能夠很好的模擬小麥作物殘茬后向散射系數(shù)。4)基于MIMICS模型估算的冬小麥作物殘茬生物量具有較好的精度。根據(jù)實測的小麥作物殘茬植被參數(shù)和土壤數(shù)據(jù),設定植被參數(shù)和土壤數(shù)據(jù)波動范圍,建立基于神經(jīng)網(wǎng)絡的冬小麥作物殘茬生物量估算模型,對研究區(qū)的小麥作物殘茬的生物量進行估算。與實測的小麥作物殘茬的生物量數(shù)據(jù)進行相關性分析和誤差分析,得出研究區(qū)小麥作物殘茬生物量估算的精度評價,決定系數(shù)R2=0.588,相對誤差最大為22.4%,平均相對誤差為7.13%。結(jié)果表明根據(jù)MIMICS模型能夠較好的估算作物殘茬生物量。
[Abstract]:The results of this paper are as follows : 1 ) The soil moisture , carbon and other substances have a good correlation with the stubble height of crops . The results of this paper are as follows : 1 ) The stubble biomass of winter wheat is correlated with the backward scattering coefficient of crop stubble . The results show that the stubble biomass of winter wheat is correlated with the backward scattering coefficient of the stubble of Radarsat - 2 HH .

【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S512.11;S127

【參考文獻】

相關期刊論文 前10條

1 鄭玲;朱大洲;王成;潘大宇;羅斌;趙春江;;基于LabVIEW的小麥生物量檢測系統(tǒng)[J];農(nóng)業(yè)機械學報;2013年09期

2 劉驍月;王鵬新;張樹譽;王維;;基于作物模型模擬年際生物量變化的冬小麥干旱監(jiān)測研究[J];干旱地區(qū)農(nóng)業(yè)研究;2013年01期

3 周玲;王朝輝;李富翠;孟曉瑜;李可懿;李生秀;;不同產(chǎn)量水平旱地冬小麥品種干物質(zhì)累積和轉(zhuǎn)移的差異分析[J];生態(tài)學報;2012年13期

4 杜鑫;蒙繼華;吳炳方;;作物生物量遙感估算研究進展[J];光譜學與光譜分析;2010年11期

5 王慶;廖靜娟;;基于Landsat TM和ENVISAT ASAR數(shù)據(jù)的鄱陽湖濕地植被生物量的反演[J];地球信息科學學報;2010年02期

6 余凡;趙英時;;合成孔徑雷達反演裸露地表土壤水分的新方法[J];武漢大學學報(信息科學版);2010年03期

7 趙天杰;李新武;張立新;王芳;;雙頻多極化SAR數(shù)據(jù)與多光譜數(shù)據(jù)融合的作物識別[J];地球信息科學學報;2009年01期

8 董文旭;陳素英;胡春勝;尹春梅;;少免耕模式對冬小麥生長發(fā)育及產(chǎn)量性狀的影響[J];華北農(nóng)學報;2007年02期

9 董彥芳;龐勇;孫國清;李增元;;ENVISAT ASAR數(shù)據(jù)用于水稻監(jiān)測和參數(shù)反演[J];武漢大學學報(信息科學版);2006年02期

10 董彥芳,孫國清,龐勇;基于ENVISAT ASAR數(shù)據(jù)的水稻監(jiān)測[J];中國科學(D輯:地球科學);2005年07期

，

本文編號：1778134