【摘要】：冬小麥農(nóng)田環(huán)境參數(shù)(如地上部分生物量,葉面積指數(shù)等)是農(nóng)業(yè)生產(chǎn)的關(guān)鍵信息,是冬小麥生長(zhǎng)環(huán)境和生長(zhǎng)狀態(tài)的直接反映,與冬小麥的最終產(chǎn)量息息相關(guān)。準(zhǔn)確及時(shí)的獲取冬小麥產(chǎn)區(qū)的冬小麥種植面積和冬小麥田間參數(shù)是進(jìn)行冬小麥產(chǎn)量預(yù)測(cè)和農(nóng)業(yè)生產(chǎn)調(diào)整的前提。隨著3S技術(shù)在農(nóng)業(yè)領(lǐng)域的不斷發(fā)展和應(yīng)用,利用遙感信息技術(shù)提取農(nóng)作物種植面積,反演農(nóng)作物農(nóng)田環(huán)境參數(shù)成為農(nóng)業(yè)遙感研究的熱點(diǎn)。河南省是我國(guó)農(nóng)業(yè)大省,其冬小麥生產(chǎn)為我國(guó)糧食安全提供了重要保障。利用遙感技術(shù)獲取河南省冬小麥生產(chǎn)信息具有重要意義。本文以河南省為研究區(qū),以EOS-MODIS和Landsat 8 OLI為數(shù)據(jù)源,結(jié)合野外調(diào)查和田間測(cè)量數(shù)據(jù),綜合應(yīng)用遙感技術(shù)和統(tǒng)計(jì)分析,實(shí)現(xiàn)了河南省冬小麥種植空間信息提取以及田間葉面指數(shù)反演和地上生物量反演。并且,在此基礎(chǔ)上,基于ENVI/IDL開發(fā)了河南省冬小麥農(nóng)田環(huán)境參數(shù)反演系統(tǒng),實(shí)現(xiàn)了反演數(shù)據(jù)的快速處理和反演過程的流程化進(jìn)行。得到的主要結(jié)論如下:(1)采用定量光譜分析方法,基于多時(shí)相的MODIS-EVI數(shù)據(jù)集對(duì)河南省主要地物類型的像元EVI值變化情況進(jìn)行分析表明,提取河南省冬小麥種植空間分布信息的關(guān)鍵時(shí)相分別為10月16日、12月9日、4月25日和5月25日,其對(duì)應(yīng)的冬小麥生育期分別為播種期、越冬初期、揚(yáng)花期和收獲期。(2)采用決策樹分類算法,基于多時(shí)相的MODIS-EVI數(shù)據(jù)集對(duì)河南省冬小麥種植空間分布信息進(jìn)行提取得到的結(jié)果表明,2014年10月到2015年6月這一季河南省冬小麥種種植面積為55484平方千米,與統(tǒng)計(jì)面積相比,精度為97.7%,根據(jù)實(shí)測(cè)數(shù)據(jù)驗(yàn)證得到的用戶精度為83.3%。(3)采用統(tǒng)計(jì)回歸方法,基于實(shí)測(cè)冬小麥葉面積指數(shù)數(shù)據(jù)和對(duì)應(yīng)的遙感數(shù)據(jù)進(jìn)行河南省冬小麥葉面積指數(shù)進(jìn)行反演,結(jié)果表明,和冬小麥葉面積指數(shù)變化密切的遙感信息特征參量為增強(qiáng)型植被指數(shù)EVI和差值植被指數(shù)DVI。其中最優(yōu)的反演模型為L(zhǎng)AI=2.844e1.096*EVI,預(yù)測(cè)模型的決定系數(shù)和預(yù)測(cè)誤差分別為0.79和0.319。(4)采用SPSS回歸分析功能,結(jié)合實(shí)測(cè)冬小麥地上部分干生物量和對(duì)應(yīng)的遙感植被指數(shù)進(jìn)行反演,結(jié)果顯示,在冬小麥揚(yáng)花期和灌漿期,和冬小麥地上部分干生物量變化相關(guān)性最強(qiáng)的植被分別為,比值植被指數(shù)RVI和歸一化植被指數(shù)NDVI。兩個(gè)時(shí)期建立的冬小麥地上部分干生物量最優(yōu)反演模型分別為DM=0.039+0.012×RVI和DM=1.187e1.61NDVI。
[Abstract]:The environmental parameters of winter wheat (such as aboveground biomass, leaf area index, etc.) are the key information of agricultural production and directly reflect the growth environment and growth state of winter wheat, which are closely related to the final yield of winter wheat. Accurate and timely acquisition of winter wheat planting area and winter wheat field parameters is the premise of winter wheat yield prediction and agricultural production adjustment. With the continuous development and application of 3s technology in the field of agriculture, extracting crop planting area by using remote sensing information technology and retrieving agricultural environmental parameters has become a hot spot in agricultural remote sensing research. Henan Province is a big agricultural province in China, and its winter wheat production provides an important guarantee for China's grain security. It is of great significance to use remote sensing technology to obtain winter wheat production information in Henan Province. This paper takes Henan Province as the research area, takes EOS-MODIS and Landsat 8 OLI as data sources, combines field investigation and field survey data, synthetically applies remote sensing technology and statistical analysis. The spatial information extraction of winter wheat planting in Henan Province and the inversion of leaf surface index and aboveground biomass were realized. Furthermore, based on ENVI/IDL, the inversion system of winter wheat farmland environment parameters in Henan Province is developed, which realizes the fast processing of inversion data and the process of inversion. The main conclusions are as follows: (1) quantitative spectral analysis method is used to analyze the changes of pixel EVI values of the main feature types in Henan Province based on the multi-temporal MODIS-EVI data set. The key phases for extracting spatial distribution information of winter wheat planting in Henan Province were October 16, December 9, April 25 and May 25, respectively. (2) decision tree classification algorithm was used to extract spatial distribution information of winter wheat planting in Henan Province based on multi-temporal MODIS-EVI data set. From October 2014 to June 2015, the planting area of winter wheat seeds in Henan Province was 55484 square kilometers, compared with the statistical area, the precision was 97. 7 percent. According to the measured data, the user accuracy is 83.3%. (3) based on the measured winter wheat leaf area index data and the corresponding remote sensing data, the winter wheat leaf area index of Henan Province is retrieved by statistical regression method. The results show that the characteristic parameters of remote sensing information are enhanced vegetation index (EVI) and differential vegetation index (DVI.), which are closely related to the variation of leaf area index of winter wheat. The optimal inversion model is the determination coefficient and prediction error of LAI=2.844e1.096*EVI, prediction model are 0.79 and 0.319.9 respectively. (4) SPSS regression analysis is used. Combined with the measured dry biomass of the aboveground part of winter wheat and the corresponding remote sensing vegetation index, the results showed that the vegetation which had the strongest correlation with the variation of dry biomass of the aboveground part of winter wheat at flowering stage and filling stage of winter wheat were, respectively. Ratio vegetation index RVI and normalized vegetation index NDVI. The optimal inversion models of dry biomass of winter wheat in two periods are DM=0.039 0.012 脳 RVI and DM=1.187e1.61NDVI., respectively.
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S512.11;S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉慧敏,李衛(wèi)婷;干旱對(duì)運(yùn)城冬小麥的影響[J];山西氣象;2003年03期

2 李鑫;;冬小麥“三改”創(chuàng)高產(chǎn)[J];河北農(nóng)業(yè)科技;2008年17期

3 王位泰;張?zhí)旆?馬鵬里;蒲金涌;呂峰平;黃斌;;甘肅隴東黃土高原秋季冬小麥異常旺長(zhǎng)對(duì)氣候變暖的響應(yīng)[J];生態(tài)學(xué)雜志;2008年09期

4 孫慶陽;;淺析干旱對(duì)南陽市冬小麥生長(zhǎng)的影響[J];安徽農(nóng)學(xué)通報(bào)(下半月刊);2011年16期

5 侯銀平;;探討冬小麥的管理與病蟲害的防治[J];北京農(nóng)業(yè);2012年33期

6 禾青;;關(guān)于冬小麥持續(xù)增產(chǎn)問題的初步調(diào)查[J];西藏農(nóng)業(yè)科技;1978年Z1期

7 章玉林,董玉坤;冬小麥?zhǔn)┯没试囼?yàn)結(jié)果[J];新疆農(nóng)業(yè)科技;1982年02期

8 劉東海;;西藏冬小麥的發(fā)展及其經(jīng)驗(yàn)教訓(xùn)[J];西藏農(nóng)業(yè)科技;1991年02期

9 劉萬代，李大良，裴卓強(qiáng)，，王站立，袁祖麗;剪除地上部分對(duì)冬小麥效應(yīng)研究[J];河南科學(xué);1996年03期

10 黨建友;冬小麥肥水管理措施[J];山西農(nóng)業(yè);1998年09期

相關(guān)會(huì)議論文 前10條

1 李德;;基于概率分布的宿州冬小麥氣候風(fēng)險(xiǎn)評(píng)估方法[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2009年

2 車少靜;高祺;劉利軍;;2009-2010年度石家莊異常低溫對(duì)冬小麥影響[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2010年

3 雷震宇;裴雪霞;;鉀、鋅、錳配施在冬小麥上的效應(yīng)研究(摘要)[A];中國(guó)地壤學(xué)會(huì)第十次全國(guó)會(huì)員代表大會(huì)暨第五屆海峽兩岸土壤肥料學(xué)術(shù)交流研討會(huì)文集（面向農(nóng)業(yè)與環(huán)境的土壤科學(xué)專題篇）[C];2004年

4 楊曉華;楊永紅;;秋季氣候變暖對(duì)冬小麥奇異生長(zhǎng)的影響[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)氣候變化分會(huì)場(chǎng)論文集[C];2007年

5 方文松;朱自璽;劉榮花;王友賀;馬志紅;;河南省冬小麥干旱動(dòng)態(tài)評(píng)估指標(biāo)初探[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會(huì)場(chǎng)論文集[C];2007年

6 張艷紅;呂厚荃;;2005/2006年度北方冬小麥增產(chǎn)的農(nóng)業(yè)氣象條件分析[A];中國(guó)農(nóng)學(xué)會(huì)農(nóng)業(yè)氣象分會(huì)2006年學(xué)術(shù)年會(huì)論文集[C];2006年

7 郝立生;閔錦忠;;氣候變暖對(duì)河北省冬小麥產(chǎn)量的影響[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2009年

8 李月英;柳斌輝;牛英潔;王霞;張歆婕;栗雨勤;;氣候條件對(duì)河北低平原冬小麥產(chǎn)量的影響[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2009年

9 徐臘梅;;石河子地區(qū)春季低溫對(duì)冬小麥生長(zhǎng)影響分析[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2009年

10 唐為安;唐為安;田紅;陳曉藝;溫華洋;丁霞;徐光清;;氣候變暖背景下安徽省冬小麥產(chǎn)量對(duì)氣候要素變化的響應(yīng)[A];第27屆中國(guó)氣象學(xué)會(huì)年會(huì)現(xiàn)代農(nóng)業(yè)氣象防災(zāi)減災(zāi)與糧食安全分會(huì)場(chǎng)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 小靜;印度冬小麥產(chǎn)量下滑[N];國(guó)際商報(bào);2003年

2 記者 孫楠　通訊員 鄭昌玲;我國(guó)開展冬小麥產(chǎn)量逐月預(yù)報(bào)[N];中國(guó)氣象報(bào);2012年

3 馬文清 馬�？�;廣河冬小麥面積翻三番[N];甘肅經(jīng)濟(jì)日?qǐng)?bào);2006年

4 萊陽農(nóng)學(xué)院 劉樹堂;冬小麥的營(yíng)養(yǎng)與施肥[N];農(nóng)資導(dǎo)報(bào);2006年

5 黃艷紅、鐵良;我市冬小麥需采取壯苗措施[N];唐山勞動(dòng)日?qǐng)?bào);2010年

6 本報(bào)記者 王錦;冬小麥?zhǔn)芎得娣e開始減少[N];中國(guó)證券報(bào);2011年

7 記者 朱周良;聯(lián)合國(guó)警示小麥旱情 全球糧食價(jià)格高燒難退[N];上海證券報(bào);2011年

8 記者 喬林生;新麥生長(zhǎng)現(xiàn)“南北差異” 豐歉將定糧價(jià)[N];期貨日?qǐng)?bào);2011年

9 國(guó)家糧油信息中心 王曉輝;今年我國(guó)冬小麥產(chǎn)量同比下降[N];糧油市場(chǎng)報(bào);2003年

10 記者 郭晉暉;冬小麥實(shí)現(xiàn)“八連增” 有助減弱通脹預(yù)期[N];第一財(cái)經(jīng)日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 王翔翔;渭北旱塬作物生長(zhǎng)特征及其管理模式研究[D];中國(guó)科學(xué)院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2015年

2 王維;冬小麥全生育期土壤水分供給量的反演與模型優(yōu)化研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

3 金秀良;基子AqoaCrop模型與多源遙感數(shù)據(jù)的北方冬小麥水分利用效率估算[D];揚(yáng)州大學(xué);2015年

4 姬建梅;關(guān)中地區(qū)冬小麥水氮產(chǎn)量效應(yīng)及其產(chǎn)差分析[D];西北農(nóng)林科技大學(xué);2015年

5 崔正勇;冬小麥土壤N_2O排放以及麥季施氮對(duì)玉米季后效的研究[D];山東農(nóng)業(yè)大學(xué);2016年

6 徐海成;冬小麥高產(chǎn)高效群體構(gòu)建的栽培模式研究[D];山東農(nóng)業(yè)大學(xué);2016年

7 魯向暉;基于氣候變化的豫西冬小麥保護(hù)性耕作效果模擬研究[D];西北農(nóng)林科技大學(xué);2010年

8 夏天;基于高光譜遙感的區(qū)域冬小麥生物量模擬及糧食安全評(píng)價(jià)[D];華中師范大學(xué);2011年

9 姜志偉;區(qū)域冬小麥估產(chǎn)的遙感數(shù)據(jù)同化技術(shù)研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2012年

10 姚付啟;冬小麥高光譜特征及其生理生態(tài)參數(shù)估算模型研究[D];西北農(nóng)林科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 姜亞珍;MODIS監(jiān)測(cè)黃淮海平原冬小麥長(zhǎng)勢(shì)與土壤濕度[D];中國(guó)農(nóng)業(yè)科學(xué)院;2015年

2 尚小廈;間作板藍(lán)根對(duì)冬小麥生長(zhǎng)及麥田CH_4通量的影響[D];南京信息工程大學(xué);2015年

3 張延;氣候變化對(duì)關(guān)中地區(qū)冬小麥耗水和產(chǎn)量的影響及適應(yīng)策略[D];西北農(nóng)林科技大學(xué);2015年

4 姚致遠(yuǎn);旱地夏休閑期種植綠肥及其不同處理方式對(duì)輪作綜合效益的影響[D];西北農(nóng)林科技大學(xué);2015年

5 王珂;集雨種植模式下不同施肥量對(duì)土壤水肥及冬小麥產(chǎn)量的影響[D];西北農(nóng)林科技大學(xué);2015年

6 侯仰毅;關(guān)中平原秸稈還田條件下冬小麥氮肥效應(yīng)研究[D];西北農(nóng)林科技大學(xué);2015年

7 曹寒;不同覆膜方式對(duì)土壤水熱和冬小麥—夏玉米生長(zhǎng)的影響[D];西北農(nóng)林科技大學(xué);2015年

8 倪玲;基于AquaCrop模型的冬小麥灌溉制度研究[D];西北農(nóng)林科技大學(xué);2015年

9 楊佩;涇惠渠灌區(qū)冬小麥灌溉與施肥模式研究[D];西北農(nóng)林科技大學(xué);2015年

10 狄楠;灌水深度對(duì)冬小麥根系形態(tài)分布及根系活力的影響[D];太原理工大學(xué);2016年

本文編號(hào)：2422970