發(fā)布時間：2021-02-12 16:26

　　云南地區(qū)小蠹蟲蟲害較為嚴害,造成了云南松的大量死亡,嚴重影響當?shù)氐纳鷳B(tài)平衡。實現(xiàn)蟲害的早期識別極為重要,利用熱紅外遙感實現(xiàn)森林蟲害的早期監(jiān)測是近年來的研究熱點。地表溫度（Land surface temperature,LST）作為基本的物理量,與各項生命活動緊密相關。近些年來,LST在森林病蟲害監(jiān)測方面也有較多的應用。本研究主要嘗試探索一種以溫度為變量,建立起的基于溫度異常的云南松蟲害預警體系。本文首先通過定點連續(xù)拍攝的紅外相機熱圖像分析了不同受害程度的林地的溫度日變化情況,討論了地表溫度的分布規(guī)律;然后,通過蟲害爆發(fā)前后連續(xù)多年的Landsat溫度產(chǎn)品分析了健康林地與受害林地溫度等級分布的差異性以及健康林地與受害林地之間的溫差在年際間的變化規(guī)律,并利用ENVI-met小氣候模型,以樣地實測數(shù)據(jù)和NCEP氣象數(shù)據(jù)為數(shù)據(jù)源,驗證了林分特征參數(shù)與地表溫度熱異常的關系;最后,嘗試建立了高分數(shù)據(jù)中紅外波段DN值與Landsat數(shù)據(jù)反演得到的地表溫度產(chǎn)品（LST）的相關關系,為獲取高時空分辨率的溫度相關產(chǎn)品提供一種理論參考。論文的主要結論如下:1)對不同受害程度的樣地的組分溫度日變化的分析發(fā)現(xiàn)... 

【文章來源】：北京林業(yè)大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

!研究區(qū)位置及樣地分布圖

由于Ｌａｎｄｓａｔ本身的空間分辨率己為３０?ｍ，且沒有整個云南松林的踏查數(shù)據(jù)，??所以這部分的研宄并不區(qū)分具體的受害等級，只區(qū)分受害林分與健康林分兩部分??（圖３．３）。另外，由于云南地區(qū)的６月至１０月為濕季，全天候為晴空的天數(shù)很少，??所以這期間的高質量衛(wèi)星數(shù)據(jù)很少，１２月份左右小蠹蟲開始產(chǎn)卵，為此，試驗嘗??試用１〗月份左右的衛(wèi)星影像產(chǎn)品分析溫度的空間分布特點與蟲害的發(fā)生之間的相??關關系。試驗首先選取旱季１１月份左右的溫度數(shù)據(jù)，分別計算健康林分和受害林??分的溫度平均值，并計算相應的溫差，得到溫差的變化規(guī)律。??為更清晰的表明溫度分布的差異性對蟲害發(fā)生的影響，試驗分析了熱效應的??的空間變化規(guī)律。試驗就整個云南松林分做歸一化處理。??Ｔｇ?＝?（Ｔｓ?－?Ｔｍｉｎ）／（Ｔｍａｘ?－?Ｔｍｉｎ）?（３－５）??其中，Ｔｓ為像元的亮溫值，Ｔｍｉｎ為整個云南松林的亮溫值的最小值，Ｔｍａｘ為??整個云南松林的亮溫值的最大值。??１８??

（ａ）?ｔｒｕｅ?ｃｏｌｏｒ?ｍａｐ?（ｂ）?ｓｕｒｆａｃｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｍａｐ??圖３．２地表溫度反演結果示例（影像獲取時間為２０１７年１２月２５日１１時４５分左右；影??像名稱為：ＬＣ０８＿Ｌ?１?ＴＰ＿１３?］?０４２＿２０１７１２２５＿２０１?８０１０３＿０１?＿Ｔ?１）??Ｆｉｇｕｒｅ?３．２?Ｅｘａｍｐｅ?ｏｆ?ｓｕｒｆａｃｅ?ｔｅｍｐｅｒａｔｕｒｅ?ｉｎｖｅｒｓｉｏｎ?ｒｅｓｕｌｔ?（Ｔｈｅ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｔｉｍｅ?ｉｓ?ａｒｏｕｎｄ??１１：４５?ｏｎ?Ｄｅｃｅｍｂｅｒ?２５，?２０１７）??３．２．?１．２．空間差異性分析??由于Ｌａｎｄｓａｔ本身的空間分辨率己為３０?ｍ，且沒有整個云南松林的踏查數(shù)據(jù)，??所以這部分的研宄并不區(qū)分具體的受害等級，只區(qū)分受害林分與健康林分兩部分??（圖３．３）。另外，由于云南地區(qū)的６月至１０月為濕季，全天候為晴空的天數(shù)很少，??所以這期間的高質量衛(wèi)星數(shù)據(jù)很少，１２月份左右小蠹蟲開始產(chǎn)卵，為此，試驗嘗??試用１〗月份左右的衛(wèi)星影像產(chǎn)品分析溫度的空間分布特點與蟲害的發(fā)生之間的相??關關系。試驗首先選取旱季１１月份左右的溫度數(shù)據(jù)，分別計算健康林分和受害林??分的溫度平均值，并計算相應的溫差，得到溫差的變化規(guī)律。??為更清晰的表明溫度分布的差異性對蟲害發(fā)生的影響

【參考文獻】：
期刊論文
[1]短室緣繭蜂生物學特性[J]. 陳金鋒,賈豐璘,孫凡.  東北林業(yè)大學學報. 2018(07)
[2]基于遙感溫度植被干旱指數(shù)的小蠹蟲害預警[J]. 沈親,鄧槿,劉旭升,黃華國.  農業(yè)工程學報. 2018(09)
[3]輕小型無人機多光譜遙感技術應用進展[J]. 孫剛,黃文江,陳鵬飛,高帥,王秀.  農業(yè)機械學報. 2018(03)
[4]基于WOFOST-SHAW耦合模型的冬小麥冠層氣溫模擬[J]. 王鵬新,劉麗娜,劉峻明,胡新.  農業(yè)機械學報. 2018(01)
[5]油松毛蟲災害遙感監(jiān)測及其影響因子分析[J]. 朱程浩,瞿帥,張曉麗.  遙感學報. 2016(04)
[6]基于最大熵模型的神農架林區(qū)華山松大小蠹災害遙感監(jiān)測[J]. 馬望,房磊,方國飛,于躍,張旭,楊健.  生態(tài)學雜志. 2016(08)
[7]Impact of ENSO events on the interannual variability of Hadley circulation extents in boreal winter[J]. GUO Yi-Peng,LI Jian-Ping.  Advances in Climate Change Research. 2016(Z1)
[8]基于土壤冠層組分溫差監(jiān)測側柏蒸騰速率的研究[J]. 孫浩,黃華國,解濰嘉,梁文業(yè),扈晶晶.  中南林業(yè)調查規(guī)劃. 2016(01)
[9]食葉害蟲榆紫葉甲生物學特性與生活史觀察[J]. 高敏,達青恩,常江春,楊麗麗,呂冬云,羅志文.  生物災害科學. 2015(04)
[10]不同覆被下的溫度日變化特征及空間尺度效應——以貴州陳旗小流域為例[J]. 趙夢啟,高滿,陳喜,張志才,栗銘.  長江流域資源與環(huán)境. 2015(S1)

博士論文
[1]基于物理模型的落葉松林蟲害遙感監(jiān)測研究[D]. 王蕾.北京林業(yè)大學 2009

碩士論文
[1]松材線蟲病脅迫下松樹生理參數(shù)的高光譜遙感估測模型研究[D]. 劉文雅.南京林業(yè)大學 2017
[2]滇東南峰林湖盆區(qū)喀斯特森林生態(tài)水文過程研究[D]. 郭歡.云南師范大學 2016
[3]基于紅外和可見光圖像融合的蘋果缺陷檢測[D]. 劉娟娟.華東交通大學 2012
[4]蘋果早期機械損傷的紅外熱成像檢測研究[D]. 周其顯.華東交通大學 2011



本文編號：3031135