發(fā)布時(shí)間：2018-03-22 06:21

  本文選題：水稻　切入點(diǎn)：中等空間分辨率傳感器　出處：《浙江大學(xué)》2016年博士論文　論文類(lèi)型：學(xué)位論文

【摘要】：水稻是中國(guó)種植面積最大、總產(chǎn)最多的糧食作物,水稻生產(chǎn)在中國(guó)糧食生產(chǎn)中占有極其重要的地位。準(zhǔn)確的獲取水稻生產(chǎn)信息,正確及時(shí)地掌握農(nóng)作物生產(chǎn)狀況,對(duì)糧食安全,社會(huì)穩(wěn)定,農(nóng)村就業(yè),農(nóng)民增收具有十分重要的現(xiàn)實(shí)意義。水稻遙感信息提取是遙感、地理信息系統(tǒng)和全球定位系統(tǒng)結(jié)合水稻農(nóng)學(xué)知識(shí)的一個(gè)綜合應(yīng)用。本研究基于中等空間分辨率多源多時(shí)相遙感衛(wèi)星數(shù)據(jù),以詳盡的地面觀(guān)測(cè)數(shù)據(jù)為基礎(chǔ),利用遙感數(shù)據(jù)融合及數(shù)據(jù)同化等方法,解決我國(guó)地塊較破碎地區(qū)水稻遙感信息提取過(guò)程中的具體問(wèn)題,并對(duì)影響水稻信息提取精度的原因進(jìn)行一定的定性分析和定量的研究,旨在提高對(duì)水稻遙感中各種數(shù)據(jù)處理步驟的認(rèn)識(shí)理解。主要研究?jī)?nèi)容和結(jié)論如下:(1)結(jié)合大田冠層光譜數(shù)據(jù)及地面實(shí)測(cè)數(shù)據(jù),探究水稻生長(zhǎng)規(guī)律,通過(guò)Wilks's lambda系數(shù)進(jìn)行判別分析確定植被指數(shù)EVI2能夠較好的反應(yīng)出水稻與其他地類(lèi)的差異性。分析研究區(qū)五種主要地類(lèi)(水稻、樹(shù)木、水體、旱地作物和其他非植被)的HJ-1 A/B CCD EVI2時(shí)間序列曲線(xiàn),水稻移栽期和快速生長(zhǎng)的營(yíng)養(yǎng)生長(zhǎng)時(shí)期具有區(qū)別于其他地物類(lèi)別的獨(dú)特的光譜特征,確定這兩個(gè)時(shí)期為水稻的關(guān)鍵生育期,實(shí)現(xiàn)了分步耦合最佳生育期閾值法估算研究區(qū)單季稻種植面積。單季稻估算面積與當(dāng)?shù)剞r(nóng)業(yè)部門(mén)的統(tǒng)計(jì)數(shù)據(jù)對(duì)比,相對(duì)分類(lèi)精度為91.2%。與地塊調(diào)查結(jié)果的空間精度驗(yàn)證顯示,水稻的總精度達(dá)到91.68%,Kappa系數(shù)為0.79。提取結(jié)果與典型的參數(shù)分類(lèi)法(最大似然法)和非參數(shù)分類(lèi)法(支持向量機(jī))相比,總精度分別提高了 6.80%和10.89%�；谖鍌�(gè)地塊調(diào)查樣地的空間分布信息,定量分析了由地塊景觀(guān)格局、混合像元純度及邊界效應(yīng)給水稻分類(lèi)帶來(lái)的影響。結(jié)果表明,選擇合適的多時(shí)相遙感影像,結(jié)合水稻關(guān)鍵生育期及有代表性的光譜特征,可以提高水稻分類(lèi)精度;引入景觀(guān)指數(shù)分析地塊緊湊程度,結(jié)果表明遙感影像像元混合程度越嚴(yán)重,則分類(lèi)精度越低,錯(cuò)分漏分的水稻像元集中在水 稻田塊的邊緣。(2)通過(guò)最小二乘法融合HJ-1 CCD和Landsat-8 OLI植被指數(shù)數(shù)據(jù),較單一數(shù)據(jù)源能夠更準(zhǔn)確地估計(jì)研究區(qū)單季稻的關(guān)鍵物候參數(shù)(移栽期、抽穗期、成熟期)。不同植被指數(shù)對(duì)目標(biāo)地物的變化反應(yīng)能力不同,和NDVI相比,EVI2在兩個(gè)傳感器之間表現(xiàn)更穩(wěn)定。與地面觀(guān)測(cè)生育期數(shù)據(jù)進(jìn)行比較,融合后的植被指數(shù)時(shí)間序列提取的水稻生育期結(jié)果具有相對(duì)低的RMSE,其中EVI2優(yōu)于NDVI。在不同傳感器融合獲取更高時(shí)間分辨率植被指數(shù)時(shí)間序列的過(guò)程中,利用一致性分析定量計(jì)算傳感器間系統(tǒng)差異與非系統(tǒng)差異,結(jié)果表明,通過(guò)選擇合適的濾波窗口可以減小傳感器間非系統(tǒng)差異,使用大于5×5濾波窗口以后,傳感器間非系統(tǒng)差異趨于穩(wěn)定,選擇合適的模型如最小二乘法建立植被指數(shù)的回歸函數(shù)減小傳感器間系統(tǒng)差異,從而減少數(shù)據(jù)融合過(guò)程中的不確定性的產(chǎn)生。(3)利用多時(shí)相遙感影像,以2012-2013年地面實(shí)驗(yàn)數(shù)據(jù)為建模和驗(yàn)證數(shù)據(jù),制作出可應(yīng)用于地區(qū)尺度的單季稻全生育期內(nèi)近實(shí)時(shí)動(dòng)態(tài)長(zhǎng)勢(shì)監(jiān)測(cè)圖。通過(guò)去云處理及最大值合成的植被指數(shù)代表每個(gè)像元在一旬內(nèi)的最大值,以此估測(cè)研究區(qū)每旬單季稻長(zhǎng)勢(shì)狀況,估測(cè)模型選用傳統(tǒng)的回歸模型及機(jī)器學(xué)習(xí)模型。驗(yàn)證了機(jī)器學(xué)習(xí)模型(神經(jīng)網(wǎng)絡(luò)和支持向量機(jī))在作物長(zhǎng)勢(shì)監(jiān)測(cè)參數(shù)提取中具有優(yōu)勢(shì)。將生育期劃分為營(yíng)養(yǎng)生長(zhǎng)和生殖生長(zhǎng)后,可以明顯提高葉面積指數(shù)的反演精度,抽穗前時(shí)期LAI最佳估測(cè)模型為EVI2-BPNN模型,抽穗后LAI最佳估測(cè)模型為NDVI-SVM模型,結(jié)果同時(shí)表明,EVI2通常在水稻快速生長(zhǎng)階段(營(yíng)養(yǎng)生長(zhǎng))效果更好,而NDVI在生長(zhǎng)速率減緩后(生殖生長(zhǎng))的反演效果更佳。累積植被指數(shù)可以適用于水稻地上干生物量的估算,全生育期內(nèi)模型決定系數(shù)達(dá)到0.93。通過(guò)選擇合適的植被指數(shù)及反演模型,結(jié)合水稻獨(dú)特的生育期特征,可以提高水稻長(zhǎng)勢(shì)參數(shù)的估測(cè)精度,為當(dāng)?shù)氐姆N植管理提供有價(jià)值的空間化可視化信息服務(wù)。(4)結(jié)合地面觀(guān)測(cè)數(shù)據(jù)與FSEOPT對(duì)研究區(qū)水稻主栽品種進(jìn)行WOFOST作物模型參數(shù)本地化,參數(shù)本地化結(jié)果表明在單點(diǎn)尺度上作物模型可以較好地表征水稻生長(zhǎng)變化趨勢(shì),估測(cè)水稻產(chǎn)量。通過(guò)集合卡爾曼濾波法同化時(shí)間序列LAI與WOFOST作物模型,同化狀態(tài)參量間隔越短同化效果越好,最終在平衡同化效率與精度的考量下,選用10天LAI資料進(jìn)行區(qū)域水稻估產(chǎn)。以研究區(qū)水稻面積分布圖、水稻生育期提取結(jié)果為輸入?yún)?shù),10天的遙感反演LAI為同化狀態(tài)參量,估測(cè)研究區(qū)水稻產(chǎn)量分布信息。模型模擬結(jié)果與實(shí)測(cè)結(jié)果有較好的一致性,與實(shí)測(cè)樣點(diǎn)的觀(guān)測(cè)值相比,R2為0.66,RMSE為1.61 ton·ha~(-1)。研究結(jié)果表明,提高水稻信息提取過(guò)程中各步驟精度的前提下,WOFOST模型可以用于區(qū)域尺度水稻產(chǎn)量估測(cè),為完善栽培管理、規(guī)劃農(nóng)業(yè)生產(chǎn)功能區(qū)提供有價(jià)值的信息。
[Abstract]:......
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：S511;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林子晶;李衛(wèi)國(guó);申雙和;馬劍鳳;;HJ星和GF1號(hào)數(shù)據(jù)在水稻種植面積提取中的應(yīng)用[J];江蘇農(nóng)業(yè)學(xué)報(bào);2016年01期

2 Jing WANG;Jing-feng HUANG;Xiu-zhen WANG;Meng-ting JIN;Zhen ZHOU;Qiao-ying GUO;Zhe-wen ZHAO;Wei-jiao HUANG;Yao ZHANG;Xiao-dong SONG;;基于環(huán)境減災(zāi)衛(wèi)星及Landsat-8衛(wèi)星的植被指數(shù)時(shí)間序列的水稻物候期提取研究（英文）[J];Journal of Zhejiang University-Science B(Biomedicine & Biotechnology);2015年10期

3 趙君愛(ài);魏艷春;;基于改進(jìn)中值濾波的圖像噪聲去除算法的研究[J];浙江農(nóng)業(yè)學(xué)報(bào);2015年06期

4 祝劍波;;嘉優(yōu)5號(hào)雜交晚粳作單季直播栽培的生長(zhǎng)效果研究[J];現(xiàn)代農(nóng)業(yè)科技;2015年09期

5 劉明;馮銳;紀(jì)瑞鵬;武晉雯;王宏博;于文穎;;基于MODIS-NDVI的春玉米葉面積指數(shù)和地上生物量估算[J];中國(guó)農(nóng)學(xué)通報(bào);2015年06期

6 陳懷亮;李穎;張紅衛(wèi);;農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)業(yè)務(wù)化應(yīng)用與研究進(jìn)展[J];氣象與環(huán)境科學(xué);2015年01期

7 Bao SHE;Jing-feng HUANG;Rui-fang GUO;Hong-bin WANG;Jing WANG;;基于國(guó)產(chǎn)環(huán)境減災(zāi)衛(wèi)星遙感數(shù)據(jù)的油菜凍害評(píng)估(英文)[J];Journal of Zhejiang University-Science B(Biomedicine & Biotechnology);2015年02期

8 李U，

本文編號(hào)：1647449