学位论文 > 优秀研究生学位论文题录展示

遥感技术在水稻估产与鄱阳湖水质监测中的应用研究

作　者: 高学慧
导　师: 颜流水
学　校: 南昌航空大学
专　业: 环境科学
关键词: 水稻产量 遥感估产 遥感监测 水质监测 鄱阳湖水体
分类号: S127
类　型: 硕士论文
年　份: 2013年
下　载: 54次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着卫星传感器的更新换代，遥感技术在农业、水环境的应用越来越普遍。遥感技术的应用大大提高了工作效率，同时也使得早期许多不能实现的监测和研究成为现实。本研究分两篇，分别研究了遥感技术在水稻产量估计与鄱阳湖水质监测中的应用。本研究第一篇选用了MODIS的两种陆地产品，分别利用传统的统计模式与神经网络方法对江西省2010年的早稻总产进行了估算。其主要方法与结论如下：(1)基于叶面积指数的早稻估产模式本章节利用MOD15A2数据提取叶面积指数，以行政区划为分区，分别提取各个地市叶面积指数的加和，并以此作为指标，与对应的分区内早稻总产值进行回归分析，建立估产模型。结果表明分区内叶面积指数的加和与对应分区内的产量存在相关关系，以此建立的回归模型，进行江西省早稻总产的估算，市级估产误差在±20%以内，省级误差在2.3%左右。(2)基于增强型植被指数的早稻估产模式本章节利用MOD13Q1数据提取增强型植被指数，指标提取与叶面积指数数据的提取方式相同，分区相同。结果表明，研究中所提取的指标与对应分区内的早稻总产有着显著相关关系。以此为依据建立的最优回归模型，市级估产误差在±5%以内，省级误差在±2%以内。(3)基于神经网络的早稻估产模式本章节分别提取了每个地市的增强型植被指数数据的像元值，并根据像元的大小进行了分级，统计频数，利用频数数组构造自变量，以产量作为因变量，利用MATLAB进行神经网络的创建。分别利用BP神经网络、RBF神经网络进行了地市级产量估算。其预测值除个别地市偏差较大外，其他地市的预测值与实际值之间的相对误差在10%左右。RBF神经网络所获取的估产结果总体偏差小于BP神经网络的估算结果。本篇研究结果表明，MODIS标准陆地产品可用于本省的作物估产，分区遥感指标的求和值与分区早稻总产值有显著相关关系，不同时期的遥感数据组合可以提高估算效果，分蘖期、拔节期、孕穗期的数据效果最佳。其中增强型植被指数数据的预测效果优于叶面积指数数据。利用频数分级构造的神经网络模式可以进行作物估产，且其效果优于传统统计方法下的叶面积指数数据，但估算效果低于传统统计模式下的增强型植被指数模式。此外，RBF神经网络的预测结果要略优于BP神经网络。本研究第二篇利用Landsat ETM+数据对鄱阳湖水体的总磷、氨氮浓度进行了遥感反演。主要方法与结论有：(1)利用ENVI对Landsat ETM+数据进行辐射定标、几何校正、条带修复、大气校正。通过经纬度坐标提取星上点数据。(2)对数据单个波段、两波段比值、两波段加和进行数据提取，利用三种数据分别与氨氮、总磷的实测浓度值进行相关性分析。(3)分别对6个单波段、30组波段比值、30个波段加和进行了双变量一元线性回归、单个变量的一元线性、二次、三次、幂、指数的曲线回归，并筛选出所有分析结果中，对与总磷指标、氨氮指标拟合系数最大的回归方程。结果得到总磷指标的最佳拟合回归方程的拟合系数为0.329(R=0.574)。氨氮指标的最佳拟合回归方程拟合系数为为0.473(R=0.688)。(4)分别利用最大拟合系数对应的回归方程对鄱阳湖的总磷、氨氮浓度进行反演。通过ENVI波段运算与可视化显示，得到鄱阳湖总磷浓度、氨氮浓度的分布图。本篇研究，实现了星上点数据与实测数据的结合，并得到了相应的分析结果。由于水体总磷、氨氮的遥感监测研究较少，与现有的总磷、氨氮浓度遥感监测结果(童小华，RTP=0.523，RTN=0.573)相比，本篇研究拟合系数效果相对较好。同时，本研究利用最佳拟合方程得到鄱阳湖总磷浓度、氨氮浓度的分布图，使得监测结果更直观、更宏观。虽然本研究还存在一定的不足，但研究分析方法、模型的筛选、浓度分布图的成图经验对开展更深入的研究有一定的指导意义。

全文目录


摘要  4-6
Abstract  6-13
第一篇 基于 MODIS 遥感资料的水稻估产研究  13-86
  第一章 绪论  14-22
    1.1 研究背景及其研究意义  14-15
    1.2 国内外研究现状  15-17
      1.2.1 国外研究进展  15-16
      1.2.2 国内研究进展  16-17
    1.3 研究目标、研究内容及技术路线  17-20
      1.3.1 研究目标  17-18
      1.3.2 研究的主要内容  18
      1.3.3 技术路线  18-20
    1.4 研究所需数据  20
      1.4.1 遥感数据  20
      1.4.2 非遥感数据  20
    1.5 工作环境  20-22
      1.5.1 硬件环境  21
      1.5.2 软件环境  21-22
  第二章 研究区域概况与数据预处理  22-41
    2.1 研究区域概况  22-27
      2.1.1 地理外置及地形地貌特征  22-23
      2.1.2 研究区域自然环境特征  23-24
      2.1.3 研究区域历史水稻种植状况  24-27
    2.2 数据的获取与预处理  27-41
      2.2.1 数据描述  27-33
      2.2.2 数据的获取  33-34
      2.2.3 数据的拼接、投影、格式转换  34-41
  第三章 遥感估产的理论基础与水稻种植信息的提取  41-47
    3.1 遥感估产的理论基础  41-44
      3.1.1 遥感估产数据  41-42
      3.1.2 遥感估产的关键技术  42-44
    3.2 水稻种植信息的提取  44-47
      3.2.1 遥感分类概述  44-45
      3.2.2 研究区种植信息的提取  45-47
  第四章 基于叶面积指数数据的早稻估产模型  47-60
    4.1 数据准备  47-48
    4.2 数据处理  48-53
      4.2.1 叶面积指数数据的合成  48-50
      4.2.2 Savitsky-Golay 滤波  50-52
      4.2.3 水稻种植信息的提取  52-53
    4.3 模型的建立与结果分析  53-59
      4.3.1 相关性分析  53-54
      4.3.2 估产模型的建立与分析  54-59
    4.4 本章小结  59-60
  第五章 基于增强型植被指数数据的早稻估产模型  60-68
    5.1 数据来源与处理方法  60-62
      5.1.1 数据来源  60-61
      5.1.2 处理方法  61-62
    5.2 相关性分析  62-63
    5.3 模型建立与验证  63-67
      5.3.1 估产模型的建立  63-64
      5.3.2 模型的验证与选择  64-67
    5.4 本章小结  67-68
  第六章 基于神经网络的早稻估产模式  68-78
    6.1 人工神经网络概述  68-70
      6.1.1 BP 神经网络  69
      6.1.2 RBF 神经网络  69-70
    6.2 数据准备  70-73
      6.2.1 数据提取  70-71
      6.2.2 数据压缩  71-73
    6.3 基于 BP 神经网络估产模型  73-76
    6.4 基于 RBF 神经网络估产模型  76
    6.5 本章小结  76-78
  第七章 结论与展望  78-81
    7.1 结论  78-79
    7.2 研究展望  79-81
  参考文献  81-86
第二篇 基于 Landsat ETM+数据的鄱阳湖水质监测  86-114
  第一章 绪论  87-91
    1.1 遥感水质监测概况  87-88
    1.2 研究目的、研究内容及技术路线  88-90
    1.3 研究所需数据  90
    1.4 工作环境  90-91
  第二章 遥感水质监测的理论与方法  91-96
    2.1 遥感水质监测原理  91
    2.2 遥感水质监测方法  91-93
      2.2.1 经验/半经验方法  92-93
      2.2.2 分析/半分析方法  93
    2.3 遥感水质监测的数据源  93-94
      2.3.1 多光谱数据  93-94
      2.3.2 高光谱数据  94
      2.3.3 新型卫星遥感数据  94
    2.4 本章小结  94-96
  第三章 数据处理与湖泊水质反演模型的构建  96-110
    3.1 数据处理  96-103
      3.1.1 辐射定标  98-100
      3.1.2 条带修复  100-101
      3.1.3 大气校正  101-102
      3.1.4 水域面积提取  102-103
    3.2 模型构建  103-107
      3.2.1 相关性分析  103-106
      3.2.2 回归分析  106-107
    3.3 指标浓度反演  107-109
    3.4 本章小结  109-110
  第四章 总结与展望  110-112
  参考文献  112-114
攻读学位期间取得的研究成果  114-115
致谢  115-117

相似论文

  1. 基于ArcGIS Server的农区水质遥感反演信息系统构建研究,S127
  2. 水分及水氮互作对水稻库容的影响效应及其机制研究,S511
  3. 青岛—黄海浒苔卫星光学遥感,X173
  4. 不同施肥及水分管理方式下稻田土壤氮磷养分流失特征的研究,S511
  5. 奉贤区生活饮用水水质质量状况和超标检测项目分析,R123.1
  6. 一种在线实时水质自动监测系统的通信控制研究及实现,TP274
  7. 小型移动在线水质监测系统的研究,TP274
  8. 北疆区域积雪深度变化的遥感监测研究,P468.025
  9. 矿山开采影响下的环境遥感监测与评价,P237
  10. 基于空间信息的兵团土地遥感动态监测数据库系统研发,P208;P237
  11. 基于生态足迹分析的快速城市化地区生态安全研究—以浙江省义乌市为例,X2
  12. 支持向量机在矿区遥感监测图像分类中的应用研究,TP751
  13. 新恢复系R238基本特性及杂种优势利用研究,S511
  14. 气候因子对长沙县水稻产量的影响分析,S511
  15. 白银煤矿区矿山地质灾害遥感监测及危险性评价,P694
  16. 水稻高产的有机—无机肥配施模式及作用机理研究,S511
  17. 数字村庄管理信息系统研究、开发与应用,P208
  18. 太子河流域中部区域湿地遥感动态监测与景观变化分析,P237
  19. 草地生态环境遥感监测一体化服务及自动更新模式研究,X87
  20. 不同基础地力对水稻产量和肥料利用效率的影响,S511
  21. 以Ghd7和Gs5为目的基因的玉米遗传转化体系的建立,S513

中图分类: > 农业科学 > 农业基础科学 > 农业物理学 > 遥感技术在农业上的应用
© 2012 www.xueweilunwen.com