学位论文 > 优秀研究生学位论文题录展示

基于环境卫星数据的冬小麦长势监测研究

作　者: 冯海宽
导　师: 宋伟东
学　校: 辽宁工程技术大学
专　业: 摄影测量与遥感
关键词: 多光谱高光谱理化参数相关性分析长势监测
分类号: S126;TP79
类　型: 硕士论文
年　份: 2011年
下　载: 112次
引　用: 0次
阅　读: 论文下载

内容摘要

对农作物长势进行动态监测可以及时了解农作物的生长状况、苗情、土壤墒情、营养状况及其变化,便于采取各种管理措施,从而保证农作物的正常生长;同时通过对作物长势的监测还可以及时掌握气象灾害和病虫害将对作物产量造成的损失情况,所以长势监测具有非常重要的意义。本文以2009年环境卫星的高光谱影像(HJ-1A HSI:Hyperspectral Image)和2010年三个生育期的环境卫星多光谱数据(HJ-1 CCD)和热红外数据(HJ-1 IRS)以及地面同步测量的光谱反射率数据和理化参数为数据源,以监测北京冬小麦的长势和干旱为目标,进行了系统的研究。主要研究工作如下:(1)数据集的获取与处理。包括地面光谱数据、理化参数(LAI(Leaf Area Index)、叶绿素、可溶性糖、叶片全氮等)、高光谱HSI遥感数据、多光谱遥感数据的获取与处理。遥感影像的数据处理主要包括几何校正、辐射定标、大气校正,同时对影像进行分类,提取了冬小麦的种植面积。(2)利用高斯函数模拟HSI的通道响应函数,将地面光谱反射率匹配到HSI通道上。分别对地面ASD光谱反射率和HSI光谱反射率的原始光谱、导数光谱、归一化光谱指数(NDSI)、减法指数(SSI)和地面理化参数进行了相关性分析,选出了敏感波段或波段组合。(3)提取模拟的HSI光谱反射率的红边参数,并与叶片全氮进行了相关性分析。构建了利用红边宽度反演叶片全氮含量,利用NDSI反演LAI,利用SSI反演叶绿素a、叶绿素b、叶绿素a+b、可溶性糖的的统计模型,由可溶性糖和全氮计算了碳氮比值,并对各个模型进行了验证。利用HJ-1 HSI影像对各种理化参数进行了填图,并分别利用上述理化参数以及利用LAI、叶绿素、碳氮比值进行RGB假彩色合成进行长势监测。(4)利用地面光谱反射率计算8种植被指数,并与地面测量的LAI进行相关性分析,筛选出最优植被指数。将筛选出的植被指数与LAI建立了统计模型,反演了3个生育期的LAI,并进行了验证。最后对LAI分等定级并填图进行长势监测。(5)根据环境卫星的CCD图像构建的NIR-R光谱特征空间,计算土壤线斜率,进而计算垂直干旱植被指数(PDI);获取了地表比辐射率ε和大气水分含量ω,基于热红外的单通道算法,反演了冬小麦的冠层温度,进而计算温度植被干旱指数(TVDI),对两种植被干旱指数进行分等定级,进行干旱监测,并对两种干旱监测方法进行比较。用环境卫星的HSI数据进行长势监测,LAI的长势监测精度最高,验证精度0.8601,碳氮比值次之,精度为0.8008,叶绿素最低,叶绿素a、叶绿素b、叶绿素a+b的精度分别为为0.4544、0.6224、0.533。利用CCD数据反演了3个生育期的LAI,验证精度分别为0.8145,0.6789,0.8502。根据获取的土壤含水量信息,发现反演的TVDI和PDI空间分布与实际情况基本吻合,而且两种监测结果趋于一致。以上表明利用HJ-1的HSI、CCD和IRS数据进行长势监测和干旱监测是可行的。

全文目录

致谢  5-7
摘要  7-9
Abstract  9-14
1 引言  14-22
  1.1 研究目的及意义  14
  1.2 国内外研究现状分析  14-18
    1.2.1 多光谱遥感技术在作物长势监测方面的研究现状  15-16
    1.2.2 高光谱遥感技术在作物长势监测方面的研究现状  16-18
  1.3 研究目标、内容、方法及结构安排  18-22
    1.3.1 研究目标  18-19
    1.3.2 主要的研究内容和方法  19-20
    1.3.3 主要的技术路线  20-21
    1.3.4 结构安排  21-22
2 数据获取与处理  22-33
  2.1 研究区与物候  22-24
    2.1.1 研究区  22-23
    2.1.2 冬小麦物候历  23-24
  2.2 地面数据获取与处理  24-25
    2.2.1 地面数据获取  24-25
    2.2.2 地面数据处理  25
  2.3 遥感数据获取与处理  25-33
    2.3.1 遥感数据获取  25-27
    2.3.2 遥感数据处理  27-33
3 基于环境卫星高光谱数据的长势监测  33-59
  3.1 指数计算与光谱分析  33-47
    3.1.1 ASD 地面光谱反射率的光谱分析与指数计算  34-39
    3.1.2 HSI 光谱反射率的光谱分析与指数计算  39-47
  3.2 基于冬小麦LAI 的长势监测  47-48
    3.2.1 利用NDSI 推算冠层 LAI  47
    3.2.2 利用LAI 进行长势监测  47-48
  3.3 基于冬小麦叶绿素的长势监测  48-52
    3.3.1 利用SSI 推算叶绿素  48-50
    3.3.2 利用叶绿素进行长势监测  50-52
  3.4 基于冬小麦碳氮比值的长势监测  52-56
    3.4.1 红边参数与冠层理化参数的相关性分析  52-53
    3.4.2 利用红边参数推算冠层理化参数  53-55
    3.4.3 利用叶片的碳氮比值进行长势监测  55-56
  3.5 基于理化参数填图RGB 合成的冬小麦长势监测  56-58
  3.6 本章小结  58-59
4 基于环境卫星多光谱数据的长势监测  59-73
  4.1 长势监测  59-64
    4.1.1 植被指数筛选  59-60
    4.1.2 利用植被指数计算LAI  60-62
    4.1.3 利用LAI 进行长势监测  62-64
  4.2 旱情监测  64-71
    4.2.1 利用垂直干旱指数（PDI）进行干旱监测  64-67
    4.2.2 利用温度植被干旱指数（TVDI）进行干旱监测  67-71
  4.3 本章小结  71-73
5 结论  73-75
  5.1 结论  73-74
  5.2 不足与展望  74-75
    5.2.1 不足  74
    5.2.2 研究展望  74-75
参考文献  75-80
作者简历  80-82
学位论文数据集  82-83

基于环境卫星数据的冬小麦长势监测研究

内容摘要

全文目录

相似论文