学位论文 > 优秀研究生学位论文题录展示

基于遥感信息与模型耦合的水稻生长预测技术研究

作　者: 王航
导　师: 曹卫星
学　校: 南京农业大学
专　业: 作物栽培学与耕作学
关键词: 遥感水稻生长模型耦合技术生产力预测系统开发
分类号: S511
类　型: 硕士论文
年　份: 2011年
下　载: 37次
引　用: 0次
阅　读: 论文下载

内容摘要

作物生长模型和遥感信息是作物生长监测预测的2个有力工具,将水稻生长模型和遥感有机结合,有助于模型的过程性、机理性与遥感的空间性、实时性优势互补,既提高水稻生长模型的区域应用能力,又增强遥感监测预测的机理性。本研究提出了一种基于地空遥感信息与生长模型耦合的水稻产量预测方法,该方法基于同化策略,以不同生育时期的水稻叶面积指数(LAI)和叶片氮积累量(LNA)为信息融合点,将地面光谱数据(ASD)及HJ-1 A/B数据与水稻生长模型(RiceGrow)相耦合,反演得到区域尺度生长模型运行时难以准确获取的部分管理措施参数(播种期/移栽期、播种量和施氮量),在此基础上实现了对水稻产量的有效预测。结果表明,将LNA和LAI共同作为遥感和模型的耦合点反演效果较好,粒子群同化算法(PSO)相比于复合型混合演化算法(SCE_A)更适合耦合同化过程,对模型输入参数如播种期/移栽期、播种量和施氮量反演的RMSE值分别为1.25 d、4.52 kg·hm-2和3.69 kg·hm-2.在此基础上实现了对水稻生长状况和产量的有效预测。将过程更新策略(updating strategy)和同化策略(assimilation strategy)相结合,研究建立了基于更新与同化结合策略的遥感模型耦合技术。在遥感信息与水稻生长模型(RiceGrow)的耦合过程中,先利用集合平方根滤波(EnSRF)算法,综合考虑模型模拟和遥感反演生理指标的误差,得到叶面积指数(LAI)和叶片氮积累量(LNA)的更新值,再以这一更新的生理指标序列作为遥感与模型的耦合点,利用初始化策略获取关键初始参数(播种期/移栽期、播种量和施氮量)。结果表明,结合更新和同化策略后模拟的LAI、LNA相比与模型模拟值和遥感监测值,更加接近实测值。且将获取到的参数输入模型运行得到的产量结果也优于单纯同化策略,田块和区域尺度产量预测结果与实测值和统计值之间有很好的一致性。因此,基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术提高了模型的预测精度,可为水稻生长监测和生产力预测提供重要技术依据。根据面向对象程序设计原理,以Microsoft.NET Framework 3.5为开发环境,C#为编程语言实现系统整体架构和界面定制,调用IDL组件实现遥感信息处理功能,调用GIS组件ESRI ArcGIS Engine 9.3实现GIS空间分析和专题制图功能,另外将利用C#语言编写的水稻生长模型组件和上述耦合技术的代码进行集成,在此基础构建了基于遥感信息与生长模型耦合的水稻生长预测系统(RGMPS),实现了影像预处理与光谱信息提取、遥感监测、模拟预测、专题制图等功能。

全文目录

摘要 7-9ABSTRACT 9-11第一章绪论 11-29 1 研究概述 11-20 1.1 基于遥感的作物监测预测研究进展 11-14 1.1.1 作物生长动态监测 11-12 1.1.2 作物遥感估产 12-14 1.2 作物生长模型研究进展 14-16 1.3 遥感信息与作物生长模型耦合的研究进展 16-20 1.3.1 基于驱动策略的模型与遥感耦合研究 16-17 1.3.2 基于同化策略的模型与遥感耦合研究 17-18 1.3.3 基于过程更新策略的模型与遥感耦合研究 18-19 1.3.4 模型与遥感耦合效率研究 19-20 2 研究的目的与意义 20-22 参考文献 22-29第二章技术路线与研究方法 29-39 1 研究思路与技术路线 29-31 1.1 研究思路 29 1.2 核心技术路线 29-31 1.2.1 遥感信息与生长模型耦合的技术路线 29-31 2 材料与方法 31-35 2.1 试验设计 31-32 2.2 数据获取 32-33 2.2.1 遥感影像获取 32 2.2.2 地面光谱测试 32-33 2.2.3 模型输入资料获取 33 2.2.4 农学参数测定 33 2.3 数据分析与利用 33-34 2.3.1 遥感影像预处理与水稻信息提取 33-34 2.3.2 农学参数遥感监测模型 34 2.3.3 数据统计与利用 34 2.4 水稻生长模型RiceGrow 34-35 3 系统结构设计 35-38 3.1 系统结构与组成 35-36 3.1.1 数据库 36 3.1.2 遥感监测模型库 36 3.1.3 水稻生长模型库 36 3.1.4 人机界面 36 3.2 系统开发流程 36-38 参考文献 38-39第三章基于同化策略的遥感信息与水稻生长模型耦合技术研究 39-53 1 材料与方法 40-41 1.1 试验设计 40-41 1.2 数据获取 41 1.2.1 遥感影像获取 41 1.2.2 地面光谱测试 41 1.2.3 模型输入资料获取 41 1.2.4 农学参数获取 41 1.3 数据分析与利用 41 1.4 水稻生长模型RiceGrow 41 2 结果与分析 41-49 2.1 遥感信息与RiceGrow模型的耦合流程 41-42 2.2 优化算法 42-43 2.3 待优化参数以及遥感与模型耦合点的选择 43-44 2.4 目标函数设定 44 2.5 实例分析 44-49 2.5.1 遥感与RiceGrow模型耦合的正确性验证 44-45 2.5.2 基于地面单点的实例分析 45-47 2.5.3 基于空间区域尺度的实例分析 47-49 3 讨论与小结 49-50 参考文献 50-53第四章基于更新和同化策略相结合的遥感信息与水稻生长模型耦合技术研究 53-65 1 材料与方法 54-55 1.1 试验设计 54 1.2 数据获取 54-55 1.2.1 遥感影像获取 54 1.2.2 地面光谱测试 54-55 1.2.3 模型输入资料获取 55 1.2.4 农学参数获取 55 1.3 数据分析与利用 55 1.4 水稻生长模型RiceGrow 55 2 结果与分析 55-61 2.1 基于更新和同化策略结合的遥感与RiceGrow耦合过程 55 2.2 优化算法选择 55-56 2.3 待优化参数确定以及遥感与模型耦合点选择 56 2.4 同化过程中目标函数设定 56-57 2.5 基于地面遥感数据的实例分析 57-60 2.5.1 基于更新和同化结合策略的正确性验证 57-58 2.5.2 基于地面田块尺度的实例分析 58-60 2.6 基于区域遥感数据的实例分析 60-61 3 讨论与小结 61-62 参考文献 62-65第五章水稻生长监测预测系统的构建与实现 65-77 1 系统的结构与组成 66-74 1.1 系统开发环境与工具 66-67 1.2 系统功能设计 67-68 1.3 系统关键技术实现 68-69 1.3.1 系统RS功能实现 68-69 1.3.2 系统GIS空间管理功能实现 69 1.3.3 系统中遥感与生长模型耦合技术的实现 69 1.4 系统功能演示 69-74 1.4.1 影像处理与生长监测 69 1.4.2 水稻生长模拟预测 69-74 1.4.3 空间分析与专题制图 74 2 讨论与小结 74-76 参考文献 76-77第六章讨论与结论 77-83 1 讨论 77-79 1.1 基于同化策略的遥感信息与水稻生长模型耦合技术 77 1.2 基于更新和同化策略结合的遥感信息与水稻生长模型耦合技术 77-78 1.3 水稻生长监测预测系统 78 1.4 今后的研究设想 78-79 2 结论 79-81 参考文献 81-83附录Ⅰ 硕士期间发表或投稿的论文 83附录Ⅱ 硕士期间参与科研项目 83-85致谢 85

基于遥感信息与模型耦合的水稻生长预测技术研究

内容摘要

全文目录

相似论文