收藏本站
《华中师范大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于高光谱遥感的区域冬小麦生物量模拟及粮食安全评价

夏天  
【摘要】:近年来,随着全球气候不断变暖,粮食产量受到影响。而人类的需求量不断增长,粮食缺口越来越大,粮食安全问题成为世界各国面临的主要问题之一。现代农业是以实现低能耗、高效率、高效益为目标的新型农业,它充分的利用科学技术和现代化设备,采用先进的管理方法进行农业种植。高光谱遥感技术为推进现代化农业进程提供了重要的技术支持,高光谱遥感具有实时监测能力强、监测范围广、精度高等优点,在农作物的长势监测和大面积估产、农业资源的调查与动态监测、农业灾害的预报与灾后评估等方面都发挥着重要的作用。由于遥感监测常常受到天气、影像分辨率、时间分辨率等诸多外界因素的制约,并且遥感信息只能对种植作物的表面进行观测,作物的内部结构变化、生理状况等都无法从遥感影像中直接获得,而且这些作物所反映出来的信息与作物本身、以及气候、土壤等环境因素息息相关。为了弥补这一不足,科技工作者采用了作物生长模拟模型,这种模型正是基于这些因素的影响对作物进行生长模拟,它综合了计算机技术、作物生理学、作物生态学、农业气象学、土壤学、农艺学、系统学等多学科的知识,对作物的生长、发育、产量多种状况进行动态模拟。卫星遥感技术能够宏观的监测植被状况,作物生长模型能够微观地模拟作物生长态势,两者优势互补,能够较好模拟出作物的产量。再结合自然、社会、经济等影响因素,可以对区域粮食产量进行评估,可以为区域粮食安全预警决策提供科学的依据。具体研究内容及结果如下: 1)本文首先对江汉平原湖北省潜江市后湖样区的郑麦9023、皖麦369和黄淮海平原济南市长清样区的临麦2号、稳千1号和泰农18号五个品种冬小麦在不同生育期小麦冠层光谱进行分析,同时结合与光谱数据实时采集的冬小麦叶面积指数(LAI)、冬小麦叶片叶绿素值(SPAD)、冬小麦冠层有效光合辐射比率(FPAR)等冬小麦农学参量进行分析,研究发现不同区域的冬小麦在同一生育期内叶面积指数没有明显差异,冬小麦叶面积指数与高光谱720nm-760nm附近反射率相关性达到0.65。本研究选取近红外平台最大值875nm、红光波谷670nm、绿光550nm和蓝光450nm波段的光谱反射率来计算RVI、DVI、NDVI、GRVI、EVI和SAVI这6种植被指数,通过与冬小麦叶面积指数进行相关性分析发现,其相关性在0.766~0.842之间,均具有较好的相关性。将植被指数与冬小麦叶面积指数拟合建立关系模型,并进行了预测精度检验,结果显示植被指数RVI和GRVI在LAI小于3.0时拟合度较好,但随着冬小麦的覆盖度增加拟合精度下降。RVI和GRVI这两种植被指数都较敏感,特别是LAI大于3.0后,对植被的变化更敏感。DVI、NDVI、EVI和SAVI这四种植被指数模拟精度在整个生育期变化不大。利用BP神经网络选取多个典型波段反射率对冬小麦叶面积指数进行估算,能够大大地提高反演精度,拟合度高达0.959,总均方根差RMSE为0.208。但是BP神经网络如果另外增加了学习样本,“训练”好的网络就需要从头开始训练,它们对以前的权值和阀值是没有记忆的,神经网络相对传统的回归模型而言,实用性有待进一步研究。 2)研究区域的冬小麦叶片叶绿素值(后简称SPAD)在整个生育期内均呈现抛物线变化,但是两样区间冬小麦叶片SPAD值存在明显差异,主要表现在SPAD峰值出现的生育期不同,后湖样区冬小麦叶片SPAD峰值出现在抽穗期,长清样区冬小麦叶片SPAD峰值出现在拔节期。这种区别在光谱反射率曲线中也得到反映,后湖样区冬小麦光谱的蓝、红光波段在拔节期出现了降低的现象,这说明叶绿素含量在升高;而长清样区的绿光波段在拔节期至抽穗期升高,说明该时期叶片的叶绿素含量降低。两研究区域冬小麦叶绿素含量的这些变化都能从光谱变化中得到印证。两样区冬小麦SPAD值与冬小麦冠层光谱反射率分别在674nm(后湖样区)和686nm(长清样区)附近达到波谷负相关最大值,760nm-1350nm近红外波段反射率与SPAD值呈显著的正相关。由于两样区冬小麦叶片SPAD存在较大的差异,故本研究分别将两样区冬小麦叶片SPAD值与植被指数GRVI、RVI、NDVI、DVI进行相关性分析,相关系数在0.686~0.901之间,其中后湖样区的SPAD值与NDVI相关系数最高,达到0.901;长清区冬小麦SPAD值与NDVI相关系数达到0.873。通过建立植被指数与SPAD值的回归模型,经模型精度检验,NDVI预测模型显示其精度相对较高,后湖样区和长清样区冬小麦SPAD反演模型均能较好的对该地区冬小麦SPAD值进行估算。 3)在对冬小麦冠层光合有效辐射比率(后简称FPAR)研究中发现,两样区的冬小麦FPAR值的差异不明显,冬小麦FPAR值与冠层光谱反射率绿光波段510nm处的负相关性最大,相关系数为-0.74,与760nm附近光谱反射率相关性为0.65。通过对冬小麦FPAR与RVI、DVI、NDVI、GRVI、EVI和SAVI这6种植被指数进行相关性分析,相关系数在0.737~0.837之间,说明这6种植被指数与冬小麦FPAR相关性均较好,为了找出最佳预测FPAR模型,并比较几种模型的预测精度,将6种植被指数与冬小麦FPAR进行拟合,拟合结果显示6种植被指数中NDVI较适合进行FPAR的估算,R2为0.802。其次SAVI的估算精度较高,R2为0.734。通过精度检验结果表明,NDVI适用两样区的冬小麦FPAR估算,估算结果较好。 4)为了更好地分析研究济南市长清区冬小麦产量情况,本文将微观研究与宏观研究相结合,最终选取WOFOST (World Food Studies)作物生长模型进行模拟长清区冬小麦生长,该模型能够较好的对长清区冬小麦产量进行估算。通过中国“资源环境卫星A、B星”遥感影像与本文研究的冬小麦LAI反演模型相结合,对研究区域范围内的冬小麦LAI值进行反演。由于WOFOST作物生长模型最初是为欧洲作物进行的设计,本文对该模型进行了“本地化”的优化,通过收集长清区逐日气象资料、并实测土壤数据和作物数据,在文献检索和专家咨询的基础上,对WOFOST模型进行本地化参数设置,同时利用FSEOPT优化程序,结合遥感影像反演冬小麦LAI值结果对模拟模型参数进行调整。通过“本地化”后的WOFOST作物生长模型能够较好地预测出长清区的冬小麦产量变化趋势。为评价长清区冬小麦供应状况提供了科学的数据支持。 5)通过收集济南市区及长清区的社会、经济和自然条件等资料,综合分析长清区的农业、人口、消费、经济等情况,发现长清区近年来人口数量呈整体下降趋势。随着经济的发展,城市居民消费结构发生了改变,由原来以“食品为主衣着为辅”的消费结构变为如今的多元化消费结构,同时城市居民的饮食结构也在发生了变化,粮食摄入量减少,乳制品、水果等其它食品摄入量增加。农村居民的生活水平在不断提高,虽然粮食的摄入量变化不是很明显,但油脂类、肉禽类的摄入量呈上升趋势。长清区近几年冬小麦的播种面积没有大的变化,基本维持在22000公顷左右。冬小麦的单产变化较为明显,冬小麦产量受到天气、环境、管理等外界因素的影响极大。本文选取长清区及济南市区的粮食产量、人口、收入及消费分别作为自然、社会及经济因素的评价指标。通过粮食安全综合评价模型,对长清区冬小麦产量变化率进行评价,评价结果显示:2007年和2009年长清区粮食产量变化率有较大波动,冬小麦总产量出现明显降低的情况,其它年份均较上一年基本持平或有所提高。长清区冬小麦粮食安全指数分为两种情景研究,一种为对内供应型,长清区冬小麦仅供给该地区;另外一种为内外兼顾型,长清区冬小麦需要供给该地区和济南市区。第一种情况,由于长清区属于粮食生产地区,区内冬小麦产量足以满足该地区居民的需求,安全指数为安全状态。第二种情况,除2007年长清区冬小麦产量出现急剧下滑的情况,该地区冬小麦产量不能满足区内居民及济南市区居民需求,安全指数为不安全状态,其它年份冬小麦产量均能满足两地区居民需求。此评价方法对未来预测区域粮食安全状况具有一定的参考价值。
【学位授予单位】:华中师范大学
【学位级别】:博士
【学位授予年份】:2011
【分类号】:S512.11

【相似文献】
中国期刊全文数据库 前10条
1 夏天;吴文斌;周清波;周勇;于雷;;基于高光谱的冬小麦叶面积指数估算方法[J];中国农业科学;2012年10期
2 陈雪洋;蒙继华;朱建军;杜鑫;;冬小麦叶面积指数的高光谱估算模型研究[J];测绘科学;2012年05期
3 王凯龙;熊黑钢;张芳;;干旱区冬小麦不同生长阶段的光谱特征与叶绿素含量估测研究[J];干旱区资源与环境;2013年11期
4 刘庆生;张敏;宁吉才;刘高焕;傅新;黄翀;;翅碱蓬高光谱植被指数对土壤化学性质的响应[J];地理与地理信息科学;2011年03期
5 田永超;杨杰;姚霞;朱艳;曹卫星;;高光谱植被指数与水稻叶面积指数的定量关系[J];应用生态学报;2009年07期
6 黄锦;孙永华;;适用于洪河湿地5种植物分类的高光谱植被指数筛选[J];湿地科学;2016年06期
7 葛昊;卢珊;赵云升;;叶片茸毛对叶片反射光谱及高光谱植被指数的影响研究[J];光谱学与光谱分析;2012年02期
8 赵佳佳;冯美臣;王超;杨武德;李志花;朱智慧;任鹏;刘婷婷;王慧琴;;基于光谱植被指数的冬小麦叶绿素含量反演[J];山西农业大学学报(自然科学版);2014年05期
9 常好雪;蔡晓斌;陈晓玲;孙昆;;基于实测光谱的植被指数对水稻叶面积指数的响应特征分析[J];光谱学与光谱分析;2018年01期
10 韩茜;张潇元;王树东;张立福;张霞;田静国;;冬小麦典型多参量冠层高光谱反演的光谱指标敏感性研究[J];科学技术与工程;2017年25期
中国重要会议论文全文数据库 前10条
1 刘庆生;刘高焕;宁吉才;张敏;傅新;;翅碱蓬高光谱植被指数对土壤化学性质的响应[A];第十七届中国遥感大会摘要集[C];2010年
2 曾占奎;张帅;韩志鹏;王黎明;王征宏;庞玉辉;王春平;;不同基因型小麦抗旱植被指数及其产量综合分析[A];中国作物学会作物种子专业委员会2017年学术年会论文摘要集[C];2017年
3 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年
4 安培浚;颉耀文;;绿洲植被指数的遥感定量研究-以民勤绿洲为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
5 张树誉;李登科;李星敏;周辉;;遥感植被指数及其在县域生态环境监测评估中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年
7 王怿璞;李锐;闵启龙;张雷明;于贵瑞;黄建国;Yves Bergeron;;利用新型微波植被指数遥感森林蒸散[A];第35届中国气象学会年会 S21 卫星气象与生态遥感[C];2018年
8 周晓双;姚霞;田永超;程涛;朱艳;曹卫星;;基于高光谱的稻麦叶面积指数监测研究[A];2014年中国作物学会学术年会论文集[C];2014年
9 陈秋霞;莫科;邹蓉;韦春强;唐赛春;;不同光强下三叶鬼针草SPAD值的变化特征[A];第二届全国生物入侵学术研讨会论文摘要集[C];2008年
10 刘孝良;赫英姿;于庭洪;赵冲;左玲;宋策;;柞树叶片SPAD值与叶绿素含量的相关性分析[A];2014年全国桑树病虫防控学术研讨会论文集[C];2014年
中国重要报纸全文数据库 前10条
1 记者 郭军 通讯员 沙道兵;西北地区植被指数呈上升趋势[N];陕西日报;2016年
2 陈媛媛;住宅区植被指数越高,居民寿命更长?[N];中国环境报;2019年
3 本报记者 李惠钰;住宅区植被指数高,老人寿命更长[N];中国科学报;2019年
4 贺安康 本报记者 李春明;共推“贵阳一号”高光谱卫星 大数据应用项目落地[N];贵阳日报;2019年
5 南方日报记者 郑佳欣 朱紫强 沈梦怡;“珠海一号”第二批卫星最快年底发射[N];南方日报;2017年
6 赵凡;“高光谱小卫星载荷关键技术研究”启动[N];中国国土资源报;2009年
7 ;冬小麦春管技术看这里[N];农资导报;2019年
8 记者 刘红文 通讯员 刘荣森;180万亩冬小麦长势良好[N];阿克苏日报(汉);2019年
9 记者 范韶华;731.7公斤!洪洞冬小麦单产纪录再创全省新高[N];临汾日报;2019年
10 记者 李林霞;731.7公斤 农大技术刷新冬小麦单产纪录[N];山西日报;2019年
中国博士学位论文全文数据库 前10条
1 夏天;基于高光谱遥感的区域冬小麦生物量模拟及粮食安全评价[D];华中师范大学;2011年
2 秦占飞;西北地区水稻长势遥感监测研究[D];西北农林科技大学;2016年
3 丑述仁;光化学植被指数和日光诱导叶绿素荧光与作物光合作用的关系[D];南京大学;2018年
4 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年
5 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年
6 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年
7 谢巧云;考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
8 郝雅珺;基于长期定位试验的土壤及冬小麦的高光谱响应特征[D];西北农林科技大学;2015年
9 王超;水下可见光通信单光子检测关键技术研究[D];战略支援部队信息工程大学;2018年
10 罗新宁;基于SPAD的棉花氮素营养诊断及氮营养特性研究[D];新疆农业大学;2010年
中国硕士学位论文全文数据库 前10条
1 葛昊;叶片茸毛对利用高光谱植被指数反演叶绿素含量的影响[D];东北师范大学;2012年
2 任鹏;低温胁迫下冬小麦冠层高光谱变化特征及响应生理参数监测[D];山西农业大学;2015年
3 杨昕;不同遥感植被指数组合模式监测小麦主要苗情参数研究[D];扬州大学;2015年
4 杨勤英;冬小麦叶面积指数与氮素垂直分布的高光谱反演研究[D];安徽大学;2014年
5 殷紫;不同生育期冬小麦生理生化参数高光谱估测研究[D];西北农林科技大学;2016年
6 马勤建;基于高光谱植被指数的棉花冠层结构参数的估算研究[D];石河子大学;2008年
7 刘霞;基于冠层主动传感器的冬小麦长势监测及适宜植被指数动态模型研究[D];南京农业大学;2017年
8 彭瑶;基于高光谱遥感的三峡库区典型消落带植被指数构建研究[D];重庆师范大学;2019年
9 凯楠;基于时空分辨率融合的延河流域植被季节变化分析[D];西北大学;2018年
10 周婧;植被指数对土壤重金属异常的响应分析[D];成都理工大学;2018年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026