【摘要】：遙感作物生長模型同化是獲取區(qū)域化植被生長連續(xù)動態(tài)信息的有效途徑,已廣泛地應用到農(nóng)業(yè)領(lǐng)域。然而當進行大尺度推廣時,目前的同化技術(shù)效率,難以滿足大尺度作物生長連續(xù)動態(tài)監(jiān)測的需求。因而,提高遙感作物生長模型同化的效率,對于快速準確獲取區(qū)域尺度的植被生長動態(tài)信息意義重大,可以有效地指導農(nóng)業(yè)生產(chǎn)。本研究選擇我國重要的農(nóng)業(yè)、工業(yè)基地——湖南省株洲市作為實驗區(qū)域。收集了該區(qū)域的Landsat和HJ-1遙感影像數(shù)據(jù)、作物參數(shù)以及氣象數(shù)據(jù)。選擇合適的模型待優(yōu)化輸入?yún)?shù)構(gòu)建了遙感/作物生長模型同化框架,在GPU(Graphics Process Units)的CUDA(Compute Unified Device Architecture)平臺上成功開發(fā)了一套并行同化程序,并對比了串行程序與并行程序的同化效率。對生長季內(nèi)的各生長參數(shù)進行了時空模擬,分析了2009-2016年實驗區(qū)的水稻長勢(葉面積指數(shù)、穗重)。本文的主要研究工作及結(jié)論如下:(1)構(gòu)建了基于PSO(Particle Swarm Optimization)同化算法,以環(huán)境脅迫因子為模型待優(yōu)化輸入?yún)?shù)的遙感/WOFOST模型同化。將環(huán)境脅迫因子作為待優(yōu)化輸入?yún)?shù),可以準確地獲取研究區(qū)域中每個像元內(nèi)水稻受環(huán)境脅迫影響的程度,從而準確獲取水稻生長狀況。(2)在GPU的CUDA平臺下,開發(fā)了一套基于PSO算法的遙感/WOFOST模型并行同化程序。結(jié)果表明,對于研究區(qū)內(nèi)的所有水稻像元,采用P40 GPU的CUDA平臺,并行同化程序的效率相較于串行程序提高了280倍左右。(3)對2009-2016年的水稻長勢進行時空分析。結(jié)果表明,2014年的水稻長勢較差,環(huán)境脅迫對水稻生長過程影響較大;2009和2013年的水稻長勢較好,環(huán)境脅迫影響較小;其他年份的水稻長勢和環(huán)境脅迫處于中等水平。本研究在保證同化精度的前提下,基于GPU的CUDA平臺,采用并行的同化算法,大幅提高了遙感作物生長模型的同化效率,從而實現(xiàn)了快速、準確地獲取長時間序列、大區(qū)域尺度的水稻生長信息。該方法在農(nóng)業(yè)遙感領(lǐng)域具有重要的應用價值。
【圖文】：

參數(shù)優(yōu)化同化法

6圖 1.2 順序濾波同化法計算提到遙感/作物生長模型同化框架中大數(shù)據(jù)量、復雜模型同化效率，限制了其在大面積、長時間序列中的應用。高化效率提供了一種有效的途徑。高性能計算（High pC）又稱為超級計算，是指通過多個計算資源，并行協(xié)同載的任務。目前，高性能計算已廣泛應用于天氣預報、域。高性能計算為科學計算效率帶來的大幅提高，，使得在科學研究成為可能。隨著高性能計算的不斷發(fā)展，高性能
【學位授予單位】：中國地質(zhì)大學(北京)
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S127;S511

【相似文獻】

相關(guān)期刊論文 前10條

1 張蓉;陸萍;陳宇佳;饒燕銘;吳健;;不同地力環(huán)境下氮素對水稻長勢及產(chǎn)量的影響試驗[J];上海農(nóng)業(yè)科技;2017年04期

2 王延頤;;南方稻區(qū)遙感水稻長勢監(jiān)測與估產(chǎn)研究[J];遙感技術(shù)與應用;1991年03期

3 李衛(wèi)國;李秉柏;石春林;;基于模型和遙感的水稻長勢監(jiān)測研究進展[J];中國農(nóng)學通報;2006年09期

4 趙銳,湯君友,何隆華;江蘇省水稻長勢遙感監(jiān)測與估產(chǎn)[J];國土資源遙感;2002年03期

5 杜桂蓮;劉義;;利用遙感技術(shù)進行墾區(qū)水稻長勢監(jiān)測研究[J];現(xiàn)代化農(nóng)業(yè);2012年09期

6 劉可群,張曉陽,黃進良;江漢平原水稻長勢遙感監(jiān)測及估產(chǎn)模型[J];華中師范大學學報(自然科學版);1997年04期

7 李衛(wèi)國;李花;黃義德;;HJ衛(wèi)星遙感在水稻長勢分級監(jiān)測中的應用[J];江蘇農(nóng)業(yè)學報;2010年06期

8 張文魁;;康平郝官屯:萬畝水稻豐收在望[J];種子科技;2014年09期

9 史延清;李素軍;楊福英;;水稻起壟栽培技術(shù)探討[J];中國農(nóng)技推廣;2017年04期

10 張玲;;封面新聞[J];中國農(nóng)機監(jiān)理;2017年10期

相關(guān)會議論文 前6條

1 王秀珍;楊忠恩;黃敬峰;王人潮;;基于GIS的水稻長勢遙感監(jiān)測方法研究[A];新世紀氣象科技創(chuàng)新與大氣科學發(fā)展——中國氣象學會2003年年會“農(nóng)業(yè)氣象與生態(tài)環(huán)境”分會論文集[C];2003年

2 李秉柏;張萍萍;譚炳香;王志明;;水稻極化散射特征分析及稻田分類方法研究[A];農(nóng)業(yè)工程科技創(chuàng)新與建設(shè)現(xiàn)代農(nóng)業(yè)——2005年中國農(nóng)業(yè)工程學會學術(shù)年會論文集第一分冊[C];2005年

3 郭華東;廖靜娟;韓春明;董慶;李新武;李震;邵蕓;岳煥印;范湘濤;;RICESAT論析[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

4 李愛傳;衣淑娟;譚峰;韓東來;;水稻生長環(huán)境監(jiān)測與控制系統(tǒng)的研究[A];黑龍江省農(nóng)業(yè)工程學會2011學術(shù)年會論文集[C];2011年

5 王彥宇;張可;張嘉懿;曹強;田永超;劉小軍;;基于高效型固定翼無人機的水稻長勢快速監(jiān)測[A];2018中國作物學會學術(shù)年會論文摘要集[C];2018年

6 郭華東;;TSARSAT概念[A];第十五屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2005年

相關(guān)重要報紙文章 前10條

1 記者 陸威;今年北海海水稻長勢良好[N];北海日報;2019年

2 水稻栽培專家 嚴光彬;水稻長勢從哪些方面觀察[N];吉林農(nóng)村報;2019年

3 水稻栽培專家 嚴光彬;根據(jù)水稻長勢選品種[N];吉林農(nóng)村報;2018年

4 通訊員 吳句兵 袁斌;孔壟建設(shè)高標準農(nóng)田打造現(xiàn)代農(nóng)業(yè)格局[N];黃岡日報;2017年

5 記者 于淑鴻;萬畝水稻長勢好 黨建帶動產(chǎn)供銷[N];黑河日報;2017年

6 記者 阮蓓;四川：2900萬畝水稻長勢良好[N];農(nóng)民日報;2011年

7 陳剛;我省水稻長勢總體較好有望豐收[N];江蘇農(nóng)業(yè)科技報;2013年

8 記者 周月光;怪：水稻長勢良好就是不出米[N];海南日報;2011年

9 四川省農(nóng)業(yè)廳;我省水稻長勢良好[N];四川科技報;2011年

10 記者 張順林　通訊員 盛偉;全市百萬畝在田水稻長勢良好[N];馬鞍山日報;2012年

相關(guān)博士學位論文 前1條

1 秦占飛;西北地區(qū)水稻長勢遙感監(jiān)測研究[D];西北農(nóng)林科技大學;2016年

相關(guān)碩士學位論文 前9條

1 趙炳宇;基于并行算法的遙感與作物生長模型同化的大尺度水稻長勢動態(tài)監(jiān)測[D];中國地質(zhì)大學(北京);2019年

2 田翠玲;水稻長勢遙感監(jiān)測與產(chǎn)量預報復合建模研究[D];南京信息工程大學;2005年

3 李花;HJ-1A/B遙感監(jiān)測水稻長勢與產(chǎn)量的研究[D];安徽農(nóng)業(yè)大學;2011年

4 鄭雯;基于多源多時相遙感數(shù)據(jù)水稻長勢參數(shù)提取與應用[D];華中農(nóng)業(yè)大學;2017年

5 陳建軍;基于EOS/MODIS的江西省水稻長勢遙感監(jiān)測研究[D];南京信息工程大學;2012年

6 劉繼承;基于數(shù)字圖像處理技術(shù)的水稻長勢監(jiān)測研究[D];南京農(nóng)業(yè)大學;2007年

7 徐鵬;洪澇脅迫的水稻長勢光譜響應與災情遙感評估[D];西安科技大學;2014年

8 譚正;基于SAR數(shù)據(jù)和作物生長模型同化的水稻長勢監(jiān)測與估產(chǎn)研究[D];中國地質(zhì)大學(北京);2012年

9 劉達;遙感與作物生長模型同化評估水稻長勢[D];中國地質(zhì)大學（北京）;2013年

本文編號：2662520