發(fā)布時間：2020-06-30 04:41

【摘要】：水稻是我國最重要的糧食作物,在人口不斷增長和耕地面積減小的背景下,了解我國水稻生產(chǎn)現(xiàn)狀以及產(chǎn)量潛力是提高水稻單產(chǎn)水平的前提。長江中下游是我國最大的水稻生產(chǎn)區(qū),在我國糧食安全保障體系中占有重要地位,該地區(qū)水稻產(chǎn)量及產(chǎn)量差的研究對了解我國水稻產(chǎn)量信息和制定糧食政策具有重要的意義。本文首先使用MODIS地表反射率產(chǎn)品與積雪產(chǎn)品數(shù)據(jù)對長江中下游一季稻面積進行遙感提取,在此基礎(chǔ)上使用RS-P-YEC模型和改進后的CASA模型對研究區(qū)一季稻的實際產(chǎn)量和潛在產(chǎn)量進行估算,最后計算長江中下游一季稻產(chǎn)量差。本文的主要內(nèi)容和結(jié)論有:(1)利用MODIS地表反射率數(shù)據(jù)、積雪數(shù)據(jù)及土地覆被數(shù)據(jù)對長江中下游地區(qū)一季稻的種植面積進行遙感提取和驗證。在省級尺度上,遙感提取面積與統(tǒng)計年鑒面積的復(fù)相關(guān)系數(shù)為0.9876,縣級尺度上提取面積與統(tǒng)計年鑒面積的復(fù)相關(guān)系數(shù)為0.7842,均通過了0.01的顯著性驗證。(2)通過增減輸入?yún)?shù)的方式對LAI、日降水量、日最高溫度和日最低溫度四種輸入?yún)?shù)對RS-P-YEC模型進行敏感性分析。得到的結(jié)論為,葉面積指數(shù)LAI對模型的模擬結(jié)果影響最大,對一季稻產(chǎn)量的影響達到了25%以上,并且其與產(chǎn)量之間呈正相關(guān)關(guān)系,而其他的三個氣象因子對模型的模型結(jié)果影響較小,日最高溫度和LAI值一樣與產(chǎn)量之間呈正相關(guān)關(guān)系,而日降水量與日最低溫度和產(chǎn)量的之間呈負(fù)相關(guān)關(guān)系。(3)使用RS-P-YEC模型對研究區(qū)2006-2016年間的一季稻實際產(chǎn)量進行模擬,并用統(tǒng)計年鑒單產(chǎn)對RS-P-YEC模型估算結(jié)果進行精度驗證,復(fù)相關(guān)系數(shù)R~2達到0.5243,均方根誤差RMSE為720.85kg/ha,平均相對誤差MRE為10.01%(P0.01)。一季稻的高產(chǎn)區(qū)(10000kg/ha)主要分布在湖北及安徽中部、湖南東北部以及江蘇的蘇中、蘇北等地區(qū);低產(chǎn)區(qū)(4000kg/ha)主要分布在浙江東北部、江蘇西南部、安徽東南部。(4)利用CASA模型對長江中下游一季稻的光溫潛在產(chǎn)量進行計算。潛在產(chǎn)量高值區(qū)主要分布在湖南、江蘇北部、安徽西南部,低值區(qū)主要分布在江蘇南部、安徽東南部以及浙江省。其中2014年潛在產(chǎn)量最高,為23304.9kg/ha。2009及2013年一季稻年均潛在產(chǎn)量低于20000kg/ha,其他年份均高于20000kg/ha。2006-2016年平均潛在產(chǎn)量為21418.87kg/ha,各省潛在產(chǎn)量的變化均表現(xiàn)出增長趨勢。(5)對長江中下游一季稻產(chǎn)量差進行計算,2009年產(chǎn)量差最低,平均產(chǎn)量差為12278kg/ha,2008、2010、2014年和2015年產(chǎn)量差均高于15000kg/ha。一季稻產(chǎn)量差最大的區(qū)域位于江西和湖南南部以及江蘇北部地區(qū),湖北以及湖南北部地區(qū)一季稻產(chǎn)量差較小,各省一季稻產(chǎn)量差均為潛在產(chǎn)量的55%以上。2006-2016年間各省市產(chǎn)量差都呈現(xiàn)增大趨勢,且研究區(qū)的大部分區(qū)域2013年之前產(chǎn)量差都處于較為穩(wěn)定的狀態(tài),但在2013年以后都有較大幅度的波動。
【學(xué)位授予單位】：長江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：S511;S127
【圖文】：

圖 2-1.長江中下游地區(qū)氣象站點分布Fig.2-1 Meteorological Station distribution of middle-lower Yangtze area

圖 2-4 2011 年 8 月 1 日氣象要素空間插值分布Fig.2-4 Spatial interpolation distribution of meteorological elements in 2011.08.012.3.2 遙感數(shù)據(jù)本研究中使用的遙感數(shù)據(jù)主要有葉面積指數(shù)（leaf area index，LAI）數(shù)據(jù)

【參考文獻】

相關(guān)期刊論文 前10條

1 孫燕瓷;馬友鑫;曹坤芳;沈金祥;張一平;梅岑岑;劉文俊;;基于Biome-BGC模型的西雙版納橡膠林碳收支模擬[J];生態(tài)學(xué)報;2017年17期

2 郭建茂;王錦杰;吳越;謝曉燕;申雙和;;基于衛(wèi)星遙感與氣象站數(shù)據(jù)的水稻高溫?zé)岷ΡO(jiān)測和評估模型研究——以江蘇、安徽為例[J];農(nóng)業(yè)現(xiàn)代化研究;2017年02期

3 楊舒暢;申雙和;陶蘇林;;長江中下游地區(qū)一季稻高溫?zé)岷r空變化及其風(fēng)險評估[J];自然災(zāi)害學(xué)報;2016年02期

4 耿利寧;景元書;楊沈斌;浩宇;;基于FastICA算法和MODIS數(shù)據(jù)的水稻面積提取[J];大氣科學(xué)學(xué)報;2015年06期

5 張元紅;劉長全;國魯來;;中國糧食安全狀況評價與戰(zhàn)略思考[J];中國農(nóng)村觀察;2015年01期

6 韓其飛;羅格平;李超凡;葉輝;馮異星;;基于Biome-BGC模型的天山北坡森林生態(tài)系統(tǒng)碳動態(tài)模擬[J];干旱區(qū)研究;2014年03期

7 李根;景元書;王琳;楊沈斌;;基于MODIS時序植被指數(shù)和線性光譜混合模型的水稻面積提取[J];大氣科學(xué)學(xué)報;2014年01期

8 張樂勤;陳發(fā)奎;;基于Logistic模型的中國城鎮(zhèn)化演進對耕地影響前景預(yù)測及分析[J];農(nóng)業(yè)工程學(xué)報;2014年04期

9 于文穎;馮銳;紀(jì)瑞鵬;趙先麗;武晉雯;姜鵬;張玉書;;利用MODIS數(shù)據(jù)提取水稻種植面積及精度分析[J];中國農(nóng)學(xué)通報;2013年33期

10 楊妍辰;王建林;宋迎波;;WOFOST作物模型機理及使用介紹[J];氣象科技進展;2013年05期

相關(guān)博士學(xué)位論文 前2條

1 佴軍;近30年江蘇省水稻生產(chǎn)的時空變化與效益分析[D];揚州大學(xué);2013年

2 張昆;光強對花生光合特性、產(chǎn)量和品質(zhì)的影響及生長模型研究[D];山東農(nóng)業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前2條

1 張桂香;長江中下游地區(qū)單季稻和夏玉米澇漬災(zāi)害風(fēng)險分析[D];中國氣象科學(xué)研究院;2016年

2 趙鑫;基于ECore的作物生長元模型構(gòu)建及模型設(shè)計工具研究[D];南京農(nóng)業(yè)大學(xué);2013年

本文編號：2734869