【摘要】：花椒有“中國(guó)調(diào)料”的美譽(yù),是傳統(tǒng)“八大調(diào)味品”之一,也是重要的經(jīng)濟(jì)作物之一。中國(guó)作為花椒的原產(chǎn)地,是世界上花椒種植面積和產(chǎn)量最大的國(guó)家。重慶江津區(qū)主要種植“九葉青”花椒,是全國(guó)最大的“九葉青”花椒種植基地,其花椒產(chǎn)業(yè)已覆蓋25個(gè)鎮(zhèn)(街),涉及22萬(wàn)戶(hù)、61萬(wàn)椒農(nóng),是重要的支柱產(chǎn)業(yè)之一,也是重點(diǎn)打造的優(yōu)質(zhì)農(nóng)產(chǎn)品特色產(chǎn)業(yè),更是脫貧致富的重要途經(jīng)。因此,及時(shí)了解掌握花椒種植區(qū)域及空間分布,為花椒產(chǎn)業(yè)調(diào)查與決策提供可靠的數(shù)據(jù),從而逐步實(shí)現(xiàn)花椒產(chǎn)業(yè)的信息化管理,對(duì)調(diào)整花椒產(chǎn)業(yè)發(fā)展布局,輔助相關(guān)部門(mén)的農(nóng)業(yè)指導(dǎo)政策制定,提高花椒優(yōu)勢(shì)產(chǎn)區(qū)的地位以及可持續(xù)發(fā)展具有十分重要的意義。傳統(tǒng)的花椒種植信息獲取是采用農(nóng)業(yè)統(tǒng)計(jì)報(bào)表,通過(guò)基層人員實(shí)地調(diào)查數(shù)據(jù)逐級(jí)上報(bào)整理匯總。該方法在數(shù)據(jù)獲取過(guò)程中受環(huán)境因素和人為因素的影響較大,并且上報(bào)過(guò)程中費(fèi)時(shí)費(fèi)力難以及時(shí)更新發(fā)布。與傳統(tǒng)方法相比,利用衛(wèi)星遙感技術(shù)監(jiān)測(cè)農(nóng)作物空間分布信息具有經(jīng)濟(jì)效益強(qiáng)、時(shí)效性強(qiáng)、宏觀(guān)性強(qiáng)、覆蓋范圍廣、信息量大等優(yōu)點(diǎn)。近年來(lái),隨著遙感空間技術(shù)的不斷發(fā)展進(jìn)步,多傳感器、多時(shí)間分辨率、多空間分辨率和多源遙感影像數(shù)據(jù)已經(jīng)廣泛應(yīng)用到農(nóng)業(yè)遙感各領(lǐng)域的研究中。然而,山地丘陵區(qū)氣候、地形、水熱以及耕地分布較為破碎等特殊的環(huán)境條件給遙感科學(xué)研究及其應(yīng)用帶來(lái)了很多挑戰(zhàn)。因此,積極探索遙感技術(shù)在山地丘陵地區(qū)的農(nóng)作物識(shí)別研究,推動(dòng)遙感技術(shù)在山地丘陵區(qū)的應(yīng)用,已經(jīng)成為當(dāng)前需要重點(diǎn)解決的科學(xué)問(wèn)題。本研究以江津區(qū)先鋒鎮(zhèn)為研究區(qū),結(jié)合土地利用現(xiàn)狀圖和野外實(shí)地調(diào)查獲取的典型花椒分布樣點(diǎn)數(shù)據(jù),由2017年4月14日、7月23日和10月31日三個(gè)時(shí)相無(wú)云覆蓋的Sentinel-2衛(wèi)星影像分別處理計(jì)算生成的6種植被指數(shù)數(shù)據(jù)(歸一化植被指數(shù)、權(quán)重差值植被指數(shù)、土壤調(diào)節(jié)植被指數(shù)、大氣阻抗植被指數(shù)、綠色歸一化植被指數(shù)、全球環(huán)境監(jiān)測(cè)植被指數(shù)),通過(guò)數(shù)字高程模型生成高程、坡度、坡向、坡長(zhǎng)、坡高、地形濕度指數(shù)等輔助地形數(shù)據(jù),采用最大熵模型(MaxEnt)方法,對(duì)江津區(qū)先鋒鎮(zhèn)花椒進(jìn)行遙感識(shí)別,并將研究結(jié)果應(yīng)用于整個(gè)江津區(qū)的花椒遙感識(shí)別并估算其種植面積,主要研究?jī)?nèi)容及結(jié)果如下:(1)多時(shí)相與單時(shí)相遙感數(shù)據(jù)及輔助地形數(shù)據(jù)構(gòu)建模型性能比較。多時(shí)相遙感數(shù)據(jù)及輔助地形數(shù)據(jù)組合構(gòu)建模型的性能評(píng)價(jià)指標(biāo)(AUC)分別為:訓(xùn)練AUC值0.890、測(cè)試AUC值0.866,均高于單時(shí)相遙感數(shù)據(jù)(4月14日、7月23日、10月23日)及輔助地形因子構(gòu)建的模型AUC值。結(jié)果表明:多時(shí)相遙感數(shù)據(jù)及輔助地形數(shù)據(jù)組合構(gòu)建模型的性能較好。(2)模型參數(shù)設(shè)置對(duì)模型性能的影響。將調(diào)控倍頻(Regularization Multiplier,RM)設(shè)置成1、1.5、2、2.5、3,使用多時(shí)相遙感數(shù)據(jù)及輔助地形數(shù)據(jù)組成作為環(huán)境變量,比較不同調(diào)控倍頻參數(shù)值對(duì)模型性能的影響。結(jié)果表明:當(dāng)調(diào)控倍頻參數(shù)值為1時(shí),其訓(xùn)練AUC值和測(cè)試AUC值達(dá)到最高,分別是0.890、0.866。隨著調(diào)控倍頻參數(shù)值的增加,訓(xùn)練AUC值和測(cè)試AUC值都呈下降趨勢(shì)。(3)篩選影響花椒地理空間分布的主導(dǎo)因子并分析其特征。選取的環(huán)境變量包括多時(shí)相遙感植被指數(shù)和地形因子,共有24個(gè)變量,各個(gè)環(huán)境變量對(duì)花椒地空間地理分布的影響程度通過(guò)相對(duì)貢獻(xiàn)率檢驗(yàn)評(píng)價(jià),最終選擇累計(jì)貢獻(xiàn)率達(dá)到95%以上的環(huán)境變量作為影響模型的主導(dǎo)因子。結(jié)果表明篩選的主導(dǎo)因子為:7月23日的歸一化植被指數(shù),4月14日的權(quán)重差值植被指數(shù)、歸一化植被指數(shù),10月31日的權(quán)重差值植被指數(shù),以及高程、坡高、坡向、坡度、地形濕度指數(shù)。由主導(dǎo)因子的響應(yīng)曲線(xiàn)可得其特征,分別是:7月23日歸一化植被指數(shù)約為0.1-0.6、4月14日權(quán)重差值植被指數(shù)約為0.20-0.35、4月14日歸一化植被指數(shù)約為0.38-0.78、高程約為210-430m、坡高約為10-170m、10月31日權(quán)重差值植被指數(shù)約為0.20-0.33、坡向約為0-270°、坡度slope約為0-39°、地形濕度指數(shù)約為4.2-9.0,當(dāng)主導(dǎo)因子處于特征范圍內(nèi)時(shí),花椒的存在概率在0.5以上。(4)不同閾值規(guī)則下的分類(lèi)精度比較。利用MaxEnt軟件給出的常用閾值規(guī)則對(duì)先鋒鎮(zhèn)花椒預(yù)測(cè)概率圖進(jìn)行二值化分類(lèi),并通過(guò)先鋒鎮(zhèn)25%的花椒調(diào)查分布樣點(diǎn)(47個(gè))和非花椒樣點(diǎn)(140個(gè))驗(yàn)證數(shù)據(jù)集進(jìn)行分類(lèi)精度驗(yàn)證,結(jié)果表明:當(dāng)閾值選擇規(guī)則設(shè)定為Equal training sensitivity and specificity,對(duì)用閾值為0.361時(shí),分類(lèi)精度最高,總體精度為85.03%,Kappa系數(shù)為0.61。(5)江津區(qū)的花椒遙感識(shí)別。結(jié)合江津區(qū)典型花椒空間地理分布樣點(diǎn)數(shù)據(jù)和篩選的9個(gè)主導(dǎo)因子,采用最大熵模型方法,對(duì)江津區(qū)花椒進(jìn)行遙感識(shí)別。構(gòu)建模型的訓(xùn)練AUC值為0.897,測(cè)試AUC值為0.896。選用Equal training sensitivity and specificity閾值選擇規(guī)則,對(duì)應(yīng)閾值為0.319,對(duì)江津區(qū)花椒預(yù)測(cè)概率圖進(jìn)行二值化分類(lèi),通過(guò)25%的花椒分布樣點(diǎn)(116個(gè))及非花椒樣點(diǎn)(648個(gè))的驗(yàn)證數(shù)據(jù)集進(jìn)行分類(lèi)精度評(píng)價(jià),總體精度和Kappa系數(shù)分別為81.81%,0.48,同時(shí)進(jìn)行江津區(qū)花椒空間分布預(yù)測(cè)制圖,通過(guò)柵格計(jì)算估算花椒種植面積為53.99萬(wàn)畝。
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：S573.9;S127
【圖文】：

圖 3-1 研究區(qū)地理位置和 Sentinel-2 衛(wèi)星影像Fig3-1 geographic location of the study area and sentinel-2 satellite images3.2 數(shù)據(jù)獲取來(lái)源3.2.1 花椒分布調(diào)查點(diǎn)數(shù)據(jù)2017 年 6 月-9 月，本研究結(jié)合 1：10000 江津區(qū)土地利用現(xiàn)狀圖對(duì)花椒進(jìn)行野外實(shí)地調(diào)查，同時(shí)借助手持式全球定位系統(tǒng)（GPS）獲取典型花椒種植區(qū)經(jīng)緯度坐標(biāo)，并定位獲取非花椒點(diǎn)經(jīng)緯度坐標(biāo)。利用 ArcGIS 軟件對(duì)坐標(biāo)信息進(jìn)行布點(diǎn)，并通過(guò) GoogleEarth 軟件檢驗(yàn)樣點(diǎn)數(shù)據(jù)的準(zhǔn)確性。最終得到江津區(qū)花椒分布樣點(diǎn)數(shù)據(jù)461 個(gè)，非花椒分布樣點(diǎn)數(shù)據(jù) 2597 個(gè)。先鋒鎮(zhèn)花椒分布樣點(diǎn)數(shù)據(jù) 192 個(gè)，非花椒樣點(diǎn)數(shù)據(jù) 560 個(gè)。非花椒樣點(diǎn)由旱地、水田、林地、草地、果園及城鎮(zhèn)村用地等主要用地類(lèi)型按區(qū)域所占比例分層隨機(jī)抽樣獲得。3.2.2 遙感影像數(shù)據(jù)Sentinel-2 衛(wèi)星是由歐洲委員會(huì)和航天局共同實(shí)施， 哥白尼計(jì)劃 下的高分辨率多光譜成像衛(wèi)星，分為 2A 和 2B 兩顆衛(wèi)星。Sentinel-2A 衛(wèi)星于 2015 年 6 月 23

19圖 4-1 先鋒鎮(zhèn) 4 月 14 日植被指數(shù)Figure 4-1 vegetation index of xianfeng town on April 14注：0414NDVI 表示 4 月 14 日的歸一化植被指數(shù)；0414WDVI 表示 4 月 14 日的權(quán)重差值植被指數(shù)；0414SAVI 表示 4 月 14 日的土壤調(diào)節(jié)植被指數(shù)；0414GNDVI 表示 4 月 14 日的綠色歸一化植被指數(shù)；0414ARVI 表示 4 月 14 日的大氣阻抗植被指數(shù)；0414GEMI表示 4 月 14 日的全球監(jiān)測(cè)植被指數(shù)，下同。

20圖 4-2 先鋒鎮(zhèn) 7 月 23 日植被指數(shù)Fig 4-2 Vegetation index of xianfeng town on July 23注：0723NDVI 表示 7 月 23 日的歸一化植被指數(shù)；0723WDVI 表示 7 月 23 日的權(quán)重差值植被指數(shù)；0723SAVI 表示 7 月 23 日的土壤調(diào)節(jié)植被指數(shù)；0723GNDVI 表示 7 月 23 日的綠色歸一化植被指數(shù)；0723ARVI 表示 7 月 23 日的大氣阻抗植被指數(shù)；0723GEMI表示 7 月 23 日的全球監(jiān)測(cè)植被指數(shù)，下同。

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 黃慶德;;重慶市江津區(qū)九葉青花椒減產(chǎn)原因及對(duì)策分析[J];南方農(nóng)業(yè);2015年25期

2 史舟;梁宗正;楊媛媛;郭燕;;農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年02期

3 曾維超;;江津花椒種植現(xiàn)狀及技術(shù)要點(diǎn)[J];安徽農(nóng)學(xué)通報(bào);2013年13期

4 杜莉;;論花椒、辣椒在川菜的運(yùn)用及其影響[J];中國(guó)調(diào)味品;2011年12期

5 文家富;;江津花椒生長(zhǎng)周期關(guān)鍵管理技術(shù)[J];安徽農(nóng)學(xué)通報(bào)(上半月刊);2009年15期

6 陳德峰;遙感技術(shù)在我國(guó)農(nóng)業(yè)上的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);1989年03期

本文編號(hào)：2803061