發(fā)布時(shí)間：2020-09-25 14:40

　　 玉米是我國主要的糧食作物之一,準(zhǔn)確高效地獲得玉米產(chǎn)量對(duì)于國家制定農(nóng)業(yè)決策、優(yōu)化糧食產(chǎn)業(yè)發(fā)展等具有重要意義。傳統(tǒng)估產(chǎn)方法需要大量的人力物力,而遙感估產(chǎn)方法不僅數(shù)據(jù)獲取及時(shí)高效、成本低,且由于其監(jiān)測范圍廣的特點(diǎn),使得農(nóng)作物大面積估產(chǎn)成為了可能。當(dāng)前,利用遙感技術(shù)進(jìn)行農(nóng)作物產(chǎn)量估算已成為主流方法。隨著現(xiàn)代科技的發(fā)展,衛(wèi)星種類越來越多,不同空間和時(shí)間分辨率、不同質(zhì)量、不同功能的衛(wèi)星所采集的遙感影像正在滿足著社會(huì)越來越多的需求。本文主要結(jié)合HJ-1A/B和Landsat8兩種衛(wèi)星影像數(shù)據(jù),對(duì)研究區(qū)玉米產(chǎn)量遙感估算方法進(jìn)行了研究。本文以吉林省長春地區(qū)九臺(tái)區(qū)、德惠市和農(nóng)安縣為研究區(qū),利用遙感影像獲得的植被指數(shù)數(shù)據(jù),通過統(tǒng)計(jì)估產(chǎn)方法和光能利用率模型進(jìn)行了估產(chǎn)研究,并對(duì)模型精度進(jìn)行分析評(píng)價(jià)。統(tǒng)計(jì)估算法的原理清晰、方法簡單且所需數(shù)據(jù)容易獲取,而光能利用率模型有科學(xué)原理作為理論基礎(chǔ),過程簡單,參數(shù)較少且容易獲取,可以滿足大范圍產(chǎn)量估算。在進(jìn)行統(tǒng)計(jì)估產(chǎn)方法研究時(shí),選取歸一化植被指數(shù)NDVI、增強(qiáng)型植被指數(shù)EVI、比值植被指數(shù)RVI和綠度G作為分析參數(shù),分別建立曲線統(tǒng)計(jì)、多元逐步回歸、偏最小二乘回歸和神經(jīng)網(wǎng)絡(luò)玉米產(chǎn)量估算模型。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)建立的估產(chǎn)模型穩(wěn)定且精度最高,模型決定系數(shù)R~2為0.997,驗(yàn)證點(diǎn)實(shí)測產(chǎn)量與估算產(chǎn)平均絕對(duì)百分誤差MAPE為6.94%,相對(duì)均方根誤差RRMSE為7.36%,可滿足研究區(qū)玉米產(chǎn)量估算需求。為了研究統(tǒng)計(jì)估產(chǎn)模型在時(shí)間尺度的適用性問題,將2016年遙感參數(shù)作為輸入數(shù)據(jù),利用2017年建立的神經(jīng)網(wǎng)絡(luò)估產(chǎn)模型對(duì)2016年玉米產(chǎn)量進(jìn)行估算,結(jié)果表明,驗(yàn)證點(diǎn)實(shí)測產(chǎn)量與估算產(chǎn)量的平均絕對(duì)百分誤差MAPE為11.71%,相對(duì)均方根誤差RRMSE為14.05%,表明估產(chǎn)模型在時(shí)間尺度具有一定的適用性。在利用光能利用率模型估算研究區(qū)玉米產(chǎn)量時(shí),使用估算模型預(yù)測太陽總輻射SOL值,并通過IDW空間插值方法獲得SOL空間分布數(shù)據(jù)。通過野外實(shí)驗(yàn)分析了光合有效輻射吸收比例FPAR的日變化趨勢(shì),并對(duì)模型中FPAR估算結(jié)果進(jìn)行了精度評(píng)價(jià),證明其可靠性。通過模型估算獲得研究區(qū)玉米產(chǎn)量,并使用驗(yàn)證點(diǎn)數(shù)據(jù)對(duì)其估算精度進(jìn)行評(píng)價(jià)。結(jié)果表明,驗(yàn)證點(diǎn)實(shí)測產(chǎn)量與估算產(chǎn)量的相對(duì)誤差主要集中在±20%范圍,最大誤差為28.75%,最小誤差為-0.73%,平均絕對(duì)百分誤差MAPE為11.93%,相對(duì)均方根誤差RRMSE為15.12%,表明該模型對(duì)于研究區(qū)玉米產(chǎn)量估算具有一定的可靠性。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S513;S127
【部分圖文】：

以及通過野外實(shí)驗(yàn)獲得的采樣點(diǎn)實(shí)測產(chǎn)量數(shù)據(jù)。本性特征，并進(jìn)行了相應(yīng)的數(shù)據(jù)處理工作。區(qū)概況林省玉米主要產(chǎn)區(qū)的三個(gè)地市縣作為研究區(qū)，通過了解該概況信息，為研究奠定基礎(chǔ)。環(huán)境為吉林省玉米主要種植區(qū)域的九臺(tái)區(qū)、德惠市和農(nóng)安縣三126°30′，北緯 43°50′～44°55′范圍內(nèi)，其中，九臺(tái)區(qū)總德惠市總面積 3435 平方千米，農(nóng)安縣全縣面積 5400 平方 2.1 所示。

猗鏡悖噘盤ㄇ釲?12 個(gè)樣本點(diǎn)，采樣點(diǎn)空間分布如圖 2.3 所示。（a）野外測產(chǎn)工作照 （b）采樣點(diǎn)空間分布圖圖 2.3 野外測產(chǎn)工作照與采樣點(diǎn)空間分布圖2.3 數(shù)據(jù)處理研究所需各數(shù)據(jù)由于自身數(shù)據(jù)特征，需要進(jìn)行一定的預(yù)處理工作。HJ-1A/B衛(wèi)星數(shù)據(jù)、Landsat8 衛(wèi)星數(shù)據(jù)主要進(jìn)行輻射定標(biāo)和大氣校正。MOD16 蒸散量產(chǎn)品通過數(shù)據(jù)處理工具 MRT 完成處理操作。氣象數(shù)據(jù)主要進(jìn)行了模型估算與空間插值。測產(chǎn)樣本通過脫粒、烘干等操作獲得實(shí)測產(chǎn)量數(shù)據(jù)。2.3.1 遙感數(shù)據(jù)處理（1）HJ-1A/B 衛(wèi)星數(shù)據(jù)與 Landsat8 衛(wèi)星數(shù)據(jù)處理對(duì) HJ-1A/B 衛(wèi)星數(shù)據(jù)和 Landsat8 衛(wèi)星數(shù)據(jù)的預(yù)處理主要包括輻射定標(biāo)和大氣校正，整個(gè)預(yù)處理過程均在 ENVI5.1 軟件中完成。

化過程通過絕對(duì)定標(biāo)系數(shù)實(shí)現(xiàn)，HJ-1A/B 衛(wèi)星數(shù)據(jù)使用基于 ENVI 的定標(biāo)拓展工具完成遙感數(shù)據(jù)的定標(biāo)。Landsat8 衛(wèi)星數(shù)據(jù)使用 ENVI 的通用定標(biāo)工具Radiometric Calibration 對(duì)數(shù)據(jù)進(jìn)行輻射定標(biāo)。大氣校正是為了消除由于大氣層散射效應(yīng)使遙感影像輻射數(shù)據(jù)發(fā)生變化而形成的輻射誤差，不僅能夠消除大氣中水分、二氧化碳、臭氧和氣溶膠等物質(zhì)造成的誤差，而且能夠校正由衛(wèi)星角度和太陽高度角造成的影響，此外對(duì)臨近像元交叉輻射問題也能實(shí)現(xiàn)校正處理。大氣校正時(shí)，需要獲得衛(wèi)星數(shù)據(jù)所需的光譜響應(yīng)函數(shù)。本文選擇 ENVI 遙感圖像處理軟件自帶的 FLAASH 大氣校正模塊對(duì)影像進(jìn)行處理。根據(jù)遙感數(shù)據(jù)類型確定傳感器類型、傳感器高度和像元大小等參數(shù)，根據(jù)研究區(qū)地理位置確定經(jīng)緯度和高程等參數(shù)，根據(jù)獲取遙感影像的日期時(shí)間確定相應(yīng)時(shí)間參數(shù)，根據(jù)遙感影像拍攝的日期確定氣溶膠模式和大氣水汽等參數(shù)。如圖 2.4 所示為經(jīng)過輻射定標(biāo)和大氣校正處理后的研究區(qū) HJ-1A/B 衛(wèi)星與Landsat8 衛(wèi)星影像。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任建強(qiáng);陳仲新;周清波;劉佳;唐華俊;;MODIS植被指數(shù)的美國玉米單產(chǎn)遙感估測[J];遙感學(xué)報(bào);2015年04期

2 張鐵楠;許為政;魏n\;顧萬榮;賀丹;蘆玉雙;錢誠;陳琦;李晶;;WOFOST模型對(duì)東北春麥區(qū)春小麥生長和產(chǎn)量的模擬效果[J];麥類作物學(xué)報(bào);2015年01期

3 趙軍;王玉純;黨國鋒;武江民;付杰文;師銀芳;;基于凈初級(jí)生產(chǎn)力的春小麥生產(chǎn)潛力及估產(chǎn)研究——以甘肅省白銀區(qū)為例[J];干旱地區(qū)農(nóng)業(yè)研究;2015年01期

4 賀添;邵全琴;;基于MOD16產(chǎn)品的我國2001-2010年蒸散發(fā)時(shí)空格局變化分析[J];地球信息科學(xué)學(xué)報(bào);2014年06期

5 段平;盛業(yè)華;李佳;呂海洋;張思陽;;自適應(yīng)的IDW插值方法及其在氣溫場中的應(yīng)用[J];地理研究;2014年08期

6 蘇濤;馮紹元;徐英;;基于光能利用效率和多時(shí)相遙感的春玉米估產(chǎn)模型[J];遙感技術(shù)與應(yīng)用;2013年05期

7 李思佳;孫艷楠;李蒙;陳智文;;國內(nèi)外農(nóng)作物遙感估產(chǎn)的研究進(jìn)展[J];世界農(nóng)業(yè);2013年05期

8 羅夢(mèng)森;景元書;熊世為;;基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的水稻氣象產(chǎn)量預(yù)報(bào)模型[J];氣象科學(xué);2012年06期

9 宋富強(qiáng);鄭壯麗;王令超;;基于CASA模型的河南省冬小麥估產(chǎn)研究[J];河南科學(xué);2012年10期

10 李海亮;羅微;李世池;戴聲佩;劉海清;;基于遙感信息和凈初級(jí)生產(chǎn)力的天然橡膠估產(chǎn)模型[J];自然資源學(xué)報(bào);2012年09期

本文編號(hào)：2826692