水稻作為我國(guó)最主要的糧食作物其重要性不言而喻,水稻產(chǎn)量的及時(shí)準(zhǔn)確監(jiān)測(cè)對(duì)我國(guó)的糧食安全至關(guān)重要。傳統(tǒng)水稻估產(chǎn)研究主要借助一系列的遙感衛(wèi)星進(jìn)行,但由于受時(shí)空間分辨率、天氣狀況和云層遮擋等一系列因素的制約無(wú)法實(shí)現(xiàn)更加準(zhǔn)確及時(shí)的估產(chǎn)效果。隨著近年來(lái)無(wú)人機(jī)領(lǐng)域的飛速發(fā)展,無(wú)人機(jī)平臺(tái)的高便捷性、高靈活性、高穩(wěn)定性和高時(shí)空分辨率使得基于無(wú)人機(jī)載傳感器的近地面區(qū)域水稻精確估產(chǎn)研究成為可能。本文通過(guò)無(wú)人機(jī)搭載成像高光譜相機(jī)獲取了三年水稻小區(qū)實(shí)驗(yàn)成像高光譜數(shù)據(jù),在傳統(tǒng)估產(chǎn)方法的基礎(chǔ)上充分利用了成像高光譜遙感數(shù)據(jù)圖譜合一的優(yōu)勢(shì),通過(guò)考慮了水稻有效生育期長(zhǎng)度信息、精細(xì)化生育期信息和水稻田塊空間紋理信息進(jìn)一步提高了估產(chǎn)精度,最終達(dá)到了更為精確且推廣性更好普適性更強(qiáng)的估產(chǎn)結(jié)果。具體研究成果如下:（1）本文首先利用成像高光譜相機(jī)光譜信息豐富的優(yōu)勢(shì)通過(guò)基于經(jīng)驗(yàn)統(tǒng)計(jì)模型的估產(chǎn)方法建立了更加準(zhǔn)確的水稻最佳多生育期植被指數(shù)估產(chǎn)模型,最佳估產(chǎn)模型為基于孕穗期NDVI_[824,728]、抽穗期NDVI_[784,740]和成熟期NDVI_[776,724]的經(jīng)驗(yàn)估產(chǎn)... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

012-2018年我國(guó)糧食總進(jìn)出口量

無(wú)人機(jī)成像高光譜遙感水稻估產(chǎn)方法技術(shù)路線圖

浙江大學(xué)碩士學(xué)位論文研究數(shù)據(jù)和方法10圖2.1實(shí)驗(yàn)田衛(wèi)星影像（影像數(shù)據(jù)來(lái)源于GoogleEarth，拍攝時(shí)間為2019年8月5日）表2.12017-2019年試驗(yàn)區(qū)水稻種植品種品種編號(hào)2017年2018年2019年S1嘉58浙粳99南粳9108S2浙粳99嘉67南粳46表2.2不同品種水稻前期實(shí)驗(yàn)生長(zhǎng)特征參數(shù)水稻品種畝產(chǎn)（公斤）全生育期（天）畝有效穗（萬(wàn)）成穗率（%）結(jié)實(shí)率（%）千粒重（g）嘉58618.215625.477.392.826.7浙粳99630.215720.671.590.325.1嘉67662.516020.370.789.925.2南粳9108644.215321.270.994.226.4南粳46590.616519.880.089.624.3本實(shí)驗(yàn)通過(guò)不同的氮肥施用水平設(shè)置梯度對(duì)照實(shí)驗(yàn)，為滿足實(shí)驗(yàn)要求共設(shè)置5個(gè)不同梯度的氮素處理即N0梯度（不施氮肥）、N1梯度（當(dāng)年正常施氮水平的0.5倍）、N2梯度（當(dāng)年正常施氮水平）、N3梯度（當(dāng)年正常施氮水平的1.5倍）和N4梯度（當(dāng)年正常

【參考文獻(xiàn)】：
期刊論文
[1]基于無(wú)人機(jī)遙感植被指數(shù)優(yōu)選的田塊尺度冬小麥估產(chǎn)[J]. 朱婉雪,李仕冀,張旭博,李洋,孫志剛.  農(nóng)業(yè)工程學(xué)報(bào). 2018(11)
[2]全球背景下中國(guó)糧食貿(mào)易和安全問(wèn)題探討[J]. 汪文忠.  糧食問(wèn)題研究. 2018(02)
[3]基于無(wú)人機(jī)高清數(shù)碼影像的水稻產(chǎn)量估算[J]. 李昂,王洋,曹英麗,于豐華,許童羽,肖文.  沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2017(05)
[4]中國(guó)居民口糧消費(fèi)特征變化及安全耕地?cái)?shù)量[J]. 辛良杰,李鵬輝.  農(nóng)業(yè)工程學(xué)報(bào). 2017(13)
[5]基于低空無(wú)人機(jī)成像光譜儀影像估算棉花葉面積指數(shù)[J]. 田明璐,班松濤,常慶瑞,由明明,羅丹,王力,王爍.  農(nóng)業(yè)工程學(xué)報(bào). 2016(21)
[6]大疆旗艦級(jí)專(zhuān)業(yè)多旋翼無(wú)人機(jī)經(jīng)緯M600[J]. 劉銘哲.  數(shù)碼影像時(shí)代. 2016(05)
[7]湖南省單、雙季稻識(shí)別與生育期提取研究[J]. 王堯,卓莉,易沵濼,葉濤.  地理科學(xué)進(jìn)展. 2015(10)
[8]德清縣志述略[J]. 方康順.  浙江檔案. 2015(04)
[9]世界糧食安全現(xiàn)狀及糧食供求展望[J]. 郭亮.  世界農(nóng)業(yè). 2015(01)
[10]Multi-Temporal Detection of Rice Phenological Stages Using Canopy Spectrum[J]. WANG Lin,ZHANG Fu-cun,JING Yuan-shu,JIANG Xiao-dong,YANG Shen-bin,HAN Xiao-mei.  Rice Science. 2014(02)

博士論文
[1]基于冠層反射光譜的水稻氮素營(yíng)養(yǎng)與籽粒品質(zhì)監(jiān)測(cè)[D]. 周冬琴.南京農(nóng)業(yè)大學(xué) 2007

碩士論文
[1]基于水稻高光譜遙感數(shù)據(jù)的植被指數(shù)產(chǎn)量模型研究[D]. 洪雪.沈陽(yáng)農(nóng)業(yè)大學(xué) 2017
[2]高光譜與多光譜遙感水稻估產(chǎn)研究[D]. 王娣.武漢大學(xué) 2017
[3]基于全極化SAR數(shù)據(jù)的旱地作物識(shí)別與生物學(xué)參數(shù)反演研究[D]. 東朝霞.中國(guó)農(nóng)業(yè)科學(xué)院 2016
[4]基于遙感和氣象數(shù)據(jù)的江蘇省水稻面積監(jiān)測(cè)和估產(chǎn)研究[D]. 湯斌.浙江大學(xué) 2016
[5]水稻葉片氮素含量及產(chǎn)量、相關(guān)品質(zhì)高光譜預(yù)測(cè)模型的初步研究[D]. 何理.揚(yáng)州大學(xué) 2014
[6]粳稻不同生育期類(lèi)型品種產(chǎn)量形成特性與品質(zhì)特征研究[D]. 汪本福.揚(yáng)州大學(xué) 2006



本文編號(hào)：3473701