在半干旱區(qū),干旱是引起作物減產(chǎn)的主要原因,因此,在該區(qū)域進(jìn)行旱情監(jiān)測是必要的,它可以為合理灌溉提供支持。另一方面,春小麥?zhǔn)前敫珊祬^(qū)的主要糧食作物,運用遙感技術(shù)對其進(jìn)行旱情監(jiān)測,既不會對作物產(chǎn)生破壞,也能夠快速實現(xiàn)大面積的監(jiān)測,符合現(xiàn)代農(nóng)業(yè)高效的特點。本研究以黃土高原半干旱雨養(yǎng)農(nóng)業(yè)區(qū)春小麥為研究對像,利用便攜式光譜儀測量春小麥的冠層光譜反射,同時同步觀測春小麥的生理生態(tài)參數(shù)。以模型模擬光譜對輸入?yún)?shù)的響應(yīng)、模型輸入?yún)?shù)與干旱程度的關(guān)系以及不同旱情下光譜模擬精度為切入點,探討基于PROSAIL模型反演參數(shù)指征春小麥旱情的可行性,并對模型進(jìn)行修正,在修正模型的基礎(chǔ)上建立生理生態(tài)參數(shù)與冠層光譜的查找表,并在春小麥種植區(qū)基于LANDSAT8影像利用參數(shù)與光譜的查找表反演春小麥的生理生態(tài)參數(shù)。主要研究結(jié)果如下:(1)春小麥的葉綠素含量Cab,等效水厚度EWT,葉面積指數(shù)LAI與作物旱情具有顯著相關(guān)性,干物質(zhì)含量LMA與作物的旱情不具有相關(guān)性;春小麥冠層光譜對于PROSAIL模型主要輸入?yún)?shù)具有不同的光譜響應(yīng)區(qū)間,模型對于Cab,EWT及LAI的反演具有一定的適用性。(2)運用經(jīng)驗?zāi)Ｐ蛯ROSAIL模型的輸出冠層光譜進(jìn)行修正,修正后模型模擬冠層光譜誤差約為15%。(3)LANDSAT8影像的反演結(jié)果具有一定的可靠性,能夠反映作物的旱情,為合理灌溉提供指導(dǎo)�；趯崪y光譜運用查找表進(jìn)行生理生態(tài)參數(shù)反演的結(jié)果顯示:實測生理生態(tài)參數(shù)與模擬生理生態(tài)參數(shù)具有相關(guān)性,Cab的R2為0.75,EWT的R2為0.70,LAI的R2為0.73。
【學(xué)位單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：S512.12
【部分圖文】：

技術(shù)路線圖

圖 2-1 研究區(qū)位置試驗基地具有先進(jìn)的觀測設(shè)備和方便的觀測條件，具有大型人工控制溫室，活動式防水棚，水分試驗場，大型蒸滲系統(tǒng)，氣象渦動觀測儀，此外還有便攜式高光譜成像儀，LAI2000 冠層分析儀，LI-6400 光合儀，SPAD502 等設(shè)備。充足的觀測設(shè)備為本研究的數(shù)據(jù)獲取提供了保障。2.3 試驗設(shè)計與數(shù)據(jù)處理方法2.3.1 試驗設(shè)計方案試驗于 2015-2017 年 4 月-7 月進(jìn)行，種植品種為新定西 24 號，試驗設(shè)五個水分脅迫處理，通過控制灌溉量的方式控制作物的水分脅迫，以灌溉后表層土壤

蘭州大學(xué)碩士研究生學(xué)位論文 基于 PROSAIL 模型的半干旱區(qū)春小麥生理生態(tài)參數(shù)反演作物的 LMA 基本上在 0.0055 g·cm-2附近發(fā)生變化，在局部范圍內(nèi)發(fā)生了隨著旱情增加 LMA 增大的現(xiàn)象，可能在一定旱情內(nèi) LMA 隨著旱情的增加而增加，超越這一干旱脅迫范圍 LMA 會出現(xiàn)顯著減小，在本研究中因為 LMA 的變化過于復(fù)雜，所以認(rèn)為旱情的變化無法主導(dǎo) LMA 發(fā)生變化。
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊瑞珍;陳印軍;;中國現(xiàn)代生態(tài)農(nóng)業(yè)發(fā)展趨勢與任務(wù)[J];中國農(nóng)業(yè)資源與區(qū)劃;2017年05期

2 張凱;王潤元;王鶴齡;趙鴻;齊月;趙福年;陳斐;雷俊;;CO_2濃度升高對半干旱區(qū)春小麥生長發(fā)育及產(chǎn)量影響的試驗研究[J];干旱氣象;2017年02期

3 LI He;CHEN Zhong-xin;JIANG Zhi-wei;WU Wen-bin;REN Jian-qiang;LIU Bin;Tuya Hasi;;Comparative analysis of GF-1,HJ-1,and Landsat-8 data for estimating the leaf area index of winter wheat[J];Journal of Integrative Agriculture;2017年02期

4 程志慶;張勁松;孟平;李巖泉;鄭寧;;基于高光譜數(shù)據(jù)的楊樹葉片干物質(zhì)含量的估算[J];中國農(nóng)業(yè)氣象;2017年01期

5 郭超凡;郭逍宇;;基于可見光波段包絡(luò)線去除的濕地植物葉片葉綠素估算[J];生態(tài)學(xué)報;2016年20期

6 杜育璋;姜小光;張雨澤;黃成;劉朝霞;劉亮;;基于Landsat-8遙感數(shù)據(jù)和PROSAIL輻射傳輸模型反演葉面積指數(shù)[J];干旱區(qū)地理;2016年05期

7 馬建新;孟慶巖;李響;孔祥浩;王春梅;;玉米冠層最佳水分指數(shù)優(yōu)選[J];遙感信息;2016年05期

8 馬建威;黃詩峰;李紀(jì)人;李小濤;宋小寧;冷佩;孫亞勇;;改進(jìn)Sobol算法支持下的PROSAIL模型參數(shù)全局敏感性分析[J];測繪通報;2016年03期

9 蘇偉;郭皓;趙冬玲;劉婷;張明政;;基于優(yōu)化PROSAIL葉傾角分布函數(shù)的玉米LAI反演方法[J];農(nóng)業(yè)機(jī)械學(xué)報;2016年03期

10 黃友昕;劉修國;沈永林;劉詩詩;孫飛;;農(nóng)業(yè)干旱遙感監(jiān)測指標(biāo)及其適應(yīng)性評價方法研究進(jìn)展[J];農(nóng)業(yè)工程學(xué)報;2015年16期

相關(guān)博士學(xué)位論文 前6條

1 于豐華;基于無人機(jī)高光譜遙感的東北粳稻生長信息反演建模研究[D];沈陽農(nóng)業(yè)大學(xué);2017年

2 李賀;區(qū)域冬小麥生長模擬遙感數(shù)據(jù)同化的不確定性研究[D];中國農(nóng)業(yè)科學(xué)院;2016年

3 呂杰;基于機(jī)器學(xué)習(xí)和輻射傳輸模型的農(nóng)作物葉綠素含量高光譜反演模型[D];中國地質(zhì)大學(xué)(北京);2012年

4 張杰;半干旱區(qū)陸面過程參數(shù)化及其遙感反演研究[D];蘭州大學(xué);2009年

5 鞠昌華;利用地—空高光譜遙感監(jiān)測小麥氮素狀況與生長特征[D];南京農(nóng)業(yè)大學(xué);2008年

6 張淑娟;基于GPS和GIS的精細(xì)農(nóng)業(yè)田間信息采集和處理方法的研究[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前9條

1 馬建新;農(nóng)作物覆蓋區(qū)土壤含水量多源遙感反演方法[D];河南理工大學(xué);2016年

2 張明政;基于多層PROSAIL模型的玉米冠層葉面積指數(shù)垂直分布反演[D];山東農(nóng)業(yè)大學(xué);2016年

3 符勇;高分辨率星載SAR在高原山地?zé)煵莓a(chǎn)量估測中的應(yīng)用研究[D];貴州師范大學(xué);2015年

4 劉天鳳;基于PROSAIL模型的干旱半干旱地區(qū)LAI遙感反演建模[D];蘭州大學(xué);2015年

5 王秋玲;夏玉米生理生態(tài)與生長特性對干旱過程的響應(yīng)研究[D];中國氣象科學(xué)研究院;2015年

6 張朋濤;青海湖流域植被葉綠素含量遙感定量反演研究[D];青海師范大學(xué);2015年

7 余金林;基于PROSAIL模型的青海湖流域草地葉面積指數(shù)反演[D];青海師范大學(xué);2014年

8 魏珊珊;基于Landsat ETM+數(shù)據(jù)和輻射傳輸模型的水稻葉面積指數(shù)反演[D];東北師范大學(xué);2012年

9 馬祥;遙感反演中模型誤差的表達(dá)及應(yīng)用方法研究[D];北京師范大學(xué);2008年

本文編號：2845792