發(fā)布時間：2022-02-20 19:52

　　農(nóng)作物地上生物量是反映作物長勢狀態(tài)的重要指標(biāo)之一,是實現(xiàn)作物精準(zhǔn)水肥管理、產(chǎn)量監(jiān)測和預(yù)報的重要參考依據(jù)。傳統(tǒng)光學(xué)遙感估算生物量存在光譜“飽和”現(xiàn)象,在估算生物量方面存在一定的局限性,本研究主要討論如何利用激光雷達(dá)快速、準(zhǔn)確反演冬小麥生物量,并聯(lián)合植被指數(shù)進(jìn)行生物量反演,對無人機(jī)激光雷達(dá)技術(shù),激光點(diǎn)云密度,激光腳點(diǎn)的三維幾何精度,激光雷達(dá)數(shù)據(jù)處理,基于激光雷達(dá)的冬小麥生物量反演,基于激光雷達(dá)和高光譜的冬小麥生物量反演等問題進(jìn)行了研究,主要結(jié)論如下:（1）無人機(jī)激光雷達(dá)技術(shù)及激光點(diǎn)云密度和幾何精度分析無人機(jī)激光雷達(dá)可以獲取每平方米數(shù)百個激光點(diǎn),滿足農(nóng)作物長勢參數(shù)反演對高密度點(diǎn)云的要求。通過數(shù)值模擬分析,對比激光點(diǎn)云估測樹高和實測樹高,得出在飛行高度30m、掃描范圍（-50°,50°）的情況下,激光腳點(diǎn)的三維坐標(biāo)誤差在厘米級,且誤差大小主要由定位誤差決定,研究結(jié)果表明利用無人機(jī)激光雷達(dá)可以精確獲取農(nóng)作物的激光點(diǎn)云。（2）基于機(jī)載激光雷達(dá)的生物量反演不同掃描角下冬小麥激光點(diǎn)云垂直分布存在明顯差異（航高30m,掃描范圍±60°）,通過偏相關(guān)分析得出掃描角在±10°范圍內(nèi)激光點(diǎn)云分布和掃描角無相關(guān)... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
    1.2 作物生物量反演研究進(jìn)展
        1.2.1 基于光學(xué)遙感的生物量反演
        1.2.2 基于微波遙感的生物量反演
        1.2.3 基于激光雷達(dá)的生物量反演
        1.2.4 無人機(jī)平臺優(yōu)勢
    1.3 論文研究內(nèi)容及技術(shù)路線
    1.4 論文組織結(jié)構(gòu)
2 研究區(qū)概況及數(shù)據(jù)獲取
    2.1 研究區(qū)概況
    2.2 數(shù)據(jù)獲取
        2.2.1 激光雷達(dá)數(shù)據(jù)
        2.2.2 地面數(shù)據(jù)
    2.3 本章小結(jié)
3 機(jī)載激光雷達(dá)技術(shù)及點(diǎn)云精度分析
    3.1 激光雷達(dá)系統(tǒng)
        3.1.1 激光雷達(dá)系統(tǒng)組成及分類
        3.1.2 機(jī)載激光雷達(dá)系統(tǒng)基本原理
        3.1.3 激光雷達(dá)方程
        3.1.4 激光雷達(dá)特點(diǎn)
    3.2 激光點(diǎn)云密度計算
    3.3 激光點(diǎn)云精度分析
        3.3.1 誤差模型
        3.3.2 數(shù)值模擬結(jié)果
        3.3.3 精度評價
    3.4 本章小結(jié)
4 基于機(jī)載激光雷達(dá)的生物量反演
    4.1 機(jī)載激光雷達(dá)數(shù)據(jù)處理
        4.1.1 機(jī)載激光雷達(dá)數(shù)據(jù)預(yù)處理
        4.1.2 機(jī)載激光雷達(dá)點(diǎn)云濾波
        4.1.3 研究區(qū)數(shù)字高程模型生成
    4.2 基于激光點(diǎn)云幾何信息的生物量反演
        4.2.1 冬小麥激光點(diǎn)云垂直分布
        4.2.2 激光雷達(dá)指數(shù)篩選
        4.2.3 模型建立及精度驗證
    4.3 基于冠層高度模型的冬小麥株高和生物量反演
    4.4 本章小結(jié)
5 基于機(jī)載激光雷達(dá)和高光譜的生物量反演
    5.1 基于高光譜的生物量反演模型
        5.1.1 植被指數(shù)篩選
        5.1.2 模型建立及精度驗證
    5.2 基于激光雷達(dá)和高光譜的生物量反演模型
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表學(xué)術(shù)論文


【參考文獻(xiàn)】：
期刊論文
[1]中國高光譜遙感的前沿進(jìn)展[J]. 童慶禧,張兵,張立福.  遙感學(xué)報. 2016(05)
[2]激光雷達(dá)森林參數(shù)反演研究進(jìn)展[J]. 李增元,劉清旺,龐勇.  遙感學(xué)報. 2016(05)
[3]基于隨機(jī)森林算法的冬小麥生物量遙感估算模型對比[J]. 岳繼博,楊貴軍,馮海寬.  農(nóng)業(yè)工程學(xué)報. 2016(18)
[4]基于機(jī)載LiDAR數(shù)據(jù)的農(nóng)作物葉面積指數(shù)估算方法研究[J]. 蘇偉,展郡鴿,張明政,吳代英,張蕊.  農(nóng)業(yè)機(jī)械學(xué)報. 2016(03)
[5]農(nóng)用無人機(jī)多傳感器遙感輔助小麥育種信息獲取[J]. 楊貴軍,李長春,于海洋,徐波,馮海寬,高林,朱冬梅.  農(nóng)業(yè)工程學(xué)報. 2015(21)
[6]機(jī)載LIDAR點(diǎn)云定位誤差分析[J]. 李峰,崔希民,劉小陽,衛(wèi)愛霞,吳燕雄.  紅外與激光工程. 2014(06)
[7]基于地基激光雷達(dá)數(shù)據(jù)的單株玉米三維建模[J]. 劉睿,劉婷,董潤茹,李治,朱德海,蘇偉.  中國農(nóng)業(yè)大學(xué)學(xué)報. 2014(03)
[8]影響機(jī)載激光掃描點(diǎn)云精度的測量誤差因素分析及其影響大小排序[J]. 王建軍,劉吉東.  中國激光. 2014(04)
[9]基于支持向量機(jī)回歸算法的小麥葉面積指數(shù)高光譜遙感反演[J]. 林卉,梁亮,張連蓬,杜培軍.  農(nóng)業(yè)工程學(xué)報. 2013(11)
[10]應(yīng)用波段深度分析和偏最小二乘回歸的冬小麥生物量高光譜估算[J]. 付元元,王紀(jì)華,楊貴軍,宋曉宇,徐新剛,馮海寬.  光譜學(xué)與光譜分析. 2013(05)

博士論文
[1]機(jī)載GNSS/SINS組合精密導(dǎo)航關(guān)鍵技術(shù)研究[D]. 陳良.國防科學(xué)技術(shù)大學(xué) 2013
[2]激光雷達(dá)遙感森林葉面積指數(shù)提取方法研究與應(yīng)用[D]. 駱社周.中國地質(zhì)大學(xué)(北京) 2012

碩士論文
[1]融合機(jī)載LIDAR和高光譜數(shù)據(jù)的濱海濕生植被生物量反演方法研究[D]. 虞海英.中國測繪科學(xué)研究院 2015



本文編號：3635710