發(fā)布時間：2017-10-13 15:15

  本文關(guān)鍵詞：重慶市水稻估產(chǎn)要素及模型研究

  更多相關(guān)文章： 水稻 估產(chǎn) 山地丘陵 模型 MODIS NDVI

【摘要】：水稻作為我國的主栽作物,它的種植面積變化、長勢優(yōu)劣以及產(chǎn)量豐缺歷來備受各級政府和社會大眾的高度重視,也是國家和區(qū)域制定糧食政策和經(jīng)濟發(fā)展計劃的重要依據(jù)。因此,水稻產(chǎn)量影響因素方面的研究、種植面積的監(jiān)測以及水稻產(chǎn)量的估算對我國糧食安全具有重要意義。遙感數(shù)據(jù)具有更新及時、覆蓋全面、客觀準(zhǔn)確的優(yōu)勢,它的廣泛應(yīng)用使得水稻長勢的實時監(jiān)測、大面積快速估產(chǎn)成為可能。近年來,基于遙感數(shù)據(jù)和以遙感技術(shù)為主的3S技術(shù)在水稻面積監(jiān)測和產(chǎn)量估算方面的研究已經(jīng)取得了一些成績。但是地形復(fù)雜地區(qū)由于受田塊破碎、氣候變化、耕作制度差異、地形復(fù)雜和遙感數(shù)據(jù)質(zhì)量等因素的影響,它的大面積水稻估產(chǎn)具有一定的局限性,估產(chǎn)精度普遍不高。重慶位于中國的西南部,屬于典型的丘陵山地地貌,地形復(fù)雜、地勢起伏大,區(qū)域問海拔差異顯著,水田分布較為分散,水罔圖斑破碎。且該區(qū)域氣候條件潮濕、云量較大,霧氣較重,遙感影像受云霧等的干擾較大,更增加了研究區(qū)大面積水稻估產(chǎn)的難度。目前為止對重慶市的水稻估產(chǎn)研究較少。重慶作為最年輕的直轄市,城市化水平不高,農(nóng)業(yè)是經(jīng)濟發(fā)展的基礎(chǔ)產(chǎn)業(yè),水稻生產(chǎn)又在農(nóng)業(yè)中占有重要地位,因此,弄清研究區(qū)的水稻分布特征、影響水稻估產(chǎn)的要素以及利用遙感影像數(shù)據(jù)和估產(chǎn)要素及時、準(zhǔn)確的估算水稻產(chǎn)量,對重慶市的農(nóng)業(yè)及經(jīng)濟發(fā)展具有重要的現(xiàn)實意義,也為其他丘陵山地水稻估產(chǎn)精度的提高和估產(chǎn)的產(chǎn)業(yè)化提供參考。本研究以重慶市為研究區(qū)域,利用Savizky-Golay濾波法對2003-2012年重慶市的MODIS-NDVI(Moderate Resolution Imaging Spectroradiometer-Normalized Difference Vegetation Index)數(shù)據(jù)進行去噪處理,建立不同區(qū)域尺度的水稻產(chǎn)量估算模型；然后通過對重慶市水稻種植區(qū)生態(tài)環(huán)境數(shù)據(jù)和水稻產(chǎn)量數(shù)據(jù)的分析,確定對水稻估產(chǎn)起主要作用的生態(tài)因子,并將這些估產(chǎn)要素加入上述模型,構(gòu)建不同區(qū)域尺度水稻產(chǎn)量遙感數(shù)據(jù)與生態(tài)因子的復(fù)合模型,提高估算精度。主要方法和結(jié)論如下：(1)重慶市水稻種植區(qū)地形分布特征研究根據(jù)重慶市農(nóng)業(yè)技術(shù)推廣總站公布的種植業(yè)分區(qū)并考慮重慶市行政區(qū)劃的完整性,將研究區(qū)劃分為渝西丘陵區(qū)、渝中低山丘陵區(qū)、渝東南中低山區(qū)、渝東北中山區(qū)4個生態(tài)分區(qū)。分別從高程、坡度、坡向和坡位4個方面研究水稻種植區(qū)的地形分布特征。結(jié)果表明：不同的生態(tài)分區(qū)水稻種植區(qū)表現(xiàn)出不同的地形分布特征。渝西地區(qū)水稻種植面積占全市的48.7%,其中海拔200-400m、坡度6°以下、坡向為東向和東南向以及平坡位的區(qū)域水稻種植最為集中。渝中地區(qū)水稻種植面積占全市的35.1%,其水稻主要種植在海拔300-500m、坡度15°以下、坡向為西北向以及中坡位的區(qū)域。渝東南地區(qū)水稻種植面積占全市的7.4%,該區(qū)域水稻主要種植在海拔300-900m和坡度6-25°的區(qū)域,其中海拔300-400m和坡度6-15°的區(qū)域種植最多,坡向分布以東南和西向居多,坡位以中坡位居多。渝東北水稻種植面積占全市面積的8.8%,其水稻主要種植在海拔1000m以下和坡度6-25°的區(qū)域,其中海拔600-800m和坡度6-15°的區(qū)域分布最多,坡向分布以正南向最多,坡位以中坡位居多。(2)重慶市水稻種植區(qū)氣候分布特征利用常規(guī)統(tǒng)計方法統(tǒng)計1985-2012年重慶市年均和水稻大田生育期(4-9月)的均溫、同照、降水以及各年的變化差異。結(jié)果表明：重慶在近30年間,年平均氣溫17.52℃,日照時數(shù)1163.3h,降水量約1105mm；水稻大田生育期的平均氣溫23.75℃,同照時數(shù)838.46h,降水量約850mm。無論是年均還是在水稻大田生育期降水量的變異系數(shù)最大,分別為11.41%和15.78%。通過Mann-Kendall趨勢檢驗法計算得出近30年來重慶市年均溫在0.05的水平上呈顯著上升趨勢,降水量雖然有所下降,但是下降趨勢不明顯；同照上升趨勢不明顯；水稻大田生育期的均溫在0.01的水平上呈顯著上升趨勢；降水量和同照呈下降趨勢,但是下降趨勢不明顯。本研究還通過薄盤樣條插值方法對水稻大田生育期各個氣象因子進行空問結(jié)構(gòu)模擬。結(jié)果表明：水稻的大田生育期多年平均氣溫以河谷和丘陵平壩等低海拔區(qū)域較高,隨著海拔高度的增加,平均氣溫下降。水稻大罔生育期的同照以渝東北最強,相應(yīng)日照時數(shù)最多,渝中地區(qū)次之,渝東南地區(qū)最少。水稻的大田生育期的降水隨著時間推移降雨量逐漸增多,到6、7月份達到最大,然后又呈下降趨勢。4-5月降水量主要集中在渝東南和渝中地區(qū),其次是渝東北,渝西地區(qū)降水量最少。6月渝東南的降水量明顯高于其他區(qū)域,7-9月渝東北降水量增加,有大于渝東南的趨勢。(3)重慶市水稻種植區(qū)產(chǎn)量時空分布特征及影響因素研究通過一次線性模型建立重慶市水稻單產(chǎn)、總產(chǎn)與時間的關(guān)系,結(jié)果表明：1985-2012年近30年水稻單產(chǎn)呈顯著上升趨勢,水稻播種面積隨時間呈顯著下降的趨勢；水稻總產(chǎn)有略微下降趨勢,但是不顯著。在長時間序列上,相關(guān)性分析結(jié)果表明降水與水稻單產(chǎn)呈顯著正相關(guān)(P0.1)。通徑分析結(jié)果表明溫差和日照對水稻產(chǎn)量有較大的直接作用,但是他們對水稻產(chǎn)量的作用又通過其他的氣象因子被削弱。綜合結(jié)果說明研究區(qū)在降水充足(灌溉條件有保障)的條件下,對水稻產(chǎn)量最重要的影響因素是溫差和日照。利用2003-2012年重慶市各區(qū)縣的水稻產(chǎn)量調(diào)查數(shù)據(jù)計算匯總得到不同生態(tài)分區(qū)下水稻產(chǎn)量統(tǒng)計數(shù)據(jù)。從空問分布特征看,水稻單產(chǎn)表現(xiàn)為渝西丘陵區(qū)渝中低山丘陵區(qū)渝東南低山丘陵區(qū)渝東北中山區(qū)；水稻播種面積表現(xiàn)為渝西丘陵區(qū)渝中低山丘陵區(qū)渝東北中山區(qū)渝東南低山丘陵區(qū)；水稻總產(chǎn)表現(xiàn)為渝西丘陵區(qū)渝中低山丘陵區(qū)渝東北中山區(qū)渝東南低山丘陵區(qū)。為了進一步弄清水稻估產(chǎn)的主要影響因素,本研究以2008年的各鄉(xiāng)鎮(zhèn)產(chǎn)量地形氣候數(shù)據(jù)為數(shù)據(jù)源,利用分類回歸樹(Classification And Regression Trees, CART)模型計算各個生態(tài)因子對水稻產(chǎn)量的相對重要性,結(jié)果表明：海拔高度相對較低,高差不大的區(qū)域,生態(tài)因子對水稻產(chǎn)量的影響以地形為主,如渝西地區(qū)。海拔高度相對較高,地形起伏大的區(qū)域,立體氣候顯著,生態(tài)因子對水稻產(chǎn)量的影響以氣候為主,例如渝中、渝東北和渝東南地區(qū)。所有生態(tài)分區(qū)地形因子中又以坡度對水稻產(chǎn)量的影響最大。渝東南地區(qū)氣候因子對水稻產(chǎn)量的影響以同照為主,而渝西、渝中和渝東北地區(qū)氣候因子對水稻產(chǎn)量的影響以均溫為主。(4)重慶市NDVI時空分布特征利用2003-2012年重慶市MODIS-NDVI數(shù)據(jù),研究重慶市NDVI時空分布特征,重慶市年均NDVI值在0.54-0.59之間波動,十年間植被覆蓋整體呈上升趨勢,說明重慶市植被覆蓋整體情況良好。NDVI空問分布特征表現(xiàn)為：渝東北渝東南渝中渝西。利用大罔生育期水稻純像元NDVI變化曲線研究不同生態(tài)分區(qū)、不同高程的水稻生長周期的差異。研究表明渝西、渝中和渝東北地區(qū)在NDVI達到最大值之前,同一時相的NDVI值低海拔地區(qū)通常高于高海拔地區(qū),印證了低海拔地區(qū)的水稻生長發(fā)育時間要早于高海拔地區(qū)。渝東南地區(qū)與其他三個生態(tài)分區(qū)水稻NDVI變化曲線出現(xiàn)了明顯的差異,渝東南地區(qū)水稻種植區(qū)NDVI達到最大值的時間整體比其他地區(qū)晚一個時相。印證了渝東南地區(qū)水稻的大田生育期相比同海拔的其他生態(tài)分區(qū)要延遲。水稻種植區(qū)NDVI與氣候的關(guān)系表現(xiàn)為：5-6月NDVI與同照時數(shù)、平均溫度顯著正相關(guān),與降水呈負相關(guān)；7、8月份NDVI與日照時數(shù)、平均溫度顯著負相關(guān),與降水顯著正相關(guān)。4月和9月僅同照與NDVI顯著正相關(guān)。為了進一步研究NDVI與氣候的關(guān)系,本研究利用干旱指數(shù)模型對2006年的特大旱情進行干旱精細化空間分布結(jié)構(gòu)模擬,利用2006年干旱分級圖分別提取相應(yīng)區(qū)域的水稻種植區(qū)純像元各時相的NDVI值,得到不同旱情區(qū)域NDVI變化曲線,結(jié)果表明干旱越嚴重的區(qū)域水稻種植區(qū)NDVI值下降越快,水稻種植區(qū)NDVI的下降趨勢很好的表現(xiàn)出NDVI對干旱氣候的響應(yīng)。(5)基于縣域尺度的水稻產(chǎn)量估算模型重慶特殊的地形地貌導(dǎo)致水田圖斑分布較破碎,存在大量的混合像元,由于同一個縣域范圍,水稻的氣候環(huán)境、土壤環(huán)境、管理水平等具有相似性,那么同區(qū)域內(nèi)水稻的NDVI變化也具有相似性,因此本研究利用2003-2011年重點觀察樣區(qū)277個大田生育期水稻純像元的各年各時相NDVI均值來代替該純像元所在縣的各年各時相水稻種植區(qū)NDVI均值,且利用NDVI均值乘以修正后的水稻種植區(qū)的面積之結(jié)果(ANDVI)來構(gòu)建水稻產(chǎn)量估算模型,具體方法如下：1)多視角建立水稻估產(chǎn)模型。分區(qū)域和生態(tài)分區(qū)建立水稻估產(chǎn)模型。2)多方法建立水稻估產(chǎn)模型。利用逐步回歸、BP神經(jīng)網(wǎng)絡(luò)、隨機森林及支持向量機4種方法建立水稻估產(chǎn)模型。3)多因子建立水稻估產(chǎn)模型。分別建立ANDVI與水稻產(chǎn)量的估產(chǎn)模型以及ANDVI、氣象數(shù)據(jù)與水稻產(chǎn)量的復(fù)合模型。并在此基礎(chǔ)上,利用最優(yōu)估產(chǎn)模型預(yù)測2012年縣域水稻產(chǎn)量。結(jié)果表明基于分區(qū)的水稻產(chǎn)量估算模型比區(qū)域的水稻產(chǎn)量估算模型精度具有不同程度的提高；神經(jīng)網(wǎng)絡(luò)模型和支持向量機模型都表現(xiàn)出了較高的擬合精度,但是綜合來看支持向量機模型更勝一籌；ANDVI與氣候的水稻估產(chǎn)復(fù)合模型比單純的ANDVI模型估算精度更高。為獲取水稻估產(chǎn)的最佳時相,將水稻大田生育期的各時相對應(yīng)的ANDVI值分別作為輸入?yún)?shù),利用區(qū)域和生態(tài)分區(qū)的水稻產(chǎn)量估算最優(yōu)模型建模,通過擬合精度比較,指出縣域尺度整個重慶區(qū)域水稻產(chǎn)量的最佳估算時相為1 85時相,渝西地區(qū)水稻估算的最佳時相仍然為185時相,渝中和渝東北為201,渝東南為217。各個生態(tài)分區(qū)由于氣候、地形等條件不同,各個生育期的時間有一定的差異,所以水稻估算的最佳時相不同,但是都是處在水稻營養(yǎng)和生殖生長并進階段。(6)基于鄉(xiāng)鎮(zhèn)尺度的水稻產(chǎn)量估算模型為了探索250m分辨率的NDVI數(shù)據(jù)對鄉(xiāng)鎮(zhèn)級水稻產(chǎn)量的估算能力,以2008年的重慶鄉(xiāng)鎮(zhèn)級產(chǎn)量數(shù)據(jù)為例,同樣基于區(qū)域和生態(tài)分區(qū)兩種思路,建立2008年各個鄉(xiāng)鎮(zhèn)大田生育期ANDVI與水稻總產(chǎn)以及ANDVI、地形和氣候因子與水稻總產(chǎn)的逐步回歸、BP神經(jīng)網(wǎng)絡(luò)、隨機森林及支持向量機模型,取得了較好的擬合效果,并利用水稻產(chǎn)量最優(yōu)遙感擬合模型對2009年鄉(xiāng)鎮(zhèn)級水稻產(chǎn)量進行預(yù)測。結(jié)果表明基于生態(tài)分區(qū)的遙感模型更具有適應(yīng)性。而加入了氣象和地形因子的生態(tài)分區(qū)遙感模型最優(yōu),再次說明了溫度、降水、日照等氣候條件以及地形條件對水稻產(chǎn)量影響的重要性。另外在鄉(xiāng)鎮(zhèn)尺度水稻產(chǎn)量估算模型中神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)出了最優(yōu)的擬合性能。為進一步確定不同區(qū)域最佳估算時相的差異性,以2008年水稻大田生育期的各時相對應(yīng)的ANDVI值分別作為輸入?yún)?shù),利用區(qū)域和分區(qū)的水稻估產(chǎn)最優(yōu)模型建模,結(jié)果表明：2008年鄉(xiāng)鎮(zhèn)尺度的區(qū)域水稻產(chǎn)量最佳估算時相為169時相。在各個生態(tài)分區(qū)中,渝西地區(qū)水稻估算的最佳時相為169時相,渝中和渝東北為185時相,渝東南為201時相。相比縣域的多年數(shù)據(jù)擬合情況,均提前了一個時相,但是卻體現(xiàn)出了同樣的規(guī)律性,即渝中、渝東北地區(qū)最佳預(yù)測時相相同且比渝西地區(qū)晚一個時相,渝東南地區(qū)最佳預(yù)測時相比渝西晚兩個時相；且最佳預(yù)測時期都是處在水稻生長發(fā)育的第二個階段一一營養(yǎng)和生殖生長并進階段。(7)基于村級尺度的水稻產(chǎn)量估算模型為研究250m分辨率NDVI對村級產(chǎn)量估算的適用性,并考察土壤因子對水稻估產(chǎn)模型的影響,本章以2007年重慶市合川的村級數(shù)據(jù)為例,收集了合川村級的產(chǎn)量數(shù)據(jù)、地形數(shù)據(jù)和土壤數(shù)據(jù)。由于小區(qū)域氣候變化不明顯,本章忽略氣候變化對水稻產(chǎn)量的影響。首先利用CART模型計算各生態(tài)因子對水稻產(chǎn)量相對重要性。結(jié)果表明土壤因子對水稻產(chǎn)量的影響大于地形因子。土壤因子中堿解氮、速效鉀和pH值的相對重要性達到了50%。地形因子中僅有坡度對水稻產(chǎn)量的相對重要性超過了50%。利用雙線性插值法將NDVI數(shù)據(jù)重采樣為空間分辨率為30m的影像圖,通過合川1：l萬土地利用現(xiàn)狀數(shù)據(jù)提取水田分布。分別采用逐步回歸、神經(jīng)網(wǎng)絡(luò)、支持向量機回歸和隨機森林4種方法建立村級ANDVI水稻產(chǎn)量估算模型和ANDVI與生態(tài)因子(選擇對水稻產(chǎn)量相對重要性大于50%的因子進入模型)的復(fù)合估算模型。并利用水稻產(chǎn)量最優(yōu)遙感擬合模型對2008年合川村級水稻產(chǎn)量進行預(yù)測。結(jié)果表明采用神經(jīng)網(wǎng)絡(luò)建立的ANDVI與生態(tài)因子的復(fù)合模型,決定系數(shù)為0.732,相對均方根誤差為25.8%,具有最優(yōu)的擬合性能。利用最優(yōu)的ANDVI水稻產(chǎn)量估算模型求得合川村級水稻產(chǎn)量估算的最佳時相為185時相。
【關(guān)鍵詞】：水稻 估產(chǎn) 山地丘陵 模型 MODIS NDVI
【學(xué)位授予單位】：西南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：S511
【目錄】：

• 摘要10-15
• Abstract15-22
• 第1章 文獻綜述22-36
• 1.1 農(nóng)作物產(chǎn)量影響因素研究現(xiàn)狀22-25
• 1.1.1 農(nóng)作物產(chǎn)量的影響因素22-24
• 1.1.2 水稻產(chǎn)量的影響因素24-25
• 1.2 農(nóng)作物估產(chǎn)研究現(xiàn)狀25-36
• 1.2.1 常見估產(chǎn)方法25-28
• 1.2.2 遙感估產(chǎn)28-32
• 1.2.3 水稻估產(chǎn)研究進展32-36
• 第2章 緒論36-54
• 2.1 研究背景及意義36
• 2.2 研究目標(biāo)36
• 2.3 研究內(nèi)容36-38
• 2.3.1 重慶市水稻種植區(qū)地形分布特征37
• 2.3.2 重慶市水稻種植區(qū)氣候分布特征37
• 2.3.3 重慶市水稻種植區(qū)產(chǎn)量時空分布特征及影響因素研究37
• 2.3.4 重慶市NDVI時空分布特征37
• 2.3.5 基于縣域尺度的水稻產(chǎn)量估算模型研究37
• 2.3.6 基于鄉(xiāng)鎮(zhèn)尺度的水稻產(chǎn)量估算模型研究37-38
• 2.3.7 基于村級尺度的水稻產(chǎn)量估算模型研究38
• 2.4 主要思路及技術(shù)路線38-39
• 2.5 研究區(qū)概況39-40
• 2.5.1 土地資源39
• 2.5.2 地形地貌39
• 2.5.3 氣候資源39-40
• 2.5.4 土壤條件40
• 2.5.5 自然植被情況和糧食作物情況40
• 2.6 研究材料與方法40-54
• 2.6.1 MODIS NDVI數(shù)據(jù)及其預(yù)處理40-43
• 2.6.1.1 MODIS NDVI數(shù)據(jù)來源及特征40-41
• 2.6.1.2 MODIS NDVI數(shù)據(jù)預(yù)處理41-43
• 2.6.2 其他基礎(chǔ)數(shù)據(jù)43-45
• 2.6.2.1 行政區(qū)劃數(shù)據(jù)43
• 2.6.2.2 調(diào)查統(tǒng)計的產(chǎn)量及面積數(shù)據(jù)43-44
• 2.6.2.3 水稻物候數(shù)據(jù)44
• 2.6.2.4 DEM數(shù)據(jù)44
• 2.6.2.5 氣象數(shù)據(jù)44-45
• 2.6.2.6 土地利用現(xiàn)狀數(shù)據(jù)45
• 2.6.2.7 合川區(qū)土壤農(nóng)化樣45
• 2.6.3 研究方法45-54
• 2.6.3.1 水稻種植區(qū)的提取45-48
• 2.6.3.2 水稻估產(chǎn)模型48-52
• 2.6.3.3 模型精度驗證指標(biāo)52-54
• 第3章 重慶市水稻種植區(qū)地形分布特征54-70
• 3.1 重慶市水稻種植區(qū)地形數(shù)據(jù)54-55
• 3.2 重慶市水稻種植區(qū)區(qū)域劃分55-58
• 3.3 重慶市水稻種植區(qū)高程分布特征58-60
• 3.4 重慶市水稻種植區(qū)坡度分布特征60-63
• 3.5 重慶市水稻種植區(qū)坡向分布特征63-65
• 3.6 重慶市水稻種植區(qū)坡位分布特征65-68
• 3.7 小結(jié)68-70
• 第4章 重慶市水稻種植區(qū)氣候分布特征70-78
• 4.1 重慶市氣候數(shù)據(jù)基礎(chǔ)統(tǒng)計70-71
• 4.2 重慶市近30年氣候變化動態(tài)特征71-73
• 4.3 重慶市氣候數(shù)據(jù)區(qū)域估計73-76
• 4.3.1 重慶市水稻大田生育期日照空間結(jié)構(gòu)模擬73-74
• 4.3.2 重慶市水稻大田生育期溫度空間結(jié)構(gòu)模擬74-75
• 4.3.3 重慶市水稻大田生育期降雨空間結(jié)構(gòu)模擬75-76
• 4.4 小結(jié)76-78
• 第5章 重慶市水稻種植區(qū)產(chǎn)量時空分布特征及影響因素78-92
• 5.1 重慶市水稻種植區(qū)產(chǎn)量分布特征78-82
• 5.1.1 1985-2012近30年重慶市水稻產(chǎn)量時間序列特征78-80
• 5.1.2 2003-2012不同生態(tài)分區(qū)水稻產(chǎn)量時空分布特征80-82
• 5.2 地形對水稻產(chǎn)量的影響82-83
• 5.3 氣候?qū)λ井a(chǎn)量的影響83-84
• 5.3.1 在長時間序列上氣候變化對產(chǎn)量的影響83-84
• 5.3.2 在空間分布上氣候?qū)Ξa(chǎn)量的影響84
• 5.4 生態(tài)因子對水稻產(chǎn)量的相對重要性分析84-91
• 5.5 小結(jié)91-92
• 第6章 重慶市NDVI時空分布特征92-110
• 6.1 重慶市NDVI時間序列特征92-94
• 6.1.1 時間序列年變化特征92-93
• 6.1.2 各年各時相時間序列特征93-94
• 6.2 重慶市NDVI空間分布特征94-95
• 6.3 重慶市不同土地利用類型NDVI純像元變化特征95-98
• 6.4 不同區(qū)域不同海拔高度水稻種植區(qū)純像元NDVI變化特征98-103
• 6.5 NDVI與氣候的關(guān)系103-108
• 6.5.1 NDVI與氣象因子的相關(guān)性分析103
• 6.5.2 NDVI對災(zāi)害性氣候的響應(yīng)103-108
• 6.5.2.1 2006年重慶市特大干旱精細化空間分布結(jié)構(gòu)模擬103-107
• 6.5.2.2 NDVI對災(zāi)害性氣候的響應(yīng)107-108
• 6.6 小結(jié)108-110
• 第7章 基于縣域尺度的水稻總產(chǎn)估算模型研究110-126
• 7.1 數(shù)據(jù)預(yù)處理110-112
• 7.1.1 水稻產(chǎn)量數(shù)據(jù)及生育期數(shù)據(jù)110-111
• 7.1.2 水稻大田生育期的NDVI111
• 7.1.3 水稻大田生育期的氣候數(shù)據(jù)111-112
• 7.2 研究思路112
• 7.3 水稻總產(chǎn)估算模型112-122
• 7.3.1 區(qū)域水稻總產(chǎn)估算模型112-115
• 7.3.1.1 基于ANDVI的水稻總產(chǎn)估算模型113-114
• 7.3.1.2 基于ANDVI和氣象因子的水稻總產(chǎn)估算模型114-115
• 7.3.1.3 區(qū)域水稻估產(chǎn)最佳時相115
• 7.3.2 不同生態(tài)分區(qū)水稻總產(chǎn)估算模型115-122
• 7.3.2.1 基于ANDVI的水稻總產(chǎn)估算模型116-118
• 7.3.2.2 基于ANDVI和氣象因子的水稻總產(chǎn)估算模型118-120
• 7.3.2.3 不同生態(tài)分區(qū)水稻估產(chǎn)最佳時相120-122
• 7.4 水稻估產(chǎn)最優(yōu)模型分析122-123
• 7.4.1 精度最優(yōu)擬合模型122-123
• 7.4.2 時間最優(yōu)擬合模型123
• 7.5 水稻產(chǎn)量預(yù)測及精度分析123-124
• 7.6 小結(jié)124-126
• 第8章 基于鄉(xiāng)鎮(zhèn)尺度的水稻總產(chǎn)估算模型研究126-140
• 8.1 數(shù)據(jù)預(yù)處理126-127
• 8.1.1 水稻產(chǎn)量及生育期數(shù)據(jù)126
• 8.1.2 水稻大田生育期NDVI數(shù)據(jù)126
• 8.1.3 水稻種植區(qū)地形數(shù)據(jù)126-127
• 8.1.4 水稻大田生育期氣候數(shù)據(jù)127
• 8.2 研究思路127-128
• 8.3 水稻總產(chǎn)估算模型128-135
• 8.3.1 區(qū)域水稻總產(chǎn)估算模型128-129
• 8.3.1.1 基于ANDVI的水稻總產(chǎn)估算模型128
• 8.3.1.2 基于ANDVI和生態(tài)因子的水稻總產(chǎn)估算模型128-129
• 8.3.1.3 區(qū)域水稻估產(chǎn)最佳時相129
• 8.3.2 不同生態(tài)分區(qū)的水稻總產(chǎn)估算模型129-135
• 8.3.2.1 基于ANDVI的水稻總產(chǎn)估算模型129-131
• 8.3.2.2 基于ANDVI和生態(tài)因子的水稻總產(chǎn)估算模型131-133
• 8.3.2.3 不同生態(tài)分區(qū)水稻估產(chǎn)最佳時相133-135
• 8.4 水稻估產(chǎn)最優(yōu)模型分析135-137
• 8.4.1 精度最優(yōu)模型135-136
• 8.4.2 時間最優(yōu)模型136-137
• 8.5 水稻產(chǎn)量預(yù)測及精度分析137-138
• 8.6 小結(jié)138-140
• 第9章 基于村級尺度的水稻總產(chǎn)估算模型研究140-152
• 9.1 研究區(qū)概況140
• 9.2 數(shù)據(jù)預(yù)處理140-145
• 9.2.1 水稻產(chǎn)量及生育期數(shù)據(jù)140
• 9.2.2 水稻大田生育期NDVI數(shù)據(jù)140-141
• 9.2.3 水稻種植區(qū)地形數(shù)據(jù)141-142
• 9.2.4 水稻種植區(qū)土壤養(yǎng)分數(shù)據(jù)142-145
• 9.3 研究思路145
• 9.4 基于ANDVI的水稻總產(chǎn)估算模型145-146
• 9.5 水稻產(chǎn)量最佳估算時相146
• 9.6 生態(tài)因子對水稻產(chǎn)量的相對重要性146-147
• 9.7 基于ANDVI和生態(tài)因子的水稻總產(chǎn)估算模型147-148
• 9.8 水稻估產(chǎn)最優(yōu)模型分析148-149
• 9.8.1 精度最優(yōu)模型148-149
• 9.8.2 時間最優(yōu)模型149
• 9.9 水稻產(chǎn)量預(yù)測及精度分析149-150
• 9.10 小結(jié)150-152
• 第10章 研究成果與討論152-158
• 10.1 主要研究成果152-155
• 10.1.1 重慶市水稻種植區(qū)地形分布特征152
• 10.1.2 重慶市水稻種植區(qū)氣候分布特征152
• 10.1.3 重慶市水稻種植區(qū)產(chǎn)量時空分布特征及影響因素152-153
• 10.1.4 重慶市NDVI時空分布特征153-154
• 10.1.5 基于縣域尺度的水稻總產(chǎn)估算模型154
• 10.1.6 基于鄉(xiāng)鎮(zhèn)尺度的水稻總產(chǎn)估算模型154-155
• 10.1.7 基于村級尺度的水稻總產(chǎn)估算模型155
• 10.2 討論155-157
• 10.3 創(chuàng)新點157
• 10.4 展望157-158
• 參考文獻158-170
• 附錄170-178
• 致謝178-180
• 攻讀博士學(xué)位期間科研成果180

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 杜培林;田麗萍;薛林;韋艷柳;白麗;王進;樊科研;;遙感在作物估產(chǎn)中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2007年03期

2 胡大偉;卞新民;王書玉;付衛(wèi)國;;基于BP模型的南通市農(nóng)田土壤重金屬空間分布研究[J];安全與環(huán)境學(xué)報;2007年02期

3 胡冰川;吳強;周曙東;;糧食生產(chǎn)的投入產(chǎn)出影響因素分析——基于江蘇省糧食生產(chǎn)的實證研究[J];長江流域資源與環(huán)境;2006年01期

4 汪權(quán)方;李家永;;基于時序NDVI數(shù)據(jù)的鄱陽湖流域常綠覆被季節(jié)性變化特征[J];長江流域資源與環(huán)境;2008年06期

5 屈耀輝,曾五一;農(nóng)產(chǎn)量抽樣調(diào)查中計量誤差來源分析及其事后甄別[J];財經(jīng)理論與實踐;2004年02期

6 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學(xué)學(xué)報;2011年01期

7 吳炳方;全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J];地理學(xué)報;2000年01期

8 王紹強,朱松麗,周成虎;中國土壤土層厚度的空間變異性特征[J];地理研究;2001年02期

9 李巖,彭少麟,廖其芳,廖圣東;RADARSAT SNB SAR數(shù)據(jù)在大面積水稻估產(chǎn)中的應(yīng)用研究[J];地球科學(xué)進展;2003年01期

10 彭端,黃天文,郭媚媚,陳創(chuàng)買;用逐步回歸模型預(yù)測肇慶市汛期降水[J];廣東氣象;2005年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 程乾;MODIS數(shù)據(jù)提高水稻衛(wèi)星遙感估產(chǎn)精度穩(wěn)定性機理與方法研究[D];浙江大學(xué);2005年

2 郭建茂;基于遙感與作物生長模型的冬小麥生長模擬研究[D];南京信息工程大學(xué);2007年

3 王東偉;遙感數(shù)據(jù)與作物生長模型同化方法及其應(yīng)用研究[D];北京師范大學(xué);2008年

4 彭代亮;基于統(tǒng)計與MODIS數(shù)據(jù)的水稻遙感估產(chǎn)方法研究[D];浙江大學(xué);2009年

5 吳伶;基于遙感與作物生長模型同化的水稻生長參數(shù)時空分析[D];中國地質(zhì)大學(xué)（北京）;2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 馮慧慧;基于作物模型和GIS的縣域水稻產(chǎn)量動態(tài)預(yù)測技術(shù)研究[D];安徽農(nóng)業(yè)大學(xué);2010年

2 田翠玲;水稻長勢遙感監(jiān)測與產(chǎn)量預(yù)報復(fù)合建模研究[D];南京信息工程大學(xué);2005年

3 李濤;基于遺傳神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測方法研究[D];哈爾濱工程大學(xué);2008年

4 李惠敏;重慶市植被指數(shù)時空變化研究[D];西南大學(xué);2010年

5 尹菊花;中國糧食綜合生產(chǎn)能力研究[D];湖南科技大學(xué);2010年

6 武思杰;基于遙感信息與作物模型同化的冬小麥產(chǎn)量預(yù)測研究[D];中南大學(xué);2012年

7 盛慶凱;基于支持向量機的土壤養(yǎng)分制圖研究[D];西南大學(xué);2013年

8 彭夢蘇;應(yīng)用GIS技術(shù)和CART模型分析吉林省磷鉀肥施用對玉米產(chǎn)量的影響[D];吉林大學(xué);2014年

9 杜國偉;重慶植煙區(qū)生態(tài)條件與烤煙產(chǎn)質(zhì)量關(guān)系的研究[D];西南大學(xué);2014年

，

本文編號：1025554