本文關(guān)鍵詞：作物生物量遙感估算方法研究　出處：《中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 作物 遙感 地上生物量 植被指數(shù) 時(shí)空融合算法 合成孔徑雷達(dá)

【摘要】：作物地上生物量(Aboveground Biomass,AGB)是農(nóng)業(yè)生態(tài)系統(tǒng)監(jiān)測(cè)中的重要指標(biāo)之一,其不僅與作物長(zhǎng)勢(shì)的監(jiān)測(cè)、單產(chǎn)和產(chǎn)量的形成等密切相關(guān),同時(shí)也是開展全球氣候變化、碳循環(huán)、物質(zhì)流動(dòng)和能量交換等研究的重要內(nèi)容,因此,作物生物量的監(jiān)測(cè)一直是學(xué)界研究的重點(diǎn)和難點(diǎn)。近年來,限于人口持續(xù)增長(zhǎng)、環(huán)境逐漸惡化等因素的影響,糧食的生產(chǎn)和安全、農(nóng)田生態(tài)系統(tǒng)的穩(wěn)定和健康也受到了不同程度的干擾。因此,生物量的精確估算與動(dòng)態(tài)監(jiān)測(cè)是高效利用農(nóng)田資源的重要依據(jù),而傳統(tǒng)生物量的估算方法已難以滿足需求,近年來迅速發(fā)展的遙感技術(shù)由于具有近實(shí)時(shí)的對(duì)地觀測(cè)能力,使得基于遙感的作物地上生物量估算方法研究成為熱點(diǎn),對(duì)于開展全球變化等方面的研究也具有非常重要的意義。本文的主要研究目標(biāo)是綜合利用多源遙感數(shù)據(jù)構(gòu)建生物量遙感監(jiān)測(cè)模型,提高作物生物量的估算精度。針對(duì)目前生物量研究中存在的指數(shù)易飽和以及混合像元等問題,分別采用紅邊波段、時(shí)空數(shù)據(jù)融合、組合指數(shù)等研究方法,對(duì)小麥、玉米和水稻等作物生物量的估算進(jìn)行了深入的研究,以此構(gòu)建了多種生物量估算模型,并利用地面觀測(cè)實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了模型的精度,從而為生物量高精度的反演提供依據(jù)。(1)本研究通過地面觀測(cè)試驗(yàn),獲取了冬小麥和春玉米的冠層光譜反射率與地上生物量觀測(cè)數(shù)據(jù)集,利用光譜響應(yīng)函數(shù)擬合了MERIS傳感器的部分波段反射率,并提取16種常用的寬波段植被指數(shù),分別建立其與生物量的最優(yōu)估算模型,通過分析相關(guān)性與敏感性,探尋適宜生物量估算的指數(shù)。結(jié)果表明,所選的植被指數(shù)均與生物量顯著相關(guān)。其中,NDVIre和CIre分別與小麥和玉米生物量相關(guān)性最高(決定性系數(shù)R2分別為0.94和0.94;均方根誤差RMSE分別為0.158和0.112 kg/m2),但部分植被指數(shù)如NDVI等在生物量較高時(shí)會(huì)逐漸飽和。加入紅邊波段的指數(shù)不僅能夠提高生物量估算精度,而且能夠延緩飽和趨勢(shì),但其對(duì)作物類型變化不敏感。此外,歸一化差值指數(shù)和比值指數(shù)分別在作物生長(zhǎng)的早期和中后期對(duì)生物量保持較高的敏感性,而SRre和MTCI在冬小麥整個(gè)生長(zhǎng)季內(nèi)一直對(duì)生物量保持高靈敏性,是小麥生物量估算中表現(xiàn)最穩(wěn)定的指數(shù),因此,針對(duì)不同作物生長(zhǎng)期建議使用組合植被指數(shù)的方法進(jìn)行生物量的反演從而提高估算精度。(2)針對(duì)遙感影像中普遍存在的混合像元現(xiàn)象,本研究利用時(shí)空融合算法降低其帶來的影響,并將其應(yīng)用在中國(guó)華北平原地區(qū)冬小麥生物量和單產(chǎn)的估算中。首先,通過融合PROBA-V 100米和300米S1產(chǎn)品生成每日100米的地表反射率數(shù)據(jù)集。結(jié)果表明,融合后的數(shù)據(jù)與參考數(shù)據(jù)呈現(xiàn)出較高的相關(guān)性(紅波段為0.71≤R2≤0.94;近紅外波段為0.50≤R2≤0.95;短波紅外波段為0.88≤R2≤0.97)。然后,推算出較高時(shí)空分辨率時(shí)間序列的NDVI,并將其用于冬小麥的識(shí)別。分類的總體精度在78%和87%之間,kappa系數(shù)高于0.57,相較于使用300米數(shù)據(jù)的分類精度提高10%-20%。最后,將融合后的數(shù)據(jù)同化入光能利用率模型(CASA)中反演生物量和產(chǎn)量,估算結(jié)果與田間的實(shí)測(cè)值密切相關(guān),具有較高的R2和較低的RMSE(生物量為0.864≤R2≤0.871和168≤REME≤191 g/m2;0.631≤R2≤0.663和41.8≤RMSE≤62.8 g/m2)。本文展示了使用PROBA-V 100米數(shù)據(jù)增強(qiáng)PROBA-V 300米數(shù)據(jù)空間分辨率的強(qiáng)大潛力,為利用PROBA-V數(shù)據(jù)估算作物的面積和產(chǎn)量開辟了一條新穎的路徑。(3)本文利用GF-1光學(xué)數(shù)據(jù)和Radarsat-2雷達(dá)數(shù)據(jù)分別對(duì)廣東省臺(tái)山市的水稻地上生物量進(jìn)行估算,結(jié)果表明,所選取的全部植被指數(shù)以及大部分雷達(dá)極化參數(shù)均與水稻生物量顯著相關(guān),且CIgreen和Anisotropy分別具有最高的估算精度(R2=0.6123,RMSE=0.4861 kg/m2;R2=0.6543,RMSE=0.5418 kg/m2)。最后,利用這兩種遙感數(shù)據(jù)所具備的不同特征,將植被指數(shù)和極化參數(shù)進(jìn)行組合,相比單一的指數(shù)或參數(shù),組合后的指數(shù)進(jìn)一步提高了生物量的估算精度,通過敏感性分析發(fā)現(xiàn),EVI*Anisotropy和EVI*RVI在水稻的全生育期內(nèi)敏感性保持穩(wěn)定,因此,可以采用這兩種改進(jìn)后的指數(shù)進(jìn)行水稻生物量估算模型的構(gòu)建。盡管本文中提出的估算方法改善了作物生物量的估算精度,但其仍存在一定的不確定性,如在尺度效應(yīng)、數(shù)據(jù)驗(yàn)證等方面還需要進(jìn)一步的研究。
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：S127

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李忠,孫惠杰;瑞典木質(zhì)生物量的利用[J];林業(yè)勘查設(shè)計(jì);2005年03期

2 Marc H.Ross;Thomas B.Cobb;周勇;;美國(guó)經(jīng)濟(jì)中的生物量流[J];國(guó)外林業(yè);1988年01期

3 蔡小虎,彭培好,王金錫;長(zhǎng)江中上游防護(hù)林體系工程林生物量及生產(chǎn)力計(jì)量評(píng)價(jià)[J];四川林業(yè)科技;2000年02期

4 楊昆;管東生;;珠江三角洲森林的生物量和生產(chǎn)力研究[J];生態(tài)環(huán)境;2006年01期

5 郭清文;馮仲科;張彥林;韓光瞬;;單木生物量模型誤差分析與定權(quán)方法探討[J];中南林業(yè)調(diào)查規(guī)劃;2006年01期

6 安樹杰;張曉麗;王震;李春艷;;生物量估測(cè)中的遙感技術(shù)[J];林業(yè)調(diào)查規(guī)劃;2006年03期

7 杜飛雁;李純厚;廖秀麗;賈曉平;王雪輝;;大亞灣海域浮游動(dòng)物生物量變化特征[J];海洋環(huán)境科學(xué);2006年S1期

8 袁位高;江波;葛永金;朱錦茹;沈愛華;;浙江省重點(diǎn)公益林生物量模型研究[J];浙江林業(yè)科技;2009年02期

9 許俊利;何學(xué)凱;;林木生物量模型研究概述[J];河北林果研究;2009年02期

10 羅云建;王效科;張小全;朱建華;侯振宏;張治軍;褚金翔;;華北落葉松人工林生物量的估算方法[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

相關(guān)會(huì)議論文 前10條

1 徐兆禮;沈新強(qiáng);;長(zhǎng)江口鄰近水域浮游動(dòng)物生物量及其年間變化[A];中國(guó)水產(chǎn)學(xué)會(huì)第七屆漁業(yè)資源與環(huán)境分會(huì)2004年度學(xué)術(shù)研討會(huì)論文摘要匯編[C];2004年

2 玉寶;烏吉斯古楞;王立明;張秋良;;不同結(jié)構(gòu)興安落葉松天然林生物量生產(chǎn)力特征[A];第二屆中國(guó)林業(yè)學(xué)術(shù)大會(huì)——S3 森林經(jīng)理與林業(yè)信息化的新使命論文集[C];2009年

3 吳濤;趙冬至;康建成;張豐收;索安寧;衛(wèi)寶泉;馬玉娟;;雙臺(tái)河口赤堿蓬動(dòng)態(tài)遙感監(jiān)測(cè)及生物量遙感反演[A];中國(guó)地理學(xué)會(huì)百年慶典學(xué)術(shù)論文摘要集[C];2009年

4 孟超;秦俊;胡永紅;;單株截頂香樟樹冠生物量及其分配格局[A];中國(guó)觀賞園藝研究進(jìn)展（2010）[C];2010年

5 劉玉萃;吳明作;郭宗民;;河南寶天曼自然保護(hù)區(qū)栓皮櫟林生物量和凈生產(chǎn)力研究[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

6 陳秋夏;王金旺;鄭堅(jiān);盧翔;金川;;浙江人工紅樹林種群結(jié)構(gòu)及種群生物量研究[A];中國(guó)第五屆紅樹林學(xué)術(shù)會(huì)議論文摘要集[C];2011年

7 葉德贊;趙昌會(huì);駱祝華;黃翔玲;裴耀文;;熱帶太平洋細(xì)菌生物量及其對(duì)深海碳循環(huán)的影響[A];2006中國(guó)微生物學(xué)會(huì)第九次全國(guó)會(huì)員代表大會(huì)暨學(xué)術(shù)年會(huì)論文摘要集[C];2006年

8 喻光明;王立國(guó);楊珊;胡利梅;陶文星;;土地整理對(duì)生物量平衡及生態(tài)環(huán)境的影響[A];節(jié)能環(huán)保 和諧發(fā)展——2007中國(guó)科協(xié)年會(huì)論文集（三）[C];2007年

9 左濤;王俊;唐啟升;金顯仕;;夏末秋初南黃海網(wǎng)采浮游生物的生物量譜[A];2007年中國(guó)水產(chǎn)學(xué)會(huì)學(xué)術(shù)年會(huì)暨水產(chǎn)微生態(tài)調(diào)控技術(shù)論壇論文摘要匯編[C];2007年

10 佃袁勇;王鵬程;方圣輝;汪曼;樂源;;多源遙感數(shù)據(jù)反演三峽庫(kù)區(qū)森林地表生物量的比較與分析[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

相關(guān)重要報(bào)紙文章 前2條

1 中國(guó)工程院院士 馮宗煒;中國(guó)森林對(duì)全球碳循環(huán)及氣候變化做貢獻(xiàn)[N];科技日?qǐng)?bào);2010年

2 白秀萍;走近日本木質(zhì)生物量利用[N];中國(guó)綠色時(shí)報(bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 鄭玲;小麥生物量田間快速測(cè)量方法研究[D];西北農(nóng)林科技大學(xué);2015年

2 宋理洪;三江平原泥炭沼澤有殼變形蟲多樣性及其在古水位重建中的作用[D];中國(guó)科學(xué)院研究生院（東北地理與農(nóng)業(yè)生態(tài)研究所）;2015年

3 崔菁菁;不同年代水稻品種氮素利用特性及庫(kù)/源變化的研究[D];吉林農(nóng)業(yè)大學(xué);2015年

4 王東亮;低空遙感數(shù)據(jù)處理與非生長(zhǎng)季草地生物量反演研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2016年

5 鄭陽(yáng);作物生物量遙感估算方法研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

6 胥輝;立木生物量模型構(gòu)建及估計(jì)方法的研究[D];北京林業(yè)大學(xué);1998年

7 曹慶先;北部灣沿海紅樹林生物量和碳貯量的遙感估算[D];中國(guó)林業(yè)科學(xué)研究院;2010年

8 曾偉生;全國(guó)立木生物量方程建模方法研究[D];中國(guó)林業(yè)科學(xué)研究院;2011年

9 徐星歐;基于目標(biāo)分解的全極化雷達(dá)數(shù)據(jù)估算生物量相關(guān)參數(shù)方法研究[D];武漢大學(xué);2010年

10 徐光彩;小光斑波形激光雷達(dá)森林LAI和單木生物量估測(cè)研究[D];中國(guó)林業(yè)科學(xué)研究院;2013年

相關(guān)碩士學(xué)位論文 前10條

1 姚闊;基于高光譜數(shù)據(jù)的內(nèi)蒙東部天然草地生物量反演模型研究[D];延邊大學(xué);2015年

2 邵平;半高稈高生物量型雜交稻生理彈性抗倒研究[D];長(zhǎng)江大學(xué);2015年

3 任佳佳;華北落葉松林分結(jié)構(gòu)分析及地上部分生物量探究[D];河北農(nóng)業(yè)大學(xué);2015年

4 劉博;基于高分辨率影像的杭州西湖區(qū)綠地生物量研究[D];浙江農(nóng)林大學(xué);2015年

5 車東峻;攀枝花市云南松生物量模型及空間分布研究[D];四川農(nóng)業(yè)大學(xué);2015年

6 胡靖揚(yáng);遼東山區(qū)長(zhǎng)白落葉松枝葉生物量模型研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2016年

7 包月梅;根河市火燒跡地灌木和草本生物量動(dòng)態(tài)變化分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2016年

8 劉斌;基于敏感波段篩選的多源遙感數(shù)據(jù)作物生物量估算研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2016年

9 曹明勇;長(zhǎng)寧縣竹林生物量及初級(jí)生產(chǎn)力特征研究[D];中南林業(yè)科技大學(xué);2016年

10 周敬敬;裂壺藻MYA-1381培養(yǎng)條件優(yōu)化及藻油DHA抗肥胖的初步研究[D];山東大學(xué);2017年

，

本文編號(hào)：1331495