学位论文 > 优秀研究生学位论文题录展示

基于HJ卫星混合像元分解的水稻生长监测技术研究

作　者: 马孟莉
导　师: 曹卫星
学　校: 南京农业大学
专　业: 地图学与地理信息系统
关键词: 遥感 水稻 影像分块 层次分类 混合像元分解 信息提取 生长监测 产量预测
分类号: S511
类　型: 硕士论文
年　份: 2011年
下　载: 26次
引　用: 0次
阅　读: 论文下载
 

内容摘要


作物长势实时无损监测及生产力准确预测,有利于提高作物栽培中因苗管理的精确性。遥感的空间性、实时性可提高作物生长监测与预测能力,本文基于HJ卫星数据,以江苏省如皋市为研究区,研究了基于混合像元分解的水稻信息提取及定量遥感反演方法。具体内容与结果如下：为了解决中低分辨率遥感影像混合像元问题以提高水稻种植信息的提取精度,本文提出了两种适合于多光谱遥感的混合像元分解方法：一是基于图像分块的混合像元分解方法；二是分层多端元混合像元分解方法。第一种方法结合影像空间特征与光谱信息提取端元,即将遥感图像先分块,然后在地物相对简单的各个“小图像”上提取端元,从而弥补端元漏选及错选的缺陷,并实现了增加端元数目进而提高了解混精度；第二种方法是基于层次分类与多端元混合像元分解相结合的水稻面积信息提取方法(Stratified multiple endmember spectral mixture analysis, SMESMA)。层次分类有效降低了地物复杂度,而多端元混合像元分解通过对每一类地物选取多个端元光谱参与解混,克服了“同物异谱”造成的光谱变异问题,两者结合可较大程度提高分类精度。结果显示,第一种方法分类精度为83.65%,kappa系数为0.82；第二种方法(SMESMA)分类精度达到85.78%,kappa系数为0.85,较第一种分类方法略高,将提取的种植面积与如皋市统计局数据相比较,精度超过85%。将两种方法与常规的像元级分类方法(MLC)的精度进行了比较,结果显示本文提出的两种亚像元分类方法精度更高,表明本文提出的方法是适合基于中低分辨率多光谱遥感进行作物分类和面积提取的有效方法。基于水稻信息提取后,利用“纯净”水稻光谱参数与实测水稻叶片氮含量及氮积累建立相关关系,通过统计筛选出与水稻叶片氮素相关性最高的植被指数。结果表明,差值植被指数DVI(4,3)和比值植被指数RVI(4,2)分别与叶片氮含量和氮积累量关系最显著,决定系数分别达到0.74和0.80。此外,基于2010年多时相HJ卫星数据,利用Savitzky-Golay滤波方法有效去除云、异常值及数据缺失的影响,得到较高质量的时序HJ-NDVI和HJ-EVI数据。在此基础上分生育期分别建立了水稻LAI与NDVI和EVI的关系,同时构建了水稻单产与LAI的关系,结果显示,开花时期为水稻最佳估产时相,HJ-NDVI与LAI及LAI与产量关系最好,从而构建了基于“EVI-LAI-水稻单产”的水稻估产模型。通过不同年份试验检验,表明本文所构建的叶片氮素营养监测模型和水稻单产估算模型精度较高,可用于大面积水稻生长状况及产量的监测预测。

全文目录


摘要  7-9ABSTRACT  9-11第一章 绪论  11-27  1 研究概述  11-18    1.1 基于遥感的作物识别及信息提取研究进展  11-15    1.2 作物生长遥感监测与预测技术研究进展  15-18  2 研究目的与意义  18-19  参考文献  19-27第二章 技术路线与研究方法  27-35  1 研究思路与技术路线  27-28    1.1 研究思路  27    1.2 技术路线  27-28  2 材料与方法  28-34    2.1 试验与研究区  28-30    2.2 数据获取  30-32    2.3 数据分析与利用  32-34  参考文献  34-35第三章 基于HJ卫星混合像元分解的水稻信息提取  35-53  1 研究区及数据  36-37    1.1 研究区域  36    1.2 数据获取与利用  36-37  2 基于影像分块的混合像元分解的水稻信息提取  37-41    2.1 影像分块与端元提取  37    2.2 线性混合像元分解  37-38    2.3 方法流程图  38    2.4 结果与分析  38-41  3 基于分层多端元混合像元分解的水稻信息提取  41-46    3.1 端元选取  41-44    3.2 分层多端元混合像元分解(SMESMA)  44-46    3.3 结果分析  46  4 精度分析与比较  46-48  5 讨论与小结  48-50  参考文献  50-53第四章 基于HJ卫星的水稻叶片氮素状况监测  53-63  1 材料与方法  54    1.1 研究区域  54    1.2 数据获取与利用  54  2 结果与分析  54-59    2.1 光谱参数构建  54    2.2 水稻叶片氮含量与光谱参数的相关关系  54-56    2.3 水稻叶片氮积累量与光谱参数的相关关系  56-58    2.4 如皋市水稻叶片氮素状况的空间分布  58-59  3 讨论与小结  59-61  参考文献  61-63第五章 基于多时相HJ卫星数据的水稻产量预测研究  63-73  1 材料与方法  64-67    1.1 研究区域  64    1.2 数据获取与利用  64    1.3 估产最佳时相选择方法  64-65    1.4 基于Savitzky-Golay的时序NDVI与EVI数据滤波  65-67  2 结果与分析  67-69    2.1 估产最佳时相及植被指数选择  67-68    2.2 模型检验  68    2.3 如皋市水稻开花期叶面积指数及水稻产量的空间分布  68-69  3 讨论与小结  69-70  参考文献  70-73第六章 讨论与结论  73-77  1 讨论  73-75    1.1 水稻信息提取的关键技术  73-74    1.2 水稻生长参数遥感定量反演关键技术  74    1.3 今后的研究设想  74-75  2 结论  75-76  参考文献  76-77附录Ⅰ 硕士期间发表或投稿的论文  77附录Ⅱ 硕士期间参与科研项目  77-79致谢  79

相似论文

  1. 天然草地地上生物量动态监测与预测,S812
  2. 南翼山油田低孔渗油藏产量及剩余油饱和度预测方法研究,P618.13
  3. 石油勘探信息管理软计算的理论与方法研究,TP301
  4. 基于可见光—近红外光谱的冬小麦氮素营养诊断与生长监测,S512.11
  5. 基于叶片高光谱指数的水稻氮素及色素含量监测研究,S511
  6. 基于遥感的作物生长监测与诊断系统研究,S127
  7. 毛竹专题信息高光谱特征指数反演技术研究,S795
  8. 基于RS和GIS的近30年来莱州湾南部海岸地貌演变研究,P737.1
  9. 基于3S的小尺度农业资源信息提取技术研究,S126
  10. 基于光谱的小麦氮素营养监测与追肥调控研究,S512.1
  11. 基于遥感和模型同化的水稻生长监测预测技术研究,S511
  12. 激光探测汽车主动防碰撞技术与系统研究,TN247
  13. 移动Agent技术及其在智能决策系统中的应用研究,TP18
  14. 三江源区草地覆盖遥感信息提取方法及动态研究,S812
  15. 图像处理技术在小麦产量预测中的应用研究,S512.1
  16. 基于关联规则的机组产量预测模型研究与应用,TP311.13
  17. 灰色理论在芦苇产量预测中的应用研究,TP18
  18. 油田产量预测及配套跟踪管理研究,F426.22
  19. WTO框架下中国粮食国内支持及产量预测研究,F224
  20. 连续型Schaefer产量模型和BP网络模型在渔业中的应用研究,S951.2

中图分类: > 农业科学 > 农作物 > 禾谷类作物 > 稻
© 2012 www.xueweilunwen.com