基于C波段雷达遥感数据的水稻FPAR反演

发布时间：2017-06-05 09:21

  本文关键词：基于C波段雷达遥感数据的水稻FPAR反演，由笔耕文化传播整理发布。

【摘要】：FPAR表示了植被冠层能量的吸收能力,是描述植被结构以及与之相关的物质与能量交换过程的基本生理变量,是作物生产模型、大气模型、水循环模型、碳循环模型、生态模型、净初级生产力模型等模型的重要陆地关键参量。水稻在世界许多地区种植,与数以百万计人的生命息息相关。在中国,水稻种植面积占粮食种植总面积的18.7%,总面积达到2963万公顷。因此水稻在保障中国粮食安全和社会稳定上具有重要作用。在区域和全球尺度上,利用遥感技术准确、及时反演水稻FPAR以及其变化规律,可以为水稻的生长状况、总初级生产力的估算和二氧化碳吸收等提供重要的参考数据和理论依据。由于大部分水稻种植地区多云、多雾、多雨,很大程度上限制了光学遥感在水稻监测方面的应用。因此,能够穿透云层,具有全天时、全天候对地观测的星载雷达成为植被遥感监测的重要工具之一,也为将来建立更加可靠、稳定的植被遥感监测体系提供了重要途径。本研究以RADARSAT-2遥感数据作为数据源,以成都平原为研究区域,结合野外观测的实验数据等信息,提取研究区域内水稻的种植面积、建立水稻FPAR经验和理论反演模型并对结果进行分析与验证。(1)对RADARSAT-2遥感数据进行预处理,通过分析水稻生长期中地物多波段、多时相的后向散射特征和其他植被之间的差别,利用研究区域内不同极化方式以及不同时相的数据对地物进行分类,将除水稻外的地物类型进行合并,最终提取出水稻的种植面积。结合实地考察、试验点、相近地物以及采集的控制点等坐标信息对结果进行验证,结果表明水稻种植面积的提取精度较好。(2)根据2014年于水稻生长期内在研究区域内选取的30个实验点进行地面观测所获取的水稻的FPAR数据与雷达遥感数据,建立统计关系,构建水稻FPAR经验反演模型。选取三个不同时相的Radarsat-2影像,提取试验点极化方式的后向散射系数及其比值,并将其与实测的FPAR进行拟合。最后,对结果进行对比分析,σ0VV/σ0VH与实测的FPAR之间具有很好的关系,决定系数R2达到0.713。(3)以野外实验获取水稻生产期内各个时段的结构参数数据为依据,利用植被冠层后向散射模型——改进后的MIMICS(Michigan Microwave Canopy Scattering)模型和基于MIMICS模型的半经验半理论模型,对实验点水稻C波段雷达数据进行模拟。对模拟的各实验点的后向散射系数与实测的FPAR进行相关性分析,发现两个模型模拟的VV、VH极化的后向散射系数的比值与FPAR之间的关系都较好,决定系数R2分别达到0.814和0.64。(4)基于C波段雷达遥感数据与实测FPAR的拟合度分析证明,利用整个生长期的雷达遥感数据估算水稻FPAR是完全可行的,且反演效果较好。从水稻生长阶段来看,水稻生长初期由于存在大量水面对雷达信号吸收的影响以及水稻矮小等原因,导致水稻FPAR反演效果较差;水稻生长中期几何结构特征十分明显,水体的影响也较小,C波段雷达遥感数据能很好的反演这个阶段的FPAR;水稻生长末期由于覆盖度较高且有稻穗的影响,导致这个阶段无法单独用C波段雷达遥感数据来反演水稻FPAR。
【关键词】：遥感 FPAR 水稻 RADARSAT-2 MIMICS模型
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S511;P237
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-19
• 1.1 研究背景与意义11-12
• 1.2 国内外研究现状和进展12-16
• 1.2.1 SAR在植被上应用的国内外研究现状和进展12-14
• 1.2.2 FPAR的国外研究现状和进展14-16
• 1.3 研究内容16-17
• 1.4 研究方案与技术路线17-18
• 1.4.1 研究方案17-18
• 1.4.2 技术路线18
• 1.5 论文结构18-19
• 第二章 RADARSAT-2 数据预处理及水稻种植面积提取19-34
• 2.1 研究区概述19-20
• 2.2 RADARSAT-2 数据获取及处理20-29
• 2.2.1 RADARSAT-2 数据介绍20-22
• 2.2.2 RADARSAT-2 数据预处理22-29
• 2.3 水稻种植面积提取29-33
• 2.3.1 遥感图像分类方法29-30
• 2.3.2 水稻种植面积提取30-33
• 2.4 本章小结33-34
• 第三章 水稻生物物理特征参数地面实验设计与观测34-51
• 3.1 开展地面观测实验的必要性34
• 3.2 水稻观测实验目的与设计原则34-35
• 3.2.1 实验目的34-35
• 3.2.2 观测时间确定原则35
• 3.2.3 实验样点选择与布设原则35
• 3.3 实验方案设计35-44
• 3.3.1 观测指标选取35
• 3.3.2 实验仪器35-37
• 3.3.3 实验点和实验路线布设37-39
• 3.3.4 野外数据采集方案39-40
• 3.3.5 叶面积指数测量方法40-42
• 3.3.6 FPAR的测量方法42-44
• 3.4 室内数据测量方法44
• 3.5 实验观测与数据分析44-50
• 3.5.1 生长期内水稻LAI的变化情况45-46
• 3.5.2 生长期内水稻FPAR的变化情况46-48
• 3.5.3 其他参数变化情况48-50
• 3.6 本章小结50-51
• 第四章 基于RADARSAT-2 与观测数据水稻FPAR经验模型构建51-60
• 4.1 基于单时相的水稻FPAR经验模型构建51-54
• 4.2 基于相邻时相的构建水稻FPAR经验模型构建54-55
• 4.3 基于整个生长期的水稻FPAR经验模型构建55-57
• 4.4 水稻种植区FPAR反演及结果分析57-59
• 4.5 本章小结59-60
• 第五章 水稻种植区C波段雷达遥感数据模拟及FPAR反演60-75
• 5.1 基于植被冠层后向散射理论模型的C波段雷达数据模拟及FPAR反演60-69
• 5.1.1 MIMICS模型60-63
• 5.1.2 基于MIMICS模型的C波段雷达数据模拟63-65
• 5.1.3 基于MIMICS模型模拟的数据与FPAR相关性分析65-69
• 5.2 基于植被冠层后向散射半经验半理论模型的C波段雷达数据模拟及FPAR反演69-74
• 5.2.1 植被冠层后向散射半经验半理论模型69-70
• 5.2.2 基于半经验半理论模型的C波段雷达数据模拟70-72
• 5.2.3 基于半经验半理论模型模拟数据与FPAR相关性分析72-74
• 5.3 本章小结74-75
• 第六章 结论与展望75-77
• 6.1 主要结论75-76
• 6.2 研究展望76-77
• 6.2.1 存在的问题76
• 6.2.2 展望76-77
• 致谢77-78
• 参考文献78-86
• 攻读硕士期间取得的研究成果86-87

【参考文献】

中国期刊全文数据库 前2条

1 李新;马明国;王建;刘强;车涛;胡泽勇;肖青;柳钦火;苏培玺;楚荣忠;晋锐;王维真;冉有华;;黑河流域遥感—地面观测同步试验:科学目标与试验方案[J];地球科学进展;2008年09期

2 凌飞龙;李增元;白黎娜;田昕;陈尔学;杨永恬;;ALOS PALSAR双极化数据水稻制图[J];遥感学报;2011年06期

中国硕士学位论文全文数据库 前2条

1 叶W，

本文编号：423424