风云气象数据在农情定量监测中的应用研究

发布时间：2017-11-22 08:25

  本文关键词：风云气象数据在农情定量监测中的应用研究

  更多相关文章： 风云3气象卫星 作物生长曲线 混合像元分解 物候期提取

【摘要】：农情就是农业生产情况,通过与农业资源、环境和生产过程相关的一系列数据来体现。我国是农业大国,农业是我们国家的经济命脉和社会稳定的基础。农情监测意义重大,关系到国家粮食安全、主要农产品供给、社会安定与农业可持续发展。随着社会经济的发展,传统的局部人工地面监测农情的方式已不能满足现代农业发展的需求,大面积农情遥感实时监测已逐渐成为人们获取农业生产信息的重要方式。起源于上世纪八十年代的风云气象卫星系列,目前已发展到第三代(风云4号也即将发射),在气象预报与农业气象保障等方面已取得了广泛的应用,成为国际上遥感应用最成功的范例之一。但就目前的文献来看,风云数据的农情应用主要集中在植被信息提取、地表温度反演、土壤墒情监测等方面,且已有的研究并没有充分利用风云数据的高时间分辨率特性,存在薄弱环节。针对上述问题,本文以河南省鹤壁市为研究区域,以风云3号MERSI多光谱遥感影像作为数据源。根据风云数据的高时间分辨率特征,构建农作物生长曲线,并据此进行夏玉米的种植面积及其物候期的提取。主要研究内容包括:(1)夏玉米生长曲线构建。借助Landsat8高分辨率影像进行研究区域耕地信息提取,并对MERSI数据进行掩膜处理,得到研究区域的目标影像;计算每个像元的EVI时间序列,使用最大值合成法进行EVI时间序列数据集的初步去噪;在比较S-G滤波及小波去噪的基础上,提出迭代S-G滤波取上包络线的新方法,建立了夏玉米生长曲线。(2)基于生长曲线的夏玉米种植面积提取。用作物生长曲线代替传统混合像元分解中的光谱曲线,对鹤壁市的夏玉米种植区域进行了混合像元分解的研究。在对传统方法对比分析的基础上,提出了基于生长曲线夹角(借用光谱角的概念)的自适应选择端元组合的混合像元分解方法,提取的夏玉米种植面积精度为75.6%,像元分类精度达到86.7%。(3)基于生长曲线的夏玉米物候期提取。使用Logistic模型拟合作物生长曲线的上升阶段,使用动态阈值法和曲率法进行夏玉米的关键物候期提取。鉴于监测站的数量与分布的实际情况,为验证提取精度,将研究区域扩大到河南省,通过与地面农气站监测数据匹配,确定提取的物候期为七叶期、拔节期和抽穗期,提取误差均小于5天。(4)风云遥感农情监测原型系统开发。基于以上研究,利用ENVI二次开发平台,实现了风云遥感农情监测原型系统的开发,功能包括图像浏览、生长曲线构建、亚像元信息提取、作物物候期提取以及作物长势评价等模块。获得国家知识产权局软件著作权。
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S163;S127

【相似文献】

中国期刊全文数据库 前10条

1 张彦,邵美珍;基于径向基函数神经网络的混合像元分解[J];遥感学报;2002年04期

2 唐世浩,朱启疆,李小文,王锦地,阎广建;高光谱与多角度数据联合进行混合像元分解研究[J];遥感学报;2003年03期

3 赵小锋;邱全毅;;4种混合像元分解方法在沿海丘陵城市地表组分分析中的比较研究[J];遥感技术与应用;2009年06期

4 詹锡兰;吴波;;一种基于高斯马尔可夫随机场模型的混合像元分解方法[J];福州大学学报(自然科学版);2011年01期

5 吕长春,王忠武,钱少猛;混合像元分解模型综述[J];遥感信息;2003年03期

6 崔雨勇;曾致远;付必涛;毛典辉;;基于边界提取的混合像元分解[J];人民长江;2008年08期

7 范渭亮;杜华强;周国模;徐小军;崔瑞蕊;董德进;;模拟真实场景的混合像元分解[J];遥感学报;2010年06期

8 吴波;周小成;高海燕;;面向混合像元分解的光谱维小波特征提取[J];华侨大学学报(自然科学版);2008年01期

9 张子石;潘聪;陈红顺;;基于有监督模糊C-均值算法的混合像元分解[J];遥感技术与应用;2009年06期

10 马雪梅;陈亮;俞冰;徐锋;;基于决策树和混合像元分解的城市扩张分类[J];测绘通报;2006年10期

中国重要会议论文全文数据库 前8条

1 王强;黄楠;;混合像元分解研究综述[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年

2 胡霞;雷星松;;基于时序的遥感影像混合像元分解模型的研究[A];第十七届中国遥感大会摘要集[C];2010年

3 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年

5 魏一苇;黄世奇;;高光谱混合像元分解技术研究综述[A];国家安全地球物理丛书（九）——防灾减灾与国家安全[C];2013年

6 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

7 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年

8 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];第十七届中国遥感大会摘要集[C];2010年

中国博士学位论文全文数据库 前4条

1 孔祥兵;基于同质区分析的高光谱影像混合像元分解[D];武汉大学;2012年

2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年

3 李华丽;高光谱遥感影像自动混合像元分解研究[D];武汉大学;2012年

4 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年

中国硕士学位论文全文数据库 前10条

1 辛蕾;绿潮卫星遥感监测方法精细化研究[D];中国海洋大学;2014年

2 吴明艳;部分植被覆盖下的土壤盐分高光谱遥感反演[D];东南大学;2015年

3 郭阳;联合近似稀疏和全变差正则化的高光谱影像混合像元分解[D];江西科技师范大学;2015年

4 李耀辉;风云气象数据在农情定量监测中的应用研究[D];郑州大学;2016年

5 孔美美;基于混合像元分解的水体提取及变化监测研究[D];华侨大学;2016年

6 李君;线性与非线性混合像元分解模型的比较研究[D];东北林业大学;2008年

7 宋慧;基于混合像元分解的土地利用分类[D];济南大学;2013年

8 黄竞铖;基于因子分析的混合像元分解方法研究[D];吉林大学;2012年

9 刘学;棉花遥感识别的混合像元分解研究[D];石河子大学;2008年

10 韩威宏;基于混合像元分解的遥感产品真实性检验研究[D];电子科技大学;2014年

，

本文编号：1214110