基于敏感波段筛选的多源遥感数据作物生物量估算研究

发布时间：2017-12-02 18:12

  本文关键词：基于敏感波段筛选的多源遥感数据作物生物量估算研究

  更多相关文章： 遥感 敏感波段 高光谱 多光谱 冬小麦 生物量

【摘要】：农作物生物量是作物产量形成的基础,准确的生物量信息对于国家有效指导农业生产、保障国家粮食安全、促进农业可持续发展和全球碳循环等基础研究均有重要的意义。生物量估测估算涉及到多种学科与技术,相对于费时耗力的生物量传统估测方法,遥感具有的大面积同步观测的具有巨大优势。相较于传统光学遥感,高光谱遥感具有更加丰富的光谱信息,为生物量遥感估算提供了更多的数据支持。如何高效利用高光谱数据,降低高光谱信息冗余,并指导大范围多光谱遥感数据的有效应用是目前农业遥感研究中的重要议题。冬小麦作为我国主要三大口粮作物之一,其生物量信息对于小麦产量具有重要指导意义。因此,本研究在开展高光谱作物生物量估算中敏感波段筛选基础上,利用高光谱遥感和多光谱遥感等数据开展大范围农作物生物量估算,对及时、准确的获取冬小麦生物量信息对于指导我国粮食生产、保障国家粮食安全具有重要意义。本论文以我国黄淮海粮食主产区的河北省衡水市为研究区域,以冬小麦为研究对象,在试验区内布设试验样点,采集冬小麦生物量、冠层光谱以及GPS信息。通过研究任意两波段构建的窄波段植被指数与冬小麦地上鲜生物量间相关关系,构建拟合精度R2二维图,并以R2极大值重心作为高光谱估算鲜生物量敏感波段中心。通过对敏感波段中心进行波段扩展和相关生物量估算验证,最终确定敏感波段最佳波段宽度。在此基础上,以敏感波段中心为指导,利用不同空间分辨率、不同光谱分辨率的Hyperion、GF-1和Landsat8等遥感数据和广义植被指数(如NDVI、DVI和RVI等)完成区域冬小麦生物量遥感估算反演。论文主要结论如下:(1)通过构建的窄波段植被指数(N-VI)筛选与冬小麦生物量敏感的波段中心,并结合相对误差RE≤10%,归一化均方根误差NRMSE≤10%的标准确定敏感波段中心的最优波宽。其中,筛选的N-NDVI估算鲜生物量敏感波段中心为401nm/692nm、579nm/698nm、732nm/773nm等5个波段中心,其最优波段宽在10~102nm之间;估算干生物量敏感波段中心为387nm/840nm、465nm/500nm、527nm/963nm等8个波段中心,其最优波段宽在24~62nm之间。筛选的N-DVI估算鲜生物量敏感波段中心为818nm/614nm、821nm/734nm和986nm/844nm,最优波段宽度变化范围在28~194nm之间;估算干生物量敏感波段中心为502 nm/454 nm、623 nm/428 nm、947nm/593 nm等4个波段中心,其最优波段宽度在24~34nm之间。筛选的N-RVI估算鲜生物量敏感波段中心为398nm/672 nm、551 nm/865 nm、577 nm/699 nm等9个波段中心,其最优波段宽度在18nm~146nm;估算干生物量敏感波段中心为439 nm/623 nm、506 nm/461 nm、538 nm/965 nm等9个波段中心,其最优波段宽度在22~86nm。通过最优波段宽度估算的生物量与实测生物量数据相关性均达到极显著水平(p0.01)。(2)利用敏感波段中心对应的Hyperion波段进行区域冬小麦生物量反演。其中,利用Hyperion第79波段(波段中心为996.63nm,波宽为10nm)和第37波段(波段中心为721.90nm,波宽为10nm)构建的RVI反演鲜生物量效果最好,R2为0.6665,RE、NRMSE分别为10.71%和11.99%;利用Hyperion第79波段和第19波段(波段中心为538.74nm,波宽为10nm)构建的RVI反演干生物量效果最好,R2为0.6848,RE、NRMSE分别为9.24%和10.45%。(3)基于模拟遥感数据和真实遥感数据,依靠NDVI、DVI和RVI等广义遥感植被指数,本研究开展利用Hyperion高光谱遥感和GF-1、Landsat8宽波段多光谱遥感的区域生物量遥感反演研究,并进行生物量遥感反演精度验证。其中,相较于NDVI、DVI而言,RVI在冬小麦主要生育期生物量遥感反演中取得了更好的效果。从以地面高光谱模拟GF-1、Landsat8宽波段开展区域冬小麦生物量遥感反演结果看,模拟GF-1和Landsat8遥感数据估算生物量精度高于真实遥感数据生物估算精度;模拟遥感数据和真实遥感数据进行生物量估算中,GF-1数据估算生物量精度高于Landsat8数据估算生物量精度。生物量估算中,RVI指数效果最好,模拟遥感数据构建的RVI生物量估算精度排序为GF-1Landsat8;真实遥感数据构建的RVI生物量估算精度排序为HyperionGF-1Landsat8。其中,Hyperion高光谱数据建立的模型,鲜生物量的估算精度R2为0.6665,RE、NRMSE分别为10.71%和11.99%,干生物量的估算精度R2为0.6988,RE、NRMSE分别为9.40%和10.10。模拟GF-1宽波段建立的模型,鲜生物量的估算精度R2为0.7124,RE、NRMSE分别为8.33%和10.38%,干生物量的估算精度R2为0.7292,RE、NRMSE分别为11.59%和11.85%;模拟Landsat8宽波段建立的模型,鲜生物量的估算精度R2为0.7126,RE、NRMSE分别为10.15%和11.22%,干生物量的估算精度R2为0.7028,RE、NRMSE分别为13.44%和13.47%。基于GF-1宽波段开展冬小麦生物量反演中,鲜生物量反演精度R2为0.6972,RE和NRMSE分别为13.48%和14.06%;干生物量反演精度R2为0.6821,RE和NRMSE分别为10.31%和15.07%;基于Landsat8进行冬小麦生物量反演中,鲜生物量反演精度R2为0.7098,RE和NRMSE分别为12.83%和14.84%,干生物量反演精度R2为0.6383,RE和NRMSE分别为12.70%和15.74%。(4)对比Hyperion、GF-1和Landsat8反演区域遥感生物量反演精度结果可以看出,相较于多光谱GF-1、Landsat8而言,高光谱Hyperion数据在区域生物量遥感估算中取得了最高的精度,在一定程度上说明高光谱遥感数据在区域生物量遥感监测中具有更大的应用潜力;对比GF-1与Landsat8多光谱遥感算生物量精度结果,GF-1估算区域生物量取得了更高的估算精度,表现出更佳的优势。综合看,本论文研究结果表明,利用高光谱窄波段植被指数与冬小麦生物量间拟合R2极大值区域重心的作物高光谱敏感波段筛选和最优波段宽度确定方法具有一定可行性,这为开展作物高光谱数据波段优选提供了新思路。在此基础上,以高光谱波段筛选为指导,开展基于高光谱遥感和多光谱遥感的生物量高精度估算,这对高光谱数据有效应用、多光谱遥感波段设置及应用潜力评价提供一定依据。
【学位授予单位】：中国农业科学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S127

【相似文献】

中国期刊全文数据库 前10条

1 Marc H.Ross;Thomas B.Cobb;周勇;;美国经济中的生物量流[J];国外林业;1988年01期

2 蔡小虎,彭培好,王金锡;长江中上游防护林体系工程林生物量及生产力计量评价[J];四川林业科技;2000年02期

3 杨昆;管东生;;珠江三角洲森林的生物量和生产力研究[J];生态环境;2006年01期

4 郭清文;冯仲科;张彦林;韩光瞬;;单木生物量模型误差分析与定权方法探讨[J];中南林业调查规划;2006年01期

5 安树杰;张晓丽;王震;李春艳;;生物量估测中的遥感技术[J];林业调查规划;2006年03期

6 杜飞雁;李纯厚;廖秀丽;贾晓平;王雪辉;;大亚湾海域浮游动物生物量变化特征[J];海洋环境科学;2006年S1期

7 袁位高;江波;葛永金;朱锦茹;沈爱华;;浙江省重点公益林生物量模型研究[J];浙江林业科技;2009年02期

8 许俊利;何学凯;;林木生物量模型研究概述[J];河北林果研究;2009年02期

9 罗云建;王效科;张小全;朱建华;侯振宏;张治军;褚金翔;;华北落叶松人工林生物量的估算方法[J];南京林业大学学报(自然科学版);2010年03期

10 王春英;田佳壁;刘丽;王培俊;郑苗苗;;小浮萍生物量影响因素研究[J];江苏农业科学;2010年04期

中国重要会议论文全文数据库 前10条

1 徐兆礼;沈新强;;长江口邻近水域浮游动物生物量及其年间变化[A];中国水产学会第七届渔业资源与环境分会2004年度学术研讨会论文摘要汇编[C];2004年

2 玉宝;乌吉斯古楞;王立明;张秋良;;不同结构兴安落叶松天然林生物量生产力特征[A];第二届中国林业学术大会——S3 森林经理与林业信息化的新使命论文集[C];2009年

3 吴涛;赵冬至;康建成;张丰收;索安宁;卫宝泉;马玉娟;;双台河口赤碱蓬动态遥感监测及生物量遥感反演[A];中国地理学会百年庆典学术论文摘要集[C];2009年

4 孟超;秦俊;胡永红;;单株截顶香樟树冠生物量及其分配格局[A];中国观赏园艺研究进展（2010）[C];2010年

5 刘玉萃;吴明作;郭宗民;;河南宝天曼自然保护区栓皮栎林生物量和净生产力研究[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

6 陈秋夏;王金旺;郑坚;卢翔;金川;;浙江人工红树林种群结构及种群生物量研究[A];中国第五届红树林学术会议论文摘要集[C];2011年

7 叶德赞;赵昌会;骆祝华;黄翔玲;裴耀文;;热带太平洋细菌生物量及其对深海碳循环的影响[A];2006中国微生物学会第九次全国会员代表大会暨学术年会论文摘要集[C];2006年

8 喻光明;王立国;杨珊;胡利梅;陶文星;;土地整理对生物量平衡及生态环境的影响[A];节能环保 和谐发展——2007中国科协年会论文集（三）[C];2007年

9 左涛;王俊;唐启升;金显仕;;夏末秋初南黄海网采浮游生物的生物量谱[A];2007年中国水产学会学术年会暨水产微生态调控技术论坛论文摘要汇编[C];2007年

10 佃袁勇;王鹏程;方圣辉;汪曼;乐源;;多源遥感数据反演三峡库区森林地表生物量的比较与分析[A];遥感定量反演算法研讨会摘要集[C];2010年

中国重要报纸全文数据库 前2条

1 中国工程院院士 冯宗炜;中国森林对全球碳循环及气候变化做贡献[N];科技日报;2010年

2 白秀萍;走近日本木质生物量利用[N];中国绿色时报;2008年

中国博士学位论文全文数据库 前10条

1 郑玲;小麦生物量田间快速测量方法研究[D];西北农林科技大学;2015年

2 宋理洪;三江平原泥炭沼泽有壳变形虫多样性及其在古水位重建中的作用[D];中国科学院研究生院（东北地理与农业生态研究所）;2015年

3 崔菁菁;不同年代水稻品种氮素利用特性及库/源变化的研究[D];吉林农业大学;2015年

4 王东亮;低空遥感数据处理与非生长季草地生物量反演研究[D];中国农业科学院;2016年

5 胥辉;立木生物量模型构建及估计方法的研究[D];北京林业大学;1998年

6 曹庆先;北部湾沿海红树林生物量和碳贮量的遥感估算[D];中国林业科学研究院;2010年

7 曾伟生;全国立木生物量方程建模方法研究[D];中国林业科学研究院;2011年

8 徐星欧;基于目标分解的全极化雷达数据估算生物量相关参数方法研究[D];武汉大学;2010年

9 徐光彩;小光斑波形激光雷达森林LAI和单木生物量估测研究[D];中国林业科学研究院;2013年

10 刘志民;植物适应干扰机制和干扰对植被过程影响的若干例证研究[D];中国科学院研究生院（寒区旱区环境与工程研究所）;2001年

中国硕士学位论文全文数据库 前10条

1 姚阔;基于高光谱数据的内蒙东部天然草地生物量反演模型研究[D];延边大学;2015年

2 邵平;半高秆高生物量型杂交稻生理弹性抗倒研究[D];长江大学;2015年

3 任佳佳;华北落叶松林分结构分析及地上部分生物量探究[D];河北农业大学;2015年

4 刘博;基于高分辨率影像的杭州西湖区绿地生物量研究[D];浙江农林大学;2015年

5 车东峻;攀枝花市云南松生物量模型及空间分布研究[D];四川农业大学;2015年

6 胡靖扬;辽东山区长白落叶松枝叶生物量模型研究[D];沈阳农业大学;2016年

7 包月梅;根河市火烧迹地灌木和草本生物量动态变化分析[D];内蒙古农业大学;2016年

8 刘斌;基于敏感波段筛选的多源遥感数据作物生物量估算研究[D];中国农业科学院;2016年

9 董利虎;黑龙江省主要树种相容性生物量模型研究[D];东北林业大学;2012年

10 王宏全;基于标准地和遥感数据的北亚热带高山区日本落叶松林生物量模型研究[D];中国林业科学研究院;2010年

，

本文编号：1245812