基于风云三号卫星数据的河南麦区干热风灾损评估模型研究

发布时间：2020-11-19 22:37

　　 近年来,干热风在我国呈现频发趋势,超过一半小麦区受到干热风侵袭,危害严重。干热风是发生在小麦灌浆期间的一种高温、低湿、强风速的灾害性天气,能引起小麦灌浆受阻,籽粒干秕,导致小麦减产。以气象站为单元监测干热风的方法已不能满足精细化的农业需求,而遥感技术却能解决此问题。遥感技术具有大面积、实时定点监测的优势,能直观分析冬小麦受影响的空间特征,为其灾害防御提供科学依据,这对促进农业生产及保障粮食安全具有重大意义。本研究以河南省为例,应用EOS MODIS、风云3号MERSI遥感数据,首先利用MODIS高时间分辨率特性,提取冬小麦种植区,然后通过模拟干热风试验和干热风实例,探讨植被指数在监测冬小麦干热风中的适用性,进而构建干热风灾损评估模型。主要研究内容如下:(1)基于差分进化—加权最小距离算法的冬小麦提取。利用EOS-MODIS数据构建冬小麦NDVI时间序列曲线,采用正反向最大值合成及S-G滤波方法对该曲线去噪重建;基于重建后的曲线利用Logistic模型反演,确定冬小麦关键生育期,引进差分进化算法对最小距离算法改进,提取河南省内冬小麦种植区。结果显示:提取的小麦种植面积与统计资料相比,总体误差在3%以内。(2)干热风灾害监测的遥感植被指数确定。鉴于冬小麦生长过程中影响因子众多,开展人工模拟干热风试验。借助试验中获得的小麦光谱、农学数据,分析重度干热风对小麦光谱特征的影响;进一步研究高光谱指数对干热风的敏感性和适用性,确定监测干热风的遥感指数指标。(3)干热风灾害评估模型的构建。利用风云三号MERSI、MODIS数据构建NDVI、RVI、ARVI、EVI、PDI等指数,结合气象站点监测到的干热风过程,选择最佳干热风监测指标;采用回归分析方法,基于优选的NDVI、RVI与气象指标构建干热风灾害等级评估模型;并以两种遥感数据互验模型,精度达到80%以上。
【学位单位】：郑州大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S42;S512.11
【部分图文】：

图 2.1 研究区概况研究数据介绍本研究需要的数据有四类：历史气象资料、风云三号系列及 EOSMOD感数据、基础地理信息数据（河南省 1:25 万基础地理信息数据）、河南鉴数据。以上数据由河南省气象局科学研究所提供、MODIS 数据在SA 官方网站下载。气象数据本研究选取河南省 121 个气象站点 2008 到 2017 年 5 月份逐日基本地据，主要包括日最高温度、14：00 相对湿度、14 时地面 10 米风速。该南省气象局提供，图 2.2 为河南省 122 个气象站点的分布图。

图 2.2 河南省气象站点分布图遥感数据本研究采用风云三号 FY-3 气象卫星和 EOS MODIS 卫星系列遥感数据号数据由省气象局提供；EOS MODIS 数据来自于美国 NASA 官方ttps://modis.gsfc.nasa.gov/），河南省对应的影像分幅编号为 h27v05。考虑量、精度的需要，最终确定具体日期数据如表 2.1表 2.1 遥感影像数据说明年份 数据产品 传感器类型 日期2013FY3A/MERSI MERSI 2013.5.12、2013、5.14MOD09GQ、MOD09GATERRA 2013.5.12、2013、5.142017FY3A/VIRR VIRR 2017.5.07、 2017.5.13MYD09GQ AQUA 2017.5.09、 2017.5.13（1）FY-3 数据

图 3. 1 冬小麦原始 NDVI 时间序列数据：横坐标中“0”代表 2012-9-29，之后间隔 8 天，“12”代表 2013-1-1，“13”代表 2013-01-09，以此类从冬小麦原始 NDVI 时间序列数据图中明显看出：原始影像值的冬小VI 时间序列曲线并不符合小麦的生长发育情况，曲线无法反映小麦真实生况。原因有：①影像中云层的覆盖导致波段反射率的变化，致使 NDVI 值。经过对原始影像数据检查，发现部分时期的影像受云干扰较为严重。由于和大气对近红外波段和红外波段具有屏蔽作用，能够缩小波段间的反射差之受到传感器位置、太阳高度角和地表不利因素影响，导致 NDVI 时间序列存在大量突降噪声点。②大气干扰或双向反射影响，二者影响程度不一致导VI 时间序列出现波动。③数据传输错误导致 NDVI 突出极值。影像受云干扰的状况不可避免，但并非所有的像元值都异常，应充分利用期的高质量像元数据来减少噪点影响。为得到冬小麦真实的的生长规律曲对原始曲线进行去噪平滑处理。
【参考文献】

相关期刊论文 前10条

1 马锐;江敏;石春林;;气候变化对农业影响评价研究进展[J];江苏农业科学;2015年10期

2 李明辉;周玉玺;周林;杨洁;王盈桦;;中国小麦生产区域优势度演变及驱动因素分析[J];中国农业资源与区划;2015年05期

3 李颖;韦原原;刘荣花;方文松;成林;;河南麦区一次高温低湿型干热风灾害的遥感监测[J];中国农业气象;2014年05期

4 汪慎文;丁立新;张文生;郭肇禄;谢承旺;;差分进化算法研究进展[J];武汉大学学报(理学版);2014年04期

5 许青云;杨贵军;龙慧灵;王崇倡;李鑫川;黄登成;;基于MODISNDVI多年时序数据的农作物种植识别[J];农业工程学报;2014年11期

6 胡玲;汪青春;刘宝康;苏文将;周万福;;青海高原干热风的分布特征及其对气候变化的响应[J];气象;2014年04期

7 覃志豪#研究员、博士生导师;唐华俊;李文娟;赵书河;;气候变化对农业和粮食生产影响的研究进展与发展方向[J];中国农业资源与区划;2013年05期

8 沈永平;王国亚;;IPCC第一工作组第五次评估报告对全球气候变化认知的最新科学要点[J];冰川冻土;2013年05期

9 贺可勋;赵书河;来建斌;罗云霄;覃志豪;;水分胁迫对小麦光谱红边参数和产量变化的影响[J];光谱学与光谱分析;2013年08期

10 屈振江;郑小华;李星敏;;陕西省冬小麦干热风分布特征及预测研究[J];中国农学通报;2013年18期

相关博士学位论文 前1条

1 武志峰;差异演化算法及其应用研究[D];北京交通大学;2009年

相关硕士学位论文 前2条

1 张金平;河南省干热风风险区划及对作物影响研究[D];兰州大学;2016年

2 张玉静;华北地区冬小麦主要气象灾害风险评估[D];中国气象科学研究院;2014年

本文编号：2890537