基于遥感影像融合技术的水稻种植面积提取及稻曲病估测研究

发布时间：2017-07-26 22:27

  本文关键词：基于遥感影像融合技术的水稻种植面积提取及稻曲病估测研究

  更多相关文章： 水稻 遥感监测 HPF融合 稻曲病 病害模型

【摘要】：江苏省是我国水稻主产地区之一,水稻种植面积和产量位居国内前列,近年来,伴随着水稻的高产丰收,水稻稻曲病的发生愈加普遍和严重。因此,需要对水稻种植面积和稻曲病病情做出有效估测,而作物病虫害遥感监测通常面临两个问题,“同谱异物”、“异谱同物”和模型适用性不足,本文针对上述两个问题分别做出了以下研究阐述：1.为提高江苏省水稻种植面积观测精度,针对“同谱异物”“异物同谱”问题,本研究利用ENVI和ERDAS软件,选用中国自主研发的遥感卫星GF-1/PMS全色影像和HJ-1B/CCD多光谱影像,选择PCA、Brovey、HPF、Wavelet四种融合方法进行融合,并通过目视效果、融合效果评价指标对融合影像的光谱信息丰富程度、纹理特征、保真度等进行评价,再利用RVI和NDVI比较融合影像和实测数据的光谱特征,选出最佳融合影像,利用非监督分类制作水稻分布图,最后利用3个实验样方对融合影像进行精度验证。结果表明,HPF融合影像光谱信息丰富、空间纹理特征清晰、保真度最佳,且具有与实测值最接近的RVI和NDVI值,近似率分别为87.71%和98.63%,对HPF融合影像做样方验证,平均验证精度为94.55%。2.为提高模型的适用性,本研究从稻曲病发病机理、发生规律等角度出发,结合气象、农学、遥感要素,综合考虑了影响稻曲病病菌侵染和传播的气象因子、田间管理、水稻品种、氮肥的施用等情况,针对江苏省主要水稻品种淮稻5号和连粳7号,选择温度、降水、叶面积指数、生物量、叶片氮素含量等5个指标,根据2012-2013年江苏省兴化、沭阳、建湖、涟水、灌南等5个县60个样点的稻曲病相关数据,模拟建立了水稻稻曲病病情指数估测模型,并通过2014年兴化市稻曲病相关数据进行验证。结果表明,该模型符合实际情况,模型验证精度为83.32%。此外,利用遥感影像反演农情参数,结合气象数据,制作出了研究区域的水稻稻曲病病情分布专题图。
【关键词】：水稻 遥感监测 HPF融合 稻曲病 病害模型
【学位授予单位】：南京信息工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S511;S435.111.4;S127
【目录】：

• 摘要6-8
• Abstract8-10
• 第一章 绪论10-20
• 1.1 研究背景和意义10
• 1.2 国内外研究进展10-16
• 1.2.1 作物病虫害遥感监测研究进展10-14
• 1.2.2 遥感影像融合技术研究进展14-15
• 1.2.3 水稻稻曲病研究进展15-16
• 1.3 研究内容16-17
• 1.4 存在的问题17-19
• 1.5 研究技术路线19-20
• 第二章 研究资料与研究方法20-38
• 2.1 研究区域介绍20-22
• 2.2 遥感卫星介绍22-25
• 2.2.1 高分一号卫星(GF-1)22-23
• 2.2.2 环境与灾害监测预报小卫星(HJ-1A/B/C)23-25
• 2.3 数据来源25-26
• 2.3.1 遥感影像获取25
• 2.3.2 地面大田实测数据获取25-26
• 2.4 遥感影像融合方法26-35
• 2.4.1 遥感影像预处理26-27
• 2.4.2 遥感影像融合计算方法27-31
• 2.4.2.1 PCA(主成分变换)27-29
• 2.4.2.2 Brovey(比值变换)29-30
• 2.4.2.3 HPF(高通滤波融合)30
• 2.4.2.4 Wavelet(小波变换)30-31
• 2.4.3 遥感影像融合效果评价指标31-33
• 2.4.3.1 均值32
• 2.4.3.2 标准差和信息熵32
• 2.4.3.3 交叉熵和相关系数32-33
• 2.4.4 植被指数比较33-35
• 2.4.4.1 RVI34
• 2.4.4.2 NDVI34-35
• 2.5 水稻种植面积提取方法35
• 2.6 水稻稻曲病估测方法35-38
• 第三章 水稻种植面积提取38-50
• 3.1 融合效果评价38-43
• 3.1.1 目视效果评价38-40
• 3.1.2 客观指标评价40-43
• 3.2 植被指数分析43-45
• 3.3 结果验证45-47
• 3.3.1 基于非监督分类的水稻种植面积提取45-46
• 3.3.2 样方精度验证46-47
• 3.4 小结47-50
• 第四章 水稻稻曲病估测模型50-60
• 4.1 稻曲病病理及影响50-53
• 4.1.1 稻曲病病理及危害50-51
• 4.1.2 稻曲病分级标准51-52
• 4.1.3 稻曲病发生规律52-53
• 4.2 气象条件和农学参数对水稻稻曲病发生的影响53-55
• 4.3 水稻稻曲病气象-遥感估测模型55-57
• 4.3.1 水稻稻曲病气象-遥感估测模型描述55-56
• 4.3.2 水稻稻曲病气象-遥感估测模型精度验证56-57
• 4.4 基于融合影像的水稻稻曲病气象-遥感估测57-59
• 4.5 小结59-60
• 第五章 讨论与结论60-64
• 5.1 主要结论60-61
• 5.1.1 遥感影像融合技术对水稻种植面积提取精度的影响60
• 5.1.2 水稻稻曲病病情指数估测模型60-61
• 5.2 主要创新之处61-62
• 5.3 讨论62-63
• 5.4 展望63-64
• 参考文献64-78
• 作者简介78-80
• 致谢80

，

本文编号：578679