棉花生长初期灌溉信息遥感提取与校正
本文关键词: 棉花 生长初期 灌溉信息 植被指数 归一化差值植被指数(NDVI) 归一化差值水分指数(NDWI) 出处:《中国生态农业学报》2017年08期 论文类型:期刊论文
【摘要】:为提高生长初期低覆盖度作物长势的遥感监测精度,需要消除灌溉引起的土壤水分背景变化对归一化差值植被指数(NDVI)的影响。为了实现棉花生长初期灌溉信息提取与校正,提高棉花作物长势监测与产量预判精度,本文以美国加利福尼亚州San Joaquin Valley的2个棉花地块为研究区,选取棉花生长初期灌溉过程中的遥感影像,构建两种灌溉信息提取方法(分阶段阈值法和灌溉线提取法),确定最优灌溉像元提取方法;比较分析灌溉与未灌溉情况下棉花的NDVI与归一化差值水分指数(NDWI)以及土壤调节植被指数的关系,提取含有灌溉信息的像元,并对NDVI进行校正,消除灌溉对NDVI的影响。研究结果表明:在棉花生长初期,灌溉与未灌溉像元NDVI变化率达12%,差异较显著;灌溉与否的棉花NDVI与NDWI间均存在极显著的线性关系,决定系数在0.80以上;利用灌溉线方法提取灌溉信息与分阶段阈值相比精度更高,精度达88%以上;校正后线性回归模型精度达0.95,灌溉校正效果明显,灌溉与未灌溉像元的NDVI差异减小至2%。本研究通过对含有灌溉信息像元NDVI值的校正,去除灌溉对NDVI造成的影响,反映了真实的植被信息,可实现对作物生长初期长势的准确遥感监测,为遥感定量监测提供便利。
[Abstract]:In order to improve the precision of remote sensing monitoring of low coverage crop growth in the early stage of growth. The effect of soil moisture background change caused by irrigation on normalized difference vegetation index (NDVI) should be eliminated in order to extract and correct irrigation information at the early stage of cotton growth. To improve the precision of cotton crop growth monitoring and yield prediction, this paper takes two cotton plots in San Joaquin Valley, California, USA as the research area. Two irrigation information extraction methods (stage threshold method and irrigation line extraction method) were constructed to determine the optimal irrigation pixel extraction method. The relationship between NDVI and normalized difference water index (NDWI) and the vegetation index of soil regulation was compared between irrigated and unirrigated cotton, and the pixel containing irrigation information was extracted. NDVI was corrected to eliminate the effect of irrigation on NDVI. The results showed that the rate of change of NDVI between irrigated and unirrigated pixel reached 12 in the early stage of cotton growth, and the difference was significant. There was a very significant linear relationship between NDVI and NDWI in cotton irrigated or not, and the determining coefficient was above 0.80. The precision of extracting irrigation information by the method of irrigation line is higher than that of stage threshold, and the precision is more than 88%. After correction, the accuracy of the linear regression model reached 0.95.The effect of irrigation correction was obvious, and the NDVI difference between irrigation and unirrigated pixel was reduced to 2.This study was carried out by correcting the NDVI value of the pixel containing irrigation information. Removing the effect of irrigation on NDVI reflects the true vegetation information and can realize accurate remote sensing monitoring of crop growth in the early stage of crop growth and provide convenience for quantitative remote sensing monitoring.
【作者单位】: 东北农业大学资源与环境学院;
【基金】:黑龙江省自然科学基金项目(D201404) 黑龙江省普通高等学校新世纪优秀人才培养计划项目资助~~
【分类号】:S562;TP751
【正文快照】: *This study was supported by the Natural Science Foundation of Heilongjiang Province of China(D201404)and the Program for New CenturyExcellent Talents in Heilongjiang Provincial University,China.**Corresponding author,E-mail:zhangxinle@gmail.com(College
【参考文献】
相关期刊论文 前9条
1 刘焕军;孟令华;张新乐;Susan Ustin;宁东浩;孙思雨;;基于时间序列Landsat影像的棉花估产模型[J];农业工程学报;2015年17期
2 曾红伟;吴炳方;邹文涛;闫娜娜;张淼;;灌溉区与雨养区作物长势差异比较分析——以美国内布拉斯加为例[J];遥感学报;2015年04期
3 刘明;冯锐;纪瑞鹏;武晋雯;王宏博;于文颖;;基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算[J];中国农学通报;2015年06期
4 程晓娟;杨贵军;徐新刚;陈天恩;李振海;冯海宽;王冬;;新植被水分指数的冬小麦冠层水分遥感估算[J];光谱学与光谱分析;2014年12期
5 史舟;梁宗正;杨媛媛;郭燕;;农业遥感研究现状与展望[J];农业机械学报;2015年02期
6 赵春江;;农业遥感研究与应用进展[J];农业机械学报;2014年12期
7 黄青;唐华俊;周清波;吴文斌;王利民;张莉;;东北地区主要作物种植结构遥感提取及长势监测[J];农业工程学报;2010年09期
8 唐怡;刘良云;黄文江;王纪华;;土壤背景对冠层NDVI的影响分析[J];遥感技术与应用;2006年02期
9 裴志远,杨邦杰;多时相归一化植被指数NDVI的时空特征提取与作物长势模型设计[J];农业工程学报;2000年05期
【共引文献】
相关期刊论文 前10条
1 甘平;董燕生;孙林;杨贵军;李振海;杨凡;王立志;王建雯;;基于无人机载LiDAR数据的玉米涝灾灾情评估[J];中国农业科学;2017年15期
2 刘旭升;孙涛;;近10年我国荒漠化地区植被长势变化分析[J];林业资源管理;2017年03期
3 叶茂;;基于对偶四元数的不同地形无人机影像区域网平差解算方法[J];地理信息世界;2017年03期
4 张颖帝;张佳宝;李晓鹏;;基于高光谱的砂姜黑土含水量反演研究[J];土壤;2017年03期
5 刘浩;;高光谱遥感在反演植被生理参数的应用综述[J];中小企业管理与科技(下旬刊);2017年05期
6 贾银江;徐哲男;苏中滨;靳思雨;Arshad M.Rizwan;;基于优化SIFT算法的无人机遥感作物影像拼接[J];农业工程学报;2017年10期
7 张宝来;张乐佳;;基于数字图像处理技术的玉米长势预测[J];农业工程;2017年03期
8 范迎迎;钱育蓉;杨柳;黄震;;基于BP神经网络的遥感影像棉花识别方法[J];计算机工程与设计;2017年05期
9 王蕾;王鹏新;李俐;张树誉;;基于VTCI和分位数回归模型的冬小麦单产估测方法[J];农业机械学报;2017年07期
10 刘焕军;孟令华;邱政超;张新乐;殷继先;徐梦园;于微;谢雅慧;;棉花生长初期灌溉信息遥感提取与校正[J];中国生态农业学报;2017年08期
【二级参考文献】
相关期刊论文 前10条
1 赵春江;;农业遥感研究与应用进展[J];农业机械学报;2014年12期
2 冯美臣;王超;杨武德;张美俊;肖璐洁;;农作物冷冻害遥感监测研究进展[J];山西农业大学学报(自然科学版);2014年04期
3 李耀翔;汪洪涛;耿志伟;张鹏;徐浩凯;;基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量[J];安徽农业科学;2014年15期
4 史舟;王乾龙;彭杰;纪文君;刘焕军;李曦;Raphael A VISCARRA ROSSEL;;中国主要土壤高光谱反射特性分类与有机质光谱预测模型[J];中国科学:地球科学;2014年05期
5 马驰;;基于HJ-1A高光谱影像的土壤盐碱化遥感研究[J];干旱区资源与环境;2014年02期
6 胡猛;冯起;席海洋;;基于MODIS数据的干旱区土壤水分反演[J];国土资源遥感;2014年01期
7 王延仓;顾晓鹤;朱金山;龙慧灵;徐鹏;廖钦洪;;利用反射光谱及模拟多光谱数据定量反演北方潮土有机质含量[J];光谱学与光谱分析;2014年01期
8 刘洋;刘荣高;陈镜明;程晓;郑光;;叶面积指数遥感反演研究进展与展望[J];地球信息科学学报;2013年05期
9 赵娟;黄文江;张耀鸿;景元书;;冬小麦不同生育时期叶面积指数反演方法[J];光谱学与光谱分析;2013年09期
10 WANG Hui-fang;GUO wei;WANG Ji-hua;HUANG Wen-jiang;GU Xiao-he;DONG Ying-ying;XUXin-gang;;Exploring the Feasibility of Winter Wheat Freeze Injury by Integrating Grey System Model with RS and GIS[J];Journal of Integrative Agriculture;2013年07期
【相似文献】
相关期刊论文 前10条
1 甄计国;王义德;赵军;;兴隆山国家级自然保护区的植被指数及其变化特征[J];遥感技术与应用;2006年04期
2 王福民;黄敬峰;王秀珍;;基于水稻背景特性的植被指数参数修正研究[J];农业工程学报;2008年05期
3 陈鹏飞;Nicolas Tremblay;王纪华;Philippe Vigneault;黄文江;李保国;;估测作物冠层生物量的新植被指数的研究[J];光谱学与光谱分析;2010年02期
4 解文欢;张有智;吴黎;;基于植被指数对望奎县粮食作物产量预测方法的研究[J];黑龙江农业科学;2011年04期
5 康耀江;;植被指数在草地遥感中的应用初探[J];湖南农业科学;2011年Z1期
6 夏双;阮仁宗;颜梅春;;基于植被指数模型的淡水湖泊湿地景观信息提取[J];地理空间信息;2012年06期
7 黎夏;二轴土壤背景纠正的植被指数及其在华南水稻遥感估产中的应用[J];环境遥感;1993年03期
8 蔡斌,陆文杰,郑新江;气象卫星条件植被指数监测土壤状况[J];国土资源遥感;1995年04期
9 覃先林,易浩若;MODIS数据在树种长势监测中的应用[J];遥感技术与应用;2003年03期
10 安培浚;刘树林;颉耀文;高峰;;植被指数遥感定量研究——以民勤绿洲为例[J];遥感技术与应用;2005年06期
相关会议论文 前10条
1 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年
2 辛红梅;张杰;马毅;初佳兰;;基于植被指数的赤潮高光谱敏感波段确定方法初探[A];第十四届全国遥感技术学术交流会论文选集[C];2003年
3 范锦龙;;我国晴空分布及对旬合成植被指数的影响[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册)[C];2004年
4 张树誉;李登科;李星敏;周辉;;遥感植被指数及其在县域生态环境监测评估中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
5 安培浚;颉耀文;;绿洲植被指数的遥感定量研究-以民勤绿洲为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 江东;王乃斌;杨小唤;刘红辉;;植被指数—地面温度特征空间及其应用[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年
7 傅军;张杰;辛红梅;马毅;;基于植被指数的高光谱遥感水陆识别方法初探[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
8 肖乾广;肖岚;李亚君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的归一化植被指数的同化研究[A];全国国土资源与环境遥感应用技术研讨会论文集[C];2009年
9 杨道勇;肖云岫;;利用WT-10接收的1B高分辨云图数据生成植被指数图像[A];中国气象学会2005年年会论文集[C];2005年
10 何全军;曹静;张月维;;基于MODIS的广东省植被指数序列构建与应用[A];中国气象学会2007年年会生态气象业务建设与农业气象灾害预警分会场论文集[C];2007年
相关重要报纸文章 前1条
1 魏景云;气象卫星监测干旱 全国旱情一目了然[N];中国气象报;2003年
相关博士学位论文 前4条
1 卫炜;MODIS双星数据协同的耕地物候参数提取方法研究[D];中国农业科学院;2015年
2 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年
3 岳文泽;基于遥感影像的城市景观格局及其热环境效应研究[D];华东师范大学;2005年
4 刘占宇;水稻主要病虫害胁迫遥感监测研究[D];浙江大学;2008年
相关硕士学位论文 前10条
1 刘吉凯;基于HJ卫星数据的甘蔗长势监测与估产研究[D];南京信息工程大学;2015年
2 郑亚云;榆林NDVI时空变化及驱动因子研究[D];长安大学;2015年
3 何春萌;经济利益驱动下的工矿开发对人类生存环境的影响[D];内蒙古大学;2015年
4 刘晓静;基于不同遥感数据源的秦岭地区植被指数对比分析[D];长安大学;2015年
5 王鑫梅;氮素水平对不同土壤质地杨树叶片光谱特性和光合能力的影响[D];河北农业大学;2015年
6 官雨薇;基于遥感影像的全球荒漠化指数构建及趋势分析[D];电子科技大学;2015年
7 胡文;黑龙江省雹灾遥感监测及时空特征分析[D];东北农业大学;2015年
8 吴明业;基于TVDI的土壤干旱遥感监测研究及验证[D];安徽农业大学;2014年
9 马瑞;增强植被指数算法的研究及其在生态环境遥感产品生产分系统的应用[D];河南大学;2015年
10 曾水生;双季稻生长指标光谱监测模型研究[D];江西农业大学;2015年
,本文编号:1464812
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/1464812.html