基于多源遥感数据的小麦病虫害大尺度监测预测研究

发布时间：2017-04-16 18:01

  本文关键词：基于多源遥感数据的小麦病虫害大尺度监测预测研究，，由笔耕文化传播整理发布。

【摘要】：随着遥感技术的发展,使得遥感数据源具有了多样性、实时性和动态性等特点。近年来,遥感技术在作物病虫害监测和预测方面发挥着巨大的优势,能快速、无损、大范围的获取作物病虫害发生和发展信息。然而,如何有效利用多源遥感数据,最大程度地获取数据中的有效信息,构建出简单、普适性较强的监测预测方法是一个重要的研究问题。本研究重点基于星载多时相光学与热红外数据,在田块尺度上开展小麦病虫害的监测、预测模型和方法研究。在全国尺度上基于美国对地观测计划系统(EOS)的中分辨率成像光谱仪(MODIS)数据和中国气象局的全国气象栅格数据,对全国小麦主产区的小麦条锈病、白粉病和蚜虫等主要病虫害进行了遥感监测。具体研究内容和结果如下：1、在区域尺度小麦白粉病发生面积监测方面,本文利用多时相环境星HJ-CCD数据,选择能够反映叶面积指数(LAI)、叶绿素(Chl)及冠层结构变化机制的常用光谱特征,构建单变量监测模型和多变量监测模型对小麦白粉病发生面积进行监测。试验结果表明：基于单时相单个光谱特征监测结果的总体精度范围为68.4%-75.4%,其中修正土壤调节植被指数(MSAVI)的总体精度最高,可能是由于MSAVI不仅可以减少土壤和植被冠层等背景的干扰,还能较好地反映叶面积指数LAI的动态变化。在四个原始波段中,近红外RNIR的总体精度最高。相比之下,基于多时相的MSF模型比单时相监测模型精度有明显提高,说明多时相的光谱特征变化可以帮助排除小麦白粉病影响外的其他田间胁迫影响。MSF-AdaBoost模型的总体精度最高,对病害样点漏分误差和错分误差分别为9.5%和7.3%,均低于其他模型。2、预测作物病虫害发生情况相比于监测更能有效实时的制定防治措施,降低作物产量损失。本文在小区域尺度上利用多时相的环境星HJ-CCD光学数据和HJ-IRS热红外数据,用比值植被指数(RVI)和归一化植被指数(NDVI)两种植被指数监测冬小麦的长势状况,反演地表温度(LST)和垂直干旱指数(PDI)来监测农田生境信息,分别利用相关向量机(RVM)、支持向量机(SVM)和逻辑回归(LR)方法建立了北京郊区冬小麦灌浆期蚜虫发生预测模型,并对比分析了3种模型预测精度。试验结果表明,RVM的分类预测精度可达到87.5%,优于SVM和LR。另外,相比于两种模型,RVM的计算时间也大大缩短。3、在全国尺度上进行小麦病虫害发生严重度的监测。考虑到同一年份不同植被类型的物候期存在差异,使得不同类型植被的归一化植被指数(NDVI)在一年内的变化曲线不同,从而利用MODIS-NDVI时间序列产品,然后分析中国区域不同省份植被类型、主要农作物种类、耕作制度及作物生育期与对应的NDVI曲线特征,提取中国大陆区域各省的小麦种植区域。小麦病虫害的发生、发展与气象条件、生境条件以及作物长势紧密相关。本研究从小麦病虫害发生机制出发,将遥感和气象数据相结合,建立的小麦病虫害综合预警监测模型,突破了以往单纯利用气象数据或单纯利用遥感数据进行监测的方式。首先,结合病虫的生境需求,通过气象数据初步确定病虫害发生的适宜范围,在此基础上,再结合病虫害光谱特征,使用MODIS-LST产品和MODIS-NDVI分别来监测地表温度和小麦长势,实现小麦病虫害的大面积监测和严重度评估。
【关键词】：遥感 冬小麦 病虫害 监测 预测
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP79
【目录】：

• 摘要3-5
• Abstract5-10
• 第一章 绪论10-17
• 1.1 研究目的和意义10
• 1.2 研究现状10-13
• 1.2.1 作物病虫害监测研究10-12
• 1.2.2 作物病虫害预测研究12
• 1.2.3 小麦条锈病、白粉病及蚜虫的症状及流行特点12-13
• 1.3 存在的问题13-15
• 1.4 研究内容15
• 1.5 论文组织结构15-17
• 第二章 数据获取与预处理17-23
• 2.1 基于多时相环境星CCD数据的小麦白粉病监测17-18
• 2.1.1 病害调查数据17-18
• 2.1.2 卫星影像获取及处理18
• 2.2 基于多源遥感数据的冬小麦蚜虫遥感预测18-21
• 2.2.1 研究区概况和虫害调查18-19
• 2.2.2 环境星数据特点及获取19-20
• 2.2.3 环境星数据处理方法20
• 2.2.4 研究区小麦种植面积提取20-21
• 2.3 基于MODIS和气象数据的中国小麦病虫害监测21-23
• 2.3.1 研究区概况21
• 2.3.2 数据获取与预处理21-23
• 第三章 基于多时相环境星CCD数据的小麦白粉病监测23-31
• 3.1 模型输入变量的选择24-25
• 3.2 基于AdaBoost的多时相监测模型的构建25-27
• 3.3 模型对比试验与评价标准27-29
• 3.4 本章小结29-31
• 第四章 基于多源遥感数据的小麦蚜虫预测31-42
• 4.1 多光谱特征提取32-37
• 4.2 相关向量机模型37-38
• 4.3 小麦蚜虫预测结果比较分析38-41
• 4.3.1 小麦蚜虫发生分布预测38-39
• 4.3.2 模型评估与验证39-41
• 4.4 小结41-42
• 第五章 基于MODIS和气象数据的中国小麦病虫害监测42-50
• 5.1 中国小麦种植区提取43-45
• 5.2 监测模型的构建45-46
• 5.3 结果与分析46-49
• 5.4 小结49-50
• 第六章 总结与展望50-52
• 6.1 论文总结50-51
• 6.2 研究展望51-52
• 参考文献52-57
• 致谢57-58
• 攻读硕士学位期间研究成果58

  本文关键词：基于多源遥感数据的小麦病虫害大尺度监测预测研究，由笔耕文化传播整理发布。

本文编号：311343