基于高光谱遥感的油松毛虫危害程度反演
发布时间：2021-08-08 23:35
油松毛虫对人工油松林造成了严重的危害。据统计,辽宁省建平县油松毛虫的发生面积为年均120,000hm2,年均直接经济损失340万元。如何有效地监测预防松毛虫虫害,提高油松林分的质量,减少经济损失,是亟待解决的问题。近年来随着遥感技术特别是高光谱遥感技术的快速发展,可以实现植物叶绿素含量、含水率等生物化学参数的遥感定量化诊断,以便对受害植物的受害程度做出综合的分析,从而提高灾害程度监测的精度。本研究将高光谱技术应用于油松毛虫危害程度的监测,提取受害油松的生理信息和光谱信息,研究其与受害程度（即失叶率）的耦合关系。论文以辽宁省建平县不同受害程度的油松为研究对象,根据野外调查数据和无人机高光谱数据,采用相关性分析的方法提取油松针叶叶绿素含量、含水率的敏感光谱指数NDSI、DSI、RSI,用一元线性回归的方法反演叶绿素含量和含水率,用多元线性回归和人工神经网络两种方法建立模型反演不同受害程度油松的失叶率。其中较高失叶率的多元回归反演模型为y=0.799-31.85× dDSI（427,811）-142.01 × dDSI（797,482）+0.067× dRSI（774,677）,较低失叶率的...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图１－１绿色植物叶片吸收光谱??Ｆｉ．?１－１?Ｔｈｅ?ａｂｓｏｒｔｉｏｎ?ｓｅｃｔｒｕｍ?ｏｆｒｅｅｎｌａｎｓ??
图１－２技术路线图??Ｆｉｇ．?１－２?Ｔｅｃｈｎｏｌｏｇｙ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?Ｒｅｓｅａｒｃｈ??８??
２．１研究区概况??研究区位于中国辽宁省西部的建平县（１１８°?５０＇?－１２°?０３＇?Ｅ，４０°?３６＇?－４２°?２３＇??Ｎ），如图２－１所示。海拔３００ｍ－ｌ?０００?ｍ，坡度集中在０°?－２０°?，地势平坦，土壤质??地为沙壤，地表腐殖质较厚。属中温带亚干旱季风型大陆性气候。日照充足，四季分??明，年平均气温８．０°Ｃ，?７月平均气温２３．３°Ｃ，最高气温３５°Ｃ，?１月平均气温－１１．２°Ｃ，??最低气温－３７．６°Ｃ。雨热同季，年平均降水量５５０ｍｍ，无霜期１５０天左右。??建平县是全省乃至全国林业有害生物发生的重点县，主要森林病虫害为松毛虫、??杨干象、沙棘木蠹蛾等，年平均发生面积２０，０００ｈｍ２，年平均防治面积１７，０００?ｈｍ２。??研究区森林类型为油松人工纯林，因树种单一，受到油松毛虫的危害更加严重，年均??直接经济损失３４０万元（董厚德，２０１１）。据调查统计，２０１３年全县林业有害生物发??生总面积高达１５
【参考文献】：
期刊论文
[1]玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型[J]. 丁永军,张晶晶,孙红,李修华. 光谱学与光谱分析. 2017(01)
[2]适用于洪河湿地5种植物分类的高光谱植被指数筛选[J]. 黄锦,孙永华. 湿地科学. 2016(06)
[3]基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J]. 李媛媛,常庆瑞,刘秀英,严林,罗丹,王烁. 农业工程学报. 2016(16)
[4]棉花冠层叶片叶绿素含量与高光谱参数的相关性[J]. 楚万林,齐雁冰,常庆瑞,蒲洁. 西北农林科技大学学报(自然科学版). 2016(09)
[5]基于光谱反射特征的草莓叶片含水率模型[J]. 李珺,宋文龙. 东北林业大学学报. 2016(01)
[6]基于多波段光谱探测仪的玉米冠层叶绿素含量诊断[J]. 刘豪杰,赵毅,文瑶,孙红,李民赞,Zhang Qin. 农业机械学报. 2015(S1)
[7]107杨叶片叶绿素含量高光谱反演的研究[J]. 王鑫梅,牟洪香,李春友,杨可伟,赵雪,程志庆,王鹤松. 西北林学院学报. 2015(03)
[8]基于主成分分析的植被含水率模型[J]. 潘佩芬,杨武年,戴晓爱. 国土资源遥感. 2013(03)
[9]腾格里沙漠典型植物含水率与地物光谱的关系分析[J]. 王鹏龙,张建明,张春梅,许洺山,王磊. 中国沙漠. 2013(03)
[10]基于人工神经网络的稻田杂草稻光谱识别[J]. 邹华东,陈树人,陈刚,闫润. 农机化研究. 2013(01)
博士论文
[1]图像纹理分析及分类方法研究[D]. 李伯宇.复旦大学 2007
[2]彩色图像特征提取与植物分类研究[D]. 黄志开.中国科学技术大学 2006
硕士论文
[1]基于人工神经网络和高光谱数据的松材线虫病预测[D]. 陆坎凯.浙江农林大学 2016
[2]水稻叶绿素含量高光谱反演模型及尺度转换方法研究[D]. 杜志红.中国地质大学(北京) 2015
[3]不同覆盖度条件下水稻生长参数的高光谱监测研究[D]. 顾凯健.南京农业大学 2011
[4]基于纹理及光谱信息融合的遥感图像分类方法研究[D]. 王知鸷.西安电子科技大学 2010
[5]形状特征提取及检索技术研究[D]. 张兆生.河南理工大学 2009
本文编号：3330901
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图１－１绿色植物叶片吸收光谱??Ｆｉ．?１－１?Ｔｈｅ?ａｂｓｏｒｔｉｏｎ?ｓｅｃｔｒｕｍ?ｏｆｒｅｅｎｌａｎｓ??
图１－２技术路线图??Ｆｉｇ．?１－２?Ｔｅｃｈｎｏｌｏｇｙ?ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?Ｒｅｓｅａｒｃｈ??８??
２．１研究区概况??研究区位于中国辽宁省西部的建平县（１１８°?５０＇?－１２°?０３＇?Ｅ，４０°?３６＇?－４２°?２３＇??Ｎ），如图２－１所示。海拔３００ｍ－ｌ?０００?ｍ，坡度集中在０°?－２０°?，地势平坦，土壤质??地为沙壤，地表腐殖质较厚。属中温带亚干旱季风型大陆性气候。日照充足，四季分??明，年平均气温８．０°Ｃ，?７月平均气温２３．３°Ｃ，最高气温３５°Ｃ，?１月平均气温－１１．２°Ｃ，??最低气温－３７．６°Ｃ。雨热同季，年平均降水量５５０ｍｍ，无霜期１５０天左右。??建平县是全省乃至全国林业有害生物发生的重点县，主要森林病虫害为松毛虫、??杨干象、沙棘木蠹蛾等，年平均发生面积２０，０００ｈｍ２，年平均防治面积１７，０００?ｈｍ２。??研究区森林类型为油松人工纯林，因树种单一，受到油松毛虫的危害更加严重，年均??直接经济损失３４０万元（董厚德，２０１１）。据调查统计，２０１３年全县林业有害生物发??生总面积高达１５
【参考文献】：
期刊论文
[1]玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及估测模型[J]. 丁永军,张晶晶,孙红,李修华. 光谱学与光谱分析. 2017(01)
[2]适用于洪河湿地5种植物分类的高光谱植被指数筛选[J]. 黄锦,孙永华. 湿地科学. 2016(06)
[3]基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算[J]. 李媛媛,常庆瑞,刘秀英,严林,罗丹,王烁. 农业工程学报. 2016(16)
[4]棉花冠层叶片叶绿素含量与高光谱参数的相关性[J]. 楚万林,齐雁冰,常庆瑞,蒲洁. 西北农林科技大学学报(自然科学版). 2016(09)
[5]基于光谱反射特征的草莓叶片含水率模型[J]. 李珺,宋文龙. 东北林业大学学报. 2016(01)
[6]基于多波段光谱探测仪的玉米冠层叶绿素含量诊断[J]. 刘豪杰,赵毅,文瑶,孙红,李民赞,Zhang Qin. 农业机械学报. 2015(S1)
[7]107杨叶片叶绿素含量高光谱反演的研究[J]. 王鑫梅,牟洪香,李春友,杨可伟,赵雪,程志庆,王鹤松. 西北林学院学报. 2015(03)
[8]基于主成分分析的植被含水率模型[J]. 潘佩芬,杨武年,戴晓爱. 国土资源遥感. 2013(03)
[9]腾格里沙漠典型植物含水率与地物光谱的关系分析[J]. 王鹏龙,张建明,张春梅,许洺山,王磊. 中国沙漠. 2013(03)
[10]基于人工神经网络的稻田杂草稻光谱识别[J]. 邹华东,陈树人,陈刚,闫润. 农机化研究. 2013(01)
博士论文
[1]图像纹理分析及分类方法研究[D]. 李伯宇.复旦大学 2007
[2]彩色图像特征提取与植物分类研究[D]. 黄志开.中国科学技术大学 2006
硕士论文
[1]基于人工神经网络和高光谱数据的松材线虫病预测[D]. 陆坎凯.浙江农林大学 2016
[2]水稻叶绿素含量高光谱反演模型及尺度转换方法研究[D]. 杜志红.中国地质大学(北京) 2015
[3]不同覆盖度条件下水稻生长参数的高光谱监测研究[D]. 顾凯健.南京农业大学 2011
[4]基于纹理及光谱信息融合的遥感图像分类方法研究[D]. 王知鸷.西安电子科技大学 2010
[5]形状特征提取及检索技术研究[D]. 张兆生.河南理工大学 2009
本文编号：3330901
本文链接：https://www.wllwen.com/nykjlw/lylw/3330901.html
