基于PROSAIL模型的半干旱区春小麦生理生态参数反演

发布时间：2020-10-18 04:19

　　 在半干旱区,干旱是引起作物减产的主要原因,因此,在该区域进行旱情监测是必要的,它可以为合理灌溉提供支持。另一方面,春小麦是半干旱区的主要粮食作物,运用遥感技术对其进行旱情监测,既不会对作物产生破坏,也能够快速实现大面积的监测,符合现代农业高效的特点。本研究以黄土高原半干旱雨养农业区春小麦为研究对像,利用便携式光谱仪测量春小麦的冠层光谱反射,同时同步观测春小麦的生理生态参数。以模型模拟光谱对输入参数的响应、模型输入参数与干旱程度的关系以及不同旱情下光谱模拟精度为切入点,探讨基于PROSAIL模型反演参数指征春小麦旱情的可行性,并对模型进行修正,在修正模型的基础上建立生理生态参数与冠层光谱的查找表,并在春小麦种植区基于LANDSAT8影像利用参数与光谱的查找表反演春小麦的生理生态参数。主要研究结果如下:(1)春小麦的叶绿素含量Cab,等效水厚度EWT,叶面积指数LAI与作物旱情具有显著相关性,干物质含量LMA与作物的旱情不具有相关性;春小麦冠层光谱对于PROSAIL模型主要输入参数具有不同的光谱响应区间,模型对于Cab,EWT及LAI的反演具有一定的适用性。(2)运用经验模型对PROSAIL模型的输出冠层光谱进行修正,修正后模型模拟冠层光谱误差约为15%。(3)LANDSAT8影像的反演结果具有一定的可靠性,能够反映作物的旱情,为合理灌溉提供指导。基于实测光谱运用查找表进行生理生态参数反演的结果显示:实测生理生态参数与模拟生理生态参数具有相关性,Cab的R2为0.75,EWT的R2为0.70,LAI的R2为0.73。
【学位单位】：兰州大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：S512.12
【部分图文】：

技术路线图

图 2-1 研究区位置试验基地具有先进的观测设备和方便的观测条件，具有大型人工控制温室，活动式防水棚，水分试验场，大型蒸渗系统，气象涡动观测仪，此外还有便携式高光谱成像仪，LAI2000 冠层分析仪，LI-6400 光合仪，SPAD502 等设备。充足的观测设备为本研究的数据获取提供了保障。2.3 试验设计与数据处理方法2.3.1 试验设计方案试验于 2015-2017 年 4 月-7 月进行，种植品种为新定西 24 号，试验设五个水分胁迫处理，通过控制灌溉量的方式控制作物的水分胁迫，以灌溉后表层土壤

兰州大学硕士研究生学位论文 基于 PROSAIL 模型的半干旱区春小麦生理生态参数反演作物的 LMA 基本上在 0.0055 g·cm-2附近发生变化，在局部范围内发生了随着旱情增加 LMA 增大的现象，可能在一定旱情内 LMA 随着旱情的增加而增加，超越这一干旱胁迫范围 LMA 会出现显著减小，在本研究中因为 LMA 的变化过于复杂，所以认为旱情的变化无法主导 LMA 发生变化。
【参考文献】

相关期刊论文 前10条

1 杨瑞珍;陈印军;;中国现代生态农业发展趋势与任务[J];中国农业资源与区划;2017年05期

2 张凯;王润元;王鹤龄;赵鸿;齐月;赵福年;陈斐;雷俊;;CO_2浓度升高对半干旱区春小麦生长发育及产量影响的试验研究[J];干旱气象;2017年02期

3 LI He;CHEN Zhong-xin;JIANG Zhi-wei;WU Wen-bin;REN Jian-qiang;LIU Bin;Tuya Hasi;;Comparative analysis of GF-1,HJ-1,and Landsat-8 data for estimating the leaf area index of winter wheat[J];Journal of Integrative Agriculture;2017年02期

4 程志庆;张劲松;孟平;李岩泉;郑宁;;基于高光谱数据的杨树叶片干物质含量的估算[J];中国农业气象;2017年01期

5 郭超凡;郭逍宇;;基于可见光波段包络线去除的湿地植物叶片叶绿素估算[J];生态学报;2016年20期

6 杜育璋;姜小光;张雨泽;黄成;刘朝霞;刘亮;;基于Landsat-8遥感数据和PROSAIL辐射传输模型反演叶面积指数[J];干旱区地理;2016年05期

7 马建新;孟庆岩;李响;孔祥浩;王春梅;;玉米冠层最佳水分指数优选[J];遥感信息;2016年05期

8 马建威;黄诗峰;李纪人;李小涛;宋小宁;冷佩;孙亚勇;;改进Sobol算法支持下的PROSAIL模型参数全局敏感性分析[J];测绘通报;2016年03期

9 苏伟;郭皓;赵冬玲;刘婷;张明政;;基于优化PROSAIL叶倾角分布函数的玉米LAI反演方法[J];农业机械学报;2016年03期

10 黄友昕;刘修国;沈永林;刘诗诗;孙飞;;农业干旱遥感监测指标及其适应性评价方法研究进展[J];农业工程学报;2015年16期

相关博士学位论文 前6条

1 于丰华;基于无人机高光谱遥感的东北粳稻生长信息反演建模研究[D];沈阳农业大学;2017年

2 李贺;区域冬小麦生长模拟遥感数据同化的不确定性研究[D];中国农业科学院;2016年

3 吕杰;基于机器学习和辐射传输模型的农作物叶绿素含量高光谱反演模型[D];中国地质大学(北京);2012年

4 张杰;半干旱区陆面过程参数化及其遥感反演研究[D];兰州大学;2009年

5 鞠昌华;利用地—空高光谱遥感监测小麦氮素状况与生长特征[D];南京农业大学;2008年

6 张淑娟;基于GPS和GIS的精细农业田间信息采集和处理方法的研究[D];浙江大学;2003年

相关硕士学位论文 前9条

1 马建新;农作物覆盖区土壤含水量多源遥感反演方法[D];河南理工大学;2016年

2 张明政;基于多层PROSAIL模型的玉米冠层叶面积指数垂直分布反演[D];山东农业大学;2016年

3 符勇;高分辨率星载SAR在高原山地烟草产量估测中的应用研究[D];贵州师范大学;2015年

4 刘天凤;基于PROSAIL模型的干旱半干旱地区LAI遥感反演建模[D];兰州大学;2015年

5 王秋玲;夏玉米生理生态与生长特性对干旱过程的响应研究[D];中国气象科学研究院;2015年

6 张朋涛;青海湖流域植被叶绿素含量遥感定量反演研究[D];青海师范大学;2015年

7 余金林;基于PROSAIL模型的青海湖流域草地叶面积指数反演[D];青海师范大学;2014年

8 魏珊珊;基于Landsat ETM+数据和辐射传输模型的水稻叶面积指数反演[D];东北师范大学;2012年

9 马祥;遥感反演中模型误差的表达及应用方法研究[D];北京师范大学;2008年

本文编号：2845792