基于时间序列植被指数的水稻发育期提取和估产

发布时间：2021-03-15 05:38

　　随着遥感技术的发展,传统农业也在不断地向高科技农业发展,以遥感技术为手段,为农业信息技术的发展提供了有效的技术支撑。不仅大面积农作物面积提取、发育期提取、长势监测、产量估算成为了可能,还为许多其他问题提供了大量的影像资料和分析方法。长时间序列植被指数数据集因其时间跨度长、能够反映相当长一段时期内作物生长的季相和年际变化,因而其应用越来越受到关注。本文使用AVHRR NDVI长时间序列数据提取作物生育期,首先解决原始时间序列数据的去噪问题,使用几种滤波方法对原始时间序列数据去噪,得到平滑的时间序列曲线,然后利用不同滤波方法重构得到的时间序列数据集提取水稻关键生长发育期。利用GIMMSNDVI长时间序列数据进行水稻估产,用去趋势化方法分离趋势产量和遥感产量,然后建立遥感产量与估产因子的回归模型,最后对江苏省进行水稻遥感估产。研究表明,利用滤波处理后的长时间序列AVHRRNDVI逐日数据能够提取水稻移栽期、成熟期和抽穗期,并能将误差控制在±16天以内;对抽穗期和成熟期的识别误差控制在±6天以内。利用产量去趋势化方法建立的估产模型能够预报江苏省水稻产量,预报产量与统计产量的相对误差在10%以内... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２．１研究区概况??Ｆｉｇ．?２．１?Ｍａｐ?ｆｏｒ?Ｊｉａｎｇｓｕ?Ｐｒｏｖｉｎｃｅ?ａｎｄ?ｔｈｅ?ｔｈｒｅｅ?ｓｔｕｄｙ?ｒｅｇｉｏｎｓ??

单个像元NDVI时间序列以及权重Fig.3.2AsinglepixelNDVItime-seriesandeorcespondingweight

图３．３初始ＮＤＶＩ时序数据和经过不同算法滤波处理的ＮＤＶＩ时序数据??Ｆｉｇ．?３．３?Ｔｈｅ?ｏｒｉｇｉｎａｌ?ＮＤＶＩ?ｔｉｍｅ?ｓｅｒｉｅｓ?ａｎｄ?ｆｉｌｔｅｒｉｎｇ?ｒｅｓｕｌ?

【参考文献】：
期刊论文
[1]基于不同算法的时间序列植被指数去噪效果分析[J]. 孙华生,徐爱功,林卉,张连蓬.  江苏农业科学. 2012(05)
[2]2001-2010年蒙古国MODIS-NDVI时空变化监测分析[J]. 王蕊,李虎.  地球信息科学学报. 2011(05)
[3]3种滤波算法对NDVI高质量数据保真性研究[J]. 曹云锋,王正兴,邓芳萍.  遥感技术与应用. 2010(01)
[4]基于中分辨率成像光谱仪（MODIS）数据的水稻遥感估产研究——以江苏省为例[J]. 邓睿,黄敬峰,王福民,孙华生,彭代亮.  中国水稻科学. 2010(01)
[5]基于时序植被指数的华北地区作物物候期/种植制度的时空格局特征[J]. 李正国,杨鹏,周清波,王仰麟,吴文斌,张莉,张小飞.  生态学报. 2009(11)
[6]基于MOD13产品水稻遥感估产模型研究[J]. 程乾.  农业工程学报. 2006(03)
[7]基于MODISEVI的冬小麦产量遥感预测研究[J]. 王长耀,林文鹏.  农业工程学报. 2005(10)
[8]江苏省典型年梅雨洪涝灾害对比分析[J]. 田心如,姜爱军,高苹,张章.  自然灾害学报. 2005(05)

博士论文
[1]基于多源遥感数据融合与数据同化的水稻信息提取研究[D]. 王晶.浙江大学 2016



本文编号：3083656