基于OCO-2日光诱导叶绿素荧光遥感数据的区域作物估产研究

发布时间：2024-01-25 07:52

　　近些年来,气候条件的变化以及极端天气事件的频发给农业的稳定发展带来了极大的挑战。在这种情况下,及时、有效、准确地监测农作物的生长状况尤为重要。众多研究表明,遥感日光诱导叶绿素荧光(sun-induced chlorophyll fluorescence,SIF)可以有效监测农作物生长状况和生产力。随着技术的发展,SIF遥感数据的空间分辨率不断提高,OCO-2(Orbiting Carbon Observatory-2)SIF足迹的空间分辨率达到了1.3km×2.25 km,有助于更好地监测作物生长状况。但是该数据存在着空间不连续的问题,在区域尺度估算农作物产量的能力尚不完全清楚。论文以美国玉米带为研究区,采用深度神经网络(Deep Neural Networks,DNN)方法,研究了OCO-2 SIF估算区域农作物(玉米和大豆)产量的能力,并与MODIS增强型植被指数(Enhanced Vegetation Index,EVI)和气象因子估算产量的能力进行了对比,并分析了利用OCO-2 SIF和MODIS EVI进行作物估产的不确定性。主要研究结论如下:(1)OCO-2 SIF数据估算...

【文章页数】：88 页

【学位级别】：硕士

图1.1研究所采用的技术路线

图1.2论文框架

图2.1玉米和大豆在美国玉米带收获面积占总收获面积比例（左）与产量占总产量比例（右）

图2.2OCO-2SIF足迹从2015-2017年的空间分布，2017年USDACDL的大豆与玉米生产区域分布图（https://nassgeodata.gmu.edu/CropScape/）

本文编号：3884432