基于物候分段同化的水稻重金属胁迫遥感监测时间尺度优化
本文关键词: 水稻重金属胁迫 物候提取 WOFOST模型 分段同化 时间尺度优化 出处:《中国地质大学(北京)》2017年硕士论文 论文类型:学位论文
【摘要】:水稻受到重金属胁迫后,生理生态参数会发生变化。利用遥感影像提取水稻关键物候期进行分段同化,研究水稻不同生长阶段对重金属胁迫的不同响应,通过Harris算法对遥感-作物生长模型同化框架进行时间尺度的优化,提取同化最优时间点,在保证模型模拟精度条件下提高模型运算效率。本文以湖南省株洲市重金属污染程度不同的稻田为研究区,利用2013年的16幅HJ-1A/B卫星CCD数据及田间实测数据进行实验研究。使用HJ-1A/B遥感数据构建EVI时间序列数据,利用非对称性高斯函数法对EVI时间序列进行平滑去噪处理,探寻水稻物候期的转变与EVI时间序列的响应关系,从而提取水稻的物候期。在WOFOST模型中加入胁迫因子f,以f来表征重金属胁迫下水稻生理生态参数的响应机制。依据上述研究,对WOFOST模型进行本地化和区域化扩展,结合所提取的水稻关键物候期,根据DVS的取值来判定作物生长发育所处的阶段,并且基于PSO算法,构建区域尺度下遥感-作物生长模型的分段同化模拟框架,输出不同生长阶段的胁迫因子f,驱动优化后的WOFOST模型对研究区内的水稻根重进行逐像元模拟,利用胁迫因子f和模拟根重来评价遥感-作物生长模型的分段同化模型。对分段同化模型的时间尺度进行研究,基于Harris角点算法,对LAI时序曲线进行灰度转换进而提取角点,为了验证提取的4个角点的准确性,对角点进行线性拟合,角点拟合曲线与LAI时序曲线的R2为0.89,角点拟合曲线与LAI比值曲线的R2为0.78,能够反映出原曲线的主要信息。根据4个角点所对应的日序的CCD影像提取LAI,驱动遥感-作物生长模型同化,与分段同化相对比发现,角点所对应的同化框架时间效率大大提高,并且对根重的模拟精度在95%以上。研究表明,基于物候期的分段同化能够提高遥感-作物生长模型的模拟精度,在此基础上进行角点检测,能够在保证遥感-作物生长模型同化精度的情况下提高同化模型的运行速率。
[Abstract]:The physiological and ecological parameters of rice were changed after heavy metal stress. The key phenological stages of rice were extracted from remote sensing images for segmental assimilation to study the different responses of rice at different growth stages to heavy metal stress. The Harris algorithm is used to optimize the time scale of the assimilation frame of the remote sensing crop growth model, and the optimal time point of assimilation is extracted. The model operation efficiency is improved under the condition of ensuring the model simulation accuracy. In this paper, the paddy fields with different pollution degree of heavy metals in Zhuzhou City, Hunan Province, are taken as the research area. Based on the 16 HJ-1A/B satellite CCD data from 2013 and the field measured data, the EVI time series data were constructed by using HJ-1A/B remote sensing data, and the EVI time series was smoothed by using asymmetric Gao Si function method. To explore the response relationship between phenological changes of rice and EVI time series, the phenological period of rice was extracted. The response mechanism of physiological and ecological parameters of rice under heavy metal stress was characterized by adding the stress factor f into the WOFOST model and using f to characterize the physiological and ecological parameters of rice under heavy metal stress. Based on the localization and regionalization of WOFOST model and the key phenological period of extracted rice, the stage of crop growth and development is determined according to the value of DVS, and based on PSO algorithm, A segmented assimilation simulation framework of remote sensing and crop growth model at regional scale was constructed, and the stress factors f in different growth stages were output. The optimized WOFOST model was used to simulate the root weight of rice in the study area by pixel by pixel. The stress factor f and simulated root weight are used to evaluate the segmented assimilation model of remote sensing crop growth model. The time scale of the model is studied. Based on the Harris corner algorithm, the gray-scale transformation of the LAI time series curve is carried out and the corner points are extracted. In order to verify the accuracy of the extracted four corners, the corners are fitted linearly. The R2 of corner fitting curve and LAI time series curve is 0.89, and that of corner fitting curve and LAI ratio curve is 0.78, which can reflect the main information of original curve. Assimilation of crop growth models, Compared with subsection assimilation, it is found that the time efficiency of the assimilation frame corresponding to corner points is greatly improved, and the simulation accuracy of root weight is more than 95%. Phenophase based subsection assimilation can improve the simulation accuracy of the remote sensing crop growth model. On the basis of this, corner detection can improve the operating rate of the remote sensing crop growth model under the condition of ensuring the assimilation accuracy of the remote sensing crop growth model.
【学位授予单位】:中国地质大学(北京)
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:X87;X56
【相似文献】
相关期刊论文 前10条
1 唐凌凌;教忠意;隋德宗;丁宁宁;丁彦芬;王保松;;林木对重金属胁迫的抗性研究进展[J];浙江林业科技;2009年04期
2 姚慧;蔡庆生;;缓解植物重金属胁迫伤害的途径及其机理[J];浙江农业科学;2011年01期
3 葛才林,杨小勇,金阳,孙锦荷,王泽港,罗时石;重金属胁迫对水稻不同品种超氧化物歧化酶的影响[J];核农学报;2003年04期
4 杨晔,陈英旭,孙振世;重金属胁迫下根际效应的研究进展[J];农业环境保护;2001年01期
5 李淑英;董诗浩;苏亚丽;周元清;李红梅;;重金属胁迫培养对微生物蛋白质含量的影响[J];安徽农业科学;2011年31期
6 徐旭;孙振元;潘远智;韩蕾;杨学军;;园林植物对重金属胁迫的响应研究现状[J];世界林业研究;2007年06期
7 聂胜委;黄绍敏;张水清;郭斗斗;张巧萍;;不同种类重金属胁迫对两种小麦产量及构成因素的影响[J];农业环境科学学报;2012年03期
8 林立东;;重金属胁迫下锦葵幼苗主要生理物质变化的研究[J];高师理科学刊;2008年03期
9 梁英;王帅;冯力霞;田传远;;重金属胁迫对纤细角毛藻生长及叶绿素荧光特性的影响[J];中国海洋大学学报(自然科学版);2008年01期
10 宋庆安;李志辉;童方平;易霭琴;李贵;;白玉兰光合生理特性对锑矿区土壤复合重金属胁迫的响应[J];中国农学通报;2008年10期
相关会议论文 前7条
1 侯明;张兴龙;邓富;;V、Cr单一和复合胁迫对小麦幼苗生长和生理影响[A];第六届全国环境化学大会暨环境科学仪器与分析仪器展览会摘要集[C];2011年
2 张平;陈永亨;姚焱;齐剑英;王春霖;;铊胁迫水稻的原位红外光谱分析[A];中国化学会第26届学术年会环境化学分会场论文集[C];2008年
3 娄玉霞;郭水良;于晶;曹同;;离体培养两种藓类植物对重金属胁迫的生理响应[A];2012年全国苔藓植物学学术研讨会摘要集[C];2012年
4 柴团耀;张玉秀;;DnaJ-like蛋白cDNA的克隆及其在重金属胁迫下的表达研究[A];全国植物分子生物学与生物技术学术研讨会论文集[C];2000年
5 符志友;杨元根;闭向阳;李非里;莫昌莉;刘涛泽;吴丰昌;;土法炼锌尾矿区典型野生植物对Zn、Cu胁迫的适应机制初探[A];中国矿物岩石地球化学学会第12届学术年会论文集[C];2009年
6 孙健;铁柏清;钱湛;杨佘维;青山勋;罗荣;;单一重金属胁迫对灯心草生长及生理生化指标的影响[A];第三届全国环境化学学术大会论文集[C];2005年
7 王云彪;侯晓丽;;温度对Pb、Cd、Hg、Cu胁迫下线虫毒性及HSP90表达的影响[A];中国生理学会第九届全国青年生理学工作者学术会议论文摘要[C];2011年
相关博士学位论文 前4条
1 金铭;水稻重金属胁迫生理功能变化遥感分析方法研究[D];中国地质大学(北京);2017年
2 史刚荣;耐重金属胁迫的能源植物筛选及其适应性研究[D];南京农业大学;2009年
3 陈伟;重金属胁迫对草坪草生长发育及生理特性的影响[D];甘肃农业大学;2014年
4 李旭青;水稻重金属胁迫多源遥感协同反演方法研究[D];中国地质大学(北京);2015年
相关硕士学位论文 前10条
1 丁淑兰;重金属胁迫对刺槐—根瘤菌共生体系的根系分泌物及土壤微生物多样性的影响[D];西北农林科技大学;2015年
2 刘烽;基于时空尺度优化的遥感同化方法评估水稻重金属胁迫[D];中国地质大学(北京);2016年
3 陈俊任;重金属胁迫下毛竹根系耐性响应特征及其活化机制[D];浙江农林大学;2016年
4 刘明;基于监测指标和同化策略优化的水稻重金属胁迫评估[D];中国地质大学(北京);2017年
5 王淼鑫;基于物候分段同化的水稻重金属胁迫遥感监测时间尺度优化[D];中国地质大学(北京);2017年
6 蔡新华;重金属胁迫对小麦生长发育伤害机理的研究[D];扬州大学;2001年
7 杨小勇;重金属胁迫对水稻伤害机理及水稻耐性机制的研究[D];扬州大学;2002年
8 纪楠楠;重金属胁迫对几种植物叶片解剖构造的影响[D];东北林业大学;2012年
9 张丽萍;重金属胁迫对大麦(Hordeum vulgare)部分生理生化指标的影响[D];山西大学;2005年
10 孔祥瑞;重金属胁迫下硫对作物苗期根系导水率的影响[D];西北农林科技大学;2007年
,本文编号:1502936
本文链接:https://www.wllwen.com/shengtaihuanjingbaohulunwen/1502936.html