基于遥感物候与数据挖掘算法的水稻重金属胁迫识别研究

发布时间：2020-03-19 23:28

【摘要】：土壤重金属污染会对农作物的生长产生胁迫,由此带来日益严重的粮食安全问题,因此,快速精确的识别农作物的重金属胁迫具有重要的现实意义。遥感具有客观、实时、动态、多光谱等特征,成为作物重金属胁迫研究的有力工具。本文在前人研究的基础上,运用机器学习方法,从遥感物候的角度研究水稻重金属胁迫。选取湖南省株洲地区受重金属污染的水稻田作为实验区,采集水稻多个关键生长期的叶面积指数(LAI)数据、重金属含量数据和气象数据,并获取环境与灾害监测小卫星CCD影像、Landsat 7 ETM+影像、Landsat 8 OLI影像和MOD09A1产品。基于遥感物候学和数据挖掘算法,探讨了水稻重金属胁迫的识别方法,实现了研究区水稻重金属胁迫水平的分类。主要工作和结论如下:(1)基于遥感植被指数时间序列分析,结合农学规律和求导运算,提取水稻关键物候期。结果表明当水稻生长受到重金属胁迫时,水稻的物候会发生变化,而且,不同的重金属胁迫水平对物候的影响程度不同。针对单一物候指标区分重金属胁迫水平精度较低的问题,设计了一种新型遥感物候指标建立的方法,深入挖掘时间序列中的物候信息,提取对重金属胁迫更加敏感的物候指标,提高了重金属胁迫水平的识别精度。(2)水稻根系是直接接触土壤中重金属元素的部位,其受重金属毒害的程度比茎、叶等其他器官更大。本文根据提取的关键物候期,设置WOFOST作物生长模型中的物候参数,并确定同化的时相,实现了其与遥感数据的同化,得到水稻根系干重的变化。通过比较不同重金属胁迫下水稻根系干重的曲线,发现在抽穗期,不同胁迫水稻的根部干重相差较大,故选取抽穗期的根部干重作为识别重金属胁迫敏感的生物学特征。(3)将上述研究获得的物候指标与根部干重作为遥感识别重金属胁迫的高维特征集,并设计了一种特征优选的策略。结果表明,与原始高维特征集相比,依据筛选的最优特征子集,对重金属胁迫水平的分类精度提高了1%。(4)依据集成学习的思想,对随机森林(RF)和梯度提升(GB)算法进行集成,基于最优特征子集,训练集成分类模型,实现重金属胁迫水平的分类。结果表明,集成模型能够实现重金属胁迫水平的精确分类,整体分类精度达到98%以上,比单独应用随机森林或梯度提升算法提高了2%-3%。
【图文】：

技术路线图,植被指数时间序列,自动提取,物候特征

1.3.2 技术路线本文的技术路线图如图 1-1 所示，，主要包括数据采集与预处理、遥感物候指标的构建、最优物候特征子集的选择以及重金属胁迫集成分类模型的建立四个部分。采集的数据包括遥感影像数据和地面数据，完成数据的预处理后，依次按照以下几个步骤开展工作：（1）计算植被指数，构建并重构植被指数的时间序列。（2）结合农学规律和求导运算从重构的植被指数时间序列曲线上提取关键物候期，依据关键物候期确定同化时相以及 WOFOST 模型中相关物候参数的设置，以LAI 作为同化变量，应用遥感-WOFOST 模型同化框架得到根部干重（WRT）的变化情况；根据重金属胁迫下水稻物候的变化，建立一系列的物候指标，即手动建立的物候指标；使用 Python 包 Tsfresh 从植被指数时间序列曲线上自动提取物候特征，即自动提取的物候指标，将手动和自动提取的物候指标结合起来组成遥感物候指标集合。

反射率曲线,CCD影像,像元,反射率曲线

192-1 2013 年 8 月 8 日（a）预处理后的 CCD 影像和（b）水稻像元反射率由于 ENVI 5.3 里 HJ-1A/B CCD 属于未知类型的传感器，因此，需要制文件用于大气校正。本文从中国资源卫星应用中心的网站上下载了 CCD应函数，是一个.txt 格式的文件，文件里包括五列数据，后四列代表波，本文利用 ENVI 软件完成 CCD 波谱曲线的制作。最后，将波谱曲线保文件，用于大气校正中波谱函数文件的输入。应用 FLAASH 模型进行大
【学位授予单位】：中国地质大学(北京)
【学位级别】：博士
【学位授予年份】：2019
【分类号】：X503.231;S511;TP311.13

【相似文献】