基于遥感数据的作物长势参数反演及作物管理分区研究
发布时间：2025-03-30 05:30
作物长势参数是表征作物生长状态的重要指标,准确、快速的获取作物长势信息对指导农业生产、预测粮食产量和制定粮食安全策略具有重要的实际意义。在我国目前的农业生产条件下,大部分农田比较分散并为不同农户所有,田间管理措施多样,再加上地域差异和气候差异,导致区域内不同地块内和地块间的作物长势差异较大,即作物长势存在不同程度的空间变异。传统的田间采样和实验室分析方法只能获取离散点上的作物长势参数信息,无法获取宏观面上的信息,也无法获取作物长势空间变异信息。随着遥感技术的日益成熟,该技术已经成为进行作物长势参数反演和监测、研究作物长势空间变异和进行相关决策支持的有效手段。本研究立足于获取作物长势参数和长势空间变异信息这一实际需要,围绕基于高光谱影像的作物种植区提取、基于冠层高光谱和航空高光谱影像的作物长势参数遥感反演和监测和作物管理分区中的关键问题,开展了如下研究工作：（1）基于高光谱遥感影像的作物种植区提取为了解决高光谱影像波段维数较高,在利用监督分类方法进行分类时出现维数灾难的问题,从波段选择和特征提取两个方面进行了高光谱影像维数约简的研究。在波段选择方面,提出了基于分散矩阵的波段选择方法Scat...
【文章页数】：153 页
【学位级别】：博士
【文章目录】：
致谢
中文摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 基于遥感影像的作物提取研究进展
1.2.1 基于多光谱遥感影像的作物提取
1.2.2 基于高光谱遥感影像的作物提取
1.3 高光谱遥感反演作物长势参数研究进展
1.3.1 作物叶面积指数遥感反演
1.3.2 作物地上生物量遥感反演
1.3.3 作物叶绿素遥感反演
1.3.4 作物氮素营养诊断
1.4 作物管理分区研究进展
1.5 研究内容及技术路线
1.5.1 本文的研究内容
1.5.2 本文的技术路线
第二章 试验方案及数据处理
2.1 试验方案
2.1.1 试验1-冠层尺度小区小麦长势参数反演试验
2.1.2 试验2-冠层尺度大田小麦长势参数反演试验
2.1.3 试验3-区域尺度作物长势参数监测试验
2.1.4 试验4-小麦长势空间变异试验
2.2 实验测量
2.2.1 冠层光谱处理
2.2.2 作物长势参数的测定
2.2.3 作物产量测定
2.2.4 土壤养分测定
2.3 配套遥感影像处理
2.3.1 Quickbird影像
2.3.2 AVIRIS航空影像
2.3.3 CASI航空影像
第三章 基于高光谱遥感影像的作物提取研究
3.1 引言
3.2 光谱维特征挖掘方法
3.2.1 基于互信息的特征选择方法
3.2.2 基于类间距离的特征选择方法
3.2.3 特征提取方法
3.3 空间域特征挖掘方法
3.3.1 基于灰度共生矩阵的纹理特征
3.3.2 Gabor特征
3.3.3 形态学特征
3.4 支持向量机
3.5 分类精度评价指标
3.6 基于分散矩阵的波段选择方法
3.7 混合特征提取方法
3.8 光谱特征和空间特征结合的作物分类
3.9 本章小结
第四章 基于冠层高光谱的作物长势参数反演
4.1 引言
4.2 基于PROSAIL模型的LAI植被指数敏感性分析
4.2.1 反演LAI常用植被指数
4.2.2 敏感性函数
4.2.3 PROSAIL模型
4.2.4 植被指数对土壤背景亮度和叶绿素含量变化的敏感性分析
4.2.5 植被指数抗饱和性分析
4.2.6 结论和讨论
4.3 最优光谱指数与波段深度信息结合的小麦生物量反演
4.3.1 窄波段植被指数
4.3.2 红边位置
4.3.3 波段深度信息提取
4.3.4 基于最优波段指数和波段深度信息结合的偏最小二乘回归估算生物量
4.3.5 偏最小二乘回归
4.3.6 模型建立与验证
4.3.7 实验结果与分析
4.3.8 结论和讨论
4.4 小麦氮素营养指数和籽粒蛋白质含量反演
4.4.1 氮素营养指数
4.4.2 各氮素营养诊断指标与籽粒蛋白质含量之间的关系
4.4.3 实验结果与分析
4.5 本章小结
第五章 基于高光谱影像的作物长势参数反演和监测
5.1 引言
5.2 研究区作物种植面积提取
5.3 基于PROSAIL模型的作物长势参数反演及监测结果
5.3.1 基于查找表法的LAI反演
5.3.2 作物LAI遥感监测结果
5.4 本章小结
第六章 作物管理分区研究
6.1 引言
6.2 地统计学原理
6.2.1 区域化变量理论
6.2.2 半方差函数及理论拟合模型
6.2.3 克里格插值
6.3 作物管理分区划分方法
6.3.1 模糊C均值聚类
6.3.2 融入空间位置信息的模糊C均值聚类
6.3.3 Lark's方法
6.4 作物长势参数和土壤养分空间分布
6.4.1 小麦长势参数、产量和土壤养分相关性分析
6.4.2 长势参数空间分布
6.4.3 土壤养分空间分布
6.5 基于不同数据源的作物管理分区
6.5.1 基于土壤养分的作物管理分区
6.5.2 基于遥感影像的作物管理分区
6.5.3 结论和讨论
6.6 本章小结
第七章 结论、创新点与展望
7.1 结论
7.2 创新点
7.3 研究展望
参考文献
作者简介与攻读博士研究生期间的科研成果
本文编号：4038264
【文章页数】：153 页
【学位级别】：博士
【文章目录】：
致谢
中文摘要
Abstract
第一章 绪论
1.1 研究背景及意义
1.2 基于遥感影像的作物提取研究进展
1.2.1 基于多光谱遥感影像的作物提取
1.2.2 基于高光谱遥感影像的作物提取
1.3 高光谱遥感反演作物长势参数研究进展
1.3.1 作物叶面积指数遥感反演
1.3.2 作物地上生物量遥感反演
1.3.3 作物叶绿素遥感反演
1.3.4 作物氮素营养诊断
1.4 作物管理分区研究进展
1.5 研究内容及技术路线
1.5.1 本文的研究内容
1.5.2 本文的技术路线
第二章 试验方案及数据处理
2.1 试验方案
2.1.1 试验1-冠层尺度小区小麦长势参数反演试验
2.1.2 试验2-冠层尺度大田小麦长势参数反演试验
2.1.3 试验3-区域尺度作物长势参数监测试验
2.1.4 试验4-小麦长势空间变异试验
2.2 实验测量
2.2.1 冠层光谱处理
2.2.2 作物长势参数的测定
2.2.3 作物产量测定
2.2.4 土壤养分测定
2.3 配套遥感影像处理
2.3.1 Quickbird影像
2.3.2 AVIRIS航空影像
2.3.3 CASI航空影像
第三章 基于高光谱遥感影像的作物提取研究
3.1 引言
3.2 光谱维特征挖掘方法
3.2.1 基于互信息的特征选择方法
3.2.2 基于类间距离的特征选择方法
3.2.3 特征提取方法
3.3 空间域特征挖掘方法
3.3.1 基于灰度共生矩阵的纹理特征
3.3.2 Gabor特征
3.3.3 形态学特征
3.4 支持向量机
3.5 分类精度评价指标
3.6 基于分散矩阵的波段选择方法
3.7 混合特征提取方法
3.8 光谱特征和空间特征结合的作物分类
3.9 本章小结
第四章 基于冠层高光谱的作物长势参数反演
4.1 引言
4.2 基于PROSAIL模型的LAI植被指数敏感性分析
4.2.1 反演LAI常用植被指数
4.2.2 敏感性函数
4.2.3 PROSAIL模型
4.2.4 植被指数对土壤背景亮度和叶绿素含量变化的敏感性分析
4.2.5 植被指数抗饱和性分析
4.2.6 结论和讨论
4.3 最优光谱指数与波段深度信息结合的小麦生物量反演
4.3.1 窄波段植被指数
4.3.2 红边位置
4.3.3 波段深度信息提取
4.3.4 基于最优波段指数和波段深度信息结合的偏最小二乘回归估算生物量
4.3.5 偏最小二乘回归
4.3.6 模型建立与验证
4.3.7 实验结果与分析
4.3.8 结论和讨论
4.4 小麦氮素营养指数和籽粒蛋白质含量反演
4.4.1 氮素营养指数
4.4.2 各氮素营养诊断指标与籽粒蛋白质含量之间的关系
4.4.3 实验结果与分析
4.5 本章小结
第五章 基于高光谱影像的作物长势参数反演和监测
5.1 引言
5.2 研究区作物种植面积提取
5.3 基于PROSAIL模型的作物长势参数反演及监测结果
5.3.1 基于查找表法的LAI反演
5.3.2 作物LAI遥感监测结果
5.4 本章小结
第六章 作物管理分区研究
6.1 引言
6.2 地统计学原理
6.2.1 区域化变量理论
6.2.2 半方差函数及理论拟合模型
6.2.3 克里格插值
6.3 作物管理分区划分方法
6.3.1 模糊C均值聚类
6.3.2 融入空间位置信息的模糊C均值聚类
6.3.3 Lark's方法
6.4 作物长势参数和土壤养分空间分布
6.4.1 小麦长势参数、产量和土壤养分相关性分析
6.4.2 长势参数空间分布
6.4.3 土壤养分空间分布
6.5 基于不同数据源的作物管理分区
6.5.1 基于土壤养分的作物管理分区
6.5.2 基于遥感影像的作物管理分区
6.5.3 结论和讨论
6.6 本章小结
第七章 结论、创新点与展望
7.1 结论
7.2 创新点
7.3 研究展望
参考文献
作者简介与攻读博士研究生期间的科研成果
本文编号：4038264
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/4038264.html
