基于多源遥感数据的伊通县玉米估产与生长发育分析
发布时间:2020-07-05 10:55
【摘要】:社会经济的快速发展、人口不断增多、城市化进程加快等因素导致我国粮食生产的压力与日俱增。快速准确的获取农作物生产发育数据,可以有效地帮助管理者及时指定和实施措施,而农业遥感技术的发展能有效解决大范围的农作物监测和产量预测等技术问题。论文选取吉林省伊通县为研究区域,将研究区主要粮食作物玉米作为对象,获取2007~2017年间遥感影像数据、气象数据以及土壤有机质采样数据等多源异构数据,应用基于光能利用率的CASA模型估算了研究区玉米的净初级生产力,同时建立相关模型估算了土壤有机质含量、收获指数以及单位面积产量等与生长发育相关的指标数据,最后结合所有指标对伊通县玉米生长发育情况进行了综合分析,具体的研究内容如下:(1)利用CASA模型估算了伊通县2007~2017年的玉米净初级生产能力年累积量,并进行了时空变化规律分析,结果表明,伊通县玉米的有机碳固定情况良好,NPP累积量从前期的波动变化,发展成近年来的持续稳定增长。(2)结合遥感数据与地面实测的土壤有机质数据,构建了基于土壤光谱反射率的土壤有机质含量反演模型,利用该模型计算了2007~2017年研究区玉米地土壤有机质,得到较为可靠的伊通县玉米种植区土壤有机质含量。(3)结合NPP与土壤有机质数据,构建了改进后的研究区玉米估产模型,运用该模型计算研究区玉米单位面积产量,估算的伊通县玉米单位面积产量平均可达8026.92kg/hm~2左右,经过统计年鉴验证,研究区玉米估产结果较好,具有较强的参考价值。(4)综合多源异构数据对伊通县玉米耕地进行产量评价分析,引入综合指数评价的方法对研究区玉米耕地生产情况进行评价。首先基于多源遥感数据建立玉米耕地质量评价体系,然后选取耕地评价指标,构建玉米产量的评价模型,结合伊通县实际情况,从多个产量影响的因素对伊通县玉米耕地进行综合分析,结果表明伊通县玉米生产发育良好。
【学位授予单位】:中国矿业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S513;S127
【图文】:
图 2-1 伊通县地图Figure 2-1 The map of Yitong County数据(Research Area Data)的研究所需原始数据包括 Landsat5TM 以及 Landsa行编号 30 的 2007~2017 年 3~11 每月无云或少云dsat 数据的 2012 年以及其他云量过大而数据缺失时数据补充。使用的温度、降水、日照时数等气象数(http://data.cma.cn)。本章对获取原始数据进行了简据处理工作。数据dsat-5卫星为1984年3月发射的对地观测卫星,卫星°,搭载成像传感器 TM 用以获取光学遥感数据,共率,具体波段参数参见表 2-1。研究区 2007~2011 年源为地理空间数据云网站(http://www.gscloud.cn)。
16(c)2012 年 HJ-1A/B 卫星影像图 2-2 研究区卫星影像Figure 2-2 Satellite images of the study area(2) NDVI 数据获取NDVI(归一化植被指数)是研究植被生长发育最常用到的植被指数之一,以反映出植被覆盖度信息,反映出土壤肥力情况,它的值越高,说明植被覆越高,土壤质量越好。此外 NDVI 数据也作为众多植被参数计算模型的重要参量,本文研究需要用到时序的 NDVI 数据帮助进行实验,分析研究区植被
本文编号:2742507
【学位授予单位】:中国矿业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S513;S127
【图文】:
图 2-1 伊通县地图Figure 2-1 The map of Yitong County数据(Research Area Data)的研究所需原始数据包括 Landsat5TM 以及 Landsa行编号 30 的 2007~2017 年 3~11 每月无云或少云dsat 数据的 2012 年以及其他云量过大而数据缺失时数据补充。使用的温度、降水、日照时数等气象数(http://data.cma.cn)。本章对获取原始数据进行了简据处理工作。数据dsat-5卫星为1984年3月发射的对地观测卫星,卫星°,搭载成像传感器 TM 用以获取光学遥感数据,共率,具体波段参数参见表 2-1。研究区 2007~2011 年源为地理空间数据云网站(http://www.gscloud.cn)。
16(c)2012 年 HJ-1A/B 卫星影像图 2-2 研究区卫星影像Figure 2-2 Satellite images of the study area(2) NDVI 数据获取NDVI(归一化植被指数)是研究植被生长发育最常用到的植被指数之一,以反映出植被覆盖度信息,反映出土壤肥力情况,它的值越高,说明植被覆越高,土壤质量越好。此外 NDVI 数据也作为众多植被参数计算模型的重要参量,本文研究需要用到时序的 NDVI 数据帮助进行实验,分析研究区植被
【参考文献】
相关期刊论文 前10条
1 王祥峰;蒙继华;;土壤养分遥感监测研究现状及展望[J];遥感技术与应用;2015年06期
2 郭文川;宋克鑫;韩文霆;;管针式土壤含水率探头设计与影响因素分析[J];农业机械学报;2015年05期
3 何东健;陈煦;;土壤有机质含量田间实时测定方法[J];农业机械学报;2015年01期
4 程志强;蒙继华;;作物单产估算模型研究进展与展望[J];中国生态农业学报;2015年04期
5 秦瑞;周瑞伍;彭明春;王崇云;彭泽瑜;;CASA模型在金沙江流域(云南部分)NPP研究中的应用[J];山地学报;2014年06期
6 程春晓;徐宗学;王志慧;刘昌明;;2001-2010年东北三省植被净初级生产力模拟与时空变化分析[J];资源科学;2014年11期
7 史舟;梁宗正;杨媛媛;郭燕;;农业遥感研究现状与展望[J];农业机械学报;2015年02期
8 曾胤;陆宇振;杜昌文;周健民;;应用红外光声光谱技术及支持向量机模型测定土壤有机质含量[J];土壤学报;2014年06期
9 蒙继华;杜鑫;张淼;游行至;吴炳方;;物候信息在大范围作物长势遥感监测中的应用[J];遥感技术与应用;2014年02期
10 郝国辉;邵劲松;;土壤有机质含量测定方法的改进研究[J];农业资源与环境学报;2014年02期
本文编号:2742507
本文链接:https://www.wllwen.com/kejilunwen/nykj/2742507.html