基于修正植被指数的大区域冬小麦土壤墒情监测方法研究
发布时间：2021-08-09 13:53
土壤墒情指地表土壤含水量的状况,影响着水文过程、气象变化和作物生长等环节。河南是我国的小麦主产区,其生产易受干旱的影响,及时准确地监测土壤墒情对保障粮食生产具有重要意义。田间实测等传统的土壤水分测量方法虽然精确,但无法实现大区域农田的动态实时监测,而遥感技术能很好地弥补传统方法的不足,利用遥感获取土壤水分信息有着重要的实用价值。基于植被指数反演土壤水分的方式被广泛使用,但普遍存在精度低的问题;此外,还存在点状局部研究多、宏观大区域研究少,时刻截面研究多、长生育期研究少等问题,限制了该方法的进一步应用。本论文针对以上问题,以河南省黄淮海平原的冬小麦农田墒情为研究对象,利用MODIS和Landsat8遥感影像以及实测墒情等数据,为提高对土壤墒情监测和反演的精度,考虑作物不同生育期的实际情况对植被指数进行修正或整合,实验取得了较好的效果。主要内容包括:（1）基于修正归一化植被指数（NDVI）的土壤墒情监测。NDVI的研究和应用较为深入和广泛,本文首先选择NDVI进行实验。中原地区的冬小麦生育周期长达8个月,且光、热、水、土等生态因素复杂多变,考虑大区域光热条件和作物物候期的差异,分别对种植区...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
技术路线
2研究区概况、数据源及其预处理102研究区概况、数据源及其预处理2.1研究区域概况河南省黄淮海平原位于北纬32°08’—36°21’和东经112°51’—116°35’之间，地势西高东低。西起海拔100m等高线和豫西北丘陵边缘，东至豫鲁、豫皖分界线，北起豫冀交界，南至淮河一线，面积约8.7万km2，占河南省总面积的52.4%。从北到南横跨海河、黄河、淮河三大流域。地处暖温带和北亚热带，属于湿润至半湿润季风气候。多年平均气温在12℃—16℃之间，气温年较差、日温差均较大，全年无霜期从北向南约为180—240天。年平均降水量在500—900毫米，受到季风影响，年降水量时空分布不均，由北向南逐渐递增，夏季降水量较多，大约占全年降水量的一半左右，冬季降水较少。日照时数2100—2600h，光热资源较充足，基本可以满足一年两熟的农作物需求。年均蒸发量1300—1600mm，由北向南逐渐递减。该区自然条件优越，土壤类型众多，农业发达，是我国主要的冬小麦生产区，位置如图2.1所示。图2.1研究区域位置
2研究区概况、数据源及其预处理14图2.2土壤墒情实测站点分布2.3数据预处理2.3.1遥感影像处理（1）MODIS数据预处理所下载的MODIS数据已经过了大气和气溶胶的校正，等级分别为L2G和L3级别，格式为Grid地球格式。本文使用MODISRe-projectionTools(MRT)工具对其进行波段提取和几何校正。本研究由于处理影像较多，因此采用脚本进行批处理模式。提取MOD09GQ和MOD09Q1的b1、b2波段、MOD09GA的b3、b7波段、MOD09A1的全波段、MOD11A1和MOD11A2的白天温度、夜晚温度；地温数据和除b1、b2外其他波段数据重采样为250m分辨率，以与b1、b2波段匹配。MODIS源数据投影为Sinusoidalprojection，重投影方式选择AlbersEqualArea，该种投影面积变化最校AlbersEqualArea投影需要输入以下参数（其他参数默认即可）：STDPR1（南标准纬线）为25；STDPR2（北标准纬线）为47；CenMer（中央经线）为
【参考文献】：
期刊论文
[1]欧空局主被动微波土壤水分融合产品在甘肃省干旱监测中的应用[J]. 胡蝶,沙莎,王丽娟,王玮. 干旱气象. 2019(04)
[2]具有电导率补偿特性的低频电容土壤水分传感系统[J]. 顾惠南,杨雷,邓霄,吕华芳,宋志强,潘丽鹏,张丽,崔丽琴. 传感技术学报. 2019(05)
[3]地表土壤水分的卫星遥感反演方法研究进展[J]. 徐嘉昕,李璇,朱永超,房世波,吴东,武英洁. 气象科技进展. 2019(02)
[4]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[5]土壤水分测量方法适用性综述[J]. 邵长亮,吴东丽. 气象科技. 2019(01)
[6]基于微波和可见光遥感的冬小麦土壤墒情反演[J]. 罗蔚然,张成才,闫超德,冯凌彤. 水利信息化. 2017(05)
[7]常用土壤含水量测定方法的原理及比较[J]. 赵宇飞,王长沙. 园艺与种苗. 2017(10)
[8]不同覆盖度下小麦农田土壤对NDVI影响模拟分析[J]. 方雨晨,王培燕,田庆久. 遥感技术与应用. 2017(04)
[9]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[10]利用条件植被指数评价西藏植被对气象干旱的响应[J]. 王圆圆,扎西央宗. 应用气象学报. 2016(04)
博士论文
[1]基于AMSR被动微波辐射计的地表土壤含水量估算方法改进及应用研究[D]. 宋沛林.浙江大学 2019
[2]基于多源遥感数据的干旱/半干旱地区表层土壤水反演方法研究[D]. 黄资彧.华南农业大学 2016
[3]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
硕士论文
[1]基于神经网络算法的多源遥感联合反演土壤湿度研究[D]. 吴善玉.南京信息工程大学 2019
[2]多源遥感数据反演植被覆盖地表土壤水分方法研究[D]. 林利斌.南京信息工程大学 2018
[3]基于风云三号卫星数据的河南麦区干热风灾损评估模型研究[D]. 张乐乐.郑州大学 2018
[4]主被动微波协同反演植被覆盖地表土壤水分方法研究[D]. 吴茜.山东农业大学 2017
[5]风云气象数据在农情定量监测中的应用研究[D]. 李耀辉.郑州大学 2016
[6]基于RADARSAT-2的风沙滩地区地表土壤水分遥感反演[D]. 陈长红.长安大学 2014
[7]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[8]使用MODIS数据反演土壤水分研究[D]. 姚春生.中国科学院研究生院（遥感应用研究所） 2003
本文编号：3332188
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
技术路线
2研究区概况、数据源及其预处理102研究区概况、数据源及其预处理2.1研究区域概况河南省黄淮海平原位于北纬32°08’—36°21’和东经112°51’—116°35’之间，地势西高东低。西起海拔100m等高线和豫西北丘陵边缘，东至豫鲁、豫皖分界线，北起豫冀交界，南至淮河一线，面积约8.7万km2，占河南省总面积的52.4%。从北到南横跨海河、黄河、淮河三大流域。地处暖温带和北亚热带，属于湿润至半湿润季风气候。多年平均气温在12℃—16℃之间，气温年较差、日温差均较大，全年无霜期从北向南约为180—240天。年平均降水量在500—900毫米，受到季风影响，年降水量时空分布不均，由北向南逐渐递增，夏季降水量较多，大约占全年降水量的一半左右，冬季降水较少。日照时数2100—2600h，光热资源较充足，基本可以满足一年两熟的农作物需求。年均蒸发量1300—1600mm，由北向南逐渐递减。该区自然条件优越，土壤类型众多，农业发达，是我国主要的冬小麦生产区，位置如图2.1所示。图2.1研究区域位置
2研究区概况、数据源及其预处理14图2.2土壤墒情实测站点分布2.3数据预处理2.3.1遥感影像处理（1）MODIS数据预处理所下载的MODIS数据已经过了大气和气溶胶的校正，等级分别为L2G和L3级别，格式为Grid地球格式。本文使用MODISRe-projectionTools(MRT)工具对其进行波段提取和几何校正。本研究由于处理影像较多，因此采用脚本进行批处理模式。提取MOD09GQ和MOD09Q1的b1、b2波段、MOD09GA的b3、b7波段、MOD09A1的全波段、MOD11A1和MOD11A2的白天温度、夜晚温度；地温数据和除b1、b2外其他波段数据重采样为250m分辨率，以与b1、b2波段匹配。MODIS源数据投影为Sinusoidalprojection，重投影方式选择AlbersEqualArea，该种投影面积变化最校AlbersEqualArea投影需要输入以下参数（其他参数默认即可）：STDPR1（南标准纬线）为25；STDPR2（北标准纬线）为47；CenMer（中央经线）为
【参考文献】：
期刊论文
[1]欧空局主被动微波土壤水分融合产品在甘肃省干旱监测中的应用[J]. 胡蝶,沙莎,王丽娟,王玮. 干旱气象. 2019(04)
[2]具有电导率补偿特性的低频电容土壤水分传感系统[J]. 顾惠南,杨雷,邓霄,吕华芳,宋志强,潘丽鹏,张丽,崔丽琴. 传感技术学报. 2019(05)
[3]地表土壤水分的卫星遥感反演方法研究进展[J]. 徐嘉昕,李璇,朱永超,房世波,吴东,武英洁. 气象科技进展. 2019(02)
[4]土壤水分遥感反演研究进展[J]. 潘宁,王帅,刘焱序,赵文武,傅伯杰. 生态学报. 2019(13)
[5]土壤水分测量方法适用性综述[J]. 邵长亮,吴东丽. 气象科技. 2019(01)
[6]基于微波和可见光遥感的冬小麦土壤墒情反演[J]. 罗蔚然,张成才,闫超德,冯凌彤. 水利信息化. 2017(05)
[7]常用土壤含水量测定方法的原理及比较[J]. 赵宇飞,王长沙. 园艺与种苗. 2017(10)
[8]不同覆盖度下小麦农田土壤对NDVI影响模拟分析[J]. 方雨晨,王培燕,田庆久. 遥感技术与应用. 2017(04)
[9]基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究[J]. 曾旭婧,邢艳秋,单炜,张毅,王长青. 中国生态农业学报. 2017(01)
[10]利用条件植被指数评价西藏植被对气象干旱的响应[J]. 王圆圆,扎西央宗. 应用气象学报. 2016(04)
博士论文
[1]基于AMSR被动微波辐射计的地表土壤含水量估算方法改进及应用研究[D]. 宋沛林.浙江大学 2019
[2]基于多源遥感数据的干旱/半干旱地区表层土壤水反演方法研究[D]. 黄资彧.华南农业大学 2016
[3]基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 李森.中国农业科学院 2007
硕士论文
[1]基于神经网络算法的多源遥感联合反演土壤湿度研究[D]. 吴善玉.南京信息工程大学 2019
[2]多源遥感数据反演植被覆盖地表土壤水分方法研究[D]. 林利斌.南京信息工程大学 2018
[3]基于风云三号卫星数据的河南麦区干热风灾损评估模型研究[D]. 张乐乐.郑州大学 2018
[4]主被动微波协同反演植被覆盖地表土壤水分方法研究[D]. 吴茜.山东农业大学 2017
[5]风云气象数据在农情定量监测中的应用研究[D]. 李耀辉.郑州大学 2016
[6]基于RADARSAT-2的风沙滩地区地表土壤水分遥感反演[D]. 陈长红.长安大学 2014
[7]基于SAR数据的稀疏植被覆盖条件下的地表土壤水分反演研究[D]. 郭曼.新疆大学 2012
[8]使用MODIS数据反演土壤水分研究[D]. 姚春生.中国科学院研究生院（遥感应用研究所） 2003
本文编号：3332188
本文链接：https://www.wllwen.com/kejilunwen/nykj/3332188.html
