杨鑫[1]2003年在《应用卫星遥感LST调查农业气候热量分布的方法研究》文中研究说明本研究针对农业气候区划中利用气象台站观测资料结合GIS技术进行区划中存在的不足，采用卫星遥感技术，研究了应用NOAA卫星遥感白天陆面温度(LST-Land surface temperature)调查广西农业气候热量分布的方法。计算了广西全年和不同季节白天晴空条件下的平均LST，进而处理生成了广西白天多年(1997-2000)的年和季的LST空间分布图像。主要结论如下： (1)找出了适用于计算广西白天LST的算法。根据利用卫星遥感资料反演LST的理论方法，结合广西现有的卫星资料及亚热带气候、地貌、植被等特点，对国内外的Kerr et al．算法、Becker & Li算法、Qin et al．算法和Franca & Cracknell算法等10多种反演LST的分裂窗算法及其相关的参数估算方法进行了适用性分析，得出采用辐射率模型中的Becker and Li算法计算广西白天的LST比较适用。 (2)获得了广西逐日不同时次的LST实况分布图。应用国家卫星中心提供的“极轨卫星资料接收与处理系统”，从NOAA／AVHRR 1B文件中提取广西区域范围内各通道的光谱资料，进行投影变换后生成等经纬度图像文件。进而，将各相关通道的光谱数据代入Becker and Li算法公式中，计算出广西白天各像素的LST值。再根据灰度变换公式将获得的LST数值进行转换，从而获得广西逐日不同时次的LST实况图。 (3)制作了广西白天全晴的LST平均图。针对云系的空间分布不均匀性，采用适当模板对LST实况图进行频谱分析，找出LST的统计样区，继而对这些区域的LST数值进行平均，得到多年LST平均图的参照标准。据此对所有历史LST实况图像中与参照模板对应的区域进行普查，找出对应区域与参照模板最接近的一幅实况图，从而得到LST平均图的原图。再对该原图进行云剔除，并选择与原图时相最接近的实况样本，用统计回归方法进行相幅间的数值补偿，由此剔除原图中的云区，最终制作生成广西全境白天千米空间尺度的LST平均图。 (4)分析了广西农业气候热量分布特征。采用与相同时段的气温分布图及历史平均区划图对比分析的方法，对制作的LST平均图进行了有效性检验，在此基础应用卫星遥感LS1’调查农业气候热量分布的方法研究上，由LST平均图分析了广西热量分布特征，并与第二次农业气候区划气温图进行比较分析，表明根据卫星遥感获得的LsT平均图可以更直观、细致、清晰地反映下垫面热量分布特征，并将在农业气候热量区划中起到重要作用.
佘宝[2]2017年在《油菜冻害卫星遥感监测与评估方法研究》文中研究表明油菜在我国位居油料作物之首,我国油菜的播种面积和产量均居世界第二位,其中约90%为冬油菜。越冬期是冬油菜必然经历的物候阶段,因而具有发生冻害的风险。传统意义上的油菜冻害监测与评估都是由工作人员到田间实地调查得到冻害指数,不仅耗时、成本高,且代表性差。遥感是及时获取大范围地表信息的有效有段,在作物灾害监测与评估领域具有明显的优势。本研究选取传统的冬油菜主产区——安徽省作为研究区域,基于中等分辨率成像光谱仪MODIS/MERIS、国产环境减灾卫星HJ-CCD/IRS等多种遥感数据源,以明确记载有油菜冻害发生的典型年份作为研究案例,探索针对油菜冻害的多角度评估方法,研究时相包括2003-2004、2009-2010和2010-2011叁个生长季。主要的研究内容以及取得的主要成果包括以下几个方面:(1)基于日最低气温指标的油菜冻害发生区域判断本文从油菜冻害的致灾因子——日最低气温出发,综合利用MODIS遥感数据、地面气象观测资料和基础地理数据,采用星地多源数据相结合的解决思路,依据各等级油菜冻害的致灾温度国家标准,对于可能会有冻害发生的区域进行判断。以2004年1月下旬及2月上旬发生的油菜冻害为例,论文分晴空与云覆盖两种情况讨论了对研究区域全覆盖的日最低气温分布数据的获取方法。对于晴空条件,本文通过建立日最低气温与晴空下LST、NDVI及儒略日(DOY)之间的多元线性回归方程来估算其空间分布,以2000-2014年间冬季叁个月每日获取的数据为输入用于建模及验证。结果显示对于日最低气温的估算效果,基于前一天夜间所获取的Terra-LST建立的估算方程具有最佳的表现,其次为当日白天获取的Terra-LST、白天Aqua-LST和夜间Aqua-LST。对于阴天条件,本文采用旬低温(旬内平均日最低气温)背景网格推算+冻害年份低温距平调整+残差空间化方法逐步拟合云下的最低气温分布场,该方法首先基于经度、纬度、海拔、坡度和坡向等地理要素数据来推算安徽全省冬季各旬(12月上旬至次年3月上旬)常年低温水平的空间分布。在HANTS滤波的支持下基于8天合成的LST产品(MOD11A2)来模拟冻害发生年份指定旬与常年(2000-2014年)同时期低温程度的距平,而后利用安徽省78个县级气象站的气温观测数据将各低温日期的最低气温与灾害年份旬低温水平之间的残差进行空间化。本文以地理要素数据为输入分别考查了多元线性回归以及随机森林非线性回归方法对低温残差的估算效果,结果显示随机森林模型对残差的估算精度明显要优于多元线性回归方法,故采用该方法将各站点处的低温残差扩展到整个研究区域。以晴空下的最低气温估算结果为主体,利用云下的推算结果作为补充,从而得到每个低温日期上对研究区域全覆盖的1 km分辨率的最低气温分布。由于国家标准中尚未对低温的持续时间进行定义,本文采用冷积温指标,即低温时段内每日最低气温的累加值来判断可能会有油菜冻害发生的区域。结果显示冷积温能够捕捉到出现在皖北地区(主要是宿州市一带)以及江淮地区(主要为合肥及滁州地区)的低温分布状况,且通过与各气象站的观测值进行比较(相关系数r=0.810,P<0.01,RMSE=8.6℃),冷积温的估算取得了较好的效果。(2)油菜的遥感识别与提取油菜从始花期到盛花期绿度出现下降,在植被指数时间序列剖面上呈现为"谷"的特征,区别于同时期生长的其他冬季作物(主要为冬小麦),基于这两个物候时期油菜所特有的绿度变化趋势可以实现其种植区域的提取。考虑到不同地区生长的油菜物候期并不同步,本文基于8天合成的MODIS-NDVI时间序列数据,在S-G滤波平滑的基础上,通过识别不同地区始花期和盛花期的开始时间从而分区域提取出安徽全省油菜的分布,并且依据统计年鉴所记录的市级油菜种植面积数据对提取结果进行了检验。当冻害较为严重时,受冻后的油菜在花期时植株趋于低矮、花朵稀疏,在30 m像元分辨率尺度上与冬小麦容易混淆,极易造成对实际种植面积的低估,此外农业灾害评估又具有现势性要求。结合合肥当地油菜生产的实际情况,针对该问题本文提出了基准种植区域+越冬作物掩膜调整方法,采用相邻正常生长季(未有冻害发生)的油菜分布作为基准,基于越冬作物从出苗到越冬前生长的特性建立掩膜来调整基准种植区域,将得到的结果用来表示冻害发生年份越冬时期的油菜分布,并且依据油菜播种面积统计数据对其进行检验。(3)油菜冻害灾情的遥感评估对于2004年发生的油菜冻害,在MODIS像元尺度上借助于时间序列剖面分析了 4种广泛采用的植被指数对于冻害的敏感性。结果显示,NDVI和GNDVI的表现要优于EVI和SAVI这两个植被指数,相比之下NDVI对于冻害影响的表现更为充分。MODIS数据具有较长的时间序列连续性,适合采用植被指数距平法评估冻害灾情。选取相邻几个正常生长季(2001-2006不含2004年)同时期的平均长势水平作为基准,采用NDVI年际标准差来表示长势的正常年际波动,将冻害影响后的长势水平相对于基准水平的百分比差异用来描述冻害的灾情程度。由于缺乏田间实测的灾情数据,本文选取全省47个油菜主产县区的平均冻害程度与相应的冷积温进行相关性分析,结果表明二者之间具有显着的相关性(r= 0.378,P<0.01),从而一定程度上支持了灾情的评估结果。MODIS空间分辨率较低,适合开展大范围油菜冻害的筛查,但对于市(县)区域的油菜冻害遥感监测与评估,需要采用更高空间分辨率的数据进行研究。综合考虑现有遥感资料的空间和时间分辨率,对于2010年和2011年初发生的油菜冻害,本文尝试采用国产环境减灾卫星数据进行冻害评估。选取由HJ-CCD的4个工作波段构建的8个常用的植被指数作为候选的冻害评估指标。利用2009-2010生长季灾后相对于灾前时相各植被指数的变化量较正常生长季(2008-2009)同时期变化量的归一化差异直方图曲线来判断不同植被指数对于冻害的敏感性。结果表明在30m空间分辨率尺度上,NDVI和GNDVI较其他植被指数同样具有更高的敏感性,相比较而言GNDVI的敏感程度更高,因而适合作为冻害的评估指标。基于灾后时相相对于基准水平的GNDVI百分比差异来判断冻害发生年份的灾情等级,对于2011年1月份发生的油菜冻害,本文选取合肥市9个苗情监测点实测的田间冻害指数对结果进行了验证,分析表明遥感评估得到的冻害程度与田间实测冻害指数之间具有较高的相关度(r =-0.698,P<0.05)。采用灰色关联分析方法和统计分析方法,本文考查了一些自然因素和作物自身条件对冻害灾情程度的影响,结果显示南坡向和西坡向种植的油菜灾情相对更为严重,几个因素对灾情影响程度的大小由高到低依次为:灾前长势、土壤湿度、最冷日期的地表温度和海拔高度。(4)新的冻害敏感指数的构建本文基于中等分辨率成像光谱仪MODIS和MERIS波段所构建的几个生理变量敏感植被指数,在1 km级分辨率尺度上考察了这些指数对于低温胁迫的响应模式及其冻害敏感性差异。所选取的指数包括MODIS-PRI(表征光合速率)、NDWI(表征冠层湿度),以及MERIS-MTCI(表征冠层叶绿素含量)、REP(红边位置)与LAI(叶面积指数)。结果显示PRI对于低温胁迫响应非常强烈,间接表明光合作用对于冻害敏感;油菜受冻之后NDWI呈现为异常上升的趋势,据此推测冻害导致了冠层失水;LAI对于冻害响应迟钝,其数值不仅降幅较小且低温过后迅速恢复;低温过程并未引起MERIS-MTCI与REP的降低或者削弱,推测冻害可能并未引起叶绿素水平的降低。低温显着地抑制了 MTCI数值水平的上升,而REP几乎未受到低温的影响,引入红边波段构建的红边NDVI对于低温胁迫的敏感程度要低于标准NDVI。基于上述发现,本文选取MODIS-L1B级数据中对植被光合作用以及冠层湿度较为敏感的7个波段,在不同冻害等级的随机分层抽样样本的支持下,通过最佳指数(theoptimal index factor,OIF)分析方法筛选出其第5、11和12波段组合构建并且提出了新的冻害敏感植被指数MFISI(MODIS Freezing Injury Sensitive Index)。该指数能够同时响应植被的光合作用与冠层湿度参数,具有明确的生理学意义;且由于两种生理指标在遥感水平上对于冻害均敏感,新指数能够明确地展现冻害的影响,其数值的空间分布图具有丰富的地物细节信息;新指数在冻害灾情的预判以及冻害发展趋势的预测方面,其表现要优于广泛应用的NDVI。
王慧芳[3]2013年在《基于多源数据冬小麦冻害遥感监测研究》文中提出近年来,随着全球极端气候的频繁出现,冬小麦冻害发生的复杂性、不可预知性,受灾程度影响之严重性,使得冬小麦冻害的实时监测和防灾减灾任务更加艰巨。随着卫星技术、地理信息技术、全球定位系统技术、计算机网络技术为主要内容的信息技术的迅速发展,遥感灾害监测技术在农业领域也得到了广泛的应用。近年来随着国产卫星数据源在时空分辨率与光谱分辨率上的提升,更带动了国内在相关领域研究的进展。然而目前在冬小麦冻害灾情遥感监测方面尚不系统,而在技术上如何最大限度的利用多源数据挖掘数据中的有效信息进而对不同时期的冻害特征参数进行有效提取是一个重要问题。本研究首先以人工控制条件下冬小麦越冬冻害与早春冻害为例,分别获取叶片、冠层尺度高光谱,研究冬小麦冻害光谱特征响应机制。继而以河北省示范区2009-2010年度典型冬小麦冻害实况为例,在地面样点调查基础上,综合多时相光学与热红外数据等多源遥感数据,利用GIS空间分析等技术手段,开展区域尺度上冬小麦冻害监测模型与方法研究,具体研究内容和结果如下：(1)在大田种植耐冻、不耐冻小麦品种发生越冬冻害自然条件下,获取了叶片与冠层尺度高光谱数据。在叶片尺度,首先研究了冻害在原始光谱与一阶微分光谱上的相应波段响应机制并提取了敏感波段；其次提取了叶片高光谱特征参量,通过分析叶片尺度冻害程度DAI与高光谱特征参量关系,建立了叶片尺度DAI与高光谱特征的拟合方程,筛选以R2达0.750以上的777nm一阶微分值、SDr/SDb、(SDr-SDb)/(SDr+SDb)为变量建模,其中SDr/SDb精度最高,验证结果R2为0.799,对DAI有很好的预测能力。冠层尺度上,通过主成分分析法提取前6个主成分估算冬小麦冻害严重度,其模型精度R2达到了0.6309。基于冠层高光谱数据提取了20个能敏感表征小麦叶绿素及含水量植被指数进行与冻害严重度相关分析,其中16个植被指数都与冻害严重度达显着水平。最后通过ANOVA进行产量影响指标与冻害严重度关系分析,4个与产量相关的考种指标都与冻害胁迫程度达到了极显着相关,说明不同的越冬冻害胁迫程度对最后产量影响较大。(2)在人工模拟霜箱模拟北方麦区(北京地区)春季越冬后早春冻害胁迫处理,观察其对冬小麦生长及产量的影响,同步获取了对小麦早春冻害叶片及冠层高光谱信息提取数据。通过研究了单叶水平与冠层水平冬小麦早春冻害的高光谱特征响应,表明经过不同温度处理后,叶片尺度与冠层尺度冬小麦呈现了不同的高光谱特征,文章分析了叶片及冠层尺度的四个不同处理T0,T1,T2,T3下原始高光谱、一阶微分光谱、“红边”等特征的信息,同时分析了在时间维度上的光谱变化信息。根据早春冻害低温胁迫后,植株光合作用的变化,文章使采用连续小波分析法(CWA)进行了叶绿素相对含量SPAD值反演研究,以相关程度最高的Feature E建立反演模型,并取得了较好的精度R2达到0.786。研究同时还进行了早春冻害不同温度条件处理下,造成长势指标(株高、LAI)差异与最后影响产量因素的/(?)NOVA分析,其结果为早春冻害对株高与LAI的影响达到了显着相关,说明不同程度的早春冻害对小麦长势与及最后收获产量影响较大。(3)大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。以河北省示范区藁城市2009-2010年度发生的冬小麦冻害为典型案例,以叁景环境减灾小卫星座HJ-CCDs小卫星影像为数据源进行了冬小麦冻害监测研究。文章引用入变化向量分析理论,分别对冬小麦冻害灾情及灾后长势恢复进行监测。利用多时相环境小卫星数据提取的多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。(4)为了系统地评价冬小麦冻害严重程度并筛选与影响其冻害受灾程度的有效评价指标,文章将灰色理论系统知识模型与遥感技术(RS)、地理信息系统(GIS)技术相结合,在确立评价指标体系原则及要求的基础上,建立大尺度多源信息融合的冻害综合评价模型,并用于空间分布专题图生成。文章以河北省藁城、晋州市小麦冻害监测应用为例,开展冬小麦冻害受灾程度进行定量评价方法研究,首先对河北省藁城与晋州市小麦2009-2010年度实测冻害严重度群体指标——茎蘖存活率与地表温度、土壤各养分含量、土壤热惯量和土壤含水量等空间数据信息进行灰色关联分析(GRA),并确定其权重；继而利用空间插值技术构建了研究区小麦冻害胁迫多因子空间矩阵,最后通过灰色聚类评估分析(GCA)建立冬小麦冻害严重度评估模型,将研究区可划分为重灾、中灾、轻灾或未受灾3种受灾片区。结果表明：藁城市重度受灾面积占全市小麦总面积的23.9%,中度受灾面积占40.71%,轻微或未受灾面积占35.39%；晋州市重度受灾面积占全市小麦总面积的17.12%,中度受灾面积占41.12%,轻微或未受灾面积占41.76%。评价结果经kappa模型验证后,总精度(overall accuracy)达78.82%,kappa coefficient为0.6754。因此,灰色聚类分析数学模型与遥感、GIS地理信息系统空间分析有效的整合,可以客观、准确地对冬小麦受冻害灾情定量评估研究,使得评价模型更具科学性和应用前景。同时此方法也为生态环境变化评价,作物长势及灾害监测提供了另外一种新途径。
参考文献：
[1]. 应用卫星遥感LST调查农业气候热量分布的方法研究[D]. 杨鑫. 南京农业大学. 2003
[2]. 油菜冻害卫星遥感监测与评估方法研究[D]. 佘宝. 浙江大学. 2017
[3]. 基于多源数据冬小麦冻害遥感监测研究[D]. 王慧芳. 浙江大学. 2013
标签：气象学论文; 农业基础科学论文; 植被指数论文; 卫星遥感论文; 空间分析论文; 遥感论文; 光谱论文; modis论文;