基于植被指数时间序列的洪涝灾害遥感监测模型

基于植被指数时间序列的洪涝灾害遥感监测模型

论文摘要

黑龙江省作为农业大省,是我国重要的粮食输出基地,因其特殊的地理位置与独有的气候条件和土壤类型,旱灾、洪涝灾害、雹灾、风灾等各种农业灾害频繁发生。近几年,由于气候条件不断恶化,极端天气出现的情况越来越多,农业灾害发生率明显增高,对该省的农业发展产生了重大影响。洪涝灾害已成为黑龙江省发生最频繁的农业灾害之一,严重的洪涝灾害对耕地以及农作物有着极大的影响。因此,及时准确的对农业洪涝灾害进行监测并对黑龙江省农业洪涝灾害时空特征进行分析,不仅可以保障粮食安全,也可以为灾前预警、灾中监测、灾后救援以及灾损评估工作提供可靠的数据与理论支撑。传统的洪涝灾害监测方式主要基于野外调查与采样,会耗费大量人力与物力,且带有一定人为主观因素,对灾害信息的评估并不准确,获取的信息严重滞后。随着遥感技术的出现,使及时、准确的监测大范围灾害成为可能,更适用于农业灾害监测工作。本文选取黑龙江省三个典型区域建三江垦区、九三垦区和大庆地区作为研究区,利用16天合成的250 m空间分辨率的MODIS植被指数数据,构建植被指数时间序列模型,基于植被指数时间序列变化规律确定灾害判别阈值,提取出农业灾害范围,并与高分辨率影像数据与地面实测数据以及保险公司上报数据进行提取结果验证,最后对于时间序列曲线进行生长期突变检测,提取出洪涝灾害范围,并分析黑龙江省2016年洪涝灾害时空格局特征及成因,主要研究结论如下:(1)基于植被指数时间序列提取的灾害范围精度较高。通过提取研究区内典型灾害所在区域经过SG滤波后的中值植被指数(归一化植被指数的中值)时间序列曲线,作为该区域农作物标准长势曲线,与实际长势曲线对比,构建植被指数时间序列灾害监测模型(SAUC),选取10为最佳阈值,提取灾害范围,并对结果进行精度验证,在16次验证结果中,平均相对误差为13.26%,验证精度达到了86.74%,实用性较强,并将模型运用到黑龙江省的农业灾害监测中,与高分辨率影像灾害监测结果对比,提取精度达到81.4%,相似度较高,可以应用于大范围、长时间的农业灾害动态监测中。(2)基于植被指数时间序列的分析与判别,可以有效进行洪涝灾害监测。利用洪涝灾害与其他类型灾害在时间序列上的差异,发现农作物在受到洪涝灾害后在曲线上会有突变形态产生,依据对生长期的突变检测,提取出洪涝灾害信息,与上报的投保地块数据和高分辨率同期影像数据相比,提取精度达81.7%。在16个已知灾害中,提取出了所有涝灾,剩余非洪涝灾害类型有2个划分为洪涝灾害,正确率为87.5%,洪涝灾害提取精度较高,可以实际应用于农业洪涝灾害监测中。(3)黑龙江省洪涝灾害的时空分布特征受气象因素、地形因素、土壤因素影响。根据提取的2016年黑龙江省洪涝灾害范围,结果显示,黑龙江省2016年洪涝灾害主要发生在6月下旬,主要分布于佳木斯、鹤岗、双鸭山以及齐齐哈尔等城市,结合2016年气候数据以及土壤、地形数据,发现这三个因素与洪涝灾害之间的相关性较高。结果表明,基于MODIS植被指数时间序列的农业灾害监测模型能够进行及时、有效的进行农业灾害监测,提取出受灾范围,根据得到的区域受灾信息可以进而得到大范围农业受灾信息。依据对植被指数时间序列生长期的突变检测,能够以较高的精度提取出洪涝灾害范围,具有适用性及实用性,可以作为洪涝灾害监测与灾情评估的依据之一,同时能够为黑龙江省气象部门提供洪涝灾害信息统计数据,为农业洪涝灾害预警提供更加科学、及时的信息。

论文目录

  • 摘要
  • 英文摘要
  • 1 引言
  •   1.1 研究背景
  •   1.2 研究目的与意义
  •     1.2.1 研究目的
  •     1.2.2 研究意义
  •   1.3 国内外研究动态
  •     1.3.1 基于植被指数的灾害监测
  •     1.3.2 基于时间序列的灾害监测
  •     1.3.3 洪涝灾害监测
  •     1.3.4 国内外研究启示与本研究思路
  •   1.4 研究内容及方法
  •     1.4.1 研究内容
  •     1.4.2 研究方法
  •   1.5 研究重难点及创新点
  •     1.5.1 研究重难点
  •     1.5.2 研究创新点
  •   1.6 研究技术路线
  • 2 理论基础与相关概念界定
  •   2.1 理论基础
  •     2.1.1 地物光谱特征理论
  •     2.1.2 灾害监测理论
  •   2.2 相关概念界定
  •     2.2.1 植被指数时间序列曲线
  •     2.2.2 农业洪涝灾害
  • 3 研究区概况与数据处理
  •   3.1 研究区概况
  •     3.1.1 自然地理
  •     3.1.2 气候条件
  •     3.1.3 社会经济
  •     3.1.4 农业灾害
  •   3.2 数据来源及处理
  •     3.2.1 MOD13Q1 数据
  •     3.2.2 Landsat、高分、环境星数据
  •     3.2.3 投保数据及土壤、地形、气候数据
  •     3.2.4 数据预处理
  • 4 农业洪涝灾害遥感监测模型
  •   4.1 植被指数时间序列平滑处理
  •     4.1.1 时间序列生成
  •     4.1.2 时间序列重构
  •   4.2 基于植被指数时间序列的灾害监测
  •     4.2.1 时间序列曲线对比
  •     4.2.2 灾害监测模型建立及灾害提取
  •     4.2.3 灾害监测结果与精度评价
  •   4.3 基于植被指数时间序列分析的洪涝灾害监测
  •     4.3.1 洪涝灾害识别
  •     4.3.2 生长期突变检测及洪涝灾害提取
  •     4.3.3 洪涝灾害监测结果与精度评价
  •   4.4 小结
  • 5 黑龙江省洪涝灾害时空格局特征及成因分析
  •   5.1 洪涝灾害时空格局特征
  •     5.1.1 时间变化特征
  •     5.1.2 空间分布特征
  •   5.2 洪涝灾害成因分析
  •     5.2.1 气象因素
  •     5.2.2 地形因素
  •     5.2.3 土壤因素
  •   5.3 小结
  • 6 结论与展望
  •   6.1 主要研究结论
  •   6.2 研究展望
  • 致谢
  • 参考文献
  • 攻读硕士学位期间发表的学术论文
  • 文章来源

    类型: 硕士论文

    作者: 张展骞

    导师: 张新乐,王宗明

    关键词: 植被指数,时间序列,洪涝灾害,黑龙江省,时空特征

    来源: 东北农业大学

    年度: 2019

    分类: 基础科学,农业科技

    专业: 气象学,农业基础科学,农业基础科学,植物保护

    单位: 东北农业大学

    分类号: S422;S127

    总页数: 58

    文件大小: 6434K

    下载量: 337

    相关论文文献

    • [1].荒漠林高光谱与光学影像植被指数(Ⅵ)的比较[J]. 新疆农业科学 2020(01)
    • [2].河南省植被指数变化特征研究[J]. 测绘与空间地理信息 2020(02)
    • [3].运用植被指数时序特征对落叶松人工林分类[J]. 东北林业大学学报 2020(03)
    • [4].微波植被指数在云南省植被动态监测中的适用性研究[J]. 地球环境学报 2019(06)
    • [5].表征亚热带常绿林光合作用季节变化特征的多种植被指数[J]. 生态学报 2018(16)
    • [6].植被指数遥感演化研究进展[J]. 北方园艺 2018(20)
    • [7].重庆市植被指数与高度/坡度的关系研究[J]. 西南师范大学学报(自然科学版) 2016(11)
    • [8].铜污染植被指数的玉米叶片污染程度探测模型[J]. 光谱学与光谱分析 2020(01)
    • [9].吉林省NDVI时空变化——以2010—2019年为例[J]. 农业与技术 2020(13)
    • [10].基于遥感数据的内蒙古近三十年植被指数的时空分析[J]. 地质学刊 2018(03)
    • [11].草地高光谱植被指数与叶面积指数的关系研究[J]. 阴山学刊(自然科学) 2011(04)
    • [12].构建植被区分阴影消除植被指数提取山地植被信息[J]. 农业工程学报 2019(20)
    • [13].一种基于可见光植被指数的高分辨率影像林地提取方法[J]. 软件导刊 2020(07)
    • [14].植被指数的地形效应研究进展[J]. 应用生态学报 2018(02)
    • [15].基于地形调节植被指数估算长汀县植被覆盖度[J]. 国土资源遥感 2015(01)
    • [16].被动微波遥感植被指数在中国的应用研究[J]. 干旱区资源与环境 2014(08)
    • [17].基于植被指数模型的淡水湖泊湿地景观信息提取[J]. 地理空间信息 2012(06)
    • [18].基于MODIS的重庆市植被指数对地形的响应[J]. 中国农业气象 2012(04)
    • [19].基于宽范围动态植被指数的棉花冠层覆盖度监测[J]. 棉花学报 2011(03)
    • [20].L波段多角度微波植被指数研究[J]. 遥感信息 2010(01)
    • [21].新疆植被指数与气象因子关系分析[J]. 沙漠与绿洲气象 2010(05)
    • [22].基于雷达植被指数的水土流失区植被覆盖度估测[J]. 国土资源遥感 2015(04)
    • [23].西藏高原青稞三种植被指数对红外增温的初始响应[J]. 生态环境学报 2015(03)
    • [24].山西省植被指数时空变化特征及其对气候变化的响应[J]. 湖北农业科学 2015(17)
    • [25].基于ArcGIS的金沙江流域中段植被指数分布规律研究[J]. 科技通报 2010(03)
    • [26].垂直植被指数的计算和精度分析[J]. 兰州大学学报(自然科学版) 2010(05)
    • [27].山西典型生态区植被指数(NDVI)对气候变化的响应[J]. 生态学杂志 2009(05)
    • [28].近25年山西植被指数时空变化特征分析[J]. 生态环境 2008(06)
    • [29].气象因子对植被指数影响的偏最小二乘分析[J]. 测绘科学 2019(12)
    • [30].基于最佳植被指数组合的水稻鲜生物量估测[J]. 科技通报 2019(06)

    标签:;  ;  ;  ;  ;  

    基于植被指数时间序列的洪涝灾害遥感监测模型
    下载Doc文档

    猜你喜欢