基于时间序列植被指数的水稻发育期提取和估产

摘要

随着遥感技术的发展，传统农业也在不断地向高科技农业发展，以遥感技术为手段，为农业信息技术的发展提供了有效的技术支撑。不仅大面积农作物面积提取、发育期提取、长势监测、产量估算成为了可能，还为许多其他问题提供了大量的影像资料和分析方法。长时间序列植被指数数据集因其时间跨度长、能够反映相当长一段时期内作物生长的季相和年际变化，因而其应用越来越受到关注。本文使用AVHRR NDVI长时间序列数据提取作物生育期，首先解决原始时间序列数据的去噪问题，使用几种滤波方法对原始时间序列数据去噪，得到平滑的时间序列曲线，然后利用不同滤波方法重构得到的时间序列数据集提取水稻关键生长发育期。利用GIMMS NDVI长时间序列数据进行水稻估产，用去趋势化方法分离趋势产量和遥感产量，然后建立遥感产量与估产因子的回归模型，最后对江苏省进行水稻遥感估产。研究表明，利用滤波处理后的长时间序列AVHRR NDVI逐日数据能够提取水稻移栽期、成熟期和抽穗期，并能将误差控制在±16天以内;对抽穗期和成熟期的识别误差控制在±6天以内。利用产量去趋势化方法建立的估产模型能够预报江苏省水稻产量，预报产量与统计产量的相对误差在10％以内。

目录

声明

致谢

摘要

图目录

表目录

1 绪论

1．1 选题背景及研究意义

1．2 国内外研究进展

1．2．1 发育期遥感识别

1．2．2 农作物遥感估产

1．3 研究内容和论文结构

1．3．1 研究内容

1．3．2 论文框架结构

2 研究区和数据

2．1 研究区概况

2．2 研究采用的遥感数据及预处理

2．3 其它数据

3 时间序列植被指数数据集重建

3．1 研究需要的数据

3．2 时间序列植被指数数据集重建方法介绍

3．2．1 Savitzky-Golay滤波法

3．2．2 非对称性高斯函数拟合法

3．2．3 双Logistic函数拟合法

3．3 时间序列植被指数数据处理

3．3．1 软件及算法说明

3．3．2 统计分析方法

3．4 时间序列植被指数重构结果与分析

3．4．1 时间序列滤波效果定性分析

3．4．2 时间序列滤波效果定量分析

3．5 本章小结

4 时间序列植被指数水稻关键生育期提取

4．1 水稻关键生育期遥感识别算法

4．2 不同时间序列重构方法对水稻关键生育期识别精度的影响

4．3 不同质量数据对水稻关键生育期识别精度的影响

4．4 本章小结

5 基于产量去趋势化的水稻遥感估算模型研究

5．1 研究需要的数据

5．2 研究方法

5．2．1 农作物掩膜

5．2．2 估产因子的选择

5．2．3 趋势产量的处理

5．3 估产结果及验证

5．3．1 水稻产量趋势分析

5．3．2 YRS与NDVI变量的相关性分析

5．3．3 遥感产量估算模型

5．3．4 估产模型的验证

5．4 本章小结

6 总结和展望

6．1 研究取得的主要成果

6．2 有待进一步研究的问题

参考文献

作者简历