基于多源数据冬小麦冻害遥感监测研究

摘要

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著水平。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著相关，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TO，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FeatureE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ANOVA分析，其结果为早春冻害对株高与LAI的影响达到了显著相关，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，以三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。

目录

声明

论文说明

致谢

表目录

图目录

摘要

第一章 引言

1．1 研究背景、目的及意义

1．2 植被波谱遥感原理

1．2．1 植被反射光谱特征

1．2．2 植被受胁迫光谱特征

1．3 关于小麦越冬冻害的研究

1．4 关于小麦早春冻害的研究

1．5 冻害监测国内外研究进展

1．5．1 冬小麦冻害机理研究

1．5．2 调查分析方法

1．5．3 统计分析法

1．5．4 数理统计预报模型法

1．5．5 农业气象灾害区划

1．5．6 高光谱分析法

1．5．7 遥感监测法

1．6 研究目标

1．7 研究主要内容

1．7．1 冬小麦越冬冻害与早春冻害高光谱遥感机理与识别方法研究

1．7．2 冬小麦越冬冻害与早春冻害高光谱遥感监测方法与模型研究

1．7．3 冬小麦冻害卫星遥感监测方法研究

1．7．4 综合多源数据冬小麦冻害严重度评价研究

1．8 冬小麦冻害遥感监测研究趋势及存在的问题

第二章 试验设计、数据获取及技术路线

2．1 试验设计

2．1．1 试验1-冬小麦越冬冻害叶片及冠层光谱试验

2．1．2 试验2-冬小麦早春冻害叶片及冠层光谱试验

2．1．3 试验3-基于多时相遥感数据冬小麦冻害监测试验

2．1．4 试验4-耦合Grey system、RS、GIS数据及技术进行大尺度冻害监测试验

2．2 测定项目与方法

2．2．1 叶片高光谱数据获取

2．2．2 冠层高光谱数据获取

2．2．3 霜箱设备

2．2．4 遥感数据获取

2．3 数据预处理方法

2．3．1 高光谱数据处理

2．3．2 遥感影像数据处理

2．3．3 植株生理生化参数获取方法

2．4 本研究总体技术路线

2．5 本章小结

第三章 冬小麦越冬冻害叶片、冠层遥感信息提取研究

3．1 高光谱数据光谱变换及特征参数提取

3．1．1 越冬冻害叶片原始高光谱响应特征

3．1．2 越冬冻害叶片一阶微分光谱特征

3．1．3 基于光谱敏感度分析的敏感波段选择

3．2 高光谱与叶片冻害严重度相关性分析

3．2．1 高光谱特征参量提取

3．2．2 高光谱特征参量与冻害程度相关性分析

3．3 冬小麦冻害单叶严重度反演研究

3．4 越冬冻害冠层尺度高光谱响应特征

3．4．1 冬小麦冻害冠层敏感波段的选择

3．4．2 基于原始光谱的敏感波段的选择

3．5 基于主成分分析冬小麦冠层尺度冻害程度反演研究

3．5．1 主成分定义描述

3．5．2 基于冠层光谱主成分得分值的冬小麦冻害程度反演多元线性模型建立

3．5．3 模型检验

3．6 基于植被指数相似法冬小麦冻害研究

3．7 冻害胁迫与产量相关指标的关系

3．8 本章小结与讨论

第四章 冬小麦早春冻害叶片、冠层高光谱信息提取研究

4．1 不同冻害处理冬小麦叶片高光谱响应特点

4．1．1 不同处理冬小麦单叶原始光谱响应特征

4．1．2 不同程度早春冻害一阶微分光谱响应特征

4．1．3 “红边”位置响应特征分析

4．2 基于连续小波分析的SPAD反演研究

4．2．1 SPAD值与高光谱反射率相关性研究

4．2．2 光谱连续小波分析简介

4．2．3 光谱连续小波特征提取

4．3 冠层尺度冻害胁迫高光谱特征提取

4．4 不同冻害处理下冬小麦长势指标冻害胁迫关系

4．5 冻害与产量相关指标的关系

4．6 本章结论与讨论

第五章 多时相遥感影像冬小麦冻害遥感监测研究

5．1 冬小麦冻害特征及冻害季相分析

5．2 研究区2009-2010年度气候特征

5．3 冬小麦冻害监测遥感数据源与预处理方法

5．4 冬小麦种植面积提取

5．5 研究区冻害监测研究背景

5．6 研究区样本数据

5．7 变化向量分析原理

5．7．1 植被指数变化向量的构建

5．7．2 变化向量敏感性分析及模型的确定

5．7．3 阈值划定

5．8 结果与分析

5．8．1 冬小麦冻害监测结果

5．8．2 冬小麦受冻后长势恢复监测结果

5．8．3 验证结果

5．9 本章结论与讨论

第六章 基于多因子综合评判冬小麦冻害监测研究

6．1 小麦冻害程度评价体系建立

6．1．1 影响冬小麦冻害因子

6．1．2 评价指标选取

6．2 研究区概况

6．3 研究区冬小麦种植面积提取

6．4 数据获取与预处理

6．4．1 遥感数据

6．5 评价体系建立

6．5．1 研究方法描述

6．5．2 灰色关联分析及评价指标权重确定

6．5．3 冬小麦冻害严重度灾害等级灰色聚类分析

6．6 结果与分析

6．7 精度验证

6．8 本章结论与讨论

第七章 结论、创新与展望

7．1 研究结论

7．2 创新点

7．3 研究展望及论文不足

参考文献

作者简介与攻读博士研究生期间的科研成果