论文部分内容阅读
卫星遥感技术能够快速、准确、大面积对农作物生长进行监测,多时相遥感监测可克服单时相遥感监测的不足,利于实现对农作物生长变化的动态监测。本研究以江苏省大丰市为研究区域,选用多时期环境(HJ)卫星遥感影像进行了不同地物光谱信息识别与种植面积提取研究和结合作物生物量模型对冬小麦产量遥感估测研究分析。1不同地物光谱信息识别与种植面积提取研究分析。首先,在分析两景HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)影像,并对两景NDVI影像分别进行加运算和减运算,得到另外两景NDVI合成影像。其次,通过对提取到的四景NDVI影像光谱信息进行比较分析,最终选用植被光谱信息特征较为明显的加运算合成影像进行冬小麦种植面积提取。最后,基于影像不同地物的NDVI阈值划分,并叠加GPS样点信息校正,提取到大丰市冬小麦种植面积数据及其空间分布信息。结果显示,大丰市冬小麦遥感提取种植面积为78712.13 ha,精度为92.51%。说明,利用多时相遥感合成运算方法得到的合成影像,能明显增强冬小麦光谱信息与其它植被信息特征区别,有利于实现高精度提取冬小麦种植面积的目的。基于种植面积提取方法的可行性,用于绘制冬小麦遥感产量估测图。2结合作物生物量模型对冬小麦产量遥感估测研究分析。首先,在分析HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)、比值植被指数(RVI)和差值植被指数(DVI)影像,分别与实测冬小麦LAI建立线性关系,选取敏感植被指数NDVI用于冬小麦生育期LAI的反演,并且扬花期NDVI与LAI的线性关系效果最好。其次,运用冬小麦生育期LAI和作物消光系数K、试验系数M、N等参数对生物量模型参数调整并运算,运算结果通过收获指数转换为冬小麦遥感预测产量。最后,基于冬小麦生物量模型预测产量与实测产量做经验线性拟合,拟合精度达到85.38%。结果显示,基于不同时相的植被指数选取与生物量模型参数的优化得出的冬小麦遥感预测产量方法具有较好的应用性质,能够更好地为农业部门进行点面结合的作物估产。