论文部分内容阅读
我国是一个农业大国,小麦又是主要的粮食作物,随着遥感技术的发展以及精准农业不断发展,及时、准确、动态的农作物长势的监测、长势定量评价以及产量预测成为为一个国家或者地区制定合适的农业政策和广大农民提供重要的科学决策依据。长势监测主要是通过地面数据和遥感卫星数据结合建立模型,反演作物长势指标。叶面积指数LAI（Leaf Area Index）是一个与长势个体特征以及群体特征密切相关的变量,其大小直接与最终产量密切相关。作物的叶绿素含量影响作物进行光合作用的速率,进而影响作物产量。氮素对提高叶面积指数、叶绿素含量和生长速率均有促进作用,同时水是新陈代谢过程的反应物质,在光合作用、呼吸作用、有机物合成和分解的过程中,都有水分的参与,以上植被参数对于作物的生长都起着关键作用,因此可以通过植被参数的反演实现对农作物的长势监测。本文以安徽省蚌埠市龙亢农场冬小麦为例,以中分辨率卫星数据为基础,结合田间试验,对与冬小麦生长状况相关的植被参数（LAI、叶绿素、氮素、水分）进行反演,实现了区域尺度上中高分辨率卫星数据的冬小麦长势的时序监测和产量预测。本文的主要工作和结论有:（1）研究了植被光谱辐射传输机理,分析叶面积指数LAI、叶绿素、氮素敏感的光谱波段和光谱指数,通过相关性和拟合回归分析,得到LAI、叶绿素、氮素的最佳敏感光谱指数为NDVI、RVI II、VIopt,同时基于前人的研究,选择NDWI植被指数对水分含量进行反演。（2）基于选择的植被光谱指数,结合所选卫星的波段特征,建立不同卫星传感器的植被参数遥感反演模型,并利用地面实测数据对同期卫星反演进行验证,分析卫星反演的精度,发现基于RVI II建立的叶绿素密度反演模型、基于VIopt建立的氮素密度反演模型、基于NDVI建立的叶面积指数反演模型、以及基于NDWI建立的等效水厚度模型反演值与真实值在y=x线两侧均匀的分布,故本文所建模型是合理的。（3）基于得到的研究区冬小麦长时序的各植被参数反演结果对冬小麦的各个时期的生长状况进行分析,并结合产量数据,分析不同产量之间冬小麦长势的差异性,为后期作物的培育提供了良好的依据。通过过调研文献以及上述的研究,发现NDVI是叶面积指数敏感植被指数。本论文利用研究区2016年9月到2017年6月NDVI产品研究了不同生育期的叶面积敏感植被指数NDVI与对应冬小麦收获产量的关联特性,阐明NDVI在单生育期估产的表现,并建立估产模型,分析比较各自模型的精度与普适性。结果表明,基于NDVI建立不同的估产模型最佳生育期为抽穗期,模型的决定系数R2为0.7211,同时从基于该模型得到的产量预测图得出研究区中部及东南部小麦长势一般,主要是由于农场小麦种植分早茬与晚茬,中部及东南部为晚茬小麦,生育进展慢,西北部小麦整体长势旺盛,产量较高。