光谱指数时间谱特性研究及其在种植模式信息提取中的应用-地图学与地理信息系统专业论文.docxVIP

摘要种植模式是作物轮作的空间表达，是对作物的空间分布和作物的前后茬顺序 摘要 种植模式是作物轮作的空间表达，是对作物的空间分布和作物的前后茬顺序 (轮作方式)的概括。作物种植模式信息对于高效、可控农业管理都具有非常重 要之意义，二者布局的合理性关系着能否充分利用季节、光能和土壤肥力，能否 改善和调节作物群体的小气候条件，是提高田块的单产和总产的重要技术环节。 中国地域辽阔，作物种植模式复杂多样，传统的统计方法和点上的观测数据不能 及时满足政府获取种植模式变化的要求。因此，通过遥感手段获取种植模式信息 具有非常重要的现实意义。本文利用光谱指数时间序列跟踪作物物候变化规律， 进行种植模式提取具有一定新意和挑战性。 本文首先围绕表征作物长势的光谱指数发展、基于图像自身的大气纠正、光 谱指数时间谱去噪标准化等关键问题展开方法研究，在此基础上，选择华北平原 16天合成MODIS增强型植被指数(EVI)时间序列进行去云重构、物候特征提 取，构建基于最少量特征参量的简洁分类决策树，生成了面向农业应用的土地覆 盖分类图，在对EVI时间谱特征参量化与优化基础上，建立了冬小麦和夏玉米 提取模型，制作了华北平原典型种植模式分布图。 研究的主要结论如下： 1)基于图像自身的模型法大气纠正程序ACORN对高光谱图像的光谱与辐 射定标要求很高，欧空局的多角度航天成像光谱仪CHRIS图像在760nm以后波 段不能满足ACOI矾对光谱与辐射定标的要求。 2) 设计了基于MODIS图像自身反演大气参量，实现大气纠正的流程，纠 正后的反射率光谱能够较好地保持地物光谱真实特征。 3)综合运用三种构建光谱指数的方法，进行了基于航空高光谱图像光谱的 氮指数发展与氮填图，以NDVI(dr745，dr699．2)为估算因子得到的叶片全氮 分布图与地面实测值具有很好的一致性； 4)基于物理模型PROSAIL模拟分析了现有叶绿素光谱指数的敏感性分析， 并对综合型光谱指数TCARI／OSAVI进行了改进，验证表明，改进模型无论在叶 片尺度还是在冠层尺度上，无论是对作物还是林地，都可以取得较好结果，最后 将模型应用到新型的星载成像光谱仪图像，得到叶绿素填图结果： 5)以生物量和LAI作为长势关键因子，利用长时间序列的小麦测量光谱， 进行了NDVI形式光谱指数的探索。对MODIS波段模拟表明，NDSI(b19，b2) 和NDSI(b19，b17)及NDSI(b19，b16)与生物量和LAI的相关性远好于MODIS 和NDSI(b19，b17)及NDSI(b19，b16)与生物量和LAI的相关性远好于MODIS 自身的两种指数，而MODIS EVI对长势的敏感性又好于MODIS NDVI。 6)谐波分析方法HANTS能够在去除植被指数日寸间序列图像上云等噪声的影 响的同时，很好地保持与揭示植被指数时间谱所蕴涵的物候周期性特征，由它处 理后的EVT时间谱上提取的物候关键期与观测资料一致性很好，主要土地覆盖类 型的MODIS—EVI时问谱很好地体现了自然植被各自特有的消氏规律，且相互问具 有一定的可区分性。 7)从MODIS EVI时间谱的物候分析出发，提取有效表征物候差异的特征 参量，结合表征地气交互作用差异的温度(I．ST)信息及表征地表固有的空间分 异特征一坡度信息，建立分类二叉树，分类结果表明，基于较少的属性数据得到 的土地覆盖分类图较之NASAUSGS的MODIS土地覆盖产品在精度上有了很大 改善，且与耕地面积官方统计数据的吻合度大为提高。 8)从种植模式的MODIS光谱指数时间谱分析入手，提取了表征冬小麦及 其后茬夏玉米与其他同季生长作物物候差异的特征，分析表明返青期和峰值时期 对冬小麦提取贡献最大，而峰值时间和大小以及表征营养生长向生殖生长转化时 生物量累积差异的参量(偏斜度)对玉米提取贡献最大。17个县的抽样表明， 冬小麦的总体提取精度为88，38％(以当地统计局的数据为标准)。最后形成的小 麦一玉米，小麦一水稻和小麦一其他种植模式的分布图，与作物熟制气候分布图 具有较好的一致性。MODIS低空间分辨率和种植模式的多样化趋势是造成误差 的主要原因。 关键词：种植模式大气纠正作物长势光谱指数时问谱去噪物候特征提取 II ABSTRACTAccording ABSTRACT According to FAO，cropping pattern is defined as the spatial representation of crop rotations，which embodies the spatial arrangement of crops and the yearly crop sequences．Cropping pattern plays all impor