60000字硕士毕业论文基于遥感图像和模型的水稻产量模拟分析

论文类型：硕士毕业论文

论文字数：60000字

论点：遥感,作物,模型

论文概述：

本论文以江苏省为研究区域，使用多时相遥感信息与水稻作物模型ORYZA2000相结合进行大区域水稻估测的方案。

论文正文：

第一章引言

1.1研究意义
水稻原产于亚洲热带，是中国最大的粮食作物。从目前的种植情况来看，水稻种植面积占全国耕地的30%，产量约占全国粮食总产量的一半。从国家政策的角度来看，中国政府非常重视水稻生产。“十一五”期间，农业部提出并实现了全国粮食综合生产能力达到1万亿斤的目标，特别是自2007年以来连续4年稳步实现预期目标，对即将到来的“十二五”时期提出了更高的要求。随着近年来计算机技术的快速发展，作物模拟、专家系统、3S等高科技技术越来越多地被用于构建水稻生长模型、管理专家系统、水稻面积、生长和灾害的实时监测以及水稻产量的准确预测。这些技术在指导各地区水稻生产和确保全国粮食安全方面发挥了积极作用。卫星遥感技术的应用为区域作物生产研究提供了一种新的方法，具有重要的现实意义。与传统的野外观测方法相比，卫星遥感具有实时性、宏观性、准确性、动态性等优点，已成为大规模作物生长监测和产量预测的有效手段。
目前，国内外在作物遥感估产理论模型研究、作物生长实时监测、建立遥感估产业务系统等方面取得了巨大成就。由于目前的遥感信息和技术不能定量反映作物生长和产量形成的内在机理及其与气象条件、土壤等环境因素复杂的内在定量关系。然而，作物生长模拟模型从农业生态系统中物质能量守恒原理和物质能量转换原理出发，对作物光合作用、呼吸和蒸腾等重要生理生态过程及其与外部环境因素的关系进行数值模拟。它具有面向过程、机制性强、动态性强的特点，是数字农业发展的新方向。在过去的20年里，国际国内科研机构相继引进了各种作物模型，主要以荷兰和美国开发的模型为代表。荷兰瓦赫宁根农业大学和研究中心开发的SUCROS模型系列已被广泛使用，包括世界粮食研究(WOFOST)的简化模型。谷维素是荷兰与国际水稻研究所(IRRI)合作开发的水稻模型，已通过水稻产量模拟和系统分析(SARP)项目在东南亚得到广泛验证。美国交换决策支持系统(DSSAT)在世界上也广泛使用，包括禾本科作物组的CERES、豆科作物模拟模型组[4的Cropgro和澳大利亚使用的APSIM (5-7)。作物模型广泛应用于作物田间管理、精准农业、气候变化对农业的影响、农业研究等地方。由于大多数模型是基于单个试验点的空之间的时间尺度开发的，当基于单个试验点的作物生长模型用于区域研究时，模型的应用遇到许多困难，例如获取区域宏观数据、模型参数(品种遗传参数)的区域放大等。)，以及模型本身的区域扩展。因此，整合作物模拟和卫星遥感的优势，寻求作物模拟和卫星遥感相结合的途径和方法，具有重要的科学和现实意义。两者不仅可以有机结合，动态反映作物生长和产量形成的内在机理，还可以突出卫星遥感宏观、实时、动态监测的优势。优势互补，必将提高农业形势监测与评价的实时性、机制性和准确性。

1.2国际研究现状
遥感信息已应用于模型模拟，并在国外较早开始。几十年前，遥感信息与一些统计模型或半经验模型相结合，应用于作物生长监测、作物灾害监测和作物产量估计。如美国、荷兰、法国等国家，以及粮农组织、英国石油学会等国际组织，在这一领域的研究和应用中做了大量工作。20世纪90年代以来，随着作物机理模型的快速发展，用机理强的作物生长模拟模型代替统计模型或半经验模型与遥感相结合的研究和应用成为该领域的新趋势。美国LACIE(大面积乌鸦清单实验)项目证明，遥感信息的引入可以扩大作物生长模拟模型的应用范围，提高区域模拟精度。经过不断发展，作物生长模型与遥感信息的结合在研究和应用上都取得了很大进展。目前，作物生长模型与遥感信息相结合的方法主要有四种，即验证法、驱动法、初始化/参数化法(调节法)和同化法。验证方法是将作物生长模型的模拟结果与遥感信息检索的数据进行比较。
有两种驾驶方法。一种是将遥感信息反演的参数值直接代入作物模型，驱动模型运行。另一种是将从遥感信息反演的参数值而不是原始参数添加到模型中，并驱动模型运行。驱动方法基于遥感的“测量值”比模型模拟得到的相应模拟值更合理和准确的假设，因此可以采用这种“替代”。作物模拟模型通常以固定的时间步长(如“天”或“小时”)运行，并且在时间上是“连续的”。然而，遥感信息的获取往往不能满足这一次的高分辨率，这可能导致仿真精度的降低。
为了使遥感信息在时间上连续，通常的做法是使用多次遥感获得的“测量值”(如LAI)作为模拟曲线，然后根据模型要求的时间步长对模拟曲线和遥感获得的“测量值”(如LAI)进行插值。例如，德勒科勒和格雷夫·[8]利用法国南部卡马戈地区小麦的SPOT/HRV遥感数据来反演赖值。然而，考虑到整个生长季叶面积指数的时间分辨率较低，采用统计插值方法形成叶面积指数日变化剖面作为作物模型AFRCWHEAT的输入变量。这种方法显著提高了模型预测产量的能力。芬兰的卡尔沃宁等人[9]使用相同的方法确定作物的叶面积指数，并将其作为作物作物气象模型的输入变量来模拟该地区的作物产量。后来，在作物生长监测系统估算区域作物产量的研究中，利用上述遥感数据的“插值”和“替代”以及作物模型模拟的产量作为CGMS的输入，也取得了良好的效果。Maas观测了玉米田的地面辐射，通过光学数据反演得到叶面积指数，通过遥感数据反演得到叶片温度，并计算水分胁迫指数，然后将这些“实测值”代入作物模拟模型，使该模型能够在一定程度上改善玉米生长模拟。

1.3国内研究现状............................14-15
1.4研究内容............................15-16
1.5纸张结构............................16-17
第二章研究领域和研究数据概述............................17-25 [/BR/] 2.1研究领域概述............................17
2.1.1地理位置............................17[/溴/] 2.1.2土壤............................17
2.1.3气候............................17
2.2研究数据............................17-25
第三章水稻模拟模型谷维素2000调试............................25-38
3.1作物模型简介............................25-30
3.1.1主要车型介绍............................25-26 [/BR/] 3.1.2水稻作物模型研究............................26-27
3.1.3谷维素2000模型简介............................27-30
3.2谷维素2000模型的校正和验证............................30-36
3.3江苏试验站的校准............................36-38 [/BR/] 3.3.1江苏试验站水稻生育期............................36
3.3.2参数校准............................36-38
第四章遥感信息叶面积指数的提取............................38-48[/比尔/] 4.1植被指数介绍............................38-40
4.1.1归一化植被指数............................38-39
4.1.2增强植被指数............................39-40
4.2植被指数与叶面积指数的关系............................40-41[/比尔/] 4.3遥感图像的处理............................41-48
第五章遥感信息与作物模型相结合的水稻生长监测和产量预测……48-60[/溴/] 5.1研究内容和方法............................48
5.2镇江市遥感信息与谷维素2000模型相结合的水稻鉴定.........48-50
5.3基于镇江遥感信息和谷维素2000模型的水稻产量模拟.........50
5.4江苏省区域模拟............................50-58
5.5............................58-60

结论本文以江苏省

为研究区域，将多时相遥感信息与水稻作物模型谷维素2000相结合，进行大面积水稻估测方案。本研究包括以下几个部分:(1)首先，利用镇江稻田试验数据对水稻生长模拟模型谷维素2000进行了修正和验证。经修订和验证的ORYZA2000模型可在本地应用。根据江苏省8个测站的农业瓦斯观测数据，对模型参数进行了适当调整，并应用于以8个测站为代表的全省水稻模拟。
(2)对采集的遥感数据HJ环境小卫星数据和MODIS数据进行几何校正、辐射校正、大气校正等处理，通过ENVI软件操作获得NDVI和EVI的相关植被指数；建立了试验区植被指数与水稻叶面积指数的回归分析，HJ环境小卫星数据得到的叶面积指数-EVI模型是较好的模型。
(3)遥感反演的叶面积指数与稻2000模型模拟的水稻叶面积指数相联系，以叶面积指数为纽带实现遥感信息与作物模型的结合:假设整个水稻生长发育阶段像素点的叶面积指数变化曲线符合典型水稻生长的叶面积指数变化(可以用水稻生长模型模拟)，像素作物被认为是水稻，符合某一类型水稻的生长。从作物模拟的角度假设多种本地水稻播种期，为了包括所有种类的水稻，利用从已建立的遥感图像检索的LAI时间序列来找出合格的像素点，以便符合某一水稻生长模拟，即该水稻的生长状态，从而实现该区域水稻生长的模拟。

参考

[/1]于荣臻，德里森出版社。基于作物冠层温度遥感反演的作物生长模拟与预测[。中国农业大学学报，2003。8(补编):71-75。
[2]辛景峰。基于3S技术和生长模型[的作物生长监测及产量估算方法研究。北京:中国农业大学资源与环境学院，2001: 56- 64。
[3]王赢、刘胡阿祥、陈娟等。现代农业发展与“3S”技术的有机结合[。安徽农业科学，2004 32(6): 1293-1295
[4]曹魏星，作物智能栽培:信息科学与作物栽培的结合[.科技先驱报，2000，139(1):37-40
[5]王春志，俞荣臻，辛景峰。基于遥感和作物生长模型的作物产量差异估计[[]。农业工程杂志，2005。21: 84-89。
[6]王计华，赵春江，黄文江，等.定量遥感参数与作物肥水模型联系的初步研究[.华北农业杂志，2001，16:52- 58。
[7]马玉平，王世李，张莉，等.基于遥感信息的作物模型重新初始化/参数化初步研究[[]。植物生态学杂志，2005。29: 918-926。
[8]马玉平，王世李，张莉等。基于遥感信息的华北冬小麦区域生长模型及模拟研究[。气象学杂志，2005，63: 204-215。
[9]王任潮，王珂，沈张泉等。水稻产量遥感估算模型研究[J]。遥感杂志，1998年。2 (2): 119-124。[/比尔/] [10]杨兴伟，薛正平，卢希安。遥感水稻动态产量估算模拟的初步研究[[]。环境遥感，1994，9 (4): 281-286。