水稻重金属胁迫多源遥感协同反演方法研究

发布时间：2024-02-26 22:50

　　精准、大面积监测农作物重金属污染对农业生产、粮食安全具有重要意义。目前应用遥感数据监测多是利用单一的光学遥感数据,其利用遥感特征相对单一,监测精度相对较低。光学遥感能监测到受胁迫作物的颜色等特征,而微波遥感能监测到受胁迫作物的形态等特征。为了充分提取受胁迫作物的特征信息,发挥多源遥感数据的互补性,本文协同光学遥感和微波遥感构建作物重金属胁迫监测模型。选取苏州地区受重金属污染的水稻样区为实验区,测量水稻关键生长期ASD光谱数据、生化参数、重金属含量数据,并获取准同步的光学HIS和雷达Radarsat-2卫星遥感数据。根据水稻重金属胁迫响应机理,分别从光学与雷达数据中提取了水稻污染胁迫敏感波谱指数,运用二维波谱特征空间构建水稻重金属胁迫光学与雷达遥感协同监测模型,并利用小波分形方法对模型空间尺度扩展时的尺度误差进行分析。本文的研究工作及主要结论如下:(1)利用光谱特征分析、统计方法和随机森林算法等构建水稻重金属胁迫下叶绿素响应敏感的胁迫波谱指数NVI,建立了基于高光谱HSI数据的水稻重金属胁迫水平反演模型。(2)利用统计方法构建对水稻重金属胁迫生物量响应敏感的胁迫微波遥感SVI,建立了基于...

【文章页数】：119 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景
        1.1.1 水稻重金属污染特征
        1.1.2 水稻重金属污染遥感监测
    1.2 国内外研究现状
        1.2.1 重金属胁迫监测
        1.2.2 多源遥感数据协同方法
        1.2.3 模型空间尺度分析
    1.3 研究意义、目标和内容
        1.3.1 研究意义
        1.3.2 研究目标
        1.3.3 研究内容
    1.4 论文组织
第2章 研究区概况及数据处理
    2.1 研究区概况及实验设计
        2.1.1 研究区概况
        2.1.2 实验设计
    2.2 实测数据采集
        2.2.1 生化参数测定
        2.2.2 光谱测定及预处理
    2.3 遥感影像数据收集与处理
        2.3.1.HSI遥感数据预处理
        2.3.2 SAR数据预处理
        2.3.3 数据协同预处理
    2.4 技术路线
第3章 重金属胁迫高光谱指数计算模型
    3.1 水稻重金属胁迫高光谱响应机理
        3.1.1 水稻重金属污染胁迫叶绿素变化分析
        3.1.2 水稻重金属污染胁迫光谱响应特征分析
    3.2 重金属胁迫下叶绿素含量变化的遥感监测指数
        3.2.1 基于统计方法计算水稻冠层叶绿素含量
        3.2.2 基于随机森林算法计算水稻冠层叶绿素含量
    3.3 基于叶绿素指数的水稻重金属污染胁迫监测模型
第4章 重金属胁迫雷达指数计算模型
    4.1 水稻金属胁迫微波响应机理
        4.1.1 水稻重金属污染胁迫生物量变化分析
        4.1.2 水稻生化参数微波遥感监测
    4.2 重金属胁迫下生物量变化的遥感监测指数
        4.2.1 重金属污染胁迫的生化参数与微波指数相关性分析
        4.2.2 基于统计方法计算水稻生物量
    4.3 基于生物量指数的水稻重金属污染胁迫监测模型
第5章 基于二维波谱特征空间构建水稻重金属胁迫计算模型
    5.1 二维波谱特征空间构建
    5.2 水稻重金属胁迫水平评估结果
第6章 水稻重金属胁迫模型空间尺度扩展
    6.1 模型误差分析
    6.2 基于小波分形的模型空间尺度扩展
        6.2.1 小波分形变换
        6.2.2 模型尺度变换
第7章 结论与展望
    7.1 结论
    7.2 创新点
    7.3 展望
参考文献
致谢
附录



本文编号：3911976