论文部分内容阅读
运用遥感技术进行农作物重金属污染识别与监测对于农业生产、粮食安全、人类生存环境具有重要的意义。然而“自然农田生态系统”中农作物重金属污染胁迫光谱特征信息微弱且不稳定,直接利用原始光谱信号评价农作物重金属污染状况其可信度不高。因而,如何增强农作物重金属污染胁迫光谱弱信息,如何建立农作物重金属污染胁迫水平遥感计算模型,是实现农作物重金属污染遥感快速、准确监测需解决的关键问题,是遥感技术应用向定量化、精细化方向发展需解决的科学问题。本文选取长春、苏州的受重金属污染(Cu和Cd)的水稻农田样地作为实验区,采集水稻关键生长期的ASD光谱数据、生化数据、环境数据,并获取准同步的Hyperion数据。分析土壤重金属对水稻胁迫的影响机理,提取水稻污染胁迫敏感光谱参数,提出水稻污染胁迫光谱弱信息增强与分离方法,建立水稻污染胁迫遥感估算模型。本文的研究工作与主要结论如下:(1)利用多尺度小波变换实现了水稻重金属污染胁迫弱信息分离与增强,并提取了水稻重金属污染胁迫3类敏感特征光谱参数:①反映光谱“整体”变化的小波-分形维数;②反映光谱“突变”信息的小波系数;③反映光谱“奇异性”的光谱指数。(2)运用多元逐步回归筛选出对水稻重金属污染胁迫响应敏感的光谱参数,利用灰色关联度分析方法筛选出对水稻重金属污染吸收累积关系密切的环境参数(土壤属性、气象因子);以光谱参数和环境参数为输入参数,以水稻重金属污染胁迫水平为输出参数,运用动态模糊人工神经网络算法,建立了“自然农田生态系统”中水稻重金属污染胁迫水平光谱分析模型,模型精度高(R2为0.69～0.98)、结构紧凑(模糊规则为5～13个),相比其它算法(如BP、ANFIS)构建的水稻重金属污染胁迫光谱分析模型,具有评价结果更加精确、稳定,更加符合实际,原理更易解释的优点。(3)利用Hyperion数据,结合空间插值技术,将所建立的水稻重金属污染胁迫光谱分析模型进行区域外推,建立了大尺度水稻重金属污染胁迫水平卫星遥感评价模型,模型取得了满意的结果(R2为0.69～0.72)。实现了水稻重金属污染胁迫光谱分析模型的尺度转换。本文的创新点:①提出了多尺度小波变换的光谱弱信息分离与增强的方法,可以推广应用到各种环境胁迫下所引起的农作物异常探测和弱信息增强;②基于动态模糊人工神经网络算法,建立了融合光谱参数和环境参数的水稻重金属污染胁迫水平光谱分析模型,为遥感地学应用中如何融合遥感因子与非遥感因子建模提供了一种新方法。