论文部分内容阅读
水稻受到重金属胁迫后,生理生态参数会发生变化。利用遥感影像提取水稻关键物候期进行分段同化,研究水稻不同生长阶段对重金属胁迫的不同响应,通过Harris算法对遥感-作物生长模型同化框架进行时间尺度的优化,提取同化最优时间点,在保证模型模拟精度条件下提高模型运算效率。本文以湖南省株洲市重金属污染程度不同的稻田为研究区,利用2013年的16幅HJ-1A/B卫星CCD数据及田间实测数据进行实验研究。使用HJ-1A/B遥感数据构建EVI时间序列数据,利用非对称性高斯函数法对EVI时间序列进行平滑去噪处理,探寻水稻物候期的转变与EVI时间序列的响应关系,从而提取水稻的物候期。在WOFOST模型中加入胁迫因子f,以f来表征重金属胁迫下水稻生理生态参数的响应机制。依据上述研究,对WOFOST模型进行本地化和区域化扩展,结合所提取的水稻关键物候期,根据DVS的取值来判定作物生长发育所处的阶段,并且基于PSO算法,构建区域尺度下遥感-作物生长模型的分段同化模拟框架,输出不同生长阶段的胁迫因子f,驱动优化后的WOFOST模型对研究区内的水稻根重进行逐像元模拟,利用胁迫因子f和模拟根重来评价遥感-作物生长模型的分段同化模型。对分段同化模型的时间尺度进行研究,基于Harris角点算法,对LAI时序曲线进行灰度转换进而提取角点,为了验证提取的4个角点的准确性,对角点进行线性拟合,角点拟合曲线与LAI时序曲线的R2为0.89,角点拟合曲线与LAI比值曲线的R2为0.78,能够反映出原曲线的主要信息。根据4个角点所对应的日序的CCD影像提取LAI,驱动遥感-作物生长模型同化,与分段同化相对比发现,角点所对应的同化框架时间效率大大提高,并且对根重的模拟精度在95%以上。研究表明,基于物候期的分段同化能够提高遥感-作物生长模型的模拟精度,在此基础上进行角点检测,能够在保证遥感-作物生长模型同化精度的情况下提高同化模型的运行速率。