论文部分内容阅读
农田重金属污染已成为广泛关注的重大农业生态环境问题,对现代农业和社会经济的可持续发展、农业生态环境和农产品质量安全构成了严重威胁。应用遥感技术准确监测大面积农作物的重金属胁迫,对粮食安全和环境保护具有重要意义。目前对水稻重金属胁迫遥感监测的研究主要集中在对其颜色、形态特征和生理功能的分析上,但这些方法不能很好地描述水稻重金属胁迫的影响。时空融合、时间序列分析、物候相空间等方法的发展,使得利用水稻生长过程信息进行重金属胁迫遥感监测成为可能。本研究选择株洲作为研究区,在研究区内七个实验样地进行了土壤重金属含量的数据采集并根据其土壤重金属含量把七个样地划分为不同的重金属胁迫水平,同时获取了2016年水稻生长期内4月-10月可用的MODIS数据和Landsat数据。采用增强型时空自适应反射融合模型(ESTARFM)生成了具有8天时间间隔和30米空间分辨率的高时空分辨率的时间序列数据,利用增强植被指数(EVI)和归一化湿度指数(NDWI)时间序列数据构建二维物候相空间模型,并通过物候相空间的方法描绘水稻生长过程,用以分析不同重金属胁迫水平对水稻的影响。本文的主要结论有:(1)以ESTARFM时空融合算法为核心生成了具有8天时间间隔和30米空间分辨率的高时空分辨率时序数据。从某种意义上说,它突破了云层覆盖和遥感卫星技术的局限,使得水稻物候信息的准确提取变得更加实用和可靠。(2)物候相空间和水稻生长曲线可以很好地描述水稻的生长过程,同时也反映了不同重金属胁迫水平下水稻生长的差异。这种物候相空间的方法为水稻重金属胁迫遥感监测提供了一种新的思路,即从水稻生长的全过程中挖掘重金属胁迫信息。(3)从物候相空间和水稻生长曲线中提取出的水稻生长速率波动指数比值(GRFI Ratio)与重金属胁迫水平具有明显的相关关系,它可以用于指示水稻的不同重金属胁迫水平。