论文部分内容阅读
本研究论文以遥感影像在精准农业中的应用为研究中心，以冬小麦为研究对象，以多源、多时相遥感影像为基础，开展以下研究：(1)遥感影像大气纠正算法研究。针对卫星遥感影像在农业应用中的需求，开展遥感影像的去云处理算法、邻近像元影响纠正算法和逐像元大气纠正算法的研究；(2)田块尺度上的冬小麦长势变异研究。主要开展基于土壤养分及不同氮肥管理条件下的冬小麦长势变异研究；(3)县域尺度上冬小麦长势时空变异的研究。主要开展县域尺度上基于田块的冬小麦长势时空变异研究，提出县域尺度上冬小麦长势“均匀度”遥感监测指标；(4)在地统计学理论的指导下，开展基于遥感影像的农田管理分区划分方法研究。研究取得的主要成果表现在以下几个方面：
1.遥感影像大气纠正方面；
首先，开展了基于Landsat TM/ETM+遥感影像的去云处理算法的研究；该算法针对局部有云的单景Landsat TM/ETM+影像进行，按照相同地物覆盖类型对非云区与不同云区进行了反射率匹配，以达到去云的效果，结果显示，这种方法在实际应用中能够有效的去除云层的影响，恢复地物的光谱信息，为进一步的图像处理奠定了基础；其次，开展了基于Landsat TM/ETM+遥感影像的临近像元纠正算法研究；利用该算法对垂直观测成像的Landsat ETM+影像进行了邻近像元影响的纠正，结果显示，经过纠正后的图像像元之间的空间自相关性远远小于纠正前影像的空间自相关性，同时，影像质量有了明显的提高；最后，开展了基于Landsat TM/ETM+遥感影像的逐像元大气纠正算法研究；该算法基于6S大气辐射传输模型建立了查找表(Look-up table)，并利用地面暗目标(dark object)进行陆地气溶胶光学厚度的反演，该算法实现了对遥感影像逐像元的大气纠正，能够在一定程度上消除云层及气溶胶对影像的影响，恢复地物的光谱信息。
2.田块尺度上的冬小麦长势变异研究方面；
1)开展了基于多时相PHI航空高光谱遥感影像的冬小麦长势变异研究；
该研究以基于目标产量及土壤养分的冬小麦变量施肥试验为基础，以推扫式航空成像光谱仪PHI(Pushbroom Hyperspectral Imager)获取的冬小麦拔节期、灌浆期及乳熟期的影像数据为基础，提取反映冬小麦长势的光谱特征值，结合地面调查数据，分析研究区冬小麦的长势变异情况；通过变量施肥前后作物光谱信息的变化，建立冬小麦拔节期与灌浆初期光谱特征值的变化量与变量施肥量之间的联系，结果显示，土壤基础肥力在冬小麦长势空间变异中起主要作用。
2)开展了基于高分辨率QUickbird遥感影像的冬小麦长势、品质变异研究；
该研究以国家精准农业研究示范基地开展的多种决策算法的变量施肥试验为基础，以高空间分辨率Quickbird遥感影像为数据源，结合地面获取的土壤养分、冬小麦品质、产量等数据，研究冬小麦长势及品质的变异情况。研究结果表明，冬小麦孕穗期长势光谱信息与其产量有着很好的正相关关系，而与其品质信息存在着显著的负相关关系，其中OSAVI与产量的相关性达到0.536、 GNDVI与冬小麦籽粒蛋白质及湿面筋含量的相关性分别达到了-0.531和-0.535，而冬小麦早期长势的差异在一定程度上能够反映其最终的产量及品质的变异，因此，利用遥感影像监测并调节作物早期长势并最终控制其品质空间变异度在技术上是可行的。
3.县域尺度上冬小麦长势变异遥感监测研究方面；、
以北京通州地区冬小麦种植地块为研究单元，利用多时相LandsatTM5遥感影像，进行区县尺度上的作物长势时空变异分析，获取冬小麦不同生育期长势光谱信息，进行冬小麦全生育期长势变异评价；提出基于像素误差变异分析的冬小麦地块长势“均匀度”遥感监测指标-作物长势均一度指数GUI(Growth Uniformity Index)，获取了区县尺度上作物长势“均匀度”分布趋势图。
4.基于卫星遥感影像的管理分区划分研究方面；
以高空间分辨率Quickbird遥感影像作为数据源，结合地面土壤养分采样及冬小麦产量数据，采用三种不同的分区方式进行管理分区划分研究：1)利用土壤养分以及产量数据划分管理分区；2)利用冬小麦遥感长势信息划分管理分区；3)利用土壤养分、产量以及冬小麦长势信息划分管理分区。分析显示，与划分前的地块变异情况相比，利用土壤养分以及产量数据划分的管理分区在很大程度上降低了不同分区内土壤变异程度，而光谱指数和产量的变异系数也有所降低；利用光谱数据进行管理分区划分，土壤养分的变异系数总体上有所减低，但降低的幅度小于利用土壤养分数据划分的管理分区，光谱指数和产量的变异系数都有大幅度降低；利用土壤数据结合光谱数据进行管理分区划分，土壤养分和光谱指数以及产量的变异系数普遍降低。由此可见，在划分管理分区时，综合考虑土壤养分和光谱数据的空间变异情况是最佳选择，但当缺乏土壤养分数据时，利用遥感影像进行管理分区的划分也是可行的。