基于多源數據的油菜凍害遙感機理與方法研究.pdf

1、在全球氣候變化背景下，頻繁發(fā)生的農業(yè)氣象災害是影響我國農業(yè)生產健康穩(wěn)定發(fā)展的主要因素。具有大面積、實時、動態(tài)監(jiān)測特點的遙感技術已成為農業(yè)氣象災害監(jiān)測的重要手段。冬油菜作為我國的主要油料作物，凍害是影響其生長發(fā)育和產量的農業(yè)氣象災害之一。利用遙感技術提取油菜受害面積及監(jiān)測災害發(fā)生程度，對于災害的評估與及時救助具有重要意義。本文圍繞油菜凍害高光譜遙感機理與監(jiān)測方法這一關鍵問題，基于實驗室油菜盆栽高光譜試驗數據、星地同步田間小區(qū)觀測數據和多源

2、衛(wèi)星遙感影像數據，對油菜凍害全過程高光譜機理、區(qū)域水平油菜凍害監(jiān)測和凍害相關的生物物理參數反演方法進行了探索研究。為利用遙感技術進行作物凍害監(jiān)測奠定理論基礎。主要研究結果和進展包括以下幾個方面:
　　(1)揭示了油菜凍害全過程高光譜變化特征。采用室內盆栽實驗，人工模擬油菜凍害全過程，對油菜受凍全過程進行光譜測定，獲取油菜受凍前、受凍過程中在過冷卻狀態(tài)、細胞結冰、解凍后不同時期的葉片波譜數據;同步進行葉綠素含量、水分含量、葉片溫度、

3、光合參數測定，并于結冰期間取葉片作超薄切片，利用光鏡和透射電鏡觀察細胞的顯微和亞顯微結構變化，以建立具有相應生理參數的健康與受害油菜典型波譜數據庫。通過計算θ指數（光譜角）和D指數（均方根誤差）來定量研究油菜葉片凍害過程高光譜變化規(guī)律，增加的D值表示反射率幅值減小，而減小的θ值表示光譜反射率形狀變得平緩。研究結果表明，與正常狀態(tài)下的葉片光譜相比，過冷卻狀態(tài)下的光譜反射率變化不大，而結冰1小時狀態(tài)下的光譜反射率明顯減小。最顯著地變化是水分

4、吸收波段向長波方向移動。結冰過程中，可見光和近紅外光譜區(qū)域的反射率逐漸減小，水分吸收波段逐漸向長波方向移動。解凍過程中，葉片光譜反射率的水汽吸收波段逐漸回到與正常狀態(tài)葉片的水汽吸收相同的波長位置。近紅外區(qū)域的反射率隨著解凍時間逐漸增大，并且水汽吸收特征逐漸變弱，干物質的吸收特征比如木質素、纖維素、淀粉和蛋白質變的更加顯著。
　　(2)構建了油菜凍害全過程識別和監(jiān)測模型。利用室內試驗獲得的數據，首先采用S-G濾波方法減小噪聲對光譜的

5、影響。然后，通過混合效應模型方法找出能夠反映油菜受害前后葉綠素含量、水分含量、細胞超微結構變化的敏感波段。在此基礎上，基于主成分分析和支持向量機方法對油菜凍害全過程進行識別研究。同時，分別考察了原始光譜、一階導數、二階導數和偽吸收系數光譜對凍害全過程不同狀態(tài)葉片識別精度的影響。研究結果表明，對于結冰過程和解凍過程的葉片，基于二階導數光譜的支持向量機模型的識別精度最高，總體精度大于95.6％，Kappa系數大于0.91。利用試驗獲得的高光

6、譜數據和生理生化參數，采用基于植被指數的波段優(yōu)化算法建立受害前后油菜葉綠素a含量變化(ΔChla)、葉綠素b含量變化(ΔChlb)、類胡蘿卜素含量變化(ΔCar)和水分含量變化(ΔEWT)的監(jiān)測模型，并考察了原始光譜和一階導數光譜對模型精度的影響。同時，還利用基于主成分回歸方法、偏最小二乘回歸方法和支持向量機方法的全光譜方法，建立了ΔChla、ΔChlb、ΔCar和ΔEWT的監(jiān)測模型，并考察了不同光譜區(qū)域對模型精度的影響。研究結果表明，

7、對于ΔEWT來說，采用最優(yōu)窄波段比值植被指數(NBRVI)的預測模型精度最高(R2cv=0.85，RMSEcv=2.4161mg/cm2)。對于ΔChla、ΔChlb和ΔCar來說，基于導數光譜的最優(yōu)窄波段比值植被指數(NBRVI)的預測精度要高于多元統計回歸模型，預測精度分別為R2cv=0.65,RMSEcv=0.0041mg/cm2;R2cv=0.53,RMSEcv=0.0012mg/cm2;R2cv=0.53,RMSEcv=0.0

8、012mg/cm2;對ΔChla、ΔChlb、ΔCar估算來說，基于400-900nm范圍的多元統計回歸模型的預測精度要高于基于全光譜的模型預測精度。研究結果表明，高光譜遙感技術有潛力表征油菜凍害特征，研究結果可以為提出作物凍害遙感監(jiān)測產品奠定基礎。
　　(3)以湖北省荊州市江陵縣為研究區(qū)，開展了基于多時相遙感數據的冬油菜凍害監(jiān)測研究。首先利用多時相HJ-1A/B CCD數據，通過分析冬油菜與其它地物（特別是冬小麥）的NDVI時間

9、序列特征，基于決策樹方法，得到了冬前油菜的空間分布信息。結果表明，冬前油菜種植面積估算的用戶精度范圍為80.4％～95.56％，生產者精度范圍為82.56％～91.43％，得到的結果較為理想，但完全區(qū)分油菜和冬小麥仍然需要進一步探索。然后，基于2013、2014和2015年冬油菜越冬期（12月至翌年3月上旬）湖北省荊州市114、122和121個區(qū)域自動氣象站的日最低氣溫數據，采用反距離加權和普通克里金插值方法，對最低氣溫進行插值處理。結

10、果表明，普通克里金插值精度要優(yōu)于反距離權重插值的精度，精度分別為:MAE=0.4391℃，RMSE=0.6952℃;MAE=0.4689℃，RMSE=0.6663℃;MAE=0.3379℃，RMSE=0.4394℃。最后，根據油菜種植面積數據和最低氣溫插值結果，參考油菜低溫災害國家標準，對研究區(qū)油菜凍害進行監(jiān)測。根據油菜凍害國家標準可以得出2013生長季的油菜為輕度凍害，2014和2015生長季的油菜沒有發(fā)生凍害。
　　(4)基于

11、高空間分辨率衛(wèi)星數據地塊尺度的油菜生物物理參數遙感反演方法研究?；谛堑赝接^測田間試驗數據，采用WorldView-2/3、Pleiades-1A、GeoEye-1和SPOT-6/7衛(wèi)星影像對油菜凍害生物物理指標-葉面積指數(LAI)和地上生物量(AGB)進行了遙感反演研究。以常用植被指數作為預測變量，采用PROSAIL模型與機器學習算法(kNN和RFR)相結合的混合反演算法估算了油菜LAI。同時，比較了五種曲線擬合算法（線性函數、二

12、次多項式函數、冪函數、指數函數和對數函數）預測LAI的性能，并進行時空動態(tài)制圖研究。研究結果表明，相比于曲線擬合算法，基于PROSAIL和RFR建立的模型的預測性能最高，使用模擬數據集驗證的精度為:R2＞0.954，RMSE＜0.218，使用地面觀測的樣本數據驗證的精度為:R2=0.520，RMSE=0.923。對于AGB，以常用植被指數和主成分作為預測變量，分別采用五種曲線擬合算法和機器學習算法(kNN和RFR)估算了油菜全生育期的A