基于改进CASA模型的小区域冬小麦遥感估产研究

摘要

利用遥感技术进行估产，已经成为了目前农作物估产的主流手段。它可以对作物长势进行实时、全天候、动态监测，还可以通过提取遥感参数进行作物生长发育过程模拟等。求取植被净初级生产力NPP是进行估产的第一步，本文选用CASA模型进行研究区冬小麦 NPP估算，以实现研究区冬小麦单产估算。本文从区域尺度、参数的求取方法、最大光能利用率取值、实际光能利用率计算模型这四个方面来分析原始CASA模型的不足，对原始CASA模型中部分参数求取方法加以改进，以得到适合本研究区的估算模型。即首先以空间分辨率为30m的HJ-1A/B星遥感数据产品为数据基础来提取研究区冬小麦像元NDVI；其次，对CASA模型中NDVI最值、FPAR参数求取方法进行改进，计算得到冬小麦NPP；然后，选取冬小麦产量形成关键物候期3月至5月NPP累积值进行冬小麦干物重的预测；最后，通过结合MODIS NDVI数据和HJ-1A/B两种遥感数据优势，建立冬小麦收获指数回归模型，得到冬小麦收获指数HI,进而实现估产。本文主要研究内容及成果如下：
　　1.在原始 CASA模型基础上修订部分参数实现研究区冬小麦净初级生产力 NPP估算。即本文通过提取冬小麦NDVI最大值概率分布图95％下侧分位数和5%下侧分位数来确定 NDVImax和 NDVImin，并结合前人改进的 FPAR算法，通过引入修正系数，采用参数率定法来确定本文中FPAR算法；通过自然邻域法对研究区周围辐射站点数据进行空间插值得到太阳总辐射量SOL；根据研究区温度、降水等气象数据计算实际光能利用率ε；最后将以上参数代入NPP估算模型得到研究区冬小麦净初级生产力NPP。结果表明，研究区3月、4月、5月平均NPP分别为78gC?m-2、297gC?m-2和320gC?m-2，这种差异是由小麦在不同时期生长特点引起的。3月份，小麦处于返青起身期，小麦叶片面积逐渐增大。进入4月份，冬小麦进入生长旺盛期，叶片面积继续增大， NPP也随之增大。到5月份小麦逐渐进入开花期、灌浆期、乳熟期等，此期间大部分地区 NPP都在250gC?m-2以上。这与小麦不同时期生长发育的生理状态是一致的，小麦长势良好。此外本文选用产量形成关键期3月、4月、5月的NPP累积值来估算研究区冬小麦单位面积产量，3月、4月、5月NPP在冬小麦累积NPP中所占比例分别为11.23%、42.71%、46.06%，可见2014年研究区冬小麦在产量形成过程中生长状况良好。
　　2.通过MODIS NDVI时间序列建立冬小麦生长曲线，进而提取冬小麦关键物候期。为了使得曲线更加真实反映小麦物候期，通过Savitzky-Golay（S-G）滤波方法对原始曲线进行平滑，获得平滑后小麦生长曲线。通过分段拟合小麦生长曲线，确定分段函数。依据关键物候期小麦生长特点，求取曲线拐点、曲线极值点等特征点，作为关键物候期。研究结果表明，研究区冬小麦关键物候期（返青期、抽穗期、开花期、乳熟期）时间分别为2月28号、4月15号、4月28号、5月23号，为下一步冬小麦收获指数模型的建立奠定基础。
　　3.利用实测数据以及旬HJ-1A/B NDVI建立冬小麦收获指数模型来求取小麦收获指数空间分布。本文参考任建强等求取参数HINDVI_SUM方法，提取基于馆陶县2014年冬小麦时序NDVI生成的作物生殖生长关键阶段（开花期至乳熟期）与营养生长关键阶段（返青期至开花期）所对应的NDVI累积比值参数HINDVI_SUM，建立馆陶县实测收获指数HI与 HINDVI_SUM的关系，得到了二者回归方程，作为收获指数模型，然后求取研究区HINDVI_SUM，根据上述回归方程得到研究区冬小麦收获指数空间分布。结果表明，研究区HI整体空间分布差异不大，研究区HI预测结果在0.3-0.56之间，均值为0.44。
　　4.根据冬小麦产量形成机理，先将上述求得的冬小麦净初级生产力转化为冬小麦干物重，再引入所反演出的冬小麦收获指数得到研究区冬小麦单产分布。结果表明，研究区平均单产达7127.4kg?hm-2，曲周、邱县和馆陶县平均单产分别为6886.65kg?hm-2、7094.83kg?hm-2、7519.92kg?hm-2。馆陶县预测单产明显高于曲周和邱县单产，这可能与馆陶县近年来耕作制度的规范化、以及当地近年来种植优良品种越来越多，尤其是黑小麦的种植越来越多有一定关系。从空间上看，馆陶县北部，邱县东北部和曲周南部地块儿单产值主要在8000-9000kg?hm-2之间，优于研究区其他地块。
　　5.利用实测数据和统计年鉴数据这两种验证方式对单产估算结果进行精度验证。实测数据验证结果表明，2014年馆陶县冬小麦预测单产稍高于冬小麦实测单产，平均相对误差为1.54%，绝对误差为105.18kg?hm-2；统计年鉴数据验证结果表明，2014年研究区冬小麦平均预测单产值稍低于统计年鉴所计算的冬小麦单产值，二者相对误差为-1.03%，绝对误差为-74.07kg?hm-2，但馆陶县预测单产值高于统计年鉴所统计馆陶县的单产值，相对误差为3.73%。这与实测数据验证结果基本一致。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 研究内容及技术路线

2 研究方法综述

2.1 国内外遥感估产研究进展

2.2 作物单产估算方法综述

2.3 NPP模型研究进展

2.4 物候期识别方法

3 研究区概况及数据预处理

3.1 研究区概况

3.2 数据准备与预处理

4 CASA估算模型

4.1 CASA模型概述

4.2 CASA估算模型算法

4.3 CASA模型的改进

4.4 结果分析

5 产量估算

5.1 单产估算模型

5.2 收获指数HI的确定

5.3 结果与分析

6 结论与展望

6.1 研究结论

6.2 创新点

6.3 讨论与展望

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间参与项目及奖励