论文部分内容阅读
冬小麦是我国主要粮食作物之一，其播种面积占粮食作物总播种面积的五分之一。因此针对冬小麦进行长势监测和产量估计，对国家及时、准确地掌握粮食生产状况，实现粮食宏观调控，争取国际农产品贸易主动权具有重要意义。遥感技术目前广泛应用在各种农作物的产量估算中，为作物长势的宏观动态监测和产量估算提供了一种新的科学手段。
本文针对估产分区对冬小麦遥感估产精度的影响这一关键问题，选择江苏省作为试验区，首先进行冬小麦遥感估产分区研究，并在分区结果基础上构建了一种基于信息扩散的冬小麦遥感估产模型。主要工作及结论如下：
(1)基于MODIS EVI时序数据和光谱角聚类的遥感估产分区研究；
以江苏省冬小麦种植县为分区单元，以冬小麦生育期的MODIS EVI时序数据为分区数据，选取能够反映光谱曲线形状的光谱角制图方法并加以改进，同K均值聚类相结合(即光谱角聚类)进行估产分区，并在分区结果基础上进行县级冬小麦估产试验，同基于传统分区结果的冬小麦单产预测结果进行比较分析。结果表明：光谱角聚类分区方法充分利用MODIS时序数据所反映的农作物生长进程，可以充分体现气候差异所带来的冬小麦区域差异，较传统分区更合理；与传统分区相比，基于光谱角聚类分区结果的单产预测结果具有较高的决定系数R2和较低的均方根误差RMSE，在稳定性和精度上都有所提高。本文分区方法仅利用获取便利的低分辨率时间序列遥感数据作为分区数据，且能很好的将冬小麦划分为特征性质一致的区域，所得遥感估产模型的精度和稳定性也较好，为冬小麦遥感估产分区提供了一种有效方法，有利于进行冬小麦遥感估产研究。
(2)基于MODIS EVI时序数据和光谱角聚类的估产分区最佳生育期选择；
构建了一种适合于冬小麦估产分区的EVI时序特征数据选择框架。利用冬小麦播种期到2007年不同生育期的MODIS EVI时序数据进行光谱角聚类分区，并在分区结果基础上进行县级单产预测，对结果进行分析比较，寻找同时满足估产精度和时效性的估产分区最佳生育期。结论表明：利用冬小麦播种期到4月底(拔节灌浆期)的MODIS EVI时序数据即可得到较好的分区结果，能够充分反映出江苏省的南北气候差异；基于该时间段估产分区结果的县级单产预测结果也有较高的估产精度。因此，结合估产结果和估产时效性需求，4月底即可开始进行估产分区和遥感估产，为估产分区最佳生育期。
(3)基于信息扩散和关键期遥感数据的冬小麦遥感估产方法研究；
在分区结果基础上建立了一种基于信息扩散和关键期遥感数据的冬小麦估产方法。首先利用信息扩散原理将关键期遥感数据的EVI值和县级统计产量扩散到多维监控空间，采用模糊合成的方法建立关键期EVI值和县级统计产量之间的离散关系模型。然后针对模型的稳定性和精度进行交叉验证，并与多元线性回归模型和BP神经网络模型进行对比。结果表明，利用信息扩散方法构建的遥感估产模型稳定性和精度都明显提高，有较高的决定系数R2和较低的均方根误差RMSE。该方法能较好地模拟冬小麦遥感估产中植被指数和产量之间的非线性关系，且泛化推广能力优异，为冬小麦遥感估产提供了一种有效的方法。