中圖網小程序
一鍵登錄
更方便
基于分形和結構推理的玉米旱情遙感監測方法研究 版權信息
- ISBN：9787511638137
- 條形碼：9787511638137 ; 978-7-5116-3813-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于分形和結構推理的玉米旱情遙感監測方法研究 內容簡介
本書系由作者承擔的國家自然科學基金項目“顧及物候的玉米作物干旱遙感監測模型研究”（41501459）和國家博士后基金項目“基于分形的玉米作物物候動態檢測算法研究”（2013M542086）的研究成果編著而成。隨著優選氣候顯著變暖，干旱發生的頻率和強度不斷增強，干旱地區的擴大與干旱化程度日趨嚴重，干旱化趨勢已成為優選關注的問題。干旱、缺水已嚴重妨礙了國家經濟、社會發展以及人民生產生活。傳統旱情監測方法是對氣象站點觀測資料統計分析，獲得用于評估旱情的干旱指標。但氣象站點分布離散，其在空間上的監測精度受制于氣象站點的分布密度。遙感作為一種新型的對地觀測綜合性技術，具有時效性強、覆蓋范圍廣、客觀準確及成本低等特點。在干旱監測中引入遙感技術，可使得旱情監測結果更為精細和準確。然而，大多遙感干旱指數被設計用于反映地表綜合的干旱程度，很少有針對特定作物類型，比如：玉米作物。另外，由于干旱指標大都建立在特定的地域和時間范圍內，有其相應的時空尺度，單個干旱指標很難達到時空上普遍適用的條件。
基于分形和結構推理的玉米旱情遙感監測方法研究 目錄
**章中國綠肥生產概況
**節綠肥種植發展歷史
第二節綠肥在現代可持續農業中的作用
第三節綠肥種質資源
參考文獻
第二章紫云英
**節紫云英植物學特性及生長環境
第二節紫云英種質資源
第三節紫云英高效種植技術
第四節紫云英綜合利用
參考文獻
第三章黑麥草
**節黑麥草生物學特性
第二節黑麥草主要品種
第三節黑麥草高效種植技術
第四節一年生黑麥草種植利用模式
第五節黑麥草綜合利用價值
參考文獻
第四章苜蓿
**節苜蓿起源與全球傳播
第二節中國苜蓿栽培發展和種質資源概況
第三節苜蓿植物學特性及生長環境
第四節苜蓿高產栽培技術及主要間作模式
第五節苜蓿的綜合利用
參考文獻
第五章苕子
**節毛葉苕子
第二節光葉苕子
第三節苕子綜合利用
參考文獻
第六章箭舌豌豆
**節起源與傳播
第二節種質資源
第三節植物學特征及生長環境
第四節高產栽培及主要種植模式
第五節綜合利用
參考文獻
第七章蠶豆
**節蠶豆生物特征
第二節蠶豆品種介紹
第三節蠶豆栽培模式及技術
第四節蠶豆及秸稈綜合利用
參考文獻
第八章當前存在的問題及展望
**節發展綠肥存在的問題
第二節發展綠肥產業的展望
參考文獻
**節綠肥種植發展歷史
第二節綠肥在現代可持續農業中的作用
第三節綠肥種質資源
參考文獻
第二章紫云英
**節紫云英植物學特性及生長環境
第二節紫云英種質資源
第三節紫云英高效種植技術
第四節紫云英綜合利用
參考文獻
第三章黑麥草
**節黑麥草生物學特性
第二節黑麥草主要品種
第三節黑麥草高效種植技術
第四節一年生黑麥草種植利用模式
第五節黑麥草綜合利用價值
參考文獻
第四章苜蓿
**節苜蓿起源與全球傳播
第二節中國苜蓿栽培發展和種質資源概況
第三節苜蓿植物學特性及生長環境
第四節苜蓿高產栽培技術及主要間作模式
第五節苜蓿的綜合利用
參考文獻
第五章苕子
**節毛葉苕子
第二節光葉苕子
第三節苕子綜合利用
參考文獻
第六章箭舌豌豆
**節起源與傳播
第二節種質資源
第三節植物學特征及生長環境
第四節高產栽培及主要種植模式
第五節綜合利用
參考文獻
第七章蠶豆
**節蠶豆生物特征
第二節蠶豆品種介紹
第三節蠶豆栽培模式及技術
第四節蠶豆及秸稈綜合利用
參考文獻
第八章當前存在的問題及展望
**節發展綠肥存在的問題
第二節發展綠肥產業的展望
參考文獻
展開全部
基于分形和結構推理的玉米旱情遙感監測方法研究 節選
**章緒論 **節研究背景及意義 隨著全球氣候變化的加劇，氣溫不斷升高，干旱發生的頻率和強度不斷增強，干旱地區的擴大與干旱化程度日趨嚴重，干旱化趨勢已成為全球關注的焦點。在長期無雨或少雨的情況下，土壤水分虧缺，蒸散作用使得農作物體內水分平衡嚴重失調，正常生理活動遭到破壞，從而引發農作物干旱事件。中國處于季風氣候區，降雨分布不均，造成的干旱問題尤為突出［1］。中國常年農作物受旱面積2×107~27×107hm2，造成每年糧食損失25×1010~3×1010kg，占各種自然災害損失總量的60%左右［2］。美國等一些涵蓋農業產業的發達國家，同樣不同程度地遭受著干旱的威脅。農業干旱是一個持續的過程，成災范圍一般呈片狀，且干旱的發生、發展不受時間和空間的限制。目前，農業干旱監測主要采用干旱指數來反映干旱持續的時間和強度。世界氣象組織（World Meteorological Organization）［3］將干旱指數定義為：它是跟持續、異常的水分不足造成的累積效應相關的指數。應用較為廣泛的干旱監測指數主要有兩類：一類是基于傳統地面氣象觀測數據的干旱指數，即氣象干旱指數，該類指數都是基于單點觀測，其空間上的監測精度受控于氣象站點的分布密度，很難反映精細的干旱狀況；另一類是基于衛星遙感信息的干旱監測指數，主要是應用多時相、多光譜、多角度遙感數據從不同側面定性或半定量地評價土壤水分分布狀況，具有覆蓋范圍廣、時空間分辨率高等優點。玉米作物作為世界上主要的糧食作物品種，干旱的發生將直接造成糧食危機，威脅到人類的溫飽水平。故有必要對其進行較為精細的旱情監測。 對于遙感干旱指數來說，它們大多被設計用于反映地表綜合的干旱程度，很少考慮用于特定作物類型的旱情監測。因此，直接將常規遙感干旱指數應用于玉米作物旱情監測并不具可行性。比如，常規的植被狀態指數（Vegetation Condition Index，VCI）應用于特定作物類型旱情監測存在以下3個方面的缺陷！ 。1）時間基準問題；由VCI指數定義可知，其所采用的時間基準是以觀測月球運動規律制定的歷法，即日歷年。不同年同一日期（DOY）的歸一化植被指數（NDVI），可能因為作物的物候期不一致，而不具有可比性！ 。2）作物類型變更問題。由于輪作機制，農業耕地里不同年份的作物類型可能發生變更。比如，對于同一地塊，去年種玉米，今年可能換種大豆。這樣，不同年份的NDVI值同樣不具可比性，使得計算得到的VCI指數失準。 。3）數據可靠性問題。遙感干旱指數（比如VCI指數）和氣象干旱指數（比如標準降雨指數），都面臨著數據可靠性的問題。當遙感數據出現大面積云遮擋、氣溶膠等噪聲時，據此數據計算出來的VCI指數可靠性降低。而借助于氣象站點觀測數據計算出來的標準降雨指數（Standardized Precipitation Index，SPI），同樣存在因站點的變遷、數據漏記錄、儀器整修等造成的可靠性問題！ ♂槍ι鲜3個問題，提出相應的解決方案，依次為：①提出了一種物候調節植被狀態指數（Phenology Adjusted Vegetation Condition Index，PA-VCI），即根據檢測出的作物物候信息估計出每年的時間偏移量，對VCI指數的時間基準進行校正；②提出以行政區劃單元（州、縣）為*小對象，取代以遙感影像像元為*小對象的做法，可一定程度上消除互異性；③提出了一種基于結構推理的數據融合方法，實現PA-VCI指數與SPI指數的聯合干旱監測。具體實現過程為：A依據玉米作物生育期NDVI影像分維變化的原理，建立玉米作物物候的分維衡量指標；B考慮到玉米作物物候信息動態檢測的需求，以行政區劃單元為目標對象，分維值、NDVI均值及有效積溫為數據輸入，構建隱形馬爾可夫模型（Hidden Markov Model，HMM）實現玉米作物物候信息的動態估計；C考慮到植被狀態指數（VCI）以日歷年為基準的缺陷，引入作物物候校正VCI指數的時間基準，建立物候調節植被狀態指數（PA-VCI）；D以美國干旱監測網發布的旱情為參考，討論了PA-VCI指數與月時間尺度SPI指數的相關性和時間超前、滯后關系，并探討指數融合的必要性；E針對多干旱指數聯合干旱監測的需求，提出利用結構推理的方法實現對PA-VCI指數和SPI指數的融合處理。該研究成果可望實現對玉米作物旱情的動態監測，并及時準確地反映旱情發生的范圍和程度，可為災害管理提供輔助手段和決策支持！ 〉诙澭芯磕康、內容及解決的關鍵問題 一、研究目的 本研究的目的是通過融合包含PA-VCI指數在內的多源異構干旱指數，實現玉米作物旱情的動態監測。為此，通過分析遙感時序影像分維估計值和玉米作物物候信息地面實測值，探討分維與玉米作物物候的關聯關系；通過提取多源特征（分維、NDVI均值和有效積溫），構建相應的估計模型，實現玉米作物物候信息的動態檢測，并構建PA-VCI干旱指數；通過分析縣級別的PA-VCI指數和SPI指數，發現兩種干旱指數的關聯關系，以及指數融合的必要性；通過構建結構推理模型，實現PA-VCI指數與SPI指數的融合處理，以實現玉米作物旱情的動態監測，為農業生產管理、先兆預警及宏觀決策提供技術支持，提升農業生產過程管理的質量和競爭力！ 《、研究內容 根據上述研究目的，擬提出以下兩方面的研究內容。 1基于分形的玉米作物物候檢測方法 針對玉米作物耕地呈零星塊狀在遙感影像上分布的特點（不規則興趣區），研究遙感影像不規則興趣區（Region of Interest，ROI）的分維估計方法；顧及玉米作物生育期遙感時序影像分維變化的特點，研究分維時間序列與玉米作物物候的聯系及檢測方法；針對實際應用中對玉米作物物候信息現時性的需求，研究基于NDVI值、分維值、有效積溫等多源特征的玉米作物物候信息動態估計方法。 2基于結構推理的多干旱指數融合方法 針對VCI指數以日歷年為時間基準的缺陷，研究利用玉米作物物候信息校正常規VCI指數的方法；針對遙感干旱指數和氣象干旱指數各自的優勢，探討PA-VCI指數與SPI指數的聯系及數據融合的必要性；針對干旱指數數據可靠性的問題，研究基于結構推理的PA-VCI指數和SPI指數融合方法，以滿足玉米作物旱情精細化監測的需求！ ∪、 解決的關鍵問題 1基于分形的玉米作物物候遙感特征提取 受傳統地面作物物候信息單點調查手段費時、費力，且無法大范圍操作的限制，遙感手段成為作物物候信息提取的熱點。建立遙感影像紋理特征與玉米作物物候的聯系，是遙感物候檢測首要的。分維作為影像紋理粗糙度的一種表述，可反映玉米作物發育過程中NDVI影像紋理的變化。建立分維與玉米作物物候的關聯，可為物候檢測提供理論基礎。另外，考慮到遙感影像上玉米作物耕地呈塊狀零星分布的特點，需利用分形乘積的原理，設計并實現一種針對遙感影像不規則ROI的分維估計算法！ 2玉米作物物候期的動態估計 目前，大多數作物物候檢測方法，僅依賴單源特征（比如NDVI指數或有效積溫等），且只能檢測出少量特定的物候期（比如變綠期、成熟期、衰落期和休眠期）。集成遙感光譜值、影像紋理和地面氣象站變量等多源多特征，有望提高玉米作物物候檢測的種類、準確度和實時化程度。為此，需解決多源特征的提取和估計模型的構建，實現玉米作物物候信息的動態檢測！ 3基于多指數融合的玉米作物旱情監測 解決常規VCI指數時間基準問題，提出基于作物物候信息修正的PA-VCI指數。解決PA-VCI指數和SPI指數的干旱等級劃分問題，檢驗兩指數間的關聯性和時間超前滯后關系，驗證兩種指數融合的必要性，為聯合旱情監測奠定理論基礎。另外，目前多干旱指數融合作物旱情監測方法，較少考慮到數據自身的有效性（可靠性），僅是干旱指數間的硬性融合。為此，需結合來源于遙感影像的PA-VCI指數和來源于地面氣象站觀測資料的SPI指數，考慮指數的時序有效性，構建融合模式進行PA-VCI指數和SPI指數的融合處理，實現玉米作物旱情的動態監測！ 〉谌澭芯糠椒ㄅc技術路線 一、研究方法 本研究是以空間信息科學、計算機科學、統計學、計算幾何學及拓撲學為理論基礎，研究過程中主要采用綜合歸納、對比分析、模型假設與檢驗、算法開發與驗證等方法。學習、借鑒國內外有關農作物物候檢測方法和多干旱指數聯合監測方法。在驗證分維與玉米作物物候、PA-VCI指數與SPI指數等內在聯系時，利用統計指標反映變量之間相關關系密切程度；在融合PA-VCI指數與SPI指數時，采用模式分類的方法實現多干旱指數的融合處理！ 榱烁玫仃U明和驗證本書方法的有效性，所選取的研究區單元和數據涉及多種時空尺度。為了驗證分形和玉米作物物候的內在聯系，本書利用以州為*小統計單元、周時間尺度的地面調查數據進行了驗證。為此，所采用的遙感數據也以州為單元、以周為時間尺度；為了驗證分維方法的魯棒性，不同遙感數據集間的時間尺度進行了統一，即采用旬時間尺度；然后，將分維方法從州單元空間尺度向縣單元空間尺度進行了擴展；在進行多干旱指數融合時，也進行了時空尺度的統一，即以縣為*小單元、以周為*小時間間隔。通過時空數據的轉化，在一定程度上克服了因現有驗證數據不足的缺陷，使得本書所提出的方法更具說服力。 二、技術路線 本書主要利用分維檢測玉米作物物候特征，依據物候信息修正VCI指數，利用結構推理方法完成PA-VCI指數與SPI指數的融合處理，*終實現玉米作物旱情的動態監測。為此，針對本書的研究內容和關鍵問題，采用如圖11所示的技術路線！ D11技術路線 1遙感影像不規則ROI的分維估計 針對玉米作物像元呈塊區在遙感影像上分布的特點，利用分形乘積原理，提出一種降維-差分計盒維數法（Dimensionality-Reduction based Differential Box-Counting algorithm，DR-DBC），以實現遙感影像不規則ROI的分維估計！ 2分維與玉米作物物候關聯性檢驗 分析了玉米作物生育期過程中，遙感影像分維變化的特點，建立了遙感影像分維值與玉米作物物候的聯系。通過構建一系列擬合函數，實現對分維時間序列峰值的自動檢測，建立了分維時序峰值與玉米作物物候的對應關系，并利用地面調查數據進行了實驗驗證。 3分維玉米作物物候檢測方法的魯棒性測試 通過構建一系列的對比因子和對比指標，驗證分維方法對不同傳感器、分辨率、混合像元的穩定性！ 4基于多特征、HMM模型的玉米作物物候信息動態檢測 利用從遙感影像中提取的NDVI均值和分維值，將從氣象觀測數據中提取的有效積溫作為數據輸入，結合隱形馬爾可夫模型（Hidden Markov Model，HMM），動態估計玉米作物物候信息。通過實驗驗證，并與常規逐像元物候檢測方法對比，驗證HMM方法的有效性。 5 PA-VCI指數的計算 針對VCI指數以日歷年作為時間基準，忽略了作物本身物候變化的缺陷，提出物候調節植被狀態指數（PA-VCI），并給出該指數的定義及計算方法，探討基于PA-VCI指數干旱監測的必要性和重要意義！ 6 SPI指數的計算、點面轉換和插值方法 考慮到SPI指數為月時間尺度離散點狀數據，而PA-VCI指數為周時間尺度面狀數據的問題，采用泰森多邊形加權法實現對SPI指數的點面數據轉換，并構造插值函數將月時間尺度SPI插值為周時間粒度！ 7 PA-VCI指數與SPI指數的關聯檢驗 通過構建PA-VCI指數與SPI指數時間序列的互相關性函數，計算互相關性、評估時間超前滯后關系，并探討了指數融合的必要性！ 8基于結構推理實現PA-VCI指數與SPI指數融合處理 將多干旱指數融合過程分解成相應的模式，然后根據所構建的概率模型，估計當前時間節點所對應的融合模式，實現玉米作物旱情的監測！
基于分形和結構推理的玉米旱情遙感監測方法研究 作者簡介
王迪，男，1977年出生，副研究員，工學博士，碩士生導師，現在中國農業科學院農業資源與農業區劃研究所農業遙感創新團隊工作。長期從事農業遙感基礎與應用研究，重點開展農作物面積空間抽樣理論與技術、基于雷達遙感的農作物識別與長勢監測研究。先后主持和參與省部級及其他各類研究項目30余項，以作者在國內外重要學術期刊發表論文30余篇。作為主要參加人獲得國家科技進步二等獎和水利部大禹水利科學技術獎二等獎各1項。在我國農作物種植面積空間抽樣調查方法研究方面獲得了豐碩的成果。
書友推薦
- >
姑媽的寶刀
- >
羅庸西南聯大授課錄
- >
伯納黛特,你要去哪(2021新版)
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
二體千字文
- >
月亮與六便士
- >
朝聞道
- >
莉莉和章魚
本類暢銷
