基于文献学的澳洲龙纹斑研究与应用进展

作者：罗钦等

页数：290

出版社：中国农业科学技术出版社

出版日期：2017

ISBN：9787511637482

电子书格式：pdf/epub/txt

内容简介

本书的编写是跨学科大协作的一个新的尝试，既有面上调研，点中剖析；又有文献征集，分类总结。既有经验分享，技术提升；又有进展分析，对策研究。内容丰富，有序归类，便于从事科研与推广工作者查询及应用。主要内容包括：澳洲龙纹斑种质资源及生物特性分析、澳洲龙纹斑繁育与养殖、澳洲龙纹斑疾病与防控等等。本书的出版可供我国乃至优选从事澳洲龙纹斑生产与研究的的科研人员、工程技术人员和管理人员参考查阅。

作者简介

王迪，男，1977年出生，副研究员，工学博士，硕士生导师，现在中国农业科学院农业资源与农业区划研究所农业遥感创新团队工作。长期从事农业遥感基础与应用研究，重点开展农作物面积空间抽样理论与技术、基于雷达遥感的农作物识别与长势监测研究。先后主持和参与省部级及其他各类研究项目30余项，以作者在国内外重要学术期刊发表论文30余篇。作为主要参加人获得国家科技进步二等奖和水利部大禹水利科学技术奖二等奖各1项。在我国农作物种植面积空间抽样调查方法研究方面获得了丰硕的成果。

目录

节选

　　第一章绪论　　第一节研究背景及意义　　随着全球气候变化的加剧，气温不断升高，干旱发生的频率和强度不断增强，干旱地区的扩大与干旱化程度日趋严重，干旱化趋势已成为全球关注的焦点。在长期无雨或少雨的情况下，土壤水分亏缺，蒸散作用使得农作物体内水分平衡严重失调，正常生理活动遭到破坏，从而引发农作物干旱事件。中国处于季风气候区，降雨分布不均，造成的干旱问题尤为突出［1］。中国常年农作物受旱面积2×107~27×107hm2，造成每年粮食损失25×1010~3×1010kg，占各种自然灾害损失总量的60%左右［2］。美国等一些涵盖农业产业的发达国家，同样不同程度地遭受着干旱的威胁。农业干旱是一个持续的过程，成灾范围一般呈片状，且干旱的发生、发展不受时间和空间的限制。目前，农业干旱监测主要采用干旱指数来反映干旱持续的时间和强度。世界气象组织（World Meteorological Organization）［3］将干旱指数定义为：它是跟持续、异常的水分不足造成的累积效应相关的指数。应用较为广泛的干旱监测指数主要有两类：一类是基于传统地面气象观测数据的干旱指数，即气象干旱指数，该类指数都是基于单点观测，其空间上的监测精度受控于气象站点的分布密度，很难反映精细的干旱状况；另一类是基于卫星遥感信息的干旱监测指数，主要是应用多时相、多光谱、多角度遥感数据从不同侧面定性或半定量地评价土壤水分分布状况，具有覆盖范围广、时空间分辨率高等优点。玉米作物作为世界上主要的粮食作物品种，干旱的发生将直接造成粮食危机，威胁到人类的温饱水平。故有必要对其进行较为精细的旱情监测。　　对于遥感干旱指数来说，它们大多被设计用于反映地表综合的干旱程度，很少考虑用于特定作物类型的旱情监测。因此，直接将常规遥感干旱指数应用于玉米作物旱情监测并不具可行性。比如，常规的植被状态指数（Vegetation Condition Index，VCI）应用于特定作物类型旱情监测存在以下3个方面的缺陷。　　（1）时间基准问题；由VCI指数定义可知，其所采用的时间基准是以观测月球运动规律制定的历法，即日历年。不同年同一日期（DOY）的归一化植被指数（NDVI），可能因为作物的物候期不一致，而不具有可比性。　　（2）作物类型变更问题。由于轮作机制，农业耕地里不同年份的作物类型可能发生变更。比如，对于同一地块，去年种玉米，今年可能换种大豆。这样，不同年份的NDVI值同样不具可比性，使得计算得到的VCI指数失准。　　（3）数据可靠性问题。遥感干旱指数（比如VCI指数）和气象干旱指数（比如标准降雨指数），都面临着数据可靠性的问题。当遥感数据出现大面积云遮挡、气溶胶等噪声时，据此数据计算出来的VCI指数可靠性降低。而借助于气象站点观测数据计算出来的标准降雨指数（Standardized Precipitation Index，SPI），同样存在因站点的变迁、数据漏记录、仪器整修等造成的可靠性问题。　　针对上述3个问题，提出相应的解决方案，依次为：①提出了一种物候调节植被状态指数（Phenology Adjusted Vegetation Condition Index，PA-VCI），即根据检测出的作物物候信息估计出每年的时间偏移量，对VCI指数的时间基准进行校正；②提出以行政区划单元（州、县）为最小对象，取代以遥感影像像元为最小对象的做法，可一定程度上消除互异性；③提出了一种基于结构推理的数据融合方法，实现PA-VCI指数与SPI指数的联合干旱监测。具体实现过程为：A币谰萦衩鬃魑锷育期NDVI影像分维变化的原理，建立玉米作物物候的分维衡量指标；B笨悸堑接衩鬃魑镂锖蛐畔⒍态检测的需求，以行政区划单元为目标对象，分维值、NDVI均值及有效积温为数据输入，构建隐形马尔可夫模型（Hidden Markov Model，HMM）实现玉米作物物候信息的动态估计；C笨悸堑街脖蛔刺指数（VCI）以日历年为基准的缺陷，引入作物物候校正VCI指数的时间基准，建立物候调节植被状态指数（PA-VCI）；D币悦拦干旱监测网发布的旱情为参考，讨论了PA-VCI指数与月时间尺度SPI指数的相关性和时间超前、滞后关系，并探讨指数融合的必要性；E闭攵远喔珊抵甘联合干旱监测的需求，提出利用结构推理的方法实现对PA-VCI指数和SPI指数的融合处理。该研究成果可望实现对玉米作物旱情的动态监测，并及时准确地反映旱情发生的范围和程度，可为灾害管理提供辅助手段和决策支持。　　第二节研究目的、内容及解决的关键问题　　一、研究目的　　本研究的目的是通过融合包含PA-VCI指数在内的多源异构干旱指数，实现玉米作物旱情的动态监测。为此，通过分析遥感时序影像分维估计值和玉米作物物候信息地面实测值，探讨分维与玉米作物物候的关联关系；通过提取多源特征（分维、NDVI均值和有效积温），构建相应的估计模型，实现玉米作物物候信息的动态检测，并构建PA-VCI干旱指数；通过分析县级别的PA-VCI指数和SPI指数，发现两种干旱指数的关联关系，以及指数融合的必要性；通过构建结构推理模型，实现PA-VCI指数与SPI指数的融合处理，以实现玉米作物旱情的动态监测，为农业生产管理、先兆预警及宏观决策提供技术支持，提升农业生产过程管理的质量和竞争力。　　二、研究内容　　根据上述研究目的，拟提出以下两方面的研究内容。　　1被于分形的玉米作物物候检测方法　　针对玉米作物耕地呈零星块状在遥感影像上分布的特点（不规则兴趣区），研究遥感影像不规则兴趣区（Region of Interest，ROI）的分维估计方法；顾及玉米作物生育期遥感时序影像分维变化的特点，研究分维时间序列与玉米作物物候的联系及检测方法；针对实际应用中对玉米作物物候信息现时性的需求，研究基于NDVI值、分维值、有效积温等多源特征的玉米作物物候信息动态估计方法。　　2被于结构推理的多干旱指数融合方法　　针对VCI指数以日历年为时间基准的缺陷，研究利用玉米作物物候信息校正常规VCI指数的方法；针对遥感干旱指数和气象干旱指数各自的优势，探讨PA-VCI指数与SPI指数的联系及数据融合的必要性；针对干旱指数数据可靠性的问题，研究基于结构推理的PA-VCI指数和SPI指数融合方法，以满足玉米作物旱情精细化监测的需求。　　三、 解决的关键问题　　1被于分形的玉米作物物候遥感特征提取　　受传统地面作物物候信息单点调查手段费时、费力，且无法大范围操作的限制，遥感手段成为作物物候信息提取的热点。建立遥感影像纹理特征与玉米作物物候的联系，是遥感物候检测首要的。分维作为影像纹理粗糙度的一种表述，可反映玉米作物发育过程中NDVI影像纹理的变化。建立分维与玉米作物物候的关联，可为物候检测提供理论基础。另外，考虑到遥感影像上玉米作物耕地呈块状零星分布的特点，需利用分形乘积的原理，设计并实现一种针对遥感影像不规则ROI的分维估计算法。　　2庇衩鬃魑镂锖蚱诘亩态估计　　目前，大多数作物物候检测方法，仅依赖单源特征（比如NDVI指数或有效积温等），且只能检测出少量特定的物候期（比如变绿期、成熟期、衰落期和休眠期）。集成遥感光谱值、影像纹理和地面气象站变量等多源多特征，有望提高玉米作物物候检测的种类、准确度和实时化程度。为此，需解决多源特征的提取和估计模型的构建，实现玉米作物物候信息的动态检测。　　3被于多指数融合的玉米作物旱情监测　　解决常规VCI指数时间基准问题，提出基于作物物候信息修正的PA-VCI指数。解决PA-VCI指数和SPI指数的干旱等级划分问题，检验两指数间的关联性和时间超前滞后关系，验证两种指数融合的必要性，为联合旱情监测奠定理论基础。另外，目前多干旱指数融合作物旱情监测方法，较少考虑到数据自身的有效性（可靠性），仅是干旱指数间的硬性融合。为此，需结合来源于遥感影像的PA-VCI指数和来源于地面气象站观测资料的SPI指数，考虑指数的时序有效性，构建融合模式进行PA-VCI指数和SPI指数的融合处理，实现玉米作物旱情的动态监测。　　第三节研究方法与技术路线　　一、研究方法　　本研究是以空间信息科学、计算机科学、统计学、计算几何学及拓扑学为理论基础，研究过程中主要采用综合归纳、对比分析、模型假设与检验、算法开发与验证等方法。学习、借鉴国内外有关农作物物候检测方法和多干旱指数联合监测方法。在验证分维与玉米作物物候、PA-VCI指数与SPI指数等内在联系时，利用统计指标反映变量之间相关关系密切程度；在融合PA-VCI指数与SPI指数时，采用模式分类的方法实现多干旱指数的融合处理。　　为了更好地阐明和验证本书方法的有效性，所选取的研究区单元和数据涉及多种时空尺度。为了验证分形和玉米作物物候的内在联系，本书利用以州为最小统计单元、周时间尺度的地面调查数据进行了验证。为此，所采用的遥感数据也以州为单元、以周为时间尺度；为了验证分维方法的鲁棒性，不同遥感数据集间的时间尺度进行了统一，即采用旬时间尺度；然后，将分维方法从州单元空间尺度向县单元空间尺度进行了扩展；在进行多干旱指数融合时，也进行了时空尺度的统一，即以县为最小单元、以周为最小时间间隔。通过时空数据的转化，在一定程度上克服了因现有验证数据不足的缺陷，使得本书所提出的方法更具说服力。　　二、技术路线　　本书主要利用分维检测玉米作物物候特征，依据物候信息修正VCI指数，利用结构推理方法完成PA-VCI指数与SPI指数的融合处理，最终实现玉米作物旱情的动态监测。为此，针对本书的研究内容和关键问题，采用如图11所示的技术路线。　　图11技术路线　　1币８杏跋癫还嬖騌OI的分维估计　　针对玉米作物像元呈块区在遥感影像上分布的特点，利用分形乘积原理，提出一种降维-差分计盒维数法（Dimensionality-Reduction based Differential Box-Counting algorithm，DR-DBC），以实现遥感影像不规则ROI的分维估计。　　2狈治与玉米作物物候关联性检验　　分析了玉米作物生育期过程中，遥感影像分维变化的特点，建立了遥感影像分维值与玉米作物物候的联系。通过构建一系列拟合函数，实现对分维时间序列峰值的自动检测，建立了分维时序峰值与玉米作物物候的对应关系，并利用地面调查数据进行了实验验证。　　3狈治玉米作物物候检测方法的鲁棒性测试　　通过构建一系列的对比因子和对比指标，验证分维方法对不同传感器、分辨率、混合像元的稳定性。　　4被于多特征、HMM模型的玉米作物物候信息动态检测　　利用从遥感影像中提取的NDVI均值和分维值，将从气象观测数据中提取的有效积温作为数据输入，结合隐形马尔可夫模型（Hidden Markov Model，HMM），动态估计玉米作物物候信息。通过实验验证，并与常规逐像元物候检测方法对比，验证HMM方法的有效性。　　5 PA-VCI指数的计算　　针对VCI指数以日历年作为时间基准，忽略了作物本身物候变化的缺陷，提出物候调节植被状态指数（PA-VCI），并给出该指数的定义及计算方法，探讨基于PA-VCI指数干旱监测的必要性和重要意义。　　6 SPI指数的计算、点面转换和插值方法　　考虑到SPI指数为月时间尺度离散点状数据，而PA-VCI指数为周时间尺度面状数据的问题，采用泰森多边形加权法实现对SPI指数的点面数据转换，并构造插值函数将月时间尺度SPI插值为周时间粒度。　　7 PA-VCI指数与SPI指数的关联检验　　通过构建PA-VCI指数与SPI指数时间序列的互相关性函数，计算互相关性、评估时间超前滞后关系，并探讨了指数融合的必要性。　　8被于结构推理实现PA-VCI指数与SPI指数融合处理　　将多干旱指数融合过程分解成相应的模式，然后根据所构建的概率模型，估计当前时间节点所对应的融合模式，实现玉米作物旱情的监测。　　……