多因素农业技术论文提纲

论文题目：顾及时空多因素的农业干旱遥感监测方法及其适应性评价研究

摘要：农业干旱是一种反复出现、持续时间长、无结构化的自然灾害。在全世界所有土地上都曾经历过不同程度的农业干旱事件,尤其是经济来源大部分依靠于农业生产的国家。农业干旱不仅直接造成农作物大面积减产绝收,而且对社会经济造成巨大的损失,严重地影响了农业的可持续发展和社会的稳定。因此,如何有效地监测农业干旱,因地制宜地选取合适的干旱监测方法已成为抗旱减灾部门和农业管理部门面临的一项紧迫的任务。基于遥感技术的农业干旱监测方法,常常通过农业干旱遥感监测指数来实现,它具有客观、及时、覆盖范围广等优点,弥补了地面站点的不足,已被证明是农业干旱监测中最有前景的技术手段。但是不同的农业干旱遥感监测指数具有明显相异的时空适应性。这些指数从遥感光谱信息中提取干旱发生与发展的特征,它既受空间方面区域下垫面的影响;又受时间方面作物不同物候期的生长形态的影响。如何根据不同区域下垫面、作物不同物候期选取适合的农业干旱遥感监测指数,是精确评估和监测农业干旱的基础。评价农业干旱遥感监测指数的适应性主要采用光谱特征匹配法、多元统计分析法、主成分分析法和人工神经网络分析法等方法。然而,由于作物生长的土壤、物候期、地形、气候等时空多因素相互作用的复杂性,从环境依赖的角度,对农业干旱遥感监测指数的时空适应性与敏感性还需进一步研究;另外对农业干旱监测指数的适应性评价常常带有一定的人为主观性和经验性问题,客观性与自动化水平也有待改进。针对上述问题,本文利用多源遥感数据、气象站点实测数据、土壤湿度数据等等,从不同区域下垫面特征、作物不同物候期以及综合时空多因素等多个角度,利用机器学习技术,研究不同农业干旱监测参量与作物环境多因子之间的关联关系,提出顾及时空多因素的农业干旱遥感监测方法,并评价这些方法在不同应用场景的适应性。论文主要研究工作和成果有:（1）提出一种顾及下垫面改进标准化降雨蒸散指数的农业干旱监测方法针对标准化降雨蒸散指数（SPEI）对区域不同下垫面特征的差异性考虑不足,对干旱的响应具有明显的区域差异性问题,本文在综合考虑地形高程、土地类型（灌丛、草地、耕地、裸地）等下垫面多因素条件下,提出一种顾及下垫面的改进SPEI。并以实测降雨量、气温以及有效土壤水含量数据计算得到的PDSI、sc PDSI、SPI为基准,对该方法进行验证。研究结果表明:改进的SPEI指数对内蒙古雨养农业区近40年的农业干旱演变情况与实际旱情相符;其监测结果与44个旗县级行政区的站点数据sc PDSI、实测SPI（1月、3月尺度）指数相关系数均通过了显著性检验。该方法更适合于雨养农业区的干旱监测场景。（2）提出一种顾及物候期反演土壤湿度的农田墒情监测方法土壤湿度能够反映作物土壤含水量和作物生物量的状态,反演土壤湿度对评估作物干旱状况和生长环境条件至关重要。而土壤湿度是一个复杂的非线性耦合系统,受土壤复杂结构和作物环境多因子影响显著,如何分析多源输入与输出间的非线性映射关系,提高土壤湿度反演精度是值得研究的问题。而人工神经网络模型能自动分析多源输入与输出间的非线性映射关系,基于此,本文在顾及作物物候期的条件下,以冬小麦返青期为例,基于MODIS干旱指数与径向基神经网络方法,提出一种顾及物候期反演土壤湿度的农田墒情遥感监测方法。研究结果表明:反演的土壤湿度应用在河南省农业干旱墒情监测中效果较好;相比线性模型与BP神经网络反演土壤湿度精度更高,该模型回归分析相比1:1线的偏差最小;反演的平均预测精度达到93.27%,相关系数为0.846,决定系数为0.862 6。这表明MODIS干旱指数结合径向基神经网络协同反演冬小麦返青期的土壤湿度模型有效。该方法较适合于区域农田土壤墒情的干旱监测场景。（3）提出一种综合时空多因素的复合农业干旱遥感监测方法针对综合遥感干旱监测指数的权重设定客观性与自动化不足问题。本文基于深度学习方法,在非显式定义下垫面特征的情况下,引入卷积神经网络方法,自动学习时空多环境因素与多农业干旱遥感监测参量之间的关系与规则,构建一种农业干旱遥感监测指数重要性评价及复合指数深度学习网络模型（Ieci Net）。Ieci Net模型相比其它传统机器学习模型的精度更高。Ieci Net模型在拟合实测旱情参量的同时,还能够自动从MODIS遥感数据中定量地获取农业干旱遥感监测指数的重要性系数。以此重要性系数为权重,提出一种综合时空多因素的复合农业干旱遥感监测方法。同时以站点干旱指数sc PDSI、u SPEI和土壤湿度数据为基准,验证该复合农业干旱监测指数的有效性。研究结果表明复合农业干旱监测指数在不同气候干湿分区均有较好的监测效果,该方法适合于区域局部下垫面较复杂的干旱监测场景。

关键词：遥感;农业干旱;干旱监测;适应性;物候期;下垫面

学科专业：测绘科学与技术

作者简历

摘要

ABSTRACT

英文缩写表

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究进展

1.2.1 农业干旱遥感监测适用的卫星数据源

1.2.2 农业干旱遥感监测适用的光谱敏感波段

1.2.3 农业干旱遥感监测指数的分类体系

1.2.4 农业干旱遥感监测指数的适应性评价方法

1.2.5 目前存在的问题与不足

1.3 研究内容与技术路线

1.3.1 研究内容

1.3.2 技术路线

1.4 论文组织结构

第二章 农业干旱遥感监测的原理及其适应性评价相关基础

2.1 农业干旱监测基本原理

2.1.1 作物生长环境的概念

2.1.2 土壤水分平衡的概念

2.1.3 基于土壤水平衡的农业干旱原理

2.2 农业干旱遥感监测指数的原理及自身的适应性

2.2.1 环境供水指数

2.2.2 作物需水指数

2.2.3 综合农业干旱监测指数

2.3 农业干旱遥感监测候选指数集的选取

2.3.1 选取的原因

2.3.2 选取的规则

2.3.3 农业干旱遥感监测候选指数集的选取

2.4 农业干旱遥感监测指数的适应性评价方法

2.4.1 光谱特征匹配评价方法

2.4.2 基于作物生长影响因子的相关分析方法

2.4.3 模糊综合评判方法

2.4.4 主成分分析方法

2.4.5 人工神经网络方法

2.5 本章小结

第三章 顾及下垫面改进标准化降雨蒸散指数的农业干旱监测

3.1 引言

3.2 研究区及数据源

3.2.1 研究区概况

3.2.2 数据源及其处理

3.3 研究方法

3.3.1 研究区不同下垫面特征的单元划分

3.3.2 构建uSPEI的理论假设

3.3.3 顾及下垫面改进SPEI的农业干旱监测模型构建

3.3.4 农业干旱趋势显著性分析方法

3.3.5 uSPEI干旱指数的一致性评价方法

3.4 实验与分析

3.4.1 实验设计

3.4.2 研究区降雨量与温度干旱参量的变化趋势分析

3.4.3 基于uSPEI监测雨养区农业干旱的演变

3.4.4 uSPEI指数与其它指数在雨养区监测干旱的一致性评价

3.4.5 在不同下垫面条件下uSPEI监测农业干旱的适应性评价

3.5 结果讨论

3.6 本章小结

第四章 顾及物候期反演土壤湿度的农田墒情监测

4.1 引言

4.2 研究区及数据源

4.2.1 研究区概况

4.2.2 数据源及其处理

4.3 研究方法

4.3.1 构建基于MODIS遥感干旱指数的评价指标体系

4.3.2 时间序列数据的处理方法

4.3.3 顾及物候期的地表土壤湿度反演模型构建

4.4 实验与分析

4.4.1 农业干旱遥感监测指数与SM的相关分析

4.4.2 土壤湿度反演模型测试及对比分析

4.4.3 土壤湿度反演模型的有效性验证

4.4.4 反演土壤湿度监测农业干旱的适应性评价

4.5 结果讨论

4.6 本章小结

第五章 综合时空多因素的复合农业干旱遥感监测方法

5.1 引言

5.2 研究区及数据源

5.3 研究方法

5.3.1 深度学习的模型选取及理论方法

5.3.2 综合时空多因素的复合农业干旱遥感监测模型构建

5.3.3 IeciNet的实现与训练

5.4 实验与分析

5.4.1 基于MODIS的多波段反射率提取区域下垫面特征分析

5.4.2 IeciNet模型与其它机器学习模型的对比分析

5.4.3 优选农业干旱遥感监测指数集的相对重要性分析

5.4.4 复合农业干旱遥感监测指数的验证分析

5.5 本章小结

第六章 结论与展望

6.1 研究成果与结论

6.2 论文创新点

6.3 展望

致谢

参考文献

附录一 生态系统平均地表径流系数

附录二 IECINET网络结构实现代码

附录三 PDSI与 SCPDSI的干旱等级划分