论文部分内容阅读
精准、大面积监测农作物重金属污染对农业生产、粮食安全具有重要意义。目前应用遥感数据监测多是利用单一的光学遥感数据,其利用遥感特征相对单一,监测精度相对较低。光学遥感能监测到受胁迫作物的颜色等特征,而微波遥感能监测到受胁迫作物的形态等特征。为了充分提取受胁迫作物的特征信息,发挥多源遥感数据的互补性,本文协同光学遥感和微波遥感构建作物重金属胁迫监测模型。选取苏州地区受重金属污染的水稻样区为实验区,测量水稻关键生长期ASD光谱数据、生化参数、重金属含量数据,并获取准同步的光学HIS和雷达Radarsat-2卫星遥感数据。根据水稻重金属胁迫响应机理,分别从光学与雷达数据中提取了水稻污染胁迫敏感波谱指数,运用二维波谱特征空间构建水稻重金属胁迫光学与雷达遥感协同监测模型,并利用小波分形方法对模型空间尺度扩展时的尺度误差进行分析。本文的研究工作及主要结论如下:(1)利用光谱特征分析、统计方法和随机森林算法等构建水稻重金属胁迫下叶绿素响应敏感的胁迫波谱指数NVI,建立了基于高光谱HSI数据的水稻重金属胁迫水平反演模型。(2)利用统计方法构建对水稻重金属胁迫生物量响应敏感的胁迫微波遥感SVI,建立了基于微波SAR影像的水稻重金属胁迫水平反演模型。(3)将响应重金属胁迫的颜色特征生化参数和形态参数相结合,协同叶绿素变化敏感指数NVI和生物量变化敏感指数SVI,构建二维特征空间,判别重金属污染胁迫水平,建立了多源遥感数据协同反演重金属污染胁迫水平模型。(4)基于小波变换和分形理论分析尺度误差,利用小波分形模拟尺度误差变化的规律,进而实现模型尺度扩展。本文的创新点:①通过多维波谱特征空间构建了水稻重金属污染胁迫光学与雷达遥感协同监测模型的方法,可以推广应用到农作物各类环境胁迫探测中;②基于小波分形算法,实现了水稻重金属污染胁迫监测模型在空间尺度扩展时的尺度误差分析,为遥感地学应用中如何实现模型空间尺度扩展提供了一种参考。