题名 | 大田玉米作物系数机地协同估算方法研究 |
作者 | 张瑜 |
答辩日期 | 2019-05-17 |
文献子类 | 硕士 |
授予单位 | 中国科学院大学 |
授予地点 | 北京 |
导师 | 韩文霆 |
学位名称 | 农学硕士 |
英文摘要 | 快速准确获取大田作物系数Kc是旱区作物日蒸散量估算的关键。本文以2017-2018年内蒙古达拉特旗昭君镇精准灌溉试验站内大田玉米为对象,通过调节中心支轴式喷灌机转速来实现各扇形区域内不同水分的处理,利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取大田玉米冠层光谱影像并同步采集地面数据,实现不同水分处理下玉米作物系数无人机遥感与地面传感器协同监测。同时,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与4种植被指数(比值植被指数SR、归一化差值植被指数NDVI、土壤调节植被指数SAVI、增强型植被指数EVI)、叶面积指数(leaf area index, LAI)和表层土壤水分含量(soil water content, SWC)的相关关系,分析了不同气候条件和不同水分胁迫条件下玉米作物系数无人机遥感与地面传感器协同估算的可行性。本文的主要研究内容及结论如下: (1)由不同深度土壤含水率与作物系数的相关性分析发现,在不同水分胁迫处理下,表层土壤水分(30cm)均处于强相关水平且在水分胁迫程度最严重的情况下相关性最高达到0.72(P<0.01)。在强降雨天气下,浅层土壤含水率与作物系数的相关性大小排序为:10 cm SWC>20 cm SWC>30 cm SWC。 (2)在不同水分胁迫条件下,作物叶面积指数LAI与作物系数相关性无明显规律性差异且均处于较高水平(r = 0.45~0.60, P<0.05)。但在强降雨条件下,LAI相关系数较低(r = 0.04~0.27)。 (3)4种植被指数与作物系数在不同水分处理以及不同气候条件下的相关性大小排序为:SR>NDVI>EVI>SAVI。而且随着水分胁迫程度加重,相关性逐渐降低,这是由于植被指数生长后期有一定的滞后性,对于水分胁迫响应程度不高。 (4)基于比值植被指数、叶面积指数和表层土壤水分3个指标建立的2017年Kc逐步回归模型且经验证,其决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21和23.35%,表明利用无人机监测的比值植被指数和地面监测的叶面积指数以及表层土壤含水率建立的Kc估算模型在干旱区不同水分胁迫下具有较好的估算精度。然而在2018年强降雨条件下该模型经验证,其决定系数、均方根误差和归一化的均方根误差分别为0.24、0.16和15.5%,可见该模型三个变量对于作物系数的解释度不够高且在强降雨条件下精度不够,但RMSE减少,说明估计量与被估计量之间差异程度较稳定。 (5)基于FAO-56双作物系数法计算的实际蒸散量ET和根据模型建立的模拟蒸散量进行对比发现,随着水分胁迫程度加重,模拟值会逐渐高估作物实际蒸散量。然而在强降雨条件下,虽然各生育阶段内两者平均值差异不显著但在每日蒸散量估算上差异显著,说明该模型在强降雨条件下估算精度较低。
关键词:土壤水分,胁迫,无人机,作物系数,植被指数,叶面积指数 |
语种 | 中文 |
学科主题 | 农学 ; 农业工程 |
目次 |
2.2.2 无人机航线轨迹规划及遥感影像数据获取方法... 14 2.4.2.1 基础作物系数 Kcb的修正及确定... 22 |
页码 | 70 |
内容类型 | 学位论文 |
源URL | [http://ir.iswc.ac.cn/handle/361005/8795] |
专题 | 水保所2018届毕业生论文 |
推荐引用方式 GB/T 7714 | 张瑜. 大田玉米作物系数机地协同估算方法研究[D]. 北京. 中国科学院大学. 2019. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论