2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩93頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、作物生長(zhǎng)模型與遙感信息耦合,結(jié)合了模型的機(jī)理性、預(yù)測(cè)性與遙感的空間性、實(shí)時(shí)性等特點(diǎn),既有利于作物生長(zhǎng)模型的區(qū)域應(yīng)用,又能增強(qiáng)遙感監(jiān)測(cè)預(yù)測(cè)的機(jī)理性。本研究以冬小麥為對(duì)象,依托不同品種、不同種植密度、不同施氮水平的小麥田間實(shí)驗(yàn)及張家港地區(qū)田間調(diào)查數(shù)據(jù),對(duì)WheatGrow模型耦合遙感信息的適宜時(shí)期和次數(shù)進(jìn)行了分析,構(gòu)建了基于同化與更新結(jié)合策略的模型遙感耦合技術(shù)與基于模型分區(qū)的模型-感耦合區(qū)域產(chǎn)量預(yù)測(cè)技術(shù)。并在此基礎(chǔ)上構(gòu)建并完善了基于生長(zhǎng)模型

2、與遙感信息耦合技術(shù)的小麥生長(zhǎng)監(jiān)測(cè)預(yù)測(cè)系統(tǒng)。從而為小麥長(zhǎng)勢(shì)監(jiān)測(cè)與產(chǎn)量預(yù)測(cè)提供了有效的技術(shù)支撐。
   為提高小麥區(qū)域生產(chǎn)力的預(yù)測(cè)精度問(wèn)題,將同化策略(Assimilation strategy)和過(guò)程更新策略(Updating strategy)相結(jié)合,建立了基于同化—更新結(jié)合策略的遙感—模型耦合技術(shù),用于區(qū)域小麥產(chǎn)量的預(yù)測(cè)。在遙感與小麥生長(zhǎng)模型(WheatGrow)的耦合過(guò)程中,基于粒子群優(yōu)化算法(Particle Swarm

3、Optimization,PSO)和集合平方根濾波算法(Ensemble Square Root Filter, EnSRF),以葉面積指數(shù)(Leaf Area Index,LAI)和葉片氮積累量(Leaf Nitrogen Accumulation,LNA)共同作為同化耦合點(diǎn)和更新耦合點(diǎn),將小麥拔節(jié)期至抽穗期遙感數(shù)據(jù)用于模型參數(shù)的初始化,灌漿期遙感數(shù)據(jù)用于模型模擬的更新,進(jìn)而預(yù)測(cè)了最終產(chǎn)量。研究結(jié)果顯示,在單點(diǎn)和區(qū)域尺度,同化—更新策

4、略能夠較好的描述冬小麥生長(zhǎng)指標(biāo)和產(chǎn)量的時(shí)空分布特征。研究結(jié)果可為區(qū)域尺度的作物生長(zhǎng)監(jiān)測(cè)和產(chǎn)量預(yù)測(cè)提供技術(shù)支撐。
   為解決空間尺度上模型與遙感耦合的計(jì)算效率問(wèn)題,采用模擬分區(qū)的思想,利用小麥不同生育期的HJ-A/B CCD影像提取的比值植被指數(shù)(RVI)與土壤養(yǎng)分指標(biāo)(全氮、有機(jī)質(zhì)、速效鉀)為數(shù)據(jù)源,在空間變異性分析的基礎(chǔ)上,采用模糊C均值聚類算法分別對(duì)冬小麥關(guān)鍵生育期的RVI和土壤養(yǎng)分指標(biāo)進(jìn)行聚類分區(qū),然后在子區(qū)的基礎(chǔ)上采用

5、同化—更新策略進(jìn)行遙感與模型的耦合研究。結(jié)果表明,采用模擬分區(qū)作為計(jì)算單元,計(jì)算次數(shù)明顯少于逐像元計(jì)算。各子區(qū)內(nèi)RVI、土壤養(yǎng)分指標(biāo)及產(chǎn)量的變異均小于整個(gè)區(qū)域的變異,其中采用單一時(shí)期遙感影像時(shí),抽穗期分區(qū)結(jié)果與產(chǎn)量分布結(jié)構(gòu)類似,且分區(qū)效果較好;采用三個(gè)時(shí)期RVI進(jìn)行分區(qū)的效果較單一時(shí)期更優(yōu),疊置土壤養(yǎng)分指標(biāo)分區(qū)結(jié)果后,增加分區(qū)數(shù)目,模擬結(jié)果更接近逐像元耦合模擬值?;谀M分區(qū)后的遙感—生長(zhǎng)模型預(yù)測(cè)的產(chǎn)量較逐像元預(yù)測(cè)的產(chǎn)量精度有所提高,更

6、接近當(dāng)?shù)亟y(tǒng)計(jì)值,表明模擬分區(qū)可在保證預(yù)測(cè)精度的條件下提高遙感—模型耦合計(jì)算效率。
   基于小麥生長(zhǎng)模型與遙感耦合技術(shù),根據(jù)面向?qū)ο蟪绦蛟O(shè)計(jì)原理,以Microsoft.NET Framework3.5為開(kāi)發(fā)環(huán)境,選擇C#為編程語(yǔ)言實(shí)現(xiàn)系統(tǒng)整體架構(gòu)和界面定制,以IDL組件集成RS功能模塊為基礎(chǔ),在利用二次開(kāi)發(fā)技術(shù)實(shí)現(xiàn)GIS相關(guān)功能的同時(shí),實(shí)現(xiàn)了小麥生長(zhǎng)模型與遙感信息的耦合,并構(gòu)建了基于模型和遙感信息耦合的小麥生長(zhǎng)監(jiān)測(cè)與生產(chǎn)力預(yù)測(cè)系

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論