英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
利用MODIS NDVI数据对加拿大大草原的作物产量进行预测
摘要 尽管来自先进超高分辨率辐射计（AVHRR）传感器的归一化差值植被指数（NDVI）数据已广泛用于评估加拿大大草原和其他地区的作物状况和产量，NDVI数据来源于新的中等分辨率成像光谱 - 辐射计（MODIS）传感器迄今尚未用于加拿大大草原的作物产量预测。因此,本研究的目的是评估使用MODIS-NDVI预测加拿大大草原的作物产量的可能性，并确定作出可靠作物产量预报的最佳时间。 生长季节于（5月 - 8月）2000-2006年的MODIS在10日综合NDVI数据来自加拿大遥感中心（CCRS）。根据加拿大统计，获得了每个人口普查农业区（CAR）的作物产量数据（即大麦、油菜、豌豆和春小麦）。相关和回归分析使用10天的复合NDVI和2,3和4代的平均NDVI进行，最高相关系数（r）为自变量，作物谷物产量为因变量。为了测试生成的回归模型预测农作物谷物产量的稳健性和能力，每年一次取消并建立新的回归模型，然后用它们来预测失踪年份的谷物产量。 结果表明，MODIS-NDVI数据可以有效地用于预测加拿大大草原的作物产量。 根据农业气候带，为每种作物开发的幂函数模型分别占大麦，油菜，田间豌豆和大麦籽粒产量变异的48％至90％，32％至82％，53％至89％和47％至80％ 春小麦分别在半干旱地区有最好的预测。总体而言（84个中有54个），预测的实际谷物产量差异在plusmn;10％以内。大麦，油菜，田间豌豆和春小麦的RMSE值分别为150至654,108至475,204至677和104至714 kg。以实际产量百分比表示时，大麦的RMSE值为8-25％，油菜籽的RMSE值为10-58％，田间豌豆的RMSE值为10-38％，春小麦为6-34％。MAE值遵循相似的趋势，但略低于RMSE值。 对于所有作物而言，发现粮食产量预测的最佳时间是从六月的第三天到七月的第三天，在潮湿地区和半干旱和干旱地带是从七月的第一天开始到八月的第一天。这意味着使用所开发的回归模型可以在收获前一至两个月对作物谷物产量进行准确的预测。
关键词：加拿大草原；作物产量预测；遥感；MODIS；NDVI
1、介绍
粮食作物生产在加拿大草原各省(即阿尔伯塔省、萨斯喀彻温省和马尼托巴省)的经济中起着至关重要的作用，主要粮食作物是小麦、油菜、大麦和豌豆。 在2008年，加拿大西部这四种作物的种植面积约为2100万公顷，其中小麦种植面积为1000万公顷(加拿大统计局，2009年b)。年小麦产量比较(加拿大统计局，2009年a，b)和小麦市场(加拿大小麦委员会，2008年)在加拿大西部显示，大约75%至80%的小麦种植在草原省份是出口。考虑到这些粮食作物对经济的重要性，加拿大草原省份和加拿大作为一个整体基本预测早期作物产量，并将大大有助于决策者和粮食营销机构，如加拿大小麦。委员会(CWB)在出口规划方面。
国家海洋和大气管理局（NOAA）的高级甚高分辨率辐射计（AVHHR）得到的归一化植被指数（NDVI）数据已被广泛用于监测作物状况，预测产量以及随后在包括加拿大在内的许多国家的产量。例如，Mkhabela和Mkhabela（2000）以及Mkhabela等人（2005）利用AVHHR-NDVI数据分别在斯威士兰开发了预测棉花和玉米产量的回归模型，并得出结论认为两种作物的产量在收获前至少可以准确预测2个月。Unganai和Kogan（1998）报道，AVHHR-NDVI来源的植被调节指数（VCI）在关键阶段与津巴布韦的玉米产量显著相关（r = 0.32-0.95）。同样，Lewis 等人(1998)发现AVHHR-NDVI与肯尼亚的玉米产量显著相关（r = 0.75，p lt;0.05），并报告玉米产量预测可在收获前一个月进行。在西班牙，Vicente-Serrano等人（2006）合并AVHHR-NDVI数据和干旱指数，并能够在收获前四个月预测小麦和大麦产量。他们的预测模型分别解释了小麦和大麦产量变异的88％和82％。
Bullock (1992), Hochheim and Barber (1998), Boken and Shaykewich (2002) and Wall 等人(2008)阐述了加拿大大草原的AVHHR-NDVI数据在收获前预测小麦产量的有用性和可靠性。
最近，已经开展了关于NDVI数据的研究来自新的中等分辨率成像光谱分析仪 - （MODIS）和作物产量也用于植被干旱监测。MODIS的优势是它具有更好的空间分辨率（250米）和更好的无线电通信能力，公制标定比AVHRR更准确的作物产量预测。布洛克（Bullock，1992）报道说，可靠的小麦产量估计值可能在8月初估算出来，这对于CWB业务和其他用户来说足够及时。另一方面，Basnyat 等人（2004）研究了AVHHR-NDVI与油菜，田间豌豆，春小麦和硬粒小麦籽粒产量之间的关系，并得出结论认为，在7月10日至30日期间获得的NDVI数据对于预测春季播种作物的籽粒产量在加拿大的草原上位于第四位。同样，Holzapfel等人（2009）发现使用手持式光学传感器在六叶期和开始流动之间获得的NDVI数据高度相关卡诺拉油菜籽产量（R2 = 0.35; p lt;0.001）。作者报道说当实验位置被土壤分类时，相关性提高到R2 = 0.36到0.43;当NDVI除以基础温度为5℃的生长日数（GDD）时，实现了进一步的改进（R2 = 0.53至0.67）。 Funk和Budde（2009）发现了一份研究AVHHR-NDVI数据与不同作物产量之间关系的综合研究清单。
虽然已经进行了几项研究来确定 AVHHR-NDVI与加拿大作物产量之间的关系，这样的研究已经进行了MODIS-NDVI数据作物产量。而且，大部分研究都有相关的AVHHR-NDVI对加拿大大草原的作物产量在小麦上进行交易，可能是因为小麦是在大草原上最大的作物。因此，这项研究的目标是：（i）评估使MODIS-NDVI数据预测作物的潜力（小麦，油菜，大麦和豌豆）在加拿大大草原的产量；（ii）确定提前获得可靠作物产量的最佳时机。最终目标是设计农业干旱的工具在加拿大西部的评估将包括MODIS-NDVI几个独立变量之一来提高能力划定受旱灾影响地区的空间范围。
2、材料和方法
2.1 研究区域的描述
加拿大大草原包括阿尔伯塔省，萨斯喀彻温省和马尼托巴省（图1），共同拥有约3000万公顷的作物用地。大草原从49号向北延伸到54号，北纬96度以西到114经度，并有三种不同的农业气候包括亚湿润，半干旱和干旱（图2）。每年从300到500毫米不等（加拿大环境部，2008），并且往往低于作物蒸散（作物水分需求），因此水分亏缺是其主要制约因素之一。
大草原的作物生产平均降水量 - 最湿月份（6月）的埃德蒙顿为87,75和90毫米。整体平均冬季和冬季夏季气温为-10◦C和15◦C。最热月（7月）的年龄温度为15.9度埃德蒙顿，19.5℃在温尼伯。大部分草原由布朗，黑褐色组成和黑色和灰色的黑钙土。土壤通常与农业气候有关，即黑土和灰土在亚湿润地区占主导地位半干旱地区的黑褐色土壤和布朗干旱地区的土壤（图2）。年平均降水量黑色和灰色，深褐色和棕色土壤地带的范围从373至558,350至435和334至385mm。
图1 普雷省的普查农业区（CAR）
2.2 作物产量数据
加拿大统计局收集关于总面积的综合数据种植/收获，整个加拿大所有作物的产量和产量在各种决议包括人口普查农业区（CAR）（图1）。 CAR于2000年至2006年期间的农作物产量数据为从加拿大统计局获得（加拿大统计局，2007年）。这次期间包括一个广泛、严重的干旱时期（2001年至2005年）以及西部地区高产作物产量（2005年至2006年）。因此，研究期间为广泛测试方法提供了机会作物产量条件范围。四种作物的产量数据包括大麦，油菜，田间豌豆和来自40 CAR（8英寸）的春小麦艾伯塔省，萨斯喀彻温省20人，马尼托巴省12人这项研究。在1997年至2006年的10年期间，这四种作物评估结果表明平均收获面积的75％这三个省份的所有年度作物。收益率数据不是完成每个CAR，作物（大麦除外）和一年，因为由于缺乏答复者或数据而导致的差距 - 加拿大统计局提供的信息旨在防止披露任何信息视为保密。总之，大麦没有缺失的数据，而油菜籽中只有0.7％，4.6％和6.8％的数据丢失。
CARs被分类（分配）为三个农业气候亚带，半干旱带和干旱带（图2）。这些农业气候带与地理位置密切相吻合黑河流域土壤治理中的大团体大草原，深灰色 - 黑色，深褐色和棕色。长期的气候条件，具体由哪个级别决定年潜在蒸散量超过年降水量 - 已经确定了加拿大草原上的原生植被，从而影响土壤有机质水平，土壤颜色（土壤分类工作组，1998）。后分类为半湿润地区，半干旱地区和干旱地区区域分别有25,7和8个CAR。霍赫海姆和理发师（1998）报道，NDVI与作物产量相关性较好当CARs使用夏季休耕和土壤进行分层时类型。同样，Holzapfel等人观察到分类试验地点由土壤组和发展回归模型为每个土壤组增加之间的相关性NDVI和油菜籽产量。类似的结果被报道研究NDVI之间的关系和安大略省的大豆产量。如前所述，土壤加拿大大草原上的类型往往遵循农业气候区域。
图2 大草原省份的气候区域
2.3 MODIS-NDVI数据处理
加工生长季节（5月 - 8月）适中分辨率成像Sprectroradiometer（MODIS）10天复合Nor-加拿大的差异植被指数（NDVI）数据2000年至2006年的大草原是从加拿大获得的遥感中心（CCRS）。数据为2011年的六月，因此被线性插值填补。该NDVI理论是基于绿色植被的特性来反映的入射太阳辐射在两个光谱波段中是不同的：可见的红色波长为0.620至0.670毫米（波段1）大草原省的气候区域。红外波长为0.841至0.876米（波段2）。在场绿色植被中的叶绿素色素和叶片散射机制 - 在波段1中引起低光谱反射率和高反射率在波段2中。反射值的变化则相反如果植被受到压力。因此，NDVI测量植被的活力和绿色度，计算如下：
其中NIR和R代表近红外的反射率和红色。 NDVI无单位，值范围从-1到 1。健康绿色植被它们的正面价值最高，表面没有植被如水，雪，冰或云通常具有负NDVI价值，而岩石裸土的值接近于零。 强调小叶面积的植被或植被有积极但减少NDVI值。典型的NDVI时间剖面为健康的绿色植被随着春季植物覆盖度的增加而上升，在此期间达到峰值夏季并在秋季下降。NDVI与整个作物的光合活性有关。
作物覆盖面膜只划定了栽培区域内的那些区域，加拿大西部的加拿大之前已经从Landsat获得TM图像。庄稼是从加拿大统计局作物状况评估中获得计划，用于消除影响，对NDVI信号的非农作物和非年度作物的影响。因此，所有非农用地被蒙上了阴影和NDVI值只提取了那些地区一年生作物。
2.4 统计分析
对每个作物分别进行统计分析农业气候区。如前所述，CAR分类分为三个农业气候带：半湿润地带，半干旱地带和干旱地带（图2）。相关和回归分析是
使用复合NDVI值（独立的变量）和作物谷物产量数据（因变量）CAR位于农业生态区内。这导致了很大数量（ge;49）的每个农作物产量模型的数据点生态区（表1）。另外，平均NDVI为2，使用了具有最高相关系数（r）的3个和4个作为测试相关性是否有改善的独立变量。在研究NDVI之间的关系时并在加拿大的草原，霍赫海姆和加拿大种植小麦Barber（1998）发现利用3周的平均运行平均NDVI，意味着增加了决定系数（R2）并稳定下来回归模型。 Mkhabela等人（2005）发现使用累积的NDVI（超过3到4个）年龄分布的NDVI值导致了更好的回归模型预测斯威士兰的玉米产量。一次性整合NDVI间隔避免了除植被响应以外的振荡，并考虑到光合作用的累积效应。
海耶斯和Decker（1996）发现二次模型更好地解释了这一点美国玉米带NDVI与玉米产量之间的关系。同时，Benedetti和罗西尼（1993）发现了一个线性模型更适合将NDVI与意大利的小麦产量相关联。同样的，Rasmusen（1992），Quarmby等人 （1993），Groten（1993），Mkhabela和Mkhabela（2000）和Mkhabela等人（2005）都发现线性模型更适合他们研究的不同作物。Holzapfel等人（2009）发现，线性和指数型适合将NDVI与油菜籽产量相关联，而Ma等人（2001）发现一个幂函数更适合相关 - NDVI与大豆籽粒产量的关系。对比发现表明将NDVI与作物产量相关的回归模型会有所不同在许多因素上，包括作物，土壤类型和环境。
为了测试所生成的可靠性和能力，模型预测作物谷物产量，一年一度是删除并建立了新的回归模型，一年退出方法。开发的模型用一年的时间去预测作物谷物失去一年的收益。 每种作物的预测产量然后将CAR与实际产量进行比较，使用测试，每个农业气候带中的每个CAR都是一个复制品。此外，模型的性能评估使用均方根误差（RMSE），平均绝对误差（MAE）和平均偏差（MBE），所有这些都可以用单位来表示测量的数据。RMSE给出了加权的误差（残差）在预测值和测量值之间，并计算为如下：
其中n是观测值的数量，P是预测收益率，M是衡量的收益率。 平均绝对误差（MAE）度量绝对误差的加权平均幅度计算如下：
其中n是观测值的数量，P是预测收益率和M是衡量的收益率。据Willmott和松浦说（2005）MAE是最自然和明确的衡量标准平均误差幅度; 然而，RMSE是其中之一广泛使用的错误措施。RMSE和MAE值都是按百分比转换为百分比RMSE（％RMSE）和百分比MAE（百分比MAE）将RMSE或MAE除以观测到的产量的平均值。
MBE是模型是否处于预定义状态的指标。排除或预测测量值并给出结果误差分布的一致性。正
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[467607]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
