导读:本文包含了动态估测论文开题报告文献综述及选题提纲参考文献，主要关键词:生物量,森林,遥感,样地
动态估测论文文献综述
张加龙,胥辉[1]（2019）在《基于遥感的森林生物量估测样地调查方法的研究动态》一文中研究指出科学的样地调查是利用遥感方法进行森林生物量估测的重要前提,也是提高生物量估测精度的基础。通过回顾国内外利用遥感估测森林生物量研究领域中样地调查的方法,并对其进行归纳分析可知,调查方法根据不同的遥感数据源、研究区和调查对象而不同,涉及到样地的个数、样地布设、样地形状及大小、样地调查因子和内容等方面。由此提出了样地调查的建议,以期减少今后利用遥感估测森林生物量的不确定性。(本文来源于《西南林业大学学报(自然科学)》期刊2019年04期）
李卫国,顾晓鹤,王尔美,陈华,葛广秀[2]（2019）在《基于作物生长模型参数调整动态估测夏玉米生物量》一文中研究指出针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm~2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm~2,实测值为480 kg/hm~2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm~2,实测值为5 794 kg/hm~2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm~2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm~2,与实测值较为接近,RMSE为219.43 kg/hm~2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm~2,实测值为10 785 kg/hm~2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm~2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。(本文来源于《农业工程学报》期刊2019年07期）
乌迪,巫明焱,陈佳丽,董光,程武学[3]（2019）在《基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态》一文中研究指出森林碳储量研究对森林质量评价、林业资源科学管理及森林生态结构保护具有重要意义。以四川省马尔康县梭磨乡冷杉林为研究对象,以2010年森林资源调查实测数据和同年Landsat遥感影像数据为基础,采用逐步线性回归方法,构建2010年地面冷杉林地上碳储量和遥感因子的多元线性回归模型。然后,基于伪不变特征原理的相对辐射校正法计算2010年冷杉林地上碳储量估测模型与1995年、2000年、2005年和2015年四期影像数据的相关关系,分别估测了1995年、2000年、2005年、2010年和2015年研究区冷杉林地上碳储量,从而揭示出近20年来马尔康县梭磨乡冷杉林地上碳储量的时空动态变化特征。研究结果表明:从空间分布看,研究区冷杉林地上碳储量主要分布在贯穿全区东西方向且海拔3000—4000米的区域;从时间分布看,1995—2015年间,研究区冷杉林地上碳储量总量和碳密度呈持续上升趋势,森林碳储量结构处于良性发展阶段。该研究结果对高山峡谷地区森林碳储量的后续研究有一定参考价值。(本文来源于《生态科学》期刊2019年01期）
卓健,陈少斌,周冬静,韩宇龙[4]（2018）在《快速动态分级法进行雷达定量估测降水方法研究》一文中研究指出在使用雷达资料进行降水估测(QPE)时,对动态分级Z-I关系算法进行大幅度优化后,发现当时间精度较高时,使用CTF2判别函数所得QPE结果误差较大。提出了用同时满足偏差为0且方差最小作为最优解判别式的快速动态分级法(FDC)。通过留出法进行交叉验证,结果表明,快速动态分级法得到的结果整体相关性好,能较好地表现出降水的时空分布特征,反演降水的平均误差为-0.13 mm/h,计算速度快,具有较高的业务应用价值。(本文来源于《热带气象学报》期刊2018年06期）
尹瑞安,吴达胜,周如意,吴勇,鲍文锋[5]（2018）在《基于BP神经网络模型的森林资源蓄积量动态估测》一文中研究指出以浙江省庆元县2007年森林资源二类调查数据为样本数据,选择树龄、海拔、坡度级、土层厚度、A层厚度、郁闭度6个指标作为自变量因子,利用基于BP神经网络的预测模型,分优势树种对森林资源蓄积量进行预测。试验结果表明,自变量因子与因变量(蓄积量)之间具有较好的相关性。今后研究中若能加入一些其他影响因子(如太阳辐射指数、地形湿度指数等),并结合高精度的遥感影像(如天地图),然后再对数据进行一定的预处理,则研究结果将完全可能用于辅助森林资源调查。(本文来源于《现代农业科技》期刊2018年10期）
尹雯,李卫国,申双和,董莹莹,王志明[6]（2018）在《县域冬小麦生物量动态变化遥感估测研究》一文中研究指出为给生产管理中及时掌握县域冬小麦长势的动态变化提供有效手段,以江苏省沭阳县为研究区,基于冬小麦生物量形成的生理生态过程,重构冬小麦生物量遥感估测模型。选用两景不同时相的HJ星影像数据,利用植被指数反演的LAI数据,对冬小麦生物量模型进行参数修订,并对县域冬小麦拔节期生物量的空间分布进行估测。在此基础上,进一步估测冬小麦抽穗期生物量分布特征及其动态变化特点。结果表明:(1)冬小麦拔节期生物量估测值和观测值范围分别为2 054.3~4 828.3和1 962.5~4 568.4kg·hm-2,平均值分别为3 148和3 045.5kg·hm-2,RMSE为214.8kg·hm-2,决定系数为0.919 1,表明冬小麦生物量模型模拟精度较好;(2)冬小麦抽穗期生物量较拔节期发生明显变化,其中长势变化快的田块面积为20 108.7hm2,占总种植面积的23.4%。春季气候因素的转好以及肥水措施的实施对冬小麦营养与生殖共生阶段的生长起到明显促进作用。说明本研究提出的基于遥感反演信息与生长模型协同的冬小麦生物量估测方法能有效估测县域冬小麦不同生长时期生物量的空间分布及其动态变化。(本文来源于《麦类作物学报》期刊2018年01期）
康磊[7]（2017）在《基于最优Z-I关系雷达定量估测降水动态订正方法研究》一文中研究指出暴雨洪涝是陕西省的主要气象灾害之一。为了满足云降水物理研究、短时临近预警预报的需求,发挥降水指导预报在工农业生产、人工影响天气、水文预报及防汛减灾等方面的作用,研究高时空分辨率雷达定量估测降水产品尤为重要。本文利用陕西省7部CINRAD/CB天气雷达拼图和全省1984个自动雨量计2015-2016年降水资料,研究了基于最优Z-I关系的雷达定量估测降水动态订正方法;利用改进后的最优化法,建立了2种适合陕西的雷达定量估测降水动态订正方法,包括动态分区分级最优Z-I关系和基于站点单一最优Z-I关系卡尔曼滤波订正,并利用2016年7月18-19日陕西省一次大范围的暴雨天气过程对2种动态订正算法进行检验,同时和常用固定Z-I关系(Z=300I~(1.4))、站点单一最优Z-I关系、分区分级Z-I关系叁种算法进行对比分析。主要结果如下:(1)基于最优Z-I关系的雷达定量估测降水动态订正方法建立在大范围、长时间的历史观测资料统计的基础上,能够客观反映各地的气候背景差异,又能够及时反映出降水系统的时间变化。(2)最优化法中采用不等间隔A和b在节省计算时间的同时,能比普遍采用的等间隔A和b更加精确的判断出最优Z-I关系;在对站点进行最优化Z-I关系分析时,采用CTF1作为判别函数优于CTF2。(3)受陕西北部黄土高原和南部秦巴山区复杂地形差异的影响,对于同等强度的降水,南部雷达估测降水明显比北方雷达偏小,所以本文进行了分区和分站点建立最优Z-I关系。(4)相对于目前陕西雷达中被普遍使用的固定Z-I关系,利用历史资料统计的站点单一最优Z-I关系和分区分级最优Z-I关系雷达定量估测降水准确率有明显提高。动态分区分级最优Z-I关系和基于站点单一最优Z-I关系卡尔曼滤波订正明显好于其他叁种方法,基于站点单一最优Z-I关系卡尔曼滤波订正准确率最高。(5)五种雷达估测降水方法对于1.5mm/h以下的降水,估测值普遍偏大,而对于15mm/h以上的降水,估测值普遍偏小.随着降水量级的增加,雷达估测降水的Ts评分逐渐减小。(6)随着卡尔曼滤波订正方法的不断连续订正,订正的持续时间越长,该方法的订正精度越高。(本文来源于《兰州大学》期刊2017-10-01）
乌迪[8]（2017）在《基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态变化》一文中研究指出本研究以四川省马尔康县梭磨乡冷杉林为研究对象,利用遥感技术方法,依据2010年森林资源二类调查小班数据和当年Landsat遥感影像数据,分别提取遥感波段因子、植被生长因子和地学因子等与森林生物量密切相关的指标信息。采用逐步线性回归拟合方法,构建地面冷杉林碳储量和遥感因子的多元线性回归模型。对所建模型进行预测值和实测值的精度检验,若精度达不到研究精度需求,则返回重新建模,直到精度达标。若精度符合研究需求,则以此2010年冷杉林地上碳储量模型为依据,使用基于伪不变特征原理的相对辐射校正法,校正模型,使其可以合理的推广应用到其它四期数据的生物量估算中去。然后,利用上述构建的冷杉林地上碳储量估测模型,再分别针对1995年、2000年、2005年、2010年和2015年研究区冷杉林地上碳储量进行估测,从而揭示出近20年来马尔康县梭磨乡冷杉林地上碳储量的时空动态变化特征。结论如下:(1)梭磨乡冷杉林地上碳储量的空间分布特征表现为:在水平方向上,碳储量整体依托梭磨河流域,东西贯穿梭磨乡全境并向南北延伸,呈树枝状分布。(2)梭磨乡冷杉林地上碳储量的时间变化特征表现为:1995-2015年,梭磨乡冷杉林地上碳储量总量和碳密度在时间上呈持续增长的特征,与四川省以及全国森林碳储量多年变化趋势一致。(3)研究结果表明:1995-2015年间,研究区冷杉林地上碳储量总量和碳密度呈持续上升趋势,碳汇作用显着,森林碳储量结构处于良性发展阶段,其所蕴藏的经济效益和生态价值巨大。(本文来源于《四川师范大学》期刊2017-06-06）
Tanzeelur,Rahman[9]（2016）在《不同行距配置下玉米—大豆带状套作水分动态及利用效率估测研究》一文中研究指出行距配置直接影响间套作系统中作物产量和水分分布利用,而目前围绕不同行距配置对玉米大豆带状套作系统水分利用效率(water use efficiency,WUE),水分生产力(water productivity,WP)和实际蒸散量(actual evapotranspiration,ETc)的影响尚不明确。为此,本研究于2013-2015年在中国西南地区的仁寿县开展不同行距配置下玉米-大豆带状套作种植,玉米采用宽窄行种植,大豆于玉米成熟前两个月在宽行内种植2行。利用LI-6400便携式光合系统仪测定玉米和大豆叶片的蒸腾速率、Microlysimeters法测定土壤蒸发量、重量分析法测定0-30 cm 土层的土壤水分含量(Soil water content,SWC)、中子探头测量30-100 cm 土层土壤水分变化和雨水收集器测定降雨量及采用水土保持系统(Soil conservation services,SCS)径流模型来估算径流水和土壤储水量的变化,分析不同行距配置下玉米大豆带状套作系统中实际蒸散量(ETc)、水分利用效率(WUE),群体水分利用效率(group water use efficiency,GWUE),水的捕获效率(water capture efficiency,Cwater),水分生产率(water productivity,WP)和水当量比(water equivalent ratios,WERs)变化规律,比较不同处理下作物籽粒产量和土地当量比(LER)。结果表明:随着玉米窄行行距的增加,玉米叶片的蒸腾速率降低,而大豆叶片蒸腾作用速率呈现相反的变化趋势,与不同行比配置下玉米植株冠层叶片相互遮阴有关。在不同的处理条件下,套作玉米的叶面积指数(LAI)显着高于单作,且土壤含水量、土壤蒸发量和净降雨量变化规律为:玉米行间(mm)<玉米大豆行间(MS)<大豆行间(SS)。随着玉米窄行的增加,群体产量呈现先增加后下降的趋势,在玉米窄行距为40 cm时群体产量最大,随后群体产量逐渐下降,而玉米和大豆产量分别呈现上升和下降趋势。通过对比分析,2013-2015年土地当量比(LER)在玉米窄行40 cm处达到最大值(LER>1.52)。对于水分利用情况,玉米-大豆带状套作种植系统中单一作物的水分利用率低于净作种植,但带状套作群体水分利用率显着高于净作下玉米或大豆。在玉米窄行行距为40 cm的玉米大豆带状套作种植下水分利用效率、水分生产率及水分当量比达到最大,其中水分当量比在2013和2014年分别为1.79和1.76。因此,在玉米窄行行距为40 cm,宽行行距为160 cm(200 cm带宽;2:2玉米大豆行间)的玉米大豆带状套作种植下具有高效的水分利用效率和水分生产率。(本文来源于《四川农业大学》期刊2016-12-01）
黄山,杨峰,张勇,王锐,邓俊才[10]（2016）在《净套作下大豆叶绿素密度动态及光谱估测研究》一文中研究指出【目的】利用高光谱数据构建一种适合于净作和套作群体的大豆叶绿素密度光谱估测通用模型,为监测以叶绿素密度为参数的净、套作大豆长势提供支撑。【方法】以南豆12为供试大豆品种,设计净作和套作2种种植模式,测定净、套作下大豆不同生育时期叶绿素密度及其冠层光谱特征,对通过原始、全波段导数光谱和多波段组合计算的植被指数与叶绿素密度进行相关性分析,比较不同高光谱特征参数与叶绿素密度之间的关系,借助高光谱遥感分析方法构建适合于净、套作下大豆叶绿素密度的估测模型。【结果】净作和套作大豆叶绿素密度在整个生育期呈先上升后下降的单峰曲线,在结荚期达到最大值,其中净作比套作平均高5.5%。同样,大豆冠层光谱反射率在近红外波段(700~1 000nm)也呈现先增后降趋势,结荚期最高,达到70%,并在结荚期之前红边位置出现红移现象。原始光谱自由组合的比值植被指数RVI(507/697)与叶绿素密度的相关性最高,相关系数大于0.962(P<0.01)。对净、套作下大豆叶绿素密度模型进行比较分析,发现二次模型能够较好地估测净、套作下大豆叶绿素密度(R2>0.75,RMSE=0.25)。【结论】用比值植被指数RVI(507/697)构建的叶绿素密度二次估测模型,能够较好地对净、套作下大豆叶绿素密度进行估测。(本文来源于《西北农林科技大学学报(自然科学版)》期刊2016年05期）
动态估测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对如何利用作物生长模型定量解析区域夏玉米生物量动态变化的热点问题,该文在沿东海岸的江苏省盐城市大丰区设置大田夏玉米生物量估测试验,在构建夏玉米生物量过程模拟模型的基础上,对夏玉米多个生育阶段的生物量(指地上部生物量)及其变化特征进行分析,并结合试验实测数据探讨利用实测叶面积指数和生物量数据调整生物量模拟模型参数的可行性。结果表明:夏玉米生物量过程模拟模型可以对夏玉米从出苗到灌浆期间的多个生育阶段生物量动态变化进行估测。出苗到拔节前的生长阶段,生物量积累主要来源于叶片形成,模拟模型可以对生物量进行有效预测,预测值与实测值之间的均方根差(root mean square error,RMSE)为18.31 kg/hm~2,相对误差为3.35%。拔节到抽雄前的生长阶段,由于茎节伸长与节数增加,生物量积累加快,预测值与实测值之间的差异较大。拔节初期生物量预测值为535.5 kg/hm~2,实测值为480 kg/hm~2,相对误差11.56%。抽雄前生物量预测值为7 036.46 kg/hm~2,实测值为5 794 kg/hm~2,相对误差21.44%。拔节到抽雄前生长阶段预测值与实测值之间的RMSE为825.94 kg/hm~2。经过模型参数调整,抽雄前生物量预测值为6 036 kg/hm~2,与实测值较为接近,RMSE为219.43 kg/hm~2,相对误差4.18%。利用参数调整后的模拟模型继续对抽雄到灌浆前生长期间生物量进行预测,预测值与实测值较为一致,灌浆期生物量预测值为11 156 kg/hm~2,实测值为10 785 kg/hm~2,相对误差3.44%,而参数调整前预测值为12 492 kg/hm~2,相对误差15.83%。在玉米拔节期进行模型参数调整,对拔节到抽雄和抽雄到灌浆2生长阶段的生物量预测效果较好。该研究可为县域夏玉米不同生长阶段生物量及其动态变化预测提供参考,可辅助县域农业管理部门进行适时生产措施调整。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态估测论文参考文献
[1].张加龙,胥辉.基于遥感的森林生物量估测样地调查方法的研究动态[J].西南林业大学学报(自然科学).2019
[2].李卫国,顾晓鹤,王尔美,陈华,葛广秀.基于作物生长模型参数调整动态估测夏玉米生物量[J].农业工程学报.2019
[3].乌迪,巫明焱,陈佳丽,董光,程武学.基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态[J].生态科学.2019
[4].卓健,陈少斌,周冬静,韩宇龙.快速动态分级法进行雷达定量估测降水方法研究[J].热带气象学报.2018
[5].尹瑞安,吴达胜,周如意,吴勇,鲍文锋.基于BP神经网络模型的森林资源蓄积量动态估测[J].现代农业科技.2018
[6].尹雯,李卫国,申双和,董莹莹,王志明.县域冬小麦生物量动态变化遥感估测研究[J].麦类作物学报.2018
[7].康磊.基于最优Z-I关系雷达定量估测降水动态订正方法研究[D].兰州大学.2017
[8].乌迪.基于Landsat影像的梭磨乡冷杉林地上碳储量估测及其时空动态变化[D].四川师范大学.2017
[9].Tanzeelur,Rahman.不同行距配置下玉米—大豆带状套作水分动态及利用效率估测研究[D].四川农业大学.2016
[10].黄山,杨峰,张勇,王锐,邓俊才.净套作下大豆叶绿素密度动态及光谱估测研究[J].西北农林科技大学学报(自然科学版).2016