导读:本文包含了物候信息论文开题报告文献综述及选题提纲参考文献，主要关键词:物候,信息提取,时间序列,遥感
物候信息论文文献综述
张喜旺,陈云生,孟琪,王璇[1]（2018）在《基于时间序列MODIS NDVI的农作物物候信息提取》一文中研究指出物候是植被长期适应环境的周期性变化而形成的生长发育规律,农作物物候研究对长势监测和产量评估以及气候变化都具有重要价值。针对现有研究的问题,改进物候信息遥感提取方法,并利用MODIS NDVI时间序列,提取伊洛河流域主要农业区的农作物物候信息。首先将8天间隔的NDVI时间序列进行Savitzky-Golay滤波去除噪音信息;再根据冬小麦和夏玉米的生物生理特性,利用与关键形态特征点的相对位置来界定物候期;最后提取多年关键物候期信息。监测结果与往年观测资料对比,研究结果客观可信。整体上物候期相对稳定,但当农作物受气候变化以及异常天气的影响,年际间会存在明显的差异。其中,出苗期相对变异最小,而冬小麦的抽穗期和夏玉米的抽雄期相对变异最大。研究发现10年间同一物候期相差最高达20天左右。结果证明了本文研究方法的可行性和有效性,及时掌握农作物物候信息对农业生产与管理,以及农业遥感的深入研究具有重要意义。(本文来源于《中国农学通报》期刊2018年20期）
侯学会,隋学艳,姚慧敏,梁守真,王猛[2]（2018）在《基于物候信息的山东省冬小麦长势遥感监测》一文中研究指出作物长势监测是农情监测的核心内容之一,处在不同生育期的作物长势存在显着差异。为了提高大范围作物长势遥感监测的精度,利用2001―2015年间获取的MOD09A1数据,以山东省冬小麦为研究对象,在逐年提取冬小麦抽穗期基础上,探讨研究区近15 a间冬小麦抽穗期长势时空格局。研究表明,与归一化差值植被指数(normalized difference vegetation index,NDVI)相比,基于增强型植被指数(enhanced vegetation index,EVI)提取的冬小麦抽穗期与地面观测数据有更好的一致性。研究区冬小麦抽穗期主要集中在4月中、下旬,并从南向北、自西向东逐渐推迟;与NDVI,EVI和归一化差值红外指数(normalized difference infrared index,NDII)相比,产品改进–NDVI(product improve–NDVI,PI_NDVI)更能反映冬小麦的实际长势。基于该指数监测冬小麦长势,2001―2015年间山东省冬小麦抽穗期长势整体呈上升趋势;但年际间波动较大,相同年份不同区域的冬小麦长势存在明显差异;而大部分区域长势状况比较一致,与多年平均状况持平。研究结果与已有的相关研究较为一致,基于遥感进行大范围和长时间作物长势监测的思路可以为以后研究提供一定的参考。(本文来源于《国土资源遥感》期刊2018年02期）
丁潇,王彩艳[3]（2015）在《基于MODIS时序植被指数的区域物候信息提取》一文中研究指出利用黑龙江省2012年16 d 250 m的MODIS NDVI数据,使用Savitsky-Golay滤波法、Logistic调合函数模型和非对称Gaussian模型3种方法对曲线拟合重构,引入均方根误差比较3种方法的优劣;在曲线平滑的基础上提取物候参数,分别对森林和农用地用固定阈值和动态阈值提取其物候参数,目的在于比较两种阈值设定方法的优劣,并获取阈值使物候参数结果与作物农事历信息吻合。结果表明,Savitsky-Golay滤波法在与原始曲线近似度方面优于另外两种拟合方法。(本文来源于《测绘与空间地理信息》期刊2015年10期）
刘亚辰[4]（2014）在《基于历史文献中物候信息重建唐朝时期关中地区温度变化》一文中研究指出高分辨率历史气候重建研究有助于了解历史时期气候演变的过程,增进对当代气候增暖的认识,并为适应未来气候变化提供参考。历史文献记录的物候信息是研究历史气候变化重要的自然证据之一,具有较高的可信度。本研究总结了从历史文献中提取历史物候信息的过程和方法,并系统整编了唐朝时期历史文献中的物候记录。同时利用现代物候与温度变化的关系,重建了唐朝时期关中地区公元624-902年,时间分辨率为20年的冬半年温度距平序列。将重建结果与相关研究进行了对比,并分析了唐朝时期关中地区气候变化的波动特征。最后,对重建误差进行了分析。本研究主要获得以下成果：(1)重点分析了从历史文献中提取历史物候记录过程中,记录的选用和审核等两个关键性问题。在此基础上,搜集和整编了唐朝时期的相关历史文献,经过筛选和审核,得到51条可直接用于重建唐朝时期关中地区历史温度变化的历史物候记录,为唐朝时期气候变化研究提供了新的线索。(2)在20年的时间尺度上,唐朝时期的温度变化主要经历了如下叁个阶段：①610-760年代是相对温暖的时段,该时段平均温度比现代(1961-2000年)高0.19℃；②760-820年代气候转冷,该时段温度比现代低0.51℃；③820-907年代为寒冷中波动时段,该时段气候依然寒冷,温度平均比现代低0.45℃,但该时段温度存在较为明显的冷暖波动,其中820-840年代为该时段中相对温暖的年代。(3)重建的唐朝时期关中地区温度距平序列与其他研究重建序列的对比表明,几条重建序列都识别出了唐朝时期由暖转寒的波动趋势,但在各时期的冷暖程度和由暖转寒的具体年代存在一定的差异。(4)本研究的误差主要来源于历史物候信提取过程中产生的误差,以及将物候差异转换成温度差异过程中产生的误差两个方面。其中,因历史物候信息的提取引起的误差相对较小。而将春耕日期、秋收日期、初霜日期、终霜日期、初雪日期和终雪日期等的物候差异转换为温度差异的标准误差分别为：±0.834℃、±0.878℃、±0.856-C、±0.739℃、±0.563℃、±0.554℃。(本文来源于《西北大学》期刊2014-06-30）
蒙继华,杜鑫,张淼,游行至,吴炳方[5]（2014）在《物候信息在大范围作物长势遥感监测中的应用》一文中研究指出大范围的农作物长势监测可以为农业政策的制订和粮食贸易提供决策依据,也是农作物产量估测的必要前提。遥感估算的作物生物量是评价作物长势的主要群体特征指标,在大范围上开展作物长势监测时,不同区域的作物因为所处的物候阶段不同而导致生物量存在差异,这种差异与因作物长势状况差别而产生的差异混合在一起,增加了长势监测结果的不确定性。以中国河南、山东两省为研究区,以MODIS 250m NDVI产品数据为主要数据源,结合改进的CASA模型实现了区域内冬小麦生物量的估算,结合冬小麦生长过程特征进行了典型物候期的监测。在此基础上,分析了扬花期前后物候差异对冬小麦生物量估算的影响,研究其特定物候阶段的变化规律,从而实现了生物量的物候归一化,初步探索了如何消除大区域物候差异对作物长势监测与评估的影响。(本文来源于《遥感技术与应用》期刊2014年02期）
田光辉,李海亮,陈汇林[6]（2013）在《基于物候特征参数的橡胶树种植信息遥感提取研究》一文中研究指出为了更好地监测橡胶树的生长状态,客观准确地获取橡胶树的种植的地理位置信息,采用非对称高斯函数对海南岛内MODIS EVI时间序列数据进行滤波处理,定义作物物候特征参数并计算海南岛每个像元的特征参数值;统计分析基于MODIS EVI数据的海南岛橡胶树样区作物关键物候特征参数值变化规律;根据橡胶树样区特征参数值变化规律建立海南岛橡胶树种植信息提取算法,提取结果采用不同比例的橡胶树混合像元分类法表示。根据提取算法对海南岛2011年橡胶树种植信息进行提取,用验证数据对该提取算法进行精度检验与实用性评价,检验结果显示该算法的平均分类精度达85.97%,可以用来提取橡胶树种植信息。(本文来源于《中国农学通报》期刊2013年28期）
姜浩[7]（2011）在《基于作物模型同化遥感物候信息的冬小麦估产方法研究》一文中研究指出利用遥感技术进行大范围的农作物长势监测与产量估算已有叁十多年的历史,然而存在一个不足之处是卫星传感器受到运行周期等因素的影响,在作物整个生长季中只能获得有限的、离散的观测数据,无法揭示作物的生长发育和产量形成这一连续演进过程的内在机理,以及气候、土壤、环境对于作物生长的影响,而这又恰恰是作物模型的优势所在。因此,利用同化方法结合二者进行估产是近年来国内外的研究热点。本文首先对SWAP作物模型进行标定;然后基于MODIS-LAI时间序列数据产品提取冬小麦物候信息;之后进行模型参数区域化研究,建立基于代价函数的同化方法,将冬小麦物候信息同化进入SWAP作物模型,进行冬小麦产量估算;最后利用国家农业部公布的县平均统计产量与作物模型估算结果对比,来验证作物模型的产量估算精度。主要方法和结论如下:(1)利用河北固城实验数据,以及河北南部地区农业气象站点的田间试验资料对SWAP模型有关发育和生长的冬小麦品种遗传特性参数进行了初步确定;其次将所有作物生长参数划分为叁大类,根据作物参数的机理或敏感度对积温,比叶面积、叶片年龄等参数进行调整。经过调整的SWAP模型能够较好地模拟潜在生产水平下河北南部地区冬小麦生长发育及产量形成过程,并为作物模型在区域尺度上的应用打下很好的基础;(2)本文基于MODIS/LAI时间序列数据进行冬小麦物候提取。首先利用SG上包络线滤波方法进行平滑曲线的构建;其次采用Logistic曲线拟合的技术,提取冬小麦物候信息。结果显示随着纬度的降低,返青和抽穗的物候期发生时间逐渐提前,这一特征与实地调查结果吻合。另外统计结果表明,08年的物候期特别是返青期平均要比07年晚十天,原因是08年初的雪灾所造成的天气寒冷;(3)建立基于代价函数的同化方法,将冬小麦物候信息同化进入SWAP作物模型,进行冬小麦产量估算,利用国家农业部统计产量验证产量估算的准确性。结果显示:均方根误差RMSE在2007减小了5.4%,在2008年减小了15.4%。同化后使作物模型产量估算的精度有一定提高,实验结果同时表明随着纬度的降低,本文建立的同化估产方法产量估算精度更高。(本文来源于《电子科技大学》期刊2011-05-15）
叶建芳[8]（2009）在《浅谈植物物候信息监测方法》一文中研究指出为探索林木物候监测方法,掌握采种母树物候期,为采种育苗及研究植物生物学特性提供科学依据,为探索物候现象及建立林木物候观测信息监测体系打下基础,自2005年开始在高黎贡山自然保护区腾冲范围内大蒿坪等处设计了3条物候监测线路,90余个树种300多棵树定期进行物候观察,通过连续4 a的物候信息监测,基本掌握了监测方法及所监测各树种的物候期信息。(本文来源于《内蒙古林业调查设计》期刊2009年05期）
郭艳芬,刘志红,谢明元[9]（2009）在《基于植被物候特征与监督分类的青南高原信息提取》一文中研究指出针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分类系统,进行植被信息提取,并进行了分类精度评价。研究结果表明,利用该方法对青南高原的3个地区分类后,其分类精度都达到了83.3%以上,达到了较好的分类结果。在监督分类的训练区选取过程中,将植被物候特征作为知识,结合目视解译和DEM辅助知识帮助选取训练区的方法,同时参考GIS土地利用数据,使得训练区的选取更准确可靠,可进一步提高分类精度。(本文来源于《遥感技术与应用》期刊2009年02期）
林忠辉,莫兴国[10]（2006）在《NDVI时间序列谐波分析与地表物候信息获取》一文中研究指出植被指数具有明显的季节节律,NDV I时间序列分析可以获取地表植被物候信息,但已有的AVHRR NDV I数据产品仍然存在高噪声,需要进一步校正。在考虑农业植被季节变化特征的基础上,基于先验知识对NDV I时间序列数据傅立叶校正算法进行了改进。利用1992年旬最大值合成1 km NOAA-AVHRR NDV I数据,使用该方法对河北省南部地区几种不同植被类型的NDV I数据进行校正,结果显示:改进的傅立叶谐波校正算法能更好地反映农业植被NDV I季节变化节律,且对自然植被同样适用。对校正后的NDV I时间序列数据进行谐波分析表明:谐波的特征值(谐波余项、振幅和位相)与地表植被动态之间存在相关性,谐波余项表征NDV I时间序列的均值,谐波振幅表征NDV I年内波动幅度大小,不同谐波的位相可以表征NDV I季节变化的时间特征,利用这些参数可以获取地表植被物候信息,并可用于土地覆被和土地利用分类研究以及全球变化研究。(本文来源于《农业工程学报》期刊2006年12期）
物候信息论文开题报告
（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：
作物长势监测是农情监测的核心内容之一,处在不同生育期的作物长势存在显着差异。为了提高大范围作物长势遥感监测的精度,利用2001―2015年间获取的MOD09A1数据,以山东省冬小麦为研究对象,在逐年提取冬小麦抽穗期基础上,探讨研究区近15 a间冬小麦抽穗期长势时空格局。研究表明,与归一化差值植被指数(normalized difference vegetation index,NDVI)相比,基于增强型植被指数(enhanced vegetation index,EVI)提取的冬小麦抽穗期与地面观测数据有更好的一致性。研究区冬小麦抽穗期主要集中在4月中、下旬,并从南向北、自西向东逐渐推迟;与NDVI,EVI和归一化差值红外指数(normalized difference infrared index,NDII)相比,产品改进–NDVI(product improve–NDVI,PI_NDVI)更能反映冬小麦的实际长势。基于该指数监测冬小麦长势,2001―2015年间山东省冬小麦抽穗期长势整体呈上升趋势;但年际间波动较大,相同年份不同区域的冬小麦长势存在明显差异;而大部分区域长势状况比较一致,与多年平均状况持平。研究结果与已有的相关研究较为一致,基于遥感进行大范围和长时间作物长势监测的思路可以为以后研究提供一定的参考。
（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。
物候信息论文参考文献
[1].张喜旺,陈云生,孟琪,王璇.基于时间序列MODISNDVI的农作物物候信息提取[J].中国农学通报.2018
[2].侯学会,隋学艳,姚慧敏,梁守真,王猛.基于物候信息的山东省冬小麦长势遥感监测[J].国土资源遥感.2018
[3].丁潇,王彩艳.基于MODIS时序植被指数的区域物候信息提取[J].测绘与空间地理信息.2015
[4].刘亚辰.基于历史文献中物候信息重建唐朝时期关中地区温度变化[D].西北大学.2014
[5].蒙继华,杜鑫,张淼,游行至,吴炳方.物候信息在大范围作物长势遥感监测中的应用[J].遥感技术与应用.2014
[6].田光辉,李海亮,陈汇林.基于物候特征参数的橡胶树种植信息遥感提取研究[J].中国农学通报.2013
[7].姜浩.基于作物模型同化遥感物候信息的冬小麦估产方法研究[D].电子科技大学.2011
[8].叶建芳.浅谈植物物候信息监测方法[J].内蒙古林业调查设计.2009
[9].郭艳芬,刘志红,谢明元.基于植被物候特征与监督分类的青南高原信息提取[J].遥感技术与应用.2009
[10].林忠辉,莫兴国.NDVI时间序列谐波分析与地表物候信息获取[J].农业工程学报.2006