基于谷歌地球数据引擎的台风过境水稻灾害评估

论文摘要

中国是世界水稻生产大国,同时也是受台风影响最严重的国家之一,中国沿海地区水稻生产长期受到台风的影响,台风带来的狂风暴雨使水稻处于倒伏、受淹状态,进而导致水稻大量减产甚至绝收。因此,实现台风后水稻受灾信息的快速精准提取成为当前亟待解决的问题。由于台风突发性强、影响范围广,给全面获取台风后水稻灾情信息带来了极大的难度。目前已有较多研究探讨台风灾害评估方法,但主要注重于对台风灾害风险评价、淹水面积提取等方面,并不能获取详细的水稻受灾状态信息,如水稻灾后生长状态(倒伏/直立)、淹水深度、灾后恢复程度等。此外,过去的研究缺少对水稻受灾后恢复情况进行有效评估,很难全面反映水稻真实成灾情况。本文基于谷歌地球数据引擎(Google Earth Engine,GEE)平台,结合地面水稻淹水田间实验及多时相中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)遥感资料,实现了台风登陆后水稻淹水深度实时反演以及水稻受灾类型识别。具体研究内容与结果如下:(1)研究通过水稻淹水模拟实验,模拟了水稻不同受灾场景,进而测得直立、倒伏水稻在不同淹水深度下对应的高光谱反射率,并分析多种光谱衍生指数如归一化植被指数(Normalized Difference Vegetation Index,NDVI)、增强型植被指数(Enhanced Vegetation Index,EVI)、增强型地表水分指数(Modified Land Surface Water Index,MLSWI)等在淹水前后指数变化量对于淹水深度的响应,最后选取对淹水深度较为敏感的指数变化量作为因子分别建立了直立、倒伏水稻淹水深度估算模型,并进一步将MODIS反射率产品应用于淹水模型,实现了台风过境后研究区域近实时的水稻淹水深度制图。水稻淹水深度模型经过了2013年23号菲特台风的案例测试,结果表明,通过遥感反演的水淹深度与台风期间累计降水量相关性较明显,决定系数R2达到0.52,证明了水稻淹水模型的可靠性。(2)研究借助多时相MODIS NDVI资料,设计了水稻恢复生长指数(Rice Recovery Growth Index,RGI),对灾后恢复生长型水稻进行识别并对其恢复程度进行定量评估。同时结合水稻脆弱性曲线概率模型(Fragility Curves,FCs),台风过境前、台风过境期间、台风过境后三个时相的NDVI指数值波动特征以及RGI数值分布,对水稻灾害进行分类识别,最终获得了水稻受灾、成灾面积。此方法通过了2013年第23号台风菲特(Fitow),2014年第15台风海鸥(Kalmaegi),2015年第21号台风杜鹃(Dujuan),2015年第22号台风彩虹(Mujigae)等4个台风的测试。研究最后通过分析台风期间最大风速、累计降水等致灾因子与RGI数值的分布相关性,结果表明,水稻灾后恢复生长程度与四个案例中的致灾因子存在明显相关性(R2=0.58,R2=0.53,R2=0.46,R2=0.43)。此外,研究估算的四个案例台风水稻受灾面积与实际水稻受灾面积相关性显著(R2=0.7),进一步表明了本文提出的水稻灾后评估方法的可靠性。

论文目录

• 中文摘要
• ABSTRACT
• 第1章 绪论
•   1.1 研究背景及研究意义
•     1.1.1 研究背景
•   1.2 国内外研究进展
•     1.2.1 田间调查法
•     1.2.2 统计模型法
•     1.2.3 基于遥感数据灾害信息提取
•   1.3 本文研究内容
•     1.3.1 研究内容
•     1.3.2 研究意义
•     1.3.3 论文结构
• 第2章 研究区域与数据预处理
•   2.1 研究区域及台风概况
•   2.2 数据和预处理
•     2.2.1 谷歌地球数据引擎平台介绍
•     2.2.2 MODIS反射率数据
•     2.2.3 MODIS植被指数
•     2.2.4 气象资料
•     2.2.5 水稻物候资料
•     2.2.6 其他资料
• 第3章 水稻光谱田间试验及水稻分布提取
•   3.1 田间光谱测量
•     3.1.1 水稻倒伏、受淹光谱测量
•     3.1.2 水稻关键生长阶段光谱测量
•   3.2 水稻种植分布提取
•     3.2.1 水稻提取方法介绍
•     3.2.2 水稻提取精度评价
• 第4章 水稻淹水深度反演
•   4.1 水稻淹水深度模型建立方法
•   4.2 倒伏水稻提取
•   4.3 水稻淹水深度模型
•   4.4 淹水深度模型的精度评价
• 第5章 水稻灾后恢复评价
•   5.1 水稻脆弱性曲线（FCs）受灾概率模型
•   5.2 水稻恢复生长指数（RGI）灾害分析
•     5.2.1 水稻恢复生长指数（RGI）设计
•     5.2.2 受灾水稻NDVI波动特征分析
•   5.3 水稻灾后评价模型
• 第6章 结论与展望
•   6.1 主要结论
•   6.2 本文创新点
•   6.3 存在的问题和展望
• 参考文献
• 后记

文章来源

类型: 硕士论文

作者: 吴万本

导师: 束炯

关键词: 台风,灾害评估,水稻

来源: 华东师范大学

年度: 2019

分类: 基础科学,农业科技

专业: 气象学,农业基础科学,植物保护,农作物

单位: 华东师范大学

分类号: S511;S424

总页数: 65

文件大小: 5782K

下载量: 323