(3.236.214.19) 您好!臺灣時間:2021/05/10 04:07
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林桓陞
研究生(外文):Huan-Sheng Lin
論文名稱:應用MODIS影像資料建立臺灣鄉鎮稻米產量評估模型
論文名稱(外文):Using MODIS Data to Build Township-Based Rice Yield Model in Taiwan
指導教授:陳繼藩陳繼藩引用關係
指導教授(外文):Chi-Farn Chen
學位類別:碩士
校院名稱:國立中央大學
系所名稱:土木工程學系
學門:工程學門
學類:土木工程學類
論文出版年:2020
畢業學年度:108
語文別:中文
論文頁數:72
中文關鍵詞:MODIS常態化差異植生指數地表溫度稻米產量估算
外文關鍵詞:MODISNormalized Difference Vegetation IndexLand Surface Temperaturerice yield estimating
相關次數:
  • 被引用被引用:0
  • 點閱點閱:28
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
  稻米在臺灣為重要且廣泛食用的糧食作物,臺灣的糧食綜合自給率約在三成上下,而其中稻米自給率在九成以上,因此掌握當期稻米產量對於政府是重要的議題。遙測影像能提供多時序、大範圍的資料,可用以長期觀測稻作生長狀況,本研究使用2000年至2018年的MODIS (Moderate Resolution Imaging Spectroradiometer, MODIS)影像資料與臺灣稻米統計資料,建立稻米產量估算模型並比較估算成果與統計資料的差異。本研究分為三個步驟:第一步驟,使用MODIS影像計算並建立常態化差異植生指數(Normalized Difference Vegetation Index, NDVI)、地表溫度(Land Surface Temperature, LST),設定稻米生長期之時期與稻米分佈位置,蒐集稻米歷年產量統計資料。第二步驟,使用2000年至2015年資料,包含NDVI、LST、臺灣各鄉鎮歷年產量資料,建立稻米產量估算模型。第三步驟,使用2016年至2018年之NDVI、LST資料輸入至稻米產量估算模型,計算出2016年至2018年稻米產量估算結果,比較與探討估算成果與統計資料間之差異。研究成果顯示,2016年至2018年第一期稻作均方根誤差(Root Mean Squared Error, RMSE)分別為792 (2016)、717 (2017)、1385 (2018)公斤/公頃,均方根百分誤差(Root Mean Square Percentage Errors, RMSPE)為11.9% (2016)、10.5% (2017)、17.3% (2018),第二期稻作為1186 (2016)、930 (2017)、1308 (2018)公斤/公頃與36.0% (2016)、19.7% (2017)、24.5% (2018)。結果顯示在一期稻作中有較佳的估算成果,二期稻作穩定度較差。
Rice is an important and widely edible food crop in Taiwan.Grain supplies in Taiwan consists of approximately 30% self-efficiancy rate. Among it, 90% comes from rice.Therefore, understanding current rice yield is an important issue for the government. By using satellite images, multiple time series and large-scale data can be acquired to observe long-term rice growth. This study used Moderate Resolution Imaging Spectroradiometer (MODIS) data acquired from 2000 to 2018 and rice statistics in Taiwan to establish a rice yield model, comparing the differences between the estimation results and the existing statistics. This research is divided into three steps: (1) Using MODIS images to calculate Normalized Difference Vegetation Index (NDVI) and Land Surface Temperature (LST). Setting the rice growth period and rice distribution location, collecting statistics on historical rice yield. (2) Using data from 2000 to 2015, including NDVI, LST, and township-based yield data to establish a rice yield model. (3) Calculating NDVI and LST data from 2016 to 2018 in the rice yield model to obtain the rice yield estimation results to find out the difference between the estimation results and existing statistics. The results show that Root Mean Squared Error (RMSE) of first crops from 2016 to 2018 are 792 (2016), 717 (2017), and 1385 (2018) kg/ha. Root Mean Square Percentage Errors (RMSPE) are 11.9% (2016), 10.5% (2017), and 17.3% (2018). RMSE of second crops are 1186 (2016), 930 (2017), 1308 (2018) kg /ha, and RMSPE are 36.0% (2016), 19.7% (2017), 24.5% (2018). To conclude the above findings, first crops perform a relatively better estimation results than the second crops.
第一章 緒論 ..............................................................1
  1-1 研究背景和動機 ...................................................1
  1-2 研究目的 .........................................................2
  1-3 論文架構 .........................................................2
第二章 文獻回顧 ..........................................................3
  2-1 傳統調查稻作產量方法..............................................3
  2-2 估算作物產量之地面遙測技術 .......................................3
  2-3 衛星或航照影像應用於作物產量之估算技術............................6
第三章 研究區域與資料 ....................................................8
  3-1 研究區域概況 .....................................................8
  3-2 研究資料 .........................................................9
    3-2-1 稻作面積分布圖..............................................9
    3-2-2 稻作產量統計資料 ...........................................9
    3-2-3 MODIS .....................................................10
第四章 研究方法 .........................................................11
  4-1 資料前處理 ......................................................11
    4-1-1 稻作面積分布圖網格化處理 ..................................11
    4-1-2 MODIS影像處理 .............................................12
    4-1-3 稻米生長期假設 ............................................13
  4-2 稻米產量評估模型 ................................................14
第五章 估算模型成果與討論 ...............................................15
  5-1 統計數據與估算成果比較 ..........................................15
  5-2 成果討論 ........................................................20
第六章 結論與建議.......................................................24
  6-1 結論 ............................................................24
  6-2 建議 ............................................................24
參考文獻.................................................................26
附錄一...................................................................28
〔1〕林訓仕, 蕭巧玲, 耕作方式對南亞地區及臺灣稻麥輪作系統小麥產量及其成本評估, 作物, 環境與生物資訊, 15 (2018) 208-214.
〔2〕汪呈因, 稻作學與米, 初版. 財團法人臺北徐氏基金會, 臺北. 連結, (1974).
〔3〕朱培仁, 稻穀田間產量不同量測方法的試用比較分析, 屏東科技大學生物機電工程系所學位論文, (2013) 1-107.
〔4〕張國楨, 田應平, 施孝謙, 以多時期與 PCA+ NDVI 法改善地物分類之正確性與完整性, 地理研究, (2012).
〔5〕I. Pinheiro Lisboa, J. Melo Damian, M. Roberto Cherubin, P. Silva Barros, P. Ricardo Fiorio, C. Cerri, C. Eduardo Pellegrino Cerri, Prediction of Sugarcane Yield Based on NDVI and Concentration of Leaf-Tissue Nutrients in Fields Managed with Straw Removal, Agronomy, 8 (2018) 196.
〔6〕陳榮坤, 楊純明, 水稻植被反射光譜之特徵及變異, 中華農業氣象:, (2003) 29-38.
〔7〕楊志維, 許明晃, 黃文達, 楊智旭, 蔡養正, 楊棋明, 張新軒, 水稻營養生長期農藝性狀與衛星遙測植生指數 NDVI 之灰關聯分析, 作物, 環境與生物資訊, 1 (2004) 199-206.
〔8〕C.-T. Lin, H.-Y. Tsai, Hierarchical clustering analysis based on grey relation grade, International Journal of Information and Management Sciences 第 16 卷第 1 期, 95-105 (EI: Compendex), (2005).
〔9〕R.-K. Chen, C.-M. Yang, Determining the optimal timing for using LAI and NDVI to predict rice yield, J. Photogramm. Remote Sens, 10 (2005) 239-254.
〔10〕盧英權, 作物學, 國立編譯館1994.
〔11〕H.-S. Lur, C.-L. Hsu, C.-W. Wu, C.-Y. Lee, C.-L. Lao, Y.-C. Wu, S.-J. Chang, C.-Y. Wang, M. Kondo, Changes in temperature, cultivation timing and grain quality of rice in Taiwan in recent years, Crop, Environment & Bioinformatics, 6 (2009) 175-182.
〔12〕T. Nagai, A. Makino, Differences between rice and wheat in temperature responses of photosynthesis and plant growth, Plant and Cell Physiology, 50 (2009) 744-755.
〔13〕姚銘輝, 陳守泓, 氣候變遷下水稻生長及產量之衝擊評估, 作物, 環境與生物資訊, 6 (3):, (2009) 141-156.
〔14〕盧虎生, 水稻之發育過程與健康管理, 水稻健康管理研討會專集:, (2004) 17-32.
〔15〕賴明信, 李長沛, 卓緯玄, 顏信沐, 吳東鴻, 呂椿棠, 張素貞, 良質水稻的健康管理, 彰化: 臺中區農業改良場, 2013, pp. 1-13.
〔16〕萬絢, 鄭育欣, 李哲源, 建立水稻田產量估算的創新方法: 結合蒙地卡羅和物件區塊化的演算法, Journal of Photogrammetry and Remote Sensing, 24 (2019) 183-196.
〔17〕章國威, 申雍, 水稻產量預估之航遙測技術研發, 航空太空及民航學刊. 系列 B, 43 (2011) 55-63.
〔18〕A.K. Prasad, L. Chai, R.P. Singh, M. Kafatos, Crop yield estimation model for Iowa using remote sensing and surface parameters, International Journal of Applied Earth Observation and Geoinformation, 8 (2006) 26-33.
〔19〕T.-p. Le, 使用多時期 MODIS 影像與 ENVISAT ASAR 合成孔徑雷達影像進行越南湄公河三角洲區域之稻米產量估測, National Central University, 2014.
電子全文 電子全文(網際網路公開日期:20220801)
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔