應用MODIS影像資料建立臺灣鄉鎮稻米產量評估模型

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：39

、訪客IP：18.222.106.205

姓名

林桓陞(Huan-Sheng Lin) 查詢紙本館藏

畢業系所

土木工程學系

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
(Using MODIS Data to Build Township-Based Rice Yield Model in Taiwan)

相關論文

★ 多時期衛星影像之自動化監督性分類	★ 大範圍地區土地使用分類之研究
★ 高解析力衛星影像控制點座標之自動化萃取	★ 影像最佳類別數目之研究
★ 遙控直昇機應用於工程管理監測可行性之研究	★ 以地理資訊系統輔助共同管道之最適設計
★ 有理函數應用於空載多光譜影像幾何校正之研究	★ SPOT自然色影像產生之研究
★ 結合影像區塊及知識庫分類之研究-以IKONOS衛星影像為例	★ 遙控飛機空載視訊影像自動化鑲嵌方法之研究
★ 影像分割技術於高解析衛星影像分類之應用	★ 小波多層次解析之影像融合應用
★ 線性複合模式應用於變遷偵測之研究	★ 改良式變異向量分析法於變遷偵測之探討
★ 區塊分割變遷偵測法於多時期衛星影像之應用	★ 資料挖掘技術應用於外來入侵植物研究 (以恆春地區銀合歡為例)

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

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。

摘要(英)

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.

關鍵字(中)

★ MODIS
★ 常態化差異植生指數
★ 地表溫度
★ 稻米產量估算

關鍵字(英)

★ MODIS
★ Normalized Difference Vegetation Index
★ Land Surface Temperature
★ rice yield estimating

論文目次

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

參考文獻

〔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.

指導教授

陳繼藩(Chi-Farn Chen)

審核日期

2020-7-30

推文