基于时间序列高分一号影像的南京市农业用地提取方法研究

发布时间：2020-03-18 05:28

【摘要】：城市化是社会经济发展的重要标志,但同时也可能威胁到国家粮食安全和可持续战略目标。南京市作为长三角地区唯一特大城市,其高城镇化率对土地用途空间管制提出了更严格的要求,因而推动了以信息化特征为主的现代精准农业发展。利用高分遥感影像能够有效提取农地规模和空间格局,而利用时序高分影像更能实现对农地耕作信息进行精准提取和环境动态监测。开发现代农业遥感动态监测技术,有利于南京都市农业信息化、精准化和可持续发展。但是,目前针对国产高分一号数据的农业用地精准提取研究还较少,尤其关于农业用地精细提取研究还相当缺乏有效的技术和方法支撑。因此,本研究以南京市2018年时间序列国产高分一号WFV影像为数据集,提出了一种农业用地精细提取方法,主要研究内容包括:(1)基于非对称高斯函数拟合法从时间序列国产高分一号影像中重构了地物时序特征,在消除噪声的同时尽可能的保留了地物特征信息。重构的时间序列曲线特征得到明显的平滑,旱地、水体、建筑、林草地以及水田等典型地物的时序特征都较好地呈现出来,不同地物间的差异可以直观地体现出来,能够满足农业用地精细提取需求,构建的时序曲线特征为后续分类体系的构建以及精细提取奠定了良好的基础。(2)提出了一种基于重构时序特征的农业用地层次型提取方法。首先以高分一号影像光谱特征和归一化水体指数等指数特征为初步分类特征进行初分类,而后加入面向对象形状特征、雷达VV/VH极化波段等特征对水体与水产用地、大棚与建筑以及小麦和油菜进行精细提取,分类总体精度和Kappa系数分别为95.3 1%和0.9431,达到了较好的结果。(3)基于农业用地精细提取结果计算统计了南京市全市以及各区农业用地面积情况,计算了各区农作物复种指数。通过与统计年鉴数据对比分析发现,南京市整体复种指数为154.9%,各农业大区均在110%以上,其中六合区、溧水区以及高淳区等区域复种指数高于其他区。本文从气候、国家政策和农业机械化水平等方面分析了各区复种指数直接差异的原因,表明复种指数除受气候影响较大以外,还与政策以及机械化水平等有较大关系。综上所述,时间序列高分一号影像在农业用地精准提取与动态监测中有较大应用潜力,而本研究提出的方法可以为农业用地遥感精细监测提供重要的技术支持,能够为广域、实时的农业监测和分析提供定量参考。
【图文】：

２．１研究区概况逡逑２．１．１地理区位与自然环境逡逑研究区为南京市，，地理位置如图２．１所示。南京市位于江苏省西南部的丘陵逡逑地区，经纬度范围为：北纬３１°１４、３２°３７＇，东经１１８°２２＇？１丨９°１４＼面积约为逡逑６５８７ｋｍ２。地理位置独特，是长江流域四大中心城市之一。南京市南北直线距离逡逑约为１５０ｋｍ，中部东西宽５０？７０ｋｍ，南北两端宽度大约为３０ｋｎｉ。逡逑ＩＩＲＣ３0＇０＂Ｅ邋ｌ｜８＝４５，０＂Ｅ逦ＩＩ９ＷＥ逦｜｜？ｎ５＇０＂Ｅ逡逑４邋／ｆ逡逑Ｖ；邋＼逦－NB邋，逦匾〕Ｈ逡逑＼逦））逦＂＂－５逡逑图例逦＼逦）（ｒ邋■逦：逦＾逡逑行政边界逦＼逦媝“逡逑ｔｔ＿逦＼邋Ｍｌ邋＼逦＾－１逡逑＝」■邋＿邋■逦＼邋ＳＪｍ＇Ｎ邋＾邋Ｋｊ逡逑ｏ－ｓ－—0邋３—＼Ｊｍ＼逦＇逡逑逦１１邋ｋ‘．邋ｉ－ｗｉｔ逦ｉ邋ｉｘ－？？聊邋ｔ邋ｉｉｋｗｏｔ邋１１邋ｖｉｎｒｒ．逦逡逑图２．１南京市地理位置逡逑Ｆｉｇｕｒｅ邋２．１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋Ｎａｎｊｉｎｇ逡逑南京属北亚热带季风气候区，其典型气候特征为四季分明、日照充足、冬季逡逑以及夏季较长而春秋季节较短。南京市降水丰富，平均降水量可达１１０６．０５毫米，逡逑大约－年中将近１／３的时间有降水

２．１研究区概况逡逑２．１．１地理区位与自然环境逡逑研究区为南京市，地理位置如图２．１所示。南京市位于江苏省西南部的丘陵逡逑地区，经纬度范围为：北纬３１°１４、３２°３７＇，东经１１８°２２＇？１丨９°１４＼面积约为逡逑６５８７ｋｍ２。地理位置独特，是长江流域四大中心城市之一。南京市南北直线距离逡逑约为１５０ｋｍ，中部东西宽５０？７０ｋｍ，南北两端宽度大约为３０ｋｎｉ。逡逑ＩＩＲＣ３0＇０＂Ｅ邋ｌ｜８＝４５，０＂Ｅ逦ＩＩ９ＷＥ逦｜｜？ｎ５＇０＂Ｅ逡逑４邋／ｆ逡逑Ｖ；邋＼逦－NB邋，逦匾〕Ｈ逡逑＼逦））逦＂＂－５逡逑图例逦＼逦）（ｒ邋■逦：逦＾逡逑行政边界逦＼逦媝“逡逑ｔｔ＿逦＼邋Ｍｌ邋＼逦＾－１逡逑＝」■邋＿邋■逦＼邋ＳＪｍ＇Ｎ邋＾邋Ｋｊ逡逑ｏ－ｓ－—0邋３—＼Ｊｍ＼逦＇逡逑逦１１邋ｋ‘．邋ｉ－ｗｉｔ逦ｉ邋ｉｘ－？？聊邋ｔ邋ｉｉｋｗｏｔ邋１１邋ｖｉｎｒｒ．逦逡逑图２．１南京市地理位置逡逑Ｆｉｇｕｒｅ邋２．１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋Ｎａｎｊｉｎｇ逡逑南京属北亚热带季风气候区，其典型气候特征为四季分明、日照充足、冬季逡逑以及夏季较长而春秋季节较短。南京市降水丰富，平均降水量可达１１０６．０５毫米，逡逑大约－年中将近１／３的时间有降水
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P237

【相似文献】

相关期刊论文 前10条

1 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期

2 王金策;杨宁;;时间序列趋势预测[J];现代计算机(专业版);2017年02期

3 彭佳星;肖基毅;;基于分型转折点的证券时间序列分段表示法[J];商;2016年31期

4 刘伟龙;;基于ARMA模型的股价预测及实证研究[J];智富时代;2017年02期

5 周仰;;《漫长的告别》(年度资助摄影图书)[J];中国摄影;2017年04期

6 王嵬;;王嵬作品[J];当代油画;2017年07期

7 刘明华;张晋昕;;时间序列的异常点诊断方法[J];中国卫生统计;2011年04期

8 郭崇慧;苏木亚;;基于独立成分分析的时间序列谱聚类方法[J];系统工程理论与实践;2011年10期

9 王佳林;王斌;杨晓春;;面向不确定时间序列的分类方法[J];计算机研究与发展;2011年S3期

10 万里;廖建新;朱晓民;倪萍;;一种基于频繁模式的时间序列分类框架[J];电子与信息学报;2010年02期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集（D）[C];2018年

3 张立波;庞蓉蓉;王勇;黄敏;何成涛;傅强;曲贤敏;仲昭衍;;基于时间序列的随机质控设计与应用[A];中国输血协会第九届输血大会论文专辑[C];2018年

4 徐光晶;;统计学在大地电磁测深时间序列处理中的应用[A];2017中国地球科学联合学术年会论文集（二十九）——专题57：电磁地球物理学研究及其应用[C];2017年

5 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年

6 吴丽娜;黄领梅;沈冰;吕继强;;黄河上游降水时间序列混沌特性识别与预测年限分析[A];水系统与水资源可持续管理——第七届中国水论坛论文集[C];2009年

7 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集（上）[C];1989年

8 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年

9 王兆甲;王海良;;一种相似时间序列挖掘算法及其在汽车运动分析中的应用[A];2014中国汽车工程学会年会论文集[C];2014年

10 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

相关重要报纸文章 前10条

1 王晓宝 杨永恒 永安期货;浅析波动率的均值回复特征[N];期货日报;2017年

2 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

3 国家统计局核算司 吕峰;不变价GDP时间序列数据的构造[N];中国信息报;2016年

4 ;《时间序列与金融数据分析》[N];中国信息报;2004年

5 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

6 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

7 卞纪;我国多时间序列湿地遥感制图完成[N];中国气象报;2011年

8 权证一级交易商 国信证券;正股走势及时间序列主导下半年权证市场运行结构[N];证券时报;2006年

9 广发期货股指研究小组 谢贞联;Hurst指数提示市场升势或将形成[N];上海证券报;2012年

10 丁睿 中粮期货研究院;试论指数HP滤波分析法的应用[N];期货日报;2014年

相关博士学位论文 前10条

1 邹蕾;基于趋势基元的时间序列同构关系发现[D];北京科技大学;2017年

2 康峻;基于时间序列遥感数据的植被精细分类与覆盖度反演研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

3 林蕾;基于循环神经网络模型的遥感影像时间序列分类及变化检测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

4 丁红;柳江径流分析与预测研究[D];武汉理工大学;2016年

5 周超;集成时间序列InSAR技术的滑坡早期识别与预测研究[D];中国地质大学;2018年

6 张琪;时间序列流数据异常检测问题的研究[D];山东大学;2019年

7 张方;局部相似分析的统计研究及其在生物时间序列中的应用[D];山东大学;2019年

8 郝鹏宇;基于多时相遥感数据的作物早期识别[D];中国农业科学院;2019年

9 丁超;MODIS时间序列重建方法与应用[D];中国地质大学(北京);2018年

10 魏永强;煤矿瓦斯监测数据插值与预测研究[D];中国矿业大学(北京);2015年

相关硕士学位论文 前10条

1 王浩宇;基于EEMD方法的基金业绩评价研究[D];上海社会科学院;2019年

2 纵焱;基于组合Shapelets的时间序列分类方法研究[D];中国矿业大学;2019年

3 王恒健;云工作负载预测模型研究与实现[D];江苏大学;2019年

4 武帅;面向时间序列的增量模糊聚类算法研究[D];河南理工大学;2018年

5 王璇;基于MODIS时间序列的河南主要农作物种植信息提取[D];河南大学;2019年

6 韩如愿;两种基于数据驱动的库存预测方法研究[D];厦门大学;2017年

7 曹西娟;模糊时间序列在钻井风险概率中的预测及应用[D];西南石油大学;2018年

8 王子一;基于特征提取的时间序列分类方法的研究[D];南京大学;2019年

9 单中南;时间序列半监督分类研究[D];河北经贸大学;2019年

10 栗云峰;基于时间序列高分一号影像的南京市农业用地提取方法研究[D];南京大学;2019年

本文编号：2588288