基于MODIS时间序列地表物候特征分析及农作物分类

发布时间：2017-04-14 19:17

  本文关键词：基于MODIS时间序列地表物候特征分析及农作物分类，由笔耕文化传播整理发布。

【摘要】：中国是一个农业大国,农作物种植面积是影响粮食产量的重要因素,快速、及时、准确获取农作物分布信息,已成为现代化农业发展的一大要求,且农作物的识别与分类,对社会经济、粮食安全、生态功能以及政策制定等都有重要影响。本文以松嫩平原黑龙江省部分为研究对象,以2012年6月至2014年6月期间的MOD09Q1及2013年4、5月份的MOD09A1为数据源,合成归一化植被指数(NDVI)和归一化水体指数(NDWI),利用TIMESAT软件对NDVI时间序列数据应用分段高斯函数拟合方法重构NDVI时间序列曲线,并获取七个物候参数(Phenology,以下简称PH)(生长季始期、生长季末期、生长季长度、NDVI振幅、NDVI左导数、NDVI右导数、生长季期间的NDVI积分)。结合Landsat 8 OLI遥感影像、中国第二次土地调查数据和实地采样样本数据,根据2013年多种地物平滑后的NDVI曲线特征,将年NDVI最大值低于0.5的水体和建设用地掩膜去除。为了获取研究区农作物的最优分类方法,本文采用分层分类法:首先对2013年平滑后的46个NDVI时间序列数据进行支持向量机(SVM)分类,得到农用地等分类信息;其次利用平滑后的46个NDVI波段、7个物候参数及6期归一化水体指数相互组合对农用地进行支持向量机分类提取三种农作物的分布信息。经过以上过程得出主要结论如下:(1)TIMESAT软件能有效的对NDVI时间序列进行平滑去噪,可使NDVI曲线在保持原有基本形状的基础上更加有效地揭示所蕴含的物候周期性变化规律,突出了MODIS时间序列的优点,并对物候参数的提取有很大的帮助。(2)运用SVM对NDVI时间序列进行农用地提取分类结果中农用地的制图精度为97.78%,用户精度为95.65%。其余三类精度也较高,说明NDVI时间序列对于提取农用地信息是可行的。(3)经不同波段组合分类对比可知,分类总体精度及Kappa系数的关系为:NDVI+NDWINDVI+PH+NDWIPH+NDWINDVI+PHNDVIPH,可见遥感数据波段的增加不一定带来较高的分类精度;本文中归一化水体指数有效地提高了水稻的分类精度;辅以物候参数对农作物分类也具有一定的可行性。(4)根据分类结果统计可知玉米种植范围较广泛,大豆和水稻种植面积相差不大。
【关键词】：遥感 NDVI时间序列 NDWI TIMESAT 物候参数 农作物分类
【学位授予单位】：哈尔滨师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S127
【目录】：

• 摘要7-9
• Abstract9-11
• 第1章 绪论11-19
• 1.1 研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究进展12-15
• 1.2.1 农作物识别综述12-13
• 1.2.2 物候参数的相关研究13-14
• 1.2.3 问题的提出14-15
• 1.3 研究目的、内容和方法15-16
• 1.3.1 研究目的15
• 1.3.2 研究内容15-16
• 1.3.3 研究方法和技术路线16
• 1.4 本章小节16-19
• 第2章 研究区概况与数据源19-33
• 2.1 研究区概况19-21
• 2.1.1 自然条件20
• 2.1.2 农作物的季相节律20-21
• 2.2 数据源及样本数据集21-28
• 2.2.1 MODIS数据集21-24
• 2.2.2 样本数据集24-28
• 2.3 数据预处理28-30
• 2.3.1 MODIS数据预处理28-30
• 2.3.2 NDVI/NDWI计算30
• 2.4 本章小结30-33
• 第3章 NDVI时间序列重构及物候参数提取分析33-41
• 3.1 TIMESAT软件介绍33-35
• 3.2 非对称高斯函数拟合NDVI时间序列35-38
• 3.3 七个物候参数提取38-39
• 3.4 本章小结39-41
• 第4章 农作物提取41-51
• 4.1 基于MODIS NDVI分类提取农用地41-43
• 4.1.1 不同类别的NDVI时间序列曲线对比分析41-43
• 4.1.2 分类提取农用地43
• 4.2 基于不同波段分类提取三种农作物43-45
• 4.2.1 三种农作物物候参数差异分析43-45
• 4.2.2 分类提取三种农作物45
• 4.3 不同分类结果的对比与分析45-49
• 4.3.1 农用地提取结果45-47
• 4.3.2 三种农作物分类结果47-49
• 4.4 本章小结49-51
• 第5章 结论与讨论51-53
• 5.1 结论51
• 5.2 讨论51-53
• 参考文献53-59
• 攻读硕士学位期间发表的学术论文59-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 张艳君;梁运香;唐磊;;天气和气候的时间序列特征分析[J];农业与技术;2012年06期

2 向杰;程昌明;张轶;;小波分析在时间序列中的分析应用[J];节水灌溉;2013年12期

3 杨蕊;王龙;余航;沈立群;田琳;;昆明历史洪涝灾害时间序列分形特征研究[J];安徽农业科学;2012年07期

4 廖文辉;夏成锋;;关联时间序列异常数据的预警模型研究[J];仲恺农业工程学院学报;2012年02期

5 李绍石;胡正军;王洪全;;稻田飞虱、狼蛛种群密度动态数据时间序列预报模型[J];植物保护学报;1989年01期

6 胡致强,耿鸿江,李肥芬;小样本时间序列的灰色组合模型研究及应用[J];农业系统科学与综合研究;1993年01期

7 孙春薇;王旭磊;辛永训;吴春妹;;几种关于时间序列季节调整方法的研究[J];青岛农业大学学报(自然科学版);2007年02期

8 周文;曹琳;;时间序列在干旱区棉花需水量预测中的应用[J];安徽农业科学;2008年23期

9 李鑫川;徐新刚;王纪华;武洪峰;金秀良;李存军;鲍艳松;;基于时间序列环境卫星影像的作物分类识别[J];农业工程学报;2013年02期

10 廖娟;阮运飞;;一种基于时间序列的自然灾害农业辅助决策系统[J];电脑知识与技术;2014年12期

中国重要会议论文全文数据库 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 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 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

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 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

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

7 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

8 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

9 张勇;时间序列模式匹配技术研究[D];华中科技大学;2012年

10 董晓莉;时间序列数据挖掘相似性度量和周期模式挖掘研究[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

  本文关键词：基于MODIS时间序列地表物候特征分析及农作物分类，，由笔耕文化传播整理发布。

本文编号：306677