长春九台区农作物多源遥感分类方法研究
发布时间：2021-06-02 18:05
农作物种类的空间分布是农业遥感监测的基本前提,各种成像遥感技术的迅速发展为获取大范围、多时期的农作物种植分布提供可能。目前,遥感监测农作物种植分布主要使用光学遥感数据。但农作物关键生育期内频发的云雨天气,使具有强穿透力的雷达遥感技术为农作物遥感识别提供强有力的基础数据支撑。针对两种不同的数据源,以光学遥感中Landsat8、高分一号多光谱数据和雷达遥感中Sentinel-1、RADARSAT-2数据为例,通过探索长春九台区遥感影像的不同时相及相关特征对农作物分类精度的影响,挖掘适合农作物分类的优选时相、特征波段集和分类方法,开展光学遥感和雷达遥感农作物分类监测研究。围绕农作物遥感分类方法,收集并国内外农作物遥感分类的方法进行总结归纳,分别从光学遥感和雷达遥感两种数据归纳农作物遥感分类方法。总结研究区的自然概况和农作物种植结构,收集并处理Landsat8、高分一号光学遥感数据和Sentinel-1和RADARSAT-2雷达遥感数据,为研究农作物的种类遥感分类提供基础反射率数据和后向散射数据。以Landsat8和高分一号PMS数据为例,开展光学遥感农作物分类方法研究。以研究区Landsat...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图
第 2 章 研究区与数据 5 日期间，先后 4 次到研究区进行农作物实地调研。野外调查信息主作物类型、GPS 位置信息、地块地形、地块高程、作物株距、作物垄距受灾信息、农作物光谱曲线、作物全局和局部照片等。最终将收集到的点数据整理成 shp 点文件，如图 2.2 所示，点文件分别与光学影像、雷行叠加分析，用于确定各种作物类型的光谱特征曲线差异和后向散射特异。各时期野外实地调研农作物照片如图 2.3 所示。研究区内主要覆盖地物类型共 6 类，分别是玉米、水稻、大豆、林地、筑物和道路）和水体。玉米、水稻、大豆和其他作物的样本通过野外实取，分别采集到 153、61、17、11 个，林地、其他和水体常年随时间变可通过 Google Earth 影像作为参考。
A4 B4 C4图 2.3 2017 年玉米、水稻和大豆不同生长期图片表玉米，B1-B4 代表水稻，C1-C4 代表大豆，1、2、3、4月 19 日、7 月 10 日、9 月 10 日和 10 月 3 日）
【参考文献】：
期刊论文
[1]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[2]基于SAR-C的大兴安岭西麓地区主要农作物识别方法研究[J]. 于利峰,乌兰吐雅,乌兰,包珺玮. 北方农业学报. 2017(03)
[3]短波红外波段对玉米大豆种植面积识别精度的影响[J]. 王利民,刘佳,杨玲波,杨福刚,富长虹. 农业工程学报. 2016(19)
[4]RapidEye卫星红边波段对农作物面积提取精度的影响[J]. 刘佳,王利民,滕飞,杨玲波,高建孟,姚保民,杨福刚. 农业工程学报. 2016(13)
[5]基于GF-1卫星数据的农作物种植面积遥感抽样调查方法[J]. 刘国栋,邬明权,牛铮,王长耀. 农业工程学报. 2015(05)
[6]基于MODISNDVI多年时序数据的农作物种植识别[J]. 许青云,杨贵军,龙慧灵,王崇倡,李鑫川,黄登成. 农业工程学报. 2014(11)
[7]农作物遥感分类特征变量选择研究现状与展望[J]. 贾坤,李强子. 资源科学. 2013(12)
[8]农作物分布格局动态变化的遥感监测——以东北三省为例[J]. 黄青,唐华俊,吴文斌,李丹丹,刘佳. 中国农业科学. 2013(13)
[9]基于时间序列环境卫星影像的作物分类识别[J]. 李鑫川,徐新刚,王纪华,武洪峰,金秀良,李存军,鲍艳松. 农业工程学报. 2013(02)
[10]基于多时相遥感影像的东北三省作物分布信息提取[J]. 郝卫平,梅旭荣,蔡学良,杜建涛,刘勤. 农业工程学报. 2011(01)
博士论文
[1]基于高分一/六号卫星影像特征的农作物分类研究[D]. 郑利娟.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于GF-1/WFV和面向对象的农作物种植结构提取方法研究[D]. 宋茜.中国农业科学院 2016
[3]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[4]基于MODIS波谱分析的作物信息提取研究[D]. 林文鹏.中国科学院研究生院（遥感应用研究所） 2006
硕士论文
[1]基于MODIS时间序列地表物候特征分析及农作物分类[D]. 平跃鹏.哈尔滨师范大学 2016
[2]基于全极化SAR数据的旱地作物识别与生物学参数反演研究[D]. 东朝霞.中国农业科学院 2016
[3]面向对象的土地利用/覆被信息提取[D]. 陈建容.成都理工大学 2016
[4]面向对象的高分辨率遥感影像全要素分类研究[D]. 程臻.哈尔滨工业大学 2015
[5]基于国产高分一号影像的新疆山区河流及桥梁信息提取技术研究[D]. 李艳华.新疆大学 2015
[6]基于风云卫星中分辨率数据的农业种植区信息提取方法研究[D]. 樊香所.电子科技大学 2015
[7]多时相C波段全极化SAR农作物识别方法研究[D]. 韩宇.内蒙古师范大学 2015
[8]基于微波遥感的旱地作物识别及面积提取方法研究[D]. 丁娅萍.中国农业科学院 2013
[9]基于RapidEye遥感影像的农作物种植面积提取研究[D]. 马倩倩.山东师范大学 2012
[10]基于决策树的面向对象分类方法研究[D]. 陈丽萍.辽宁工程技术大学 2012
本文编号：3210500
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
研究区位置示意图
第 2 章 研究区与数据 5 日期间，先后 4 次到研究区进行农作物实地调研。野外调查信息主作物类型、GPS 位置信息、地块地形、地块高程、作物株距、作物垄距受灾信息、农作物光谱曲线、作物全局和局部照片等。最终将收集到的点数据整理成 shp 点文件，如图 2.2 所示，点文件分别与光学影像、雷行叠加分析，用于确定各种作物类型的光谱特征曲线差异和后向散射特异。各时期野外实地调研农作物照片如图 2.3 所示。研究区内主要覆盖地物类型共 6 类，分别是玉米、水稻、大豆、林地、筑物和道路）和水体。玉米、水稻、大豆和其他作物的样本通过野外实取，分别采集到 153、61、17、11 个，林地、其他和水体常年随时间变可通过 Google Earth 影像作为参考。
A4 B4 C4图 2.3 2017 年玉米、水稻和大豆不同生长期图片表玉米，B1-B4 代表水稻，C1-C4 代表大豆，1、2、3、4月 19 日、7 月 10 日、9 月 10 日和 10 月 3 日）
【参考文献】：
期刊论文
[1]基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类[J]. 向海燕,罗红霞,刘光鹏,杨任飞,雷茜,程玉丝,陈婧祎. 自然资源学报. 2017(12)
[2]基于SAR-C的大兴安岭西麓地区主要农作物识别方法研究[J]. 于利峰,乌兰吐雅,乌兰,包珺玮. 北方农业学报. 2017(03)
[3]短波红外波段对玉米大豆种植面积识别精度的影响[J]. 王利民,刘佳,杨玲波,杨福刚,富长虹. 农业工程学报. 2016(19)
[4]RapidEye卫星红边波段对农作物面积提取精度的影响[J]. 刘佳,王利民,滕飞,杨玲波,高建孟,姚保民,杨福刚. 农业工程学报. 2016(13)
[5]基于GF-1卫星数据的农作物种植面积遥感抽样调查方法[J]. 刘国栋,邬明权,牛铮,王长耀. 农业工程学报. 2015(05)
[6]基于MODISNDVI多年时序数据的农作物种植识别[J]. 许青云,杨贵军,龙慧灵,王崇倡,李鑫川,黄登成. 农业工程学报. 2014(11)
[7]农作物遥感分类特征变量选择研究现状与展望[J]. 贾坤,李强子. 资源科学. 2013(12)
[8]农作物分布格局动态变化的遥感监测——以东北三省为例[J]. 黄青,唐华俊,吴文斌,李丹丹,刘佳. 中国农业科学. 2013(13)
[9]基于时间序列环境卫星影像的作物分类识别[J]. 李鑫川,徐新刚,王纪华,武洪峰,金秀良,李存军,鲍艳松. 农业工程学报. 2013(02)
[10]基于多时相遥感影像的东北三省作物分布信息提取[J]. 郝卫平,梅旭荣,蔡学良,杜建涛,刘勤. 农业工程学报. 2011(01)
博士论文
[1]基于高分一/六号卫星影像特征的农作物分类研究[D]. 郑利娟.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于GF-1/WFV和面向对象的农作物种植结构提取方法研究[D]. 宋茜.中国农业科学院 2016
[3]高分辨率遥感影像多尺度纹理、形状特征提取与面向对象分类研究[D]. 黄昕.武汉大学 2009
[4]基于MODIS波谱分析的作物信息提取研究[D]. 林文鹏.中国科学院研究生院（遥感应用研究所） 2006
硕士论文
[1]基于MODIS时间序列地表物候特征分析及农作物分类[D]. 平跃鹏.哈尔滨师范大学 2016
[2]基于全极化SAR数据的旱地作物识别与生物学参数反演研究[D]. 东朝霞.中国农业科学院 2016
[3]面向对象的土地利用/覆被信息提取[D]. 陈建容.成都理工大学 2016
[4]面向对象的高分辨率遥感影像全要素分类研究[D]. 程臻.哈尔滨工业大学 2015
[5]基于国产高分一号影像的新疆山区河流及桥梁信息提取技术研究[D]. 李艳华.新疆大学 2015
[6]基于风云卫星中分辨率数据的农业种植区信息提取方法研究[D]. 樊香所.电子科技大学 2015
[7]多时相C波段全极化SAR农作物识别方法研究[D]. 韩宇.内蒙古师范大学 2015
[8]基于微波遥感的旱地作物识别及面积提取方法研究[D]. 丁娅萍.中国农业科学院 2013
[9]基于RapidEye遥感影像的农作物种植面积提取研究[D]. 马倩倩.山东师范大学 2012
[10]基于决策树的面向对象分类方法研究[D]. 陈丽萍.辽宁工程技术大学 2012
本文编号：3210500
本文链接：https://www.wllwen.com/kejilunwen/nykj/3210500.html
