基于GF-1/WFV和面向对象的农作物种植结构提取方法研究
发布时间：2021-07-02 20:16
农作物种植结构是农业生产活动对土地利用的表现形式,也是对自然资源高效利用及田间科学管理的最终结果。随着空间技术的不断发展,多源遥感数据已广泛应用于农作物种植结构提取研究中,尤其是高分辨率对地观测系统的迅猛发展,为农业遥感开启了高分遥感时代。然而,高分数据在农作物种植结构提取研究中仍存在一些技术难点和挑战:一是凭借主流的数据源识别效果往往不理想,且对新数据源普遍关注不足;二是农作物在高分影像上呈现出更为复杂的时空异质性和尺度敏感性,阻碍信息挖掘的深度和广度;三是分类策略的选择难以满足高分时代实现高效生态持续农业生产种植形式的实时监测、实时评估、实时决策的重大需求和发展方向。针对以上不足,本研究在GF-1/WFV遥感数据支持下,结合面向对象的图像分析方法和自主高效的机器学习分类器,探索了单时相光谱纹理特性及多阶段逐月优化的分类策略在及时准确的提取农作物种植结构中的应用价值和潜力。主要研究结论如下:（1）利用文献综述方法梳理了近10年多源遥感数据在农作物种植结构提取的研究进展,为数据源选择提供依据。国内外农作物种植结构提取中以MODIS为代表的低分辨率和以Landsat TM/ETM+为代表...
【文章来源】：中国农业科学院北京市
【文章页数】：92 页
【学位级别】：博士
【部分图文】：
农作物遥感识别中不同传感器使用频率统计
图 1. 2 总体技术路线Figure1.2 Technique route of this study1.5 论文结构本论文共包括六个章节，见图 1.3 所示。第一章是绪论部分。首先介绍了农作物种植结构的基本概念及其研究意义并阐述了农作物种植结构遥感提取的特征及理论基础。从农作物遥感提取的多源数据应用现状和技术方法两个方面，归纳了当前农作物种植结构遥感提取存在的主要问题，并在此基础上，针对高空间分辨率遥感数据在农作物种植结构提取的方法技术，提出了本论文的研究目标、主要研究内容和总体技术路线，最后是本论文的结构说明。第二章主要是对论文的研究区域、拟采用的“高分一号”遥感数据及其他辅助数据的介绍和说明，重点对遥感数据的预处理及图形分析方法进行阐述。首先从研究区概况、自然条件及农业布局特点三个方面阐述研究区选择相关内容。其次详细介绍“高分一号”卫星传感器的特性及数据处理，主要包括 GF-1 遥感数据预处理、面向对象的多尺度分割及特征提取。第三章采用单一时相高空间分辨率 GF-1 遥感数据的光谱和纹理特征集提取研究区域农作物种植结构。首先在值域范围内对随机森林模型重要参数 mtry 和 ntree 参数寻优，构建随机森林模
中国农业科学院博士学位论文 第一章 绪论和纹理特征在农作物种植结构提取中的重要性，在此基础上，利用当季实地采集样本训练多时相随机森林模型，以“所见即所得”为宗旨构建当季农作物种植结构预测模型，并对预测结果进行精度检验。第五章主要是以第四、第五章的工作为基础，分别基于支持向量机分类器及同期单时相Landsat8 影像进行农作物种植结构提取。在对 gamma 和 cost 参数寻优研究基础上，构建 SVM 预测模型进行多阶段农作物种植结构提取，比较不同分类器对农作物种植结构提取结构影响。同时也比较了不同数据源对同一研究区提取结果的差异。第六章为讨论和展望部分。在对本论文的研究结果进行总结和归纳的基础上，提出了本论文的所取得的创新性研究成果和主要研究结论，分析了本论文研究中存在的问题并且对今后可能的研究方向进行了展望。
【参考文献】：
期刊论文
[1]用高分一号数据提取玉米面积及精度分析[J]. 郭燕,武喜红,程永政,王来刚,刘婷. 遥感信息. 2015(06)
[2]农作物种植结构遥感提取研究进展[J]. 胡琼,吴文斌,宋茜,余强毅,杨鹏,唐华俊. 中国农业科学. 2015(10)
[3]农作物遥感识别中的多源数据融合研究进展[J]. 宋茜,周清波,吴文斌,胡琼,余强毅,唐华俊. 中国农业科学. 2015(06)
[4]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
[5]How Could Agricultural Land Systems Contribute to Raise Food Production Under Global Change?[J]. WU Wen-bin,YU Qiang-yi,Verburg H Peter,YOU Liang-zhi,YANG Peng,TANG Hua-jun. Journal of Integrative Agriculture. 2014(07)
[6]面向对象的多时相HJ星影像甘蔗识别方法[J]. 王久玲,黄进良,王立辉,胡砚霞,韩鹏鹏,黄维. 农业工程学报. 2014(11)
[7]基于作物空间分配模型的东北三省春玉米时空分布特征[J]. 谭杰扬,李正国,杨鹏,刘珍环,李志鹏,张莉,吴文斌,游良志,唐华俊. 地理学报. 2014(03)
[8]农作物空间格局变化研究进展评述[J]. 吴文斌,杨鹏,李正国,陈仲新,周清波,唐华俊. 中国农业资源与区划. 2014(01)
[9]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)
[10]利用交叉信息熵模拟东北地区水稻种植面积空间分布[J]. 唐鹏钦,杨鹏,陈仲新,李正国,游良志,刘珍环,吴文斌,姚艳敏. 农业工程学报. 2013(17)
博士论文
[1]基于机器学习的遥感图像分类研究[D]. 张雁.北京林业大学 2014
[2]空间信息在面向对象分类方法中的应用[D]. 韩凝.浙江大学 2011
[3]基于统计与MODIS数据的水稻遥感估产方法研究[D]. 彭代亮.浙江大学 2009
[4]支持向量机方法及其应用研究[D]. 王书舟.哈尔滨工业大学 2009
[5]面向数据挖掘的分类器集成研究[D]. 陈海霞.吉林大学 2006
[6]支撑向量机在光谱遥感影像分类中的若干问题研究[D]. 刘志刚.武汉大学 2004
[7]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于纹理分析的高分辨率影像面向对象分类研究[D]. 郝虑远.北京师范大学 2014
[2]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
本文编号：3261152
【文章来源】：中国农业科学院北京市
【文章页数】：92 页
【学位级别】：博士
【部分图文】：
农作物遥感识别中不同传感器使用频率统计
图 1. 2 总体技术路线Figure1.2 Technique route of this study1.5 论文结构本论文共包括六个章节，见图 1.3 所示。第一章是绪论部分。首先介绍了农作物种植结构的基本概念及其研究意义并阐述了农作物种植结构遥感提取的特征及理论基础。从农作物遥感提取的多源数据应用现状和技术方法两个方面，归纳了当前农作物种植结构遥感提取存在的主要问题，并在此基础上，针对高空间分辨率遥感数据在农作物种植结构提取的方法技术，提出了本论文的研究目标、主要研究内容和总体技术路线，最后是本论文的结构说明。第二章主要是对论文的研究区域、拟采用的“高分一号”遥感数据及其他辅助数据的介绍和说明，重点对遥感数据的预处理及图形分析方法进行阐述。首先从研究区概况、自然条件及农业布局特点三个方面阐述研究区选择相关内容。其次详细介绍“高分一号”卫星传感器的特性及数据处理，主要包括 GF-1 遥感数据预处理、面向对象的多尺度分割及特征提取。第三章采用单一时相高空间分辨率 GF-1 遥感数据的光谱和纹理特征集提取研究区域农作物种植结构。首先在值域范围内对随机森林模型重要参数 mtry 和 ntree 参数寻优，构建随机森林模
中国农业科学院博士学位论文 第一章 绪论和纹理特征在农作物种植结构提取中的重要性，在此基础上，利用当季实地采集样本训练多时相随机森林模型，以“所见即所得”为宗旨构建当季农作物种植结构预测模型，并对预测结果进行精度检验。第五章主要是以第四、第五章的工作为基础，分别基于支持向量机分类器及同期单时相Landsat8 影像进行农作物种植结构提取。在对 gamma 和 cost 参数寻优研究基础上，构建 SVM 预测模型进行多阶段农作物种植结构提取，比较不同分类器对农作物种植结构提取结构影响。同时也比较了不同数据源对同一研究区提取结果的差异。第六章为讨论和展望部分。在对本论文的研究结果进行总结和归纳的基础上，提出了本论文的所取得的创新性研究成果和主要研究结论，分析了本论文研究中存在的问题并且对今后可能的研究方向进行了展望。
【参考文献】：
期刊论文
[1]用高分一号数据提取玉米面积及精度分析[J]. 郭燕,武喜红,程永政,王来刚,刘婷. 遥感信息. 2015(06)
[2]农作物种植结构遥感提取研究进展[J]. 胡琼,吴文斌,宋茜,余强毅,杨鹏,唐华俊. 中国农业科学. 2015(10)
[3]农作物遥感识别中的多源数据融合研究进展[J]. 宋茜,周清波,吴文斌,胡琼,余强毅,唐华俊. 中国农业科学. 2015(06)
[4]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
[5]How Could Agricultural Land Systems Contribute to Raise Food Production Under Global Change?[J]. WU Wen-bin,YU Qiang-yi,Verburg H Peter,YOU Liang-zhi,YANG Peng,TANG Hua-jun. Journal of Integrative Agriculture. 2014(07)
[6]面向对象的多时相HJ星影像甘蔗识别方法[J]. 王久玲,黄进良,王立辉,胡砚霞,韩鹏鹏,黄维. 农业工程学报. 2014(11)
[7]基于作物空间分配模型的东北三省春玉米时空分布特征[J]. 谭杰扬,李正国,杨鹏,刘珍环,李志鹏,张莉,吴文斌,游良志,唐华俊. 地理学报. 2014(03)
[8]农作物空间格局变化研究进展评述[J]. 吴文斌,杨鹏,李正国,陈仲新,周清波,唐华俊. 中国农业资源与区划. 2014(01)
[9]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)
[10]利用交叉信息熵模拟东北地区水稻种植面积空间分布[J]. 唐鹏钦,杨鹏,陈仲新,李正国,游良志,刘珍环,吴文斌,姚艳敏. 农业工程学报. 2013(17)
博士论文
[1]基于机器学习的遥感图像分类研究[D]. 张雁.北京林业大学 2014
[2]空间信息在面向对象分类方法中的应用[D]. 韩凝.浙江大学 2011
[3]基于统计与MODIS数据的水稻遥感估产方法研究[D]. 彭代亮.浙江大学 2009
[4]支持向量机方法及其应用研究[D]. 王书舟.哈尔滨工业大学 2009
[5]面向数据挖掘的分类器集成研究[D]. 陈海霞.吉林大学 2006
[6]支撑向量机在光谱遥感影像分类中的若干问题研究[D]. 刘志刚.武汉大学 2004
[7]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003
硕士论文
[1]基于纹理分析的高分辨率影像面向对象分类研究[D]. 郝虑远.北京师范大学 2014
[2]基于多层次分割的遥感影像面向对象森林分类[D]. 马浩然.北京林业大学 2014
本文编号：3261152
本文链接：https://www.wllwen.com/kejilunwen/nykj/3261152.html
