基于多源遥感数据的茶园面积提取
发布时间：2023-01-08 19:13
中国是茶树的原产地,同时也是茶叶生产、出口和消费大国。全球约有60个国家生产茶叶,中国茶叶种植面积全球茶叶种植总面积的60%以上。中国的茶园分布广泛,主要集中于南方地区,例如浙江、福建、云南、安徽和湖南等地。茶叶产业对中国的经济和乡村发展有着重要的影响,在浙江等种茶大省,茶叶种植成为了一些乡镇乡村振兴,农民脱贫致富和政府精准扶贫的支柱产业。因此,对于茶园的遥感分类也有重要的意义。茶园种植面积传统的获取方法主要是自农村基层技术人员的实地调查数据,这种方法完成一次大范围的茶园种植面积普查需要耗费巨大的人力、物力和财力,而且由于人工调查数据中存在主观性误差,无法做到获得持续性地获得茶园种植面积和空间分布数据。与此同时,随着遥感技术的不断发展,越来他越多的学者使用这一技术来进行农作物种植信息的遥感监测。由于茶树独特的种植方式,使得茶园在遥感影像上呈现独特的纹理特征。因此本文选择Gabor纹理特征作为分类特征。因为茶园有其独特的物候特征,本文选择NDVI作为植被指数特征同时结合光谱特征构建茶园遥感分类的分类特征数据集。本文使用了四种不同的遥感数据提取茶园种植面积,具体的研究内容有:（1）探究地形...
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于单一遥感数据源的农作物面积提取研究
1.2.2 基于多源遥感数据的农作物面积提取研究
1.2.3 茶园遥感提取国内外研究进展
1.3 主要研究内容
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
2 研究区概况与数据集简介
2.1 研究区概况
2.1.1 溪龙乡
2.1.2 湖州市
2.2 数据介绍
2.2.1 Landsat-8 OLI数据
2.2.2 高分一号卫星数据
2.2.3 Sentinel-2 数据
2.2.4 环境卫星数据
2.2.5 SRTM DEM数据
2.3 遥感数据预处理
2.3.1 辐射定标
2.3.2 大气校正
2.3.3 几何校正
2.3.4 地形校正
2.4 本章小结
3 基于多源遥感数据的茶园分类研究
3.1 基于相同波段的多源数据的茶园遥感分类方法对比研究
3.1.1 光谱特征
3.1.2 Gabor纹理特征
3.1.3 NDVI时间序列
3.1.4 主成分分析
3.1.5 支持向量机分类器
3.1.6 随机森林分类器
3.2 分类结果
3.3 精度评价
3.3.1 面积精度评价
3.3.2 位置精度评价
3.3.3 精度评价指标
3.4 本章小结
4 不同遥感数据以及红边波段对茶园面积提取精度的影响
4.1 不同遥感数据对茶园面积提取精度的影响
4.1.1 数据介绍
4.1.2 分类流程
4.1.3 分类结果
4.1.4 精度评价
4.2 红边波段对于茶园面积提取的影响
4.2.1 植物红边及其他波段光谱响应特性
4.2.2 相关植被指数介绍
4.2.3 分类结果和精度评价
4.3 本章小结
5 基于多源遥感数据融合的茶园面积提取
5.1 数据统计
5.2 研究方法
5.2.1 技术路线
5.2.2 多源遥感数据融合
5.2.3 多时相遥感影像数据对比
5.2.4 基于相同或相近日期的影像对分类特征回归分析
5.3 结果与分析
5.3.1 分类结果
5.3.2 精度评价
5.4 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于FLAASH模型的Worldview3大气校正[J]. 陈玲,陈理,李伟,刘建宇. 国土资源遥感. 2019(04)
[2]多时相Sentinel-2影像在浙西北茶园信息提取中的应用[J]. 李龙伟,李楠,陆灯盛. 浙江农林大学学报. 2019(05)
[3]基于TWDTW的时间序列GF-1 WFV农作物分类[J]. 邱鹏勋,汪小钦,茶明星,李娅丽. 中国农业科学. 2019(17)
[4]基于多时相Sentinel-2A的县域农作物分类[J]. 吴静,吕玉娜,李纯斌,李全红. 农业机械学报. 2019(09)
[5]基于多时相Landsat 8 OLI影像的农作物遥感分类研究[J]. 李晓慧,王宏,李晓兵,迟登凯,汤曾伟,韩重远. 遥感技术与应用. 2019(02)
[6]基于SVM的县域冬小麦种植面积遥感提取[J]. 罗桓,李卫国,景元书,徐向华,陈华. 麦类作物学报. 2019(04)
[7]农业遥感卫星发展现状及我国监测需求分析[J]. 陈仲新,郝鹏宇,刘佳,安萌,韩波. 智慧农业. 2019(01)
[8]结合Gabor小波和形态学的高分辨率图像树冠提取方法[J]. 施慧慧,王妮,滕文秀,刘玉婵. 地球信息科学学报. 2019(02)
[9]基于高分二号影像结合纹理信息的茶园提取[J]. 杨艳魁,陈芸芝,吴波,汪小钦. 江苏农业科学. 2019(02)
[10]遥感光谱技术在农作物估产中的应用研究进展[J]. 王莺,巩垠熙. 中国农学通报. 2019(03)
博士论文
[1]冠层和叶片尺度植被参数的高光谱遥感反演研究[D]. 张苏.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D]. 谢巧云.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]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
[4]基于光能利用率模型和定量遥感的玉米生长监测方法研究[D]. 李宗南.中国农业科学院 2014
[5]稻飞虱生境因子遥感监测及应用[D]. 石晶晶.浙江大学 2013
[6]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012
[7]多源遥感数据融合方法与应用研究[D]. 曹广真.复旦大学 2006
硕士论文
[1]基于高时空分辨率数据的湿地精细分类研究[D]. 许盼盼.中国科学院大学(中国科学院遥感与数字地球研究所) 2018
[2]时间序列遥感技术支持的国土空间开发监测研究[D]. 孙越凡.南京大学 2018
[3]基于高分辨率遥感影像的茶园场景提取方法[D]. 朱泽润.武汉大学 2018
[4]湖州市水资源承载力评价方法研究[D]. 何晓静.扬州大学 2017
[5]基于高分辨率遥感影像纹理特征的面向对象植被分类方法研究[D]. 杨盼盼.云南师范大学 2017
[6]甘蔗种植区域空间识别提取与面积遥感估算研究[D]. 周振.浙江大学 2016
[7]棉花生理生化参数高光谱反演模型研究[D]. 马文君.西北农林科技大学 2016
[8]基于高分一号和Landsat-8的昌吉市小麦面积提取研究[D]. 武笑天.新疆农业大学 2016
[9]基于面向对象决策树算法的土地利用遥感分类初步研究[D]. 高帆.云南师范大学 2015
[10]基于混合像元分解方法的MODIS森林类型识别研究[D]. 陈利.中南林业科技大学 2014
本文编号：3729024
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 基于单一遥感数据源的农作物面积提取研究
1.2.2 基于多源遥感数据的农作物面积提取研究
1.2.3 茶园遥感提取国内外研究进展
1.3 主要研究内容
1.3.1 研究目标
1.3.2 研究内容
1.3.3 技术路线
2 研究区概况与数据集简介
2.1 研究区概况
2.1.1 溪龙乡
2.1.2 湖州市
2.2 数据介绍
2.2.1 Landsat-8 OLI数据
2.2.2 高分一号卫星数据
2.2.3 Sentinel-2 数据
2.2.4 环境卫星数据
2.2.5 SRTM DEM数据
2.3 遥感数据预处理
2.3.1 辐射定标
2.3.2 大气校正
2.3.3 几何校正
2.3.4 地形校正
2.4 本章小结
3 基于多源遥感数据的茶园分类研究
3.1 基于相同波段的多源数据的茶园遥感分类方法对比研究
3.1.1 光谱特征
3.1.2 Gabor纹理特征
3.1.3 NDVI时间序列
3.1.4 主成分分析
3.1.5 支持向量机分类器
3.1.6 随机森林分类器
3.2 分类结果
3.3 精度评价
3.3.1 面积精度评价
3.3.2 位置精度评价
3.3.3 精度评价指标
3.4 本章小结
4 不同遥感数据以及红边波段对茶园面积提取精度的影响
4.1 不同遥感数据对茶园面积提取精度的影响
4.1.1 数据介绍
4.1.2 分类流程
4.1.3 分类结果
4.1.4 精度评价
4.2 红边波段对于茶园面积提取的影响
4.2.1 植物红边及其他波段光谱响应特性
4.2.2 相关植被指数介绍
4.2.3 分类结果和精度评价
4.3 本章小结
5 基于多源遥感数据融合的茶园面积提取
5.1 数据统计
5.2 研究方法
5.2.1 技术路线
5.2.2 多源遥感数据融合
5.2.3 多时相遥感影像数据对比
5.2.4 基于相同或相近日期的影像对分类特征回归分析
5.3 结果与分析
5.3.1 分类结果
5.3.2 精度评价
5.4 本章小结
6 结论与展望
6.1 结论
6.2 展望
参考文献
作者简介
【参考文献】：
期刊论文
[1]基于FLAASH模型的Worldview3大气校正[J]. 陈玲,陈理,李伟,刘建宇. 国土资源遥感. 2019(04)
[2]多时相Sentinel-2影像在浙西北茶园信息提取中的应用[J]. 李龙伟,李楠,陆灯盛. 浙江农林大学学报. 2019(05)
[3]基于TWDTW的时间序列GF-1 WFV农作物分类[J]. 邱鹏勋,汪小钦,茶明星,李娅丽. 中国农业科学. 2019(17)
[4]基于多时相Sentinel-2A的县域农作物分类[J]. 吴静,吕玉娜,李纯斌,李全红. 农业机械学报. 2019(09)
[5]基于多时相Landsat 8 OLI影像的农作物遥感分类研究[J]. 李晓慧,王宏,李晓兵,迟登凯,汤曾伟,韩重远. 遥感技术与应用. 2019(02)
[6]基于SVM的县域冬小麦种植面积遥感提取[J]. 罗桓,李卫国,景元书,徐向华,陈华. 麦类作物学报. 2019(04)
[7]农业遥感卫星发展现状及我国监测需求分析[J]. 陈仲新,郝鹏宇,刘佳,安萌,韩波. 智慧农业. 2019(01)
[8]结合Gabor小波和形态学的高分辨率图像树冠提取方法[J]. 施慧慧,王妮,滕文秀,刘玉婵. 地球信息科学学报. 2019(02)
[9]基于高分二号影像结合纹理信息的茶园提取[J]. 杨艳魁,陈芸芝,吴波,汪小钦. 江苏农业科学. 2019(02)
[10]遥感光谱技术在农作物估产中的应用研究进展[J]. 王莺,巩垠熙. 中国农学通报. 2019(03)
博士论文
[1]冠层和叶片尺度植被参数的高光谱遥感反演研究[D]. 张苏.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D]. 谢巧云.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[3]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
[4]基于光能利用率模型和定量遥感的玉米生长监测方法研究[D]. 李宗南.中国农业科学院 2014
[5]稻飞虱生境因子遥感监测及应用[D]. 石晶晶.浙江大学 2013
[6]随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学 2012
[7]多源遥感数据融合方法与应用研究[D]. 曹广真.复旦大学 2006
硕士论文
[1]基于高时空分辨率数据的湿地精细分类研究[D]. 许盼盼.中国科学院大学(中国科学院遥感与数字地球研究所) 2018
[2]时间序列遥感技术支持的国土空间开发监测研究[D]. 孙越凡.南京大学 2018
[3]基于高分辨率遥感影像的茶园场景提取方法[D]. 朱泽润.武汉大学 2018
[4]湖州市水资源承载力评价方法研究[D]. 何晓静.扬州大学 2017
[5]基于高分辨率遥感影像纹理特征的面向对象植被分类方法研究[D]. 杨盼盼.云南师范大学 2017
[6]甘蔗种植区域空间识别提取与面积遥感估算研究[D]. 周振.浙江大学 2016
[7]棉花生理生化参数高光谱反演模型研究[D]. 马文君.西北农林科技大学 2016
[8]基于高分一号和Landsat-8的昌吉市小麦面积提取研究[D]. 武笑天.新疆农业大学 2016
[9]基于面向对象决策树算法的土地利用遥感分类初步研究[D]. 高帆.云南师范大学 2015
[10]基于混合像元分解方法的MODIS森林类型识别研究[D]. 陈利.中南林业科技大学 2014
本文编号：3729024
本文链接：https://www.wllwen.com/kejilunwen/nykj/3729024.html
