基于云计算平台的旱区典型农作物遥感信息提取研究

发布时间：2023-02-08 21:26

　　中国是农业大国,粮食的产量是影响农业发展的一个关键因素,而作物识别是保障全球粮食安全初始阶段。随着全球气候的干暖化,作物生长周期发生改变,且造成了很多作物灾害,对作物进行大面积识别可以及时调整作物的生长结构和作物种植制度。因此,无论是粮食安全还是气候变化,对作物进行高效、及时的大面积识别显得尤为重要。本文应用Sentinel-2B、Landsat-8和样本数据,以内蒙古自治区土默特右旗县为研究区,以玉米、小麦、葵花三种主要作物为提取目标,提取典型农作物物候特征和纹理特征,开展了基于Google Earth Engine云平台的典型农作物多特征遥感信息提取研究。首先,使用Sentinel-2B遥感影像、Landsat-8遥感影像和实地采集的样本点为主要原始数据,结合往年当地的作物物候和温度变化,分析2018年三种作物的物候特征。根据Landsat-8遥感影像生成三种作物的NDVI曲线,对典型作物物候特征进行分析。其次,将三条曲线间变化较为明显的时间点和作物的种植、收获时间点作为多期影像数据源,对数据源进行分析,最终选择了5个时相。使用Sentinel-2B分别分析这5个时相的遥感影像的8...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究进展
        1.2.1 基于多时相的作物识别研究现状
        1.2.2 基于多特征的作物识别研究现状
        1.2.3 基于多源遥感数据的作物识别研究现状
        1.2.4 国内外研究现状评述
    1.3 研究内容与技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文章节安排
第2章 研究区概况及数据
    2.1 研究区概况
    2.2 数据及预处理
        2.2.1 样本点数据与预处理
        2.2.2 遥感数据与预处理
第3章 基于NDVI的典型农作物物候特分析
    3.1 基于NDVI的物候分析方法
    3.2 玉米、小麦、葵花物候特征分析
        3.2.1 玉米物候特征分析
        3.2.2 小麦物候特征分析
        3.2.3 葵花物候特征分析
    3.3 作物时间序列曲线拟合
    3.4 计算主要物候期间的NDVI
第4章 基于GLCM的典型农作物的纹理分析
    4.1 灰度共生矩阵定义
    4.2 灰度共生矩阵角度选择
    4.3 灰度共生矩阵常用纹理度量
    4.4 灰度共生矩阵计算影像纹理
    4.5 典型作物的纹理分析
第5章 基于云平台的多方法典型农作物提取
    5.1 GEE云平台介绍
    5.2 农作物特征主成分分析
    5.3 多方法典型农作物提取
        5.3.1 最小距离法
        5.3.2 最大似然分类
        5.3.3 分类与回归树
        5.3.4 随机森林
    5.4 研究区典型农作物提取结果分析
第6章 结论与展望
    6.1 结论
    6.2 不足及展望
参考文献
攻读学位期间发表的学术论文和研究成果
致谢



本文编号：3738401