基于高分一号和Landsat-8的昌吉市小麦面积提取研究

发布时间：2017-09-19 10:01

  本文关键词：基于高分一号和Landsat-8的昌吉市小麦面积提取研究

  更多相关文章： 高分一号 Landsat-8 昌吉市 小麦 面积提取

【摘要】：遥感技术是空间技术的核心组成部分,它具有高信息量、宏观性、客观性和时效性的优势,使其成为农业、林业、国上资源等部门进行监测管理不可替代的技术手段。小麦种植面积的准确估算关系到产量预测、市场价格等重要的现实问题。传统面积估算方法耗时耗力耗资金,且受人为因素影响导致结果不甚准确,已不能满足管理需求。目前对于小麦的面积识别研究大部分都是建立在Landsat系列卫星、ERS-1卫星和SPOT系列卫星数据之上,然而基于我国自主研发的高分一号卫星的小麦遥感识别研究还有待深入探索。本研究以昌吉市为研究区,2015年实地采集小麦、玉米、棉花、其他作物样本数据,基于高分一号和Landsat-8遥感影像,利用单时相、多时相NDVI序列遥感数据和五种常用的监督分类方法,对比分析2015年昌吉市小麦面积识别的最佳数据源、最佳识别时相以及识别方案。结果表明：1)Landsat-8总体分类精度稍好于高分一号卫星数据,但高分一号卫星的小麦生产精度和用户精度却高于Landsat-8卫星数据。即国高分一号卫星总体分类精度稍低,但其小麦生产和用户精度相比Landsat-8卫星要高。因此,如果研究目的是要进行农作物空间分布解译,建议使用数据质量更好更稳定的Landsat-8卫星数据；如果是要识别昌吉市小麦种植面积,建议使用高分一号数据,以便获得更高的解译精度。2)单时相影像解译,5月份是识别小麦面积的最佳时相。多时相NDVI时间序列的总体解译精度和小麦的生产精度及用户精度均高于单时相数据,是小麦面积解译的优选方法。3)如果基于单时相数据进行昌吉市小麦面积提取,最大似然方法监督分类是最优的方法。而基于多时相NDVI序列数据进行小麦面积提取,最大似然法和最小聚类法均是最优方法。整体来看,最大似然方法是小麦面积识别中精度最高的监督分类方法。4)2015年昌吉市小麦面积解译识别的最佳模型是,基于高分一号16 m多光谱数据、利用多时相的NDVI时间序列,以及选择最大似然或最小距离作物监督分类器,从而实现最高的小麦面积识别精度。基于该模型解译2015年昌吉市小麦面积为12486公顷,小麦面积提取精度为91.8%。
【关键词】：高分一号 Landsat-8 昌吉市 小麦 面积提取
【学位授予单位】：新疆农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S512.1;S127
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-19
• 1.1 选题背景及研究意义8-9
• 1.2 国内外研究现状9-17
• 1.2.1 国外作物种植面积遥感提取应用进展9-11
• 1.2.2 国内作物种植面积遥感提取应用进展11-17
• 1.3 研究内容和技术路线17-19
• 1.3.1 研究目的17
• 1.3.2 研究内容17
• 1.3.3 技术路线17-19
• 第2章 材料与方法19-33
• 2.1 研究区概况19-20
• 2.1.1 地形地貌19-20
• 2.1.2 气候特点20
• 2.1.3 农业资源概况20
• 2.2 数据源20-23
• 2.2.1 遥感数据20-22
• 2.2.2 实地调查数据22-23
• 2.2.3 其他数据23
• 2.3 遥感数据的预处理23-27
• 2.3.1 图像几何校正23-25
• 2.3.2 辐射定标25-26
• 2.3.3 大气校正26-27
• 2.4 影像处理27-29
• 2.4.1 NDVI时间序列数据的生成27-29
• 2.5 监督分类方法29-31
• 2.5.1 平行六面体分类法29
• 2.5.2 最小距离法29
• 2.5.3 最大似然分类法29-30
• 2.5.4 马氏距离法30
• 2.5.5 神经网络法30-31
• 2.6 分类后精度评价31-33
• 2.6.1 混淆矩阵精度评价31-32
• 2.6.2 解译面积和实际统计面积验证比较32-33
• 第3章 基于单时相遥感影像的小麦遥感提取33-40
• 3.1 监督分类33
• 3.2 样本数据33-35
• 3.2.1 建立ROI33-34
• 3.2.2 训练样本可分离性统计34-35
• 3.3 确定最佳识别月份35-36
• 3.3.1 基于高分一号影像的小麦最佳识别月份35
• 3.3.2 基于Landsat-8影像的小麦最佳识别月份35-36
• 3.3.3 高分一号和Landsat-8影像的小麦最佳识别月份对比36
• 3.4 确定最佳解译方法36-39
• 3.4.1 基于GF-1影像的小麦最佳解译方法37-38
• 3.4.2 基于Landsat-8影像的小麦最佳解译方法38-39
• 3.4.3 高分一号和Landsat-8影像最佳分类器对比39
• 3.5 本章小结39-40
• 第4章 基于多时相NDVI序列的小麦面积提取40-45
• 4.1 训练样本40-41
• 4.1.1 训练样本数量40
• 4.1.2 训练样本可分离性统计40-41
• 4.2 基于GF-1影像NDVI序列的小麦最佳解译方法41-42
• 4.3 基于LANDSAT-8影像NDVI序列的小麦最佳解译方法42-43
• 4.4 高分一号和LANDSAT-8影像监督分类对比43-44
• 4.5 本章小结44-45
• 第5章 小麦面积最佳遥感解译方案45-50
• 5.1 最佳遥感数据45-46
• 5.2 最佳时相的选择46
• 5.3 最佳监督分类方法46-47
• 5.4 昌吉市最佳小麦面积解译方案及结果47-49
• 5.5 本章小结49-50
• 第6章 结论与展望50-52
• 6.1 结论50
• 6.2 不足与展望50-52
• 参考文献52-56
• 致谢56-57
• 个人简历57

【相似文献】

中国硕士学位论文全文数据库 前2条

1 阎孟冬;基于Landsat-8卫星影像数据的清河水库水质反演模型研究[D];沈阳农业大学;2016年

2 武笑天;基于高分一号和Landsat-8的昌吉市小麦面积提取研究[D];新疆农业大学;2016年

，

本文编号：880970