基于时间序列遥感数据的冬小麦分类和监测研究

发布时间：2023-06-03 09:11

　　随着人口的不断增长,对粮食的需要不断增加。小麦作为世界上三大谷物之一,在其生长季的早期阶段获得生长条件信息具有十分重要的意义,并且有时候甚至比收获后获得确切的产量更加重要。针对以往对农作物进行分类和监测研究没有考虑其物候期差异、计算其生物量没有考虑云的影响和缺少产量预报的问题。本文采用多期遥感图像分类理论对冬小麦进行分类与种植面积提取、利用农作物生长模型理论对冬小麦长势进行监测、产量计算方法计算冬小麦总产量。提出利用温度差异对研究区进行区划的方法、改进光能利用率(Light Use Efficiency,LUE)模型。通过统计数据和环境卫星数据验证了时间序列遥感数据的相似度分类方法能够对冬小麦种植面积进行比较准确的提取、统计数据验证了改进的LUE模型计算的生物量和产量计算方法得到的产量比较准确。对研究区进行区划和改进的LUE模型能够在世界大范围种植的农作物监测中进行应用。

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究的背景和意义
        1.1.1 研究的背景
        1.1.2 研究的意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 研究方法与技术路线
    1.5 研究区与采用数据
        1.5.1 研究区概况
        1.5.2 采用数据
2 农作物遥感分类和监测的理论与方法
    2.1 农作物遥感分类和监测的理论
        2.1.1 概述
        2.1.2 农作物遥感分类和监测的基本原理
    2.2 农作物遥感分类和监测的方法
        2.2.1 遥感图像分类的方法
        2.2.2 农作物遥感监测的方法
    2.3 本章小结
3 冬小麦种植区区划研究与遥感数据预处理
    3.1 冬小麦种植区区划研究
    3.2 遥感数据预处理
        3.2.1 数据镶嵌和裁剪
        3.2.2 几何校正
        3.2.3 辐射校正
        3.2.4 多种植被指数图像增强研究
        3.2.5 多种图像滤波方法研究
    3.3 本章小结
4 冬小麦识别分类研究与精度分析
    4.1 多个单期影像分类结果逻辑判断综合分类
    4.2 时间序列数据相似度分类
        4.2.1 冬小麦的识别
        4.2.2 冬小麦的像元分解
    4.3 冬小麦种植面积验证
    4.4 本章小结
5 冬小麦长势监测与产量预报方法研究
    5.1 冬小麦长势监测的方法研究
        5.1.1 通过云概率计算植被吸收的光合有效辐射
        5.1.2 冬小麦植被指数反演生物物理参数
        5.1.3 冬小麦生物量的计算
    5.2 冬小麦产量预报方法研究
    5.3 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
作者简历
学位论文数据集



本文编号：3829052