基于EVI时序特征深度学习的复杂地表景观区域水稻遥感精确识别方法
发布时间：2020-12-19 19:53
及时、准确的水稻空间分布信息在农作物估产、粮食安全、全球气候变化等多方面发挥着至关重要的作用。早期获取农作物信息的途径以实地调查为主,成本较高且结果精度较差,不利于进一步推广。遥感技术的快速发展为水稻信息提取开辟了新的途径,目前已经发展得比较成熟。在我国南方地区,由于受到地形、气候条件等影响,水稻的种植结构复杂,空间分布零散,存在大量耕地被搁置撂荒,而且其多云雨天气对遥感数据的收集来说也是一个很大的挑战。因此,利用遥感技术对该地区的水稻进行精确提取尚面临一些挑战。本研究以具有高时间分辨率的HJ-1A/B多光谱影像为主要数据源,提出了一种适用于复杂地表景观区域的水稻信息精确提取方法。具体内容主要包括以下几方面:（1）考虑到归一化植被指数（NDVI）易出现的过饱和特点,使用增强型植被指数（EVI）作为监测植被生长状态的重要指标。通过构建不同地物类型的EVI时间序列,分析它们的生长变化特征。其中,水稻在不同的物候阶段表现出明显的特征差异。（2）借助深度学习技术,基于EVI时序特征提出一种复杂地表景观区域水稻信息精确提取方法。作为深度学习领域的一个研究热点,卷积神经网络（CNN）由于其多层结构...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
基于深度学习模型的水稻遥感精确提取技术路线图
第 2 章 研究区概况与数据来源2.1 研究区概况2.1.1 地形位置特征本文以湖南省株洲市为研究区。株洲市处于湖南省东部境内，介于 26°03′05″～28°01′07″N、112°57′30″～114°07′15″E 之间，横跨纬度较广，总面积达到 11262 平方公里。株洲市水系发达，湘江干流流经其西北部分区域。市域内地形起伏变化明显，其地势总体上呈东南高、西北低的特点，包括盆地、山地、丘陵、平原等地貌类型，其中主要以山地和丘陵为主，覆盖范围约 6593.08 平方千米，占总面积的 58.54%。从高程图上来看，市域内平均海拔约为 300m，集中分布在东南部的山地最高处海拔可达 2000m，而沿各流域分布的平原地区海拔多数在 150m 以下（图 2-1）。
HJ-1B CCD1 1.5295 3.0089 1.4434 4.4487 0.9388 3.2144 0.9343 2.5609HJ-1B CCD2 1.2716 2.2219 1.2302 4.0683 0.8639 5.2537 0.8092 6.3497使用上述定标公式，对原始遥感影像进行辐射定标处理，得到结果如图2-2所示。图 2-2 辐射定标效果图，(a)原始遥感影像标准假彩色合成(b)辐射定标处理后的图像(a) (b)
【参考文献】：
期刊论文
[1]融合时间序列环境卫星数据与物候特征的水稻种植区提取[J]. 柳文杰,曾永年,张猛. 遥感学报. 2018(03)
[2]深度卷积神经网络特征提取用于地表覆盖分类初探[J]. 张伟,郑柯,唐娉,赵理君. 中国图象图形学报. 2017(08)
[3]基于卷积神经网络模型的遥感图像分类[J]. 付秀丽,黎玲萍,毛克彪,谭雪兰,李建军,孙旭,左志远. 高技术通讯. 2017(03)
[4]时间序列MODIS数据水稻面积提取精度研究[J]. 汤斌,王福民,周柳萍,张东尼. 科技通报. 2017(01)
[5]基于卷积神经网络的遥感图像舰船目标检测[J]. 黄洁,姜志国,张浩鹏,姚远. 北京航空航天大学学报. 2017(09)
[6]基于时差特征与随机森林的水稻种植面积提取[J]. 雷小雨,卓莉,叶涛,陶海燕,王芳. 遥感技术与应用. 2016(06)
[7]深度学习在语音识别中的研究进展综述[J]. 侯一民,周慧琼,王政一. 计算机应用研究. 2017(08)
[8]利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识[J]. 阚希,张永宏,曹庭,王剑庚,田伟. 测绘学报. 2016(10)
[9]基于深度学习的维吾尔语语句情感倾向分析[J]. 李敏,禹龙,田生伟,吐尔根·依布拉音,艾斯卡尔·艾木都拉. 计算机工程与设计. 2016(08)
[10]基于GF-1/WFVNDVI时间序列数据的作物分类[J]. 杨闫君,占玉林,田庆久,顾行发,余涛,王磊. 农业工程学报. 2015(24)
硕士论文
[1]基于光谱时间序列拟合的中国南方水稻遥感识别及面积估算方法研究[D]. 宋盼盼.东华理工大学 2017
[2]基于机器学习的遥感图像水体提取研究[D]. 王知音.新疆大学 2016
[3]基于作物物候特征的水稻种植面积提取研究[D]. 周燕芳.东北师范大学 2015
[4]基于HJ卫星影像的水稻种植面积遥感信息提取方法研究[D]. 魏新彩.湖北大学 2013
本文编号：2926479
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
基于深度学习模型的水稻遥感精确提取技术路线图
第 2 章 研究区概况与数据来源2.1 研究区概况2.1.1 地形位置特征本文以湖南省株洲市为研究区。株洲市处于湖南省东部境内，介于 26°03′05″～28°01′07″N、112°57′30″～114°07′15″E 之间，横跨纬度较广，总面积达到 11262 平方公里。株洲市水系发达，湘江干流流经其西北部分区域。市域内地形起伏变化明显，其地势总体上呈东南高、西北低的特点，包括盆地、山地、丘陵、平原等地貌类型，其中主要以山地和丘陵为主，覆盖范围约 6593.08 平方千米，占总面积的 58.54%。从高程图上来看，市域内平均海拔约为 300m，集中分布在东南部的山地最高处海拔可达 2000m，而沿各流域分布的平原地区海拔多数在 150m 以下（图 2-1）。
HJ-1B CCD1 1.5295 3.0089 1.4434 4.4487 0.9388 3.2144 0.9343 2.5609HJ-1B CCD2 1.2716 2.2219 1.2302 4.0683 0.8639 5.2537 0.8092 6.3497使用上述定标公式，对原始遥感影像进行辐射定标处理，得到结果如图2-2所示。图 2-2 辐射定标效果图，(a)原始遥感影像标准假彩色合成(b)辐射定标处理后的图像(a) (b)
【参考文献】：
期刊论文
[1]融合时间序列环境卫星数据与物候特征的水稻种植区提取[J]. 柳文杰,曾永年,张猛. 遥感学报. 2018(03)
[2]深度卷积神经网络特征提取用于地表覆盖分类初探[J]. 张伟,郑柯,唐娉,赵理君. 中国图象图形学报. 2017(08)
[3]基于卷积神经网络模型的遥感图像分类[J]. 付秀丽,黎玲萍,毛克彪,谭雪兰,李建军,孙旭,左志远. 高技术通讯. 2017(03)
[4]时间序列MODIS数据水稻面积提取精度研究[J]. 汤斌,王福民,周柳萍,张东尼. 科技通报. 2017(01)
[5]基于卷积神经网络的遥感图像舰船目标检测[J]. 黄洁,姜志国,张浩鹏,姚远. 北京航空航天大学学报. 2017(09)
[6]基于时差特征与随机森林的水稻种植面积提取[J]. 雷小雨,卓莉,叶涛,陶海燕,王芳. 遥感技术与应用. 2016(06)
[7]深度学习在语音识别中的研究进展综述[J]. 侯一民,周慧琼,王政一. 计算机应用研究. 2017(08)
[8]利用多光谱卫星遥感和深度学习方法进行青藏高原积雪判识[J]. 阚希,张永宏,曹庭,王剑庚,田伟. 测绘学报. 2016(10)
[9]基于深度学习的维吾尔语语句情感倾向分析[J]. 李敏,禹龙,田生伟,吐尔根·依布拉音,艾斯卡尔·艾木都拉. 计算机工程与设计. 2016(08)
[10]基于GF-1/WFVNDVI时间序列数据的作物分类[J]. 杨闫君,占玉林,田庆久,顾行发,余涛,王磊. 农业工程学报. 2015(24)
硕士论文
[1]基于光谱时间序列拟合的中国南方水稻遥感识别及面积估算方法研究[D]. 宋盼盼.东华理工大学 2017
[2]基于机器学习的遥感图像水体提取研究[D]. 王知音.新疆大学 2016
[3]基于作物物候特征的水稻种植面积提取研究[D]. 周燕芳.东北师范大学 2015
[4]基于HJ卫星影像的水稻种植面积遥感信息提取方法研究[D]. 魏新彩.湖北大学 2013
本文编号：2926479
本文链接：https://www.wllwen.com/wenyilunwen/huanjingshejilunwen/2926479.html
