基于時空特征融合的水稻種植區(qū)提取研究
發(fā)布時間：2021-07-08 04:18
本文目的是探究基于時空特征融合的水稻信息提取策略,具體地,將在當(dāng)前低空間分辨率時序影像分類中引入“超像元”,基于超像素分割方法,對高空間分辨率影像進(jìn)行分割,得到具有高度內(nèi)部勻質(zhì)性的超像素圖像,進(jìn)而獲取高精度的地物紋理信息;隨后以超像素為基本單元,基于加權(quán)平均方法獲取各個超像素平均時序曲線;最后,利用曲線相似性度量方法,計算各個超像素與目標(biāo)地物標(biāo)準(zhǔn)時序曲線相似性,通過合理的閾值劃分,獲取最終分類結(jié)果。大體上,將其分為三個部分的內(nèi)容:（1）基于GF-1可見光波段的云處理方法研究雖然高分1號重訪周期可以達(dá)到4天,但由于其PMS傳感器成像寬幅較小（60km）,因此若要獲取覆蓋較大區(qū)域的GF-1 PMS影像,需要從一個較大的時間范圍內(nèi)去選擇質(zhì)量好的影像,特別是低云影像。為了盡大可能利用現(xiàn)有GF-1影像,本文對GF-1影像云處理算法進(jìn)行了探究,提出了一種基于面向?qū)ο蟮目梢姽獠ǘ蔚脑茩z測算法（Object-oriented Cloud Extraction with Space and Spectrum Information,OCESS）,以獲取研究區(qū)云區(qū)分布情況,在有效性驗證中,該方法制圖精度為...
【文章來源】：華中農(nóng)業(yè)大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁數(shù)】：80 頁
【學(xué)位級別】：碩士
【部分圖文】：
總體技術(shù)路線圖
基于時空特征融合的水稻種植區(qū)提取研究112研究區(qū)、數(shù)據(jù)及其預(yù)處理2.1研究區(qū)概況仙桃市位于湖北省中部，地處江漢平原，在112°55"E—113°49"E、北緯30°04"N—30°32"N之間。市境內(nèi)地形大部為沖擊平原，地勢平坦；氣候?qū)儆趤啛釒Ъ撅L(fēng)性氣候，常年氣候溫和，雨量充沛，日照充足，年平均日照時數(shù)在2000h以上，無霜期一般256d，是傳統(tǒng)的農(nóng)業(yè)區(qū)。仙桃市總面積2538km2，2017年全市耕地面積900km2，占比35.5%，其中水田580km2，旱地323km2，糧食作物以小麥、水稻為主，經(jīng)濟(jì)作物以棉花、油菜為主。圖2-1研究區(qū)位置Fig.2-1Locationofstudyarea2.2MODIS數(shù)據(jù)預(yù)處理2.2.1MODIS影像數(shù)據(jù)來源ModerateResolutionImagingSpectroradiometer（MODIS）是搭載在Terra星和Aqua星上的重要傳感器，其掃描寬幅為2330km，可以在1-2d的時間內(nèi)，以250m、500m、1000m三個空間分辨率尺度，獲取整個地球表面關(guān)于36個光譜波段的影像數(shù)據(jù)，為了滿足不同領(lǐng)域的需求，美國宇航局（NationalAeronauticsandSpaceAdministration，NASA）針對陸地、大氣、海洋三個遙感應(yīng)用領(lǐng)域發(fā)布了44種標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品。本文所用MODIS影像數(shù)據(jù)是從NASA官網(wǎng)（https://reverb.echo.nasa.gov/reverb/）獲取的2005～2015年湖北地區(qū)MOD13Q1
華中農(nóng)業(yè)大學(xué)2020屆碩士研究生學(xué)位（畢業(yè)）論文14（3）以自適應(yīng)Savitzky-Golay濾波法（S-G濾波）(AbrahamSetal1964)為代表的非線性擬合方法；S-G濾波是時序數(shù)據(jù)處理中常用到的方法，S-G濾波法可以看作是移動平均法的改進(jìn)，但其加權(quán)系數(shù)不再是固定不變的，而是對定義窗口內(nèi)的數(shù)據(jù)點進(jìn)行多項式的最小二乘擬合，基于擬合結(jié)果給出的。其表達(dá)式為：=1·∑+1=(2-2)其中，為NDVI的擬合后的值，為原始NDVI值，為其下標(biāo)，為時序NDVI數(shù)據(jù)的第個值，為半窗口寬度，為窗口長度，其等于2+1。上面提到的三大類共四種濾波方法中，BISE方法最早是作為MVC方法的替代方法出現(xiàn)的，由于MOD13Q1數(shù)據(jù)集中的NDVI數(shù)據(jù)已經(jīng)過MVC處理，因此此處僅對MVI、EMD和S-G濾波三種方法進(jìn)行對比分析，以選擇最佳的時序NDVI數(shù)據(jù)的濾波方式。圖2-2、圖2-3、圖2-4分別是以上三種方法針對單季稻樣本的NDVI時序數(shù)據(jù)濾波結(jié)果，從圖中直觀的發(fā)現(xiàn)，MVI方法效果最差，其僅針對了少部分點進(jìn)行了處理，而且變動較大，但大部分時序點的值維持不變，處理前后數(shù)據(jù)質(zhì)量并無明顯改變；EMD方法和S-G方法的平滑效果較好，有效地減弱了時序數(shù)據(jù)中的鋸齒效應(yīng)，并能保證主要波峰特征的存在，相對而言，S-G方法的數(shù)據(jù)保持能力比較強(qiáng)，但EMD方法的平滑效果更加優(yōu)秀。圖2-2基于迭代內(nèi)插法（MVI）的NDVI時序數(shù)據(jù)平滑結(jié)果Fig.2-2SmoothingresultsofNDVItimeseriesdatabasedonMVImethod
【參考文獻(xiàn)】：
期刊論文
[1]基于GF-1影像的耕地地塊破碎區(qū)水稻遙感提取[J]. 張海東,田婷,張青,陸洲,石春林,譚昌偉,羅明,錢春花. 遙感技術(shù)與應(yīng)用. 2019(04)
[2]基于GF-1與MODIS時空融合的南方丘陵區(qū)水稻提取研究[J]. 王建勛,華麗,鄧世超,王惠東,陳家慧. 中國農(nóng)業(yè)資源與區(qū)劃. 2019(05)
[3]面向GF-1 WFV數(shù)據(jù)和MODIS數(shù)據(jù)的時空融合算法對比分析[J]. 平博,孟云閃,蘇奮振. 地球信息科學(xué)學(xué)報. 2019(02)
[4]基于面向?qū)ο蠓ò群u蟲信息提取[J]. 李微,劉偉男,賈越平,劉洪洋,湯勇. 國土資源遙感. 2018(04)
[5]特征優(yōu)選下的遙感影像面向?qū)ο蠓诸愐?guī)則構(gòu)建[J]. 戴莉莉,李海濤,顧海燕,余凡. 測繪科學(xué). 2019(02)
[6]基于資源三號衛(wèi)星影像的面向?qū)ο蟮乇砀采w要素分類方法研究[J]. 羅建松,曹宇佳,陽俊. 測繪與空間地理信息. 2018(06)
[7]Integrated uncertain models for runoff forecasting and crop planting structure optimization of the Shiyang River Basin,north-west China[J]. Fan ZHANG,Mo LI,Shanshan GUO,Chenglong ZHANG,Ping GUO. Frontiers of Agricultural Science and Engineering. 2018(02)
[8]基于GF-1影像的東江流域面向?qū)ο笸恋乩梅诸怺J]. 李恒凱,吳嬌,王秀麗. 農(nóng)業(yè)工程學(xué)報. 2018(10)
[9]多時相Sentinel-2A與SPOT-7影像在油菜識別中的差異[J]. 韓濤,潘劍君,羅川,周濤,張培育. 南京農(nóng)業(yè)大學(xué)學(xué)報. 2018(04)
[10]農(nóng)業(yè)遙感研究進(jìn)展與展望[J]. 唐華俊. 農(nóng)學(xué)學(xué)報. 2018(01)
博士論文
[1]基于時序MODIS影像的農(nóng)作物遙感識別方法研究[D]. 胡瓊.中國農(nóng)業(yè)科學(xué)院 2018
[2]圖像中的超像素生成方法[D]. 潘曉.山東大學(xué) 2017
[3]基于GF-1/WFV和面向?qū)ο蟮霓r(nóng)作物種植結(jié)構(gòu)提取方法研究[D]. 宋茜.中國農(nóng)業(yè)科學(xué)院 2016
[4]利用多時相MODIS數(shù)據(jù)提取中國水稻種植面積和長勢信息[D]. 孫華生.浙江大學(xué) 2009
碩士論文
[1]紋理增強(qiáng)提取與面向?qū)ο蠼Y(jié)合的高分影像分類的應(yīng)用[D]. 郝劍南.東華理工大學(xué) 2018
[2]基于時間序列植被指數(shù)的水稻發(fā)育期提取和估產(chǎn)[D]. 李新星.浙江大學(xué) 2017
[3]基于Landsat 8 OLI與MODIS的時空數(shù)據(jù)融合方法研究[D]. 莊喜陽.南京大學(xué) 2017
[4]基于多時相遙感影像的黑河流域農(nóng)作物種植結(jié)構(gòu)提取研究[D]. 劉亞群.重慶交通大學(xué) 2016
[5]基于相似漲落模式的時間序列預(yù)測研究[D]. 湯子健.合肥工業(yè)大學(xué) 2016
[6]基于遙感和氣象數(shù)據(jù)的江蘇省水稻面積監(jiān)測和估產(chǎn)研究[D]. 湯斌.浙江大學(xué) 2016
[7]基于高空間分辨率的高光譜遙感數(shù)據(jù)的城市地物分類[D]. 鄒會杰.山東大學(xué) 2014
[8]經(jīng)驗?zāi)B(tài)分解算法應(yīng)用研究[D]. 岳相臣.西安電子科技大學(xué) 2013
本文編號：3270845
【文章來源】：華中農(nóng)業(yè)大學(xué)湖北省 211工程院校 教育部直屬院校
【文章頁數(shù)】：80 頁
【學(xué)位級別】：碩士
【部分圖文】：
總體技術(shù)路線圖
基于時空特征融合的水稻種植區(qū)提取研究112研究區(qū)、數(shù)據(jù)及其預(yù)處理2.1研究區(qū)概況仙桃市位于湖北省中部，地處江漢平原，在112°55"E—113°49"E、北緯30°04"N—30°32"N之間。市境內(nèi)地形大部為沖擊平原，地勢平坦；氣候?qū)儆趤啛釒Ъ撅L(fēng)性氣候，常年氣候溫和，雨量充沛，日照充足，年平均日照時數(shù)在2000h以上，無霜期一般256d，是傳統(tǒng)的農(nóng)業(yè)區(qū)。仙桃市總面積2538km2，2017年全市耕地面積900km2，占比35.5%，其中水田580km2，旱地323km2，糧食作物以小麥、水稻為主，經(jīng)濟(jì)作物以棉花、油菜為主。圖2-1研究區(qū)位置Fig.2-1Locationofstudyarea2.2MODIS數(shù)據(jù)預(yù)處理2.2.1MODIS影像數(shù)據(jù)來源ModerateResolutionImagingSpectroradiometer（MODIS）是搭載在Terra星和Aqua星上的重要傳感器，其掃描寬幅為2330km，可以在1-2d的時間內(nèi)，以250m、500m、1000m三個空間分辨率尺度，獲取整個地球表面關(guān)于36個光譜波段的影像數(shù)據(jù)，為了滿足不同領(lǐng)域的需求，美國宇航局（NationalAeronauticsandSpaceAdministration，NASA）針對陸地、大氣、海洋三個遙感應(yīng)用領(lǐng)域發(fā)布了44種標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品。本文所用MODIS影像數(shù)據(jù)是從NASA官網(wǎng)（https://reverb.echo.nasa.gov/reverb/）獲取的2005～2015年湖北地區(qū)MOD13Q1
華中農(nóng)業(yè)大學(xué)2020屆碩士研究生學(xué)位（畢業(yè)）論文14（3）以自適應(yīng)Savitzky-Golay濾波法（S-G濾波）(AbrahamSetal1964)為代表的非線性擬合方法；S-G濾波是時序數(shù)據(jù)處理中常用到的方法，S-G濾波法可以看作是移動平均法的改進(jìn)，但其加權(quán)系數(shù)不再是固定不變的，而是對定義窗口內(nèi)的數(shù)據(jù)點進(jìn)行多項式的最小二乘擬合，基于擬合結(jié)果給出的。其表達(dá)式為：=1·∑+1=(2-2)其中，為NDVI的擬合后的值，為原始NDVI值，為其下標(biāo)，為時序NDVI數(shù)據(jù)的第個值，為半窗口寬度，為窗口長度，其等于2+1。上面提到的三大類共四種濾波方法中，BISE方法最早是作為MVC方法的替代方法出現(xiàn)的，由于MOD13Q1數(shù)據(jù)集中的NDVI數(shù)據(jù)已經(jīng)過MVC處理，因此此處僅對MVI、EMD和S-G濾波三種方法進(jìn)行對比分析，以選擇最佳的時序NDVI數(shù)據(jù)的濾波方式。圖2-2、圖2-3、圖2-4分別是以上三種方法針對單季稻樣本的NDVI時序數(shù)據(jù)濾波結(jié)果，從圖中直觀的發(fā)現(xiàn)，MVI方法效果最差，其僅針對了少部分點進(jìn)行了處理，而且變動較大，但大部分時序點的值維持不變，處理前后數(shù)據(jù)質(zhì)量并無明顯改變；EMD方法和S-G方法的平滑效果較好，有效地減弱了時序數(shù)據(jù)中的鋸齒效應(yīng)，并能保證主要波峰特征的存在，相對而言，S-G方法的數(shù)據(jù)保持能力比較強(qiáng)，但EMD方法的平滑效果更加優(yōu)秀。圖2-2基于迭代內(nèi)插法（MVI）的NDVI時序數(shù)據(jù)平滑結(jié)果Fig.2-2SmoothingresultsofNDVItimeseriesdatabasedonMVImethod
【參考文獻(xiàn)】：
期刊論文
[1]基于GF-1影像的耕地地塊破碎區(qū)水稻遙感提取[J]. 張海東,田婷,張青,陸洲,石春林,譚昌偉,羅明,錢春花. 遙感技術(shù)與應(yīng)用. 2019(04)
[2]基于GF-1與MODIS時空融合的南方丘陵區(qū)水稻提取研究[J]. 王建勛,華麗,鄧世超,王惠東,陳家慧. 中國農(nóng)業(yè)資源與區(qū)劃. 2019(05)
[3]面向GF-1 WFV數(shù)據(jù)和MODIS數(shù)據(jù)的時空融合算法對比分析[J]. 平博,孟云閃,蘇奮振. 地球信息科學(xué)學(xué)報. 2019(02)
[4]基于面向?qū)ο蠓ò群u蟲信息提取[J]. 李微,劉偉男,賈越平,劉洪洋,湯勇. 國土資源遙感. 2018(04)
[5]特征優(yōu)選下的遙感影像面向?qū)ο蠓诸愐?guī)則構(gòu)建[J]. 戴莉莉,李海濤,顧海燕,余凡. 測繪科學(xué). 2019(02)
[6]基于資源三號衛(wèi)星影像的面向?qū)ο蟮乇砀采w要素分類方法研究[J]. 羅建松,曹宇佳,陽俊. 測繪與空間地理信息. 2018(06)
[7]Integrated uncertain models for runoff forecasting and crop planting structure optimization of the Shiyang River Basin,north-west China[J]. Fan ZHANG,Mo LI,Shanshan GUO,Chenglong ZHANG,Ping GUO. Frontiers of Agricultural Science and Engineering. 2018(02)
[8]基于GF-1影像的東江流域面向?qū)ο笸恋乩梅诸怺J]. 李恒凱,吳嬌,王秀麗. 農(nóng)業(yè)工程學(xué)報. 2018(10)
[9]多時相Sentinel-2A與SPOT-7影像在油菜識別中的差異[J]. 韓濤,潘劍君,羅川,周濤,張培育. 南京農(nóng)業(yè)大學(xué)學(xué)報. 2018(04)
[10]農(nóng)業(yè)遙感研究進(jìn)展與展望[J]. 唐華俊. 農(nóng)學(xué)學(xué)報. 2018(01)
博士論文
[1]基于時序MODIS影像的農(nóng)作物遙感識別方法研究[D]. 胡瓊.中國農(nóng)業(yè)科學(xué)院 2018
[2]圖像中的超像素生成方法[D]. 潘曉.山東大學(xué) 2017
[3]基于GF-1/WFV和面向?qū)ο蟮霓r(nóng)作物種植結(jié)構(gòu)提取方法研究[D]. 宋茜.中國農(nóng)業(yè)科學(xué)院 2016
[4]利用多時相MODIS數(shù)據(jù)提取中國水稻種植面積和長勢信息[D]. 孫華生.浙江大學(xué) 2009
碩士論文
[1]紋理增強(qiáng)提取與面向?qū)ο蠼Y(jié)合的高分影像分類的應(yīng)用[D]. 郝劍南.東華理工大學(xué) 2018
[2]基于時間序列植被指數(shù)的水稻發(fā)育期提取和估產(chǎn)[D]. 李新星.浙江大學(xué) 2017
[3]基于Landsat 8 OLI與MODIS的時空數(shù)據(jù)融合方法研究[D]. 莊喜陽.南京大學(xué) 2017
[4]基于多時相遙感影像的黑河流域農(nóng)作物種植結(jié)構(gòu)提取研究[D]. 劉亞群.重慶交通大學(xué) 2016
[5]基于相似漲落模式的時間序列預(yù)測研究[D]. 湯子健.合肥工業(yè)大學(xué) 2016
[6]基于遙感和氣象數(shù)據(jù)的江蘇省水稻面積監(jiān)測和估產(chǎn)研究[D]. 湯斌.浙江大學(xué) 2016
[7]基于高空間分辨率的高光譜遙感數(shù)據(jù)的城市地物分類[D]. 鄒會杰.山東大學(xué) 2014
[8]經(jīng)驗?zāi)B(tài)分解算法應(yīng)用研究[D]. 岳相臣.西安電子科技大學(xué) 2013
本文編號：3270845
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/3270845.html
最近更新
教材專著
