【摘要】：城市化是社會經(jīng)濟發(fā)展的重要標志,但同時也可能威脅到國家糧食安全和可持續(xù)戰(zhàn)略目標。南京市作為長三角地區(qū)唯一特大城市,其高城鎮(zhèn)化率對土地用途空間管制提出了更嚴格的要求,因而推動了以信息化特征為主的現(xiàn)代精準農(nóng)業(yè)發(fā)展。利用高分遙感影像能夠有效提取農(nóng)地規(guī)模和空間格局,而利用時序高分影像更能實現(xiàn)對農(nóng)地耕作信息進行精準提取和環(huán)境動態(tài)監(jiān)測。開發(fā)現(xiàn)代農(nóng)業(yè)遙感動態(tài)監(jiān)測技術(shù),有利于南京都市農(nóng)業(yè)信息化、精準化和可持續(xù)發(fā)展。但是,目前針對國產(chǎn)高分一號數(shù)據(jù)的農(nóng)業(yè)用地精準提取研究還較少,尤其關于農(nóng)業(yè)用地精細提取研究還相當缺乏有效的技術(shù)和方法支撐。因此,本研究以南京市2018年時間序列國產(chǎn)高分一號WFV影像為數(shù)據(jù)集,提出了一種農(nóng)業(yè)用地精細提取方法,主要研究內(nèi)容包括:(1)基于非對稱高斯函數(shù)擬合法從時間序列國產(chǎn)高分一號影像中重構(gòu)了地物時序特征,在消除噪聲的同時盡可能的保留了地物特征信息。重構(gòu)的時間序列曲線特征得到明顯的平滑,旱地、水體、建筑、林草地以及水田等典型地物的時序特征都較好地呈現(xiàn)出來,不同地物間的差異可以直觀地體現(xiàn)出來,能夠滿足農(nóng)業(yè)用地精細提取需求,構(gòu)建的時序曲線特征為后續(xù)分類體系的構(gòu)建以及精細提取奠定了良好的基礎。(2)提出了一種基于重構(gòu)時序特征的農(nóng)業(yè)用地層次型提取方法。首先以高分一號影像光譜特征和歸一化水體指數(shù)等指數(shù)特征為初步分類特征進行初分類,而后加入面向?qū)ο笮螤钐卣�、雷達VV/VH極化波段等特征對水體與水產(chǎn)用地、大棚與建筑以及小麥和油菜進行精細提取,分類總體精度和Kappa系數(shù)分別為95.3 1%和0.9431,達到了較好的結(jié)果。(3)基于農(nóng)業(yè)用地精細提取結(jié)果計算統(tǒng)計了南京市全市以及各區(qū)農(nóng)業(yè)用地面積情況,計算了各區(qū)農(nóng)作物復種指數(shù)。通過與統(tǒng)計年鑒數(shù)據(jù)對比分析發(fā)現(xiàn),南京市整體復種指數(shù)為154.9%,各農(nóng)業(yè)大區(qū)均在110%以上,其中六合區(qū)、溧水區(qū)以及高淳區(qū)等區(qū)域復種指數(shù)高于其他區(qū)。本文從氣候、國家政策和農(nóng)業(yè)機械化水平等方面分析了各區(qū)復種指數(shù)直接差異的原因,表明復種指數(shù)除受氣候影響較大以外,還與政策以及機械化水平等有較大關系。綜上所述,時間序列高分一號影像在農(nóng)業(yè)用地精準提取與動態(tài)監(jiān)測中有較大應用潛力,而本研究提出的方法可以為農(nóng)業(yè)用地遙感精細監(jiān)測提供重要的技術(shù)支持,能夠為廣域、實時的農(nóng)業(yè)監(jiān)測和分析提供定量參考。
【圖文】：

２．１研究區(qū)概況逡逑２．１．１地理區(qū)位與自然環(huán)境逡逑研究區(qū)為南京市，，地理位置如圖２．１所示。南京市位于江蘇省西南部的丘陵逡逑地區(qū)，經(jīng)緯度范圍為：北緯３１°１４、３２°３７＇，東經(jīng)１１８°２２＇？１丨９°１４＼面積約為逡逑６５８７ｋｍ２。地理位置獨特，是長江流域四大中心城市之一。南京市南北直線距離逡逑約為１５０ｋｍ，中部東西寬５０？７０ｋｍ，南北兩端寬度大約為３０ｋｎｉ。逡逑ＩＩＲＣ３0＇０＂Ｅ邋ｌ｜８＝４５，０＂Ｅ邐ＩＩ９ＷＥ邐｜｜？ｎ５＇０＂Ｅ逡逑４邋／ｆ逡逑Ｖ；邋＼邐－NB邋，邐匾〕Ｈ逡逑＼邐））邐＂＂－５逡逑圖例邐＼邐）（ｒ邋■邐：邐＾逡逑行政邊界邐＼邐媝“逡逑ｔｔ＿邐＼邋Ｍｌ邋＼邐＾－１逡逑＝」■邋＿邋■邐＼邋ＳＪｍ＇Ｎ邋＾邋Ｋｊ逡逑ｏ－ｓ－—0邋３—＼Ｊｍ＼邐＇逡逑邐１１邋ｋ‘．邋ｉ－ｗｉｔ邐ｉ邋ｉｘ－？？聊邋ｔ邋ｉｉｋｗｏｔ邋１１邋ｖｉｎｒｒ．邐逡逑圖２．１南京市地理位置逡逑Ｆｉｇｕｒｅ邋２．１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋Ｎａｎｊｉｎｇ逡逑南京屬北亞熱帶季風氣候區(qū)，其典型氣候特征為四季分明、日照充足、冬季逡逑以及夏季較長而春秋季節(jié)較短。南京市降水豐富，平均降水量可達１１０６．０５毫米，逡逑大約－年中將近１／３的時間有降水

２．１研究區(qū)概況逡逑２．１．１地理區(qū)位與自然環(huán)境逡逑研究區(qū)為南京市，地理位置如圖２．１所示。南京市位于江蘇省西南部的丘陵逡逑地區(qū)，經(jīng)緯度范圍為：北緯３１°１４、３２°３７＇，東經(jīng)１１８°２２＇？１丨９°１４＼面積約為逡逑６５８７ｋｍ２。地理位置獨特，是長江流域四大中心城市之一。南京市南北直線距離逡逑約為１５０ｋｍ，中部東西寬５０？７０ｋｍ，南北兩端寬度大約為３０ｋｎｉ。逡逑ＩＩＲＣ３0＇０＂Ｅ邋ｌ｜８＝４５，０＂Ｅ邐ＩＩ９ＷＥ邐｜｜？ｎ５＇０＂Ｅ逡逑４邋／ｆ逡逑Ｖ；邋＼邐－NB邋，邐匾〕Ｈ逡逑＼邐））邐＂＂－５逡逑圖例邐＼邐）（ｒ邋■邐：邐＾逡逑行政邊界邐＼邐媝“逡逑ｔｔ＿邐＼邋Ｍｌ邋＼邐＾－１逡逑＝」■邋＿邋■邐＼邋ＳＪｍ＇Ｎ邋＾邋Ｋｊ逡逑ｏ－ｓ－—0邋３—＼Ｊｍ＼邐＇逡逑邐１１邋ｋ‘．邋ｉ－ｗｉｔ邐ｉ邋ｉｘ－？？聊邋ｔ邋ｉｉｋｗｏｔ邋１１邋ｖｉｎｒｒ．邐逡逑圖２．１南京市地理位置逡逑Ｆｉｇｕｒｅ邋２．１邋Ｌｏｃａｔｉｏｎ邋ｏｆ邋Ｎａｎｊｉｎｇ逡逑南京屬北亞熱帶季風氣候區(qū)，其典型氣候特征為四季分明、日照充足、冬季逡逑以及夏季較長而春秋季節(jié)較短。南京市降水豐富，平均降水量可達１１０６．０５毫米，逡逑大約－年中將近１／３的時間有降水
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：P237

【相似文獻】

相關期刊論文 前10條

1 孫其法;閆秋艷;閆欣鳴;;基于多樣化top-k shapelets轉(zhuǎn)換的時間序列分類方法[J];計算機應用;2017年02期

2 王金策;楊寧;;時間序列趨勢預測[J];現(xiàn)代計算機(專業(yè)版);2017年02期

3 彭佳星;肖基毅;;基于分型轉(zhuǎn)折點的證券時間序列分段表示法[J];商;2016年31期

4 劉偉龍;;基于ARMA模型的股價預測及實證研究[J];智富時代;2017年02期

5 周仰;;《漫長的告別》(年度資助攝影圖書)[J];中國攝影;2017年04期

6 王嵬;;王嵬作品[J];當代油畫;2017年07期

7 劉明華;張晉昕;;時間序列的異常點診斷方法[J];中國衛(wèi)生統(tǒng)計;2011年04期

8 郭崇慧;蘇木亞;;基于獨立成分分析的時間序列譜聚類方法[J];系統(tǒng)工程理論與實踐;2011年10期

9 王佳林;王斌;楊曉春;;面向不確定時間序列的分類方法[J];計算機研究與發(fā)展;2011年S3期

10 萬里;廖建新;朱曉民;倪萍;;一種基于頻繁模式的時間序列分類框架[J];電子與信息學報;2010年02期

相關會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預報方法及其應用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學術(shù)年會論文集[C];1999年

2 張可;李媛;柴毅;黃磊;;基于分段趨勢的符號化時間序列聚類表示[A];第37屆中國控制會議論文集（D）[C];2018年

3 張立波;龐蓉蓉;王勇;黃敏;何成濤;傅強;曲賢敏;仲昭衍;;基于時間序列的隨機質(zhì)控設計與應用[A];中國輸血協(xié)會第九屆輸血大會論文專輯[C];2018年

4 徐光晶;;統(tǒng)計學在大地電磁測深時間序列處理中的應用[A];2017中國地球科學聯(lián)合學術(shù)年會論文集（二十九）——專題57：電磁地球物理學研究及其應用[C];2017年

5 毛宇清;王詠青;王革麗;;支持向量機方法應用于理想時間序列的預測研究[A];中國氣象學會2008年年會氣候預測研究與預測方法分會場論文集[C];2008年

6 吳麗娜;黃領梅;沈冰;呂繼強;;黃河上游降水時間序列混沌特性識別與預測年限分析[A];水系統(tǒng)與水資源可持續(xù)管理——第七屆中國水論壇論文集[C];2009年

7 吳堅忠;路子愚;鄭應平;;時間序列社會悖論模型及分析[A];1989年控制理論及其應用年會論文集（上）[C];1989年

8 雷敏;孟光;謝洪波;Kerreie Mengersen;Peter Bartlett;;嵌入維數(shù)對復雜時間序列的熵分析的影響研究[A];中國力學大會-2015論文摘要集[C];2015年

9 王兆甲;王海良;;一種相似時間序列挖掘算法及其在汽車運動分析中的應用[A];2014中國汽車工程學會年會論文集[C];2014年

10 林忠輝;莫興國;薛玲;;用NDVI時間序列確定作物物侯和作物類型判別[A];第十四屆全國遙感技術(shù)學術(shù)交流會論文摘要集[C];2003年

相關重要報紙文章 前10條

1 王曉寶 楊永恒 永安期貨;淺析波動率的均值回復特征[N];期貨日報;2017年

2 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

3 國家統(tǒng)計局核算司 呂峰;不變價GDP時間序列數(shù)據(jù)的構(gòu)造[N];中國信息報;2016年

4 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

5 何德旭 王朝陽;時間序列計量經(jīng)濟學：協(xié)整與有條件的異方差自回歸[N];中國社會科學院院報;2003年

6 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀經(jīng)濟報道;2003年

7 卞紀;我國多時間序列濕地遙感制圖完成[N];中國氣象報;2011年

8 權(quán)證一級交易商 國信證券;正股走勢及時間序列主導下半年權(quán)證市場運行結(jié)構(gòu)[N];證券時報;2006年

9 廣發(fā)期貨股指研究小組 謝貞聯(lián);Hurst指數(shù)提示市場升勢或?qū)⑿纬蒣N];上海證券報;2012年

10 丁睿 中糧期貨研究院;試論指數(shù)HP濾波分析法的應用[N];期貨日報;2014年

相關博士學位論文 前10條

1 鄒蕾;基于趨勢基元的時間序列同構(gòu)關系發(fā)現(xiàn)[D];北京科技大學;2017年

2 康峻;基于時間序列遙感數(shù)據(jù)的植被精細分類與覆蓋度反演研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2018年

3 林蕾;基于循環(huán)神經(jīng)網(wǎng)絡模型的遙感影像時間序列分類及變化檢測方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2018年

4 丁紅;柳江徑流分析與預測研究[D];武漢理工大學;2016年

5 周超;集成時間序列InSAR技術(shù)的滑坡早期識別與預測研究[D];中國地質(zhì)大學;2018年

6 張琪;時間序列流數(shù)據(jù)異常檢測問題的研究[D];山東大學;2019年

7 張方;局部相似分析的統(tǒng)計研究及其在生物時間序列中的應用[D];山東大學;2019年

8 郝鵬宇;基于多時相遙感數(shù)據(jù)的作物早期識別[D];中國農(nóng)業(yè)科學院;2019年

9 丁超;MODIS時間序列重建方法與應用[D];中國地質(zhì)大學(北京);2018年

10 魏永強;煤礦瓦斯監(jiān)測數(shù)據(jù)插值與預測研究[D];中國礦業(yè)大學(北京);2015年

相關碩士學位論文 前10條

1 王浩宇;基于EEMD方法的基金業(yè)績評價研究[D];上海社會科學院;2019年

2 縱焱;基于組合Shapelets的時間序列分類方法研究[D];中國礦業(yè)大學;2019年

3 王恒健;云工作負載預測模型研究與實現(xiàn)[D];江蘇大學;2019年

4 武帥;面向時間序列的增量模糊聚類算法研究[D];河南理工大學;2018年

5 王璇;基于MODIS時間序列的河南主要農(nóng)作物種植信息提取[D];河南大學;2019年

6 韓如愿;兩種基于數(shù)據(jù)驅(qū)動的庫存預測方法研究[D];廈門大學;2017年

7 曹西娟;模糊時間序列在鉆井風險概率中的預測及應用[D];西南石油大學;2018年

8 王子一;基于特征提取的時間序列分類方法的研究[D];南京大學;2019年

9 單中南;時間序列半監(jiān)督分類研究[D];河北經(jīng)貿(mào)大學;2019年

10 栗云峰;基于時間序列高分一號影像的南京市農(nóng)業(yè)用地提取方法研究[D];南京大學;2019年

本文編號：2588288