水稻是我國的主要糧食作物,全國水稻年產(chǎn)量占世界產(chǎn)量的一半以上,在糧食安全中占有極其重要的地位。從統(tǒng)計、監(jiān)查、核實對比層面,對水稻種植面積進行調查統(tǒng)計,以監(jiān)測水稻種植面積變化情況,為水稻估產(chǎn)、水稻安全狀況、水稻種植政策制定提供決策支撐。然而人工實地勘測調查獲取水稻種植面積的變化情況耗費大量的人力物力,具有較高的生產(chǎn)成本,耗費時間較長,難以適應信息現(xiàn)勢性需求。通過遙感監(jiān)測水稻種植面積具有客觀性、時效性、經(jīng)濟性等優(yōu)勢。本文以遼寧省沈陽市為研究區(qū)域,Landsat8 OLI遙感影像為基本數(shù)據(jù),分別對4年9期影像運用基于像元和基于對象的分類方法,對研究區(qū)水稻種植信息提取,并通過分類后再比較的方法對水稻進行動態(tài)變化監(jiān)測。本文主要研究內(nèi)容和成果如下:（1）研究區(qū)遙感影像預處理。首先將研究區(qū)數(shù)據(jù)輻射定標,將DN值轉化為地球表面地物反射率、地表溫度等參數(shù);再對待配準影像和參考影像進行配準消除或減少幾何形變;采用NNDiffuse Pan Sharpening融合方法提高影像的空間分辨率同時對色彩、紋理和光譜信息進行保留;最后進行相對輻射校正將輻射亮度的差異反映出不同時相中地物的變化。其中配準和相對輻射校... 

【文章來源】：沈陽建筑大學遼寧省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

圖２．１高程數(shù)據(jù)選取??Ｆｉｇ．?２．１?Ｔｈｅ?ｓｅｌｅｃｔｉｏｎ?ｏｆ?ｅｌｅｖａｔｉｏｎ?ｄａｔａ??

可應用導軌、測針、ＧＰＳ、全站儀、野外測量等高端儀器。（２）根據(jù)航空或航天影像，??通過攝影測量途徑獲取。（３）用戶對實際地物的野外調查。研究區(qū)的ＤＥＭ的獲取，首??先需要研究區(qū)的初始高程數(shù)據(jù)，本研究通過專門的軟件來獲取。見圖２．１所示，在??ＢＩＧＥＭＡＰ中選取可供下載的最高分辨率級數(shù)（Ｌ１６級別）的高程數(shù)據(jù)，其像素分辨率??可達１．７８ｍ。??髟諍?高程（等高線）?矢墾路網(wǎng)?ＰＯＩ?（興＾）?行政邊界??鉢信息??任務名稱：沈陽市－高程??：?１２２．４２．?４３．０４０５?＞＞?１２３．８０８．?４１．１９７９??游路徑：Ｈ：／?Ｑ??圖層：�；旌蠄D?？分圖層??１?選項：Ｅ裁趨?０替加＾注??地圖背星：§填充?？不填充?＃┦拭鰨崳?縣?：?▼?標３圖較件格式丄三??提示：勾選設ＥＵ越高，下栽影像越清明｝??娜倕比嫩?尺！?聯(lián)大小▲??第?１３級?１４．１７?ｍ?１：５３５７２?８０８３ｘ１０７３４?２４８．２３?Ｍ??；?結?１４級?７．０９?ｍ?１：２６７８６?１６１６６ｘ２１４６７?０．９７?Ｇ??筮?１５級?３．５４?ｍ?１：１３３９３?３２３３２ｘ４２９３４?３．８８?Ｇ??Ｉ?Ｖ?第?１６級?１．７７?ｍ?１：６６９７?６４６６３ｘ８５８６８?１５．５１?Ｇ??｜?筮?１７級?０．８９?ｍ?１：３３４８?１２９３２７ｘ１７１７３６?６２．０５?Ｇ??笫?

?碩士研究生學位論文??現(xiàn)代技術的計算機圖像分類，地物反射光譜特征是最重要、最基本、最直接的解譯分類??要素。圖３．７為在ＥＮＶＩ中加載２０１６年５月至１０月６期處理后的遙感影像，進行２％??的線性拉伸，并改為６、５、２（Ｒ、Ｇ、Ｂ）的波段顯示。??＿?，??＿＿＿??圖３．７沈陽市物候期衛(wèi)星影像??Ｆｉｇ．?３．７?Ｓａｔｅｌｌｉｔｅ?ｉｍａｇｅｓ?ｏｆ?ｐｈｅｎｏｌｏｇｉｃａｌ?ｐｈａｓｅ?ｉｎ?Ｓｈｅｎｙａｎｇ??這樣的波段組合方式，加大了地物之間的差異性，使影像層次更加分明。而且豐富??了植被類型，并增強了裸地信息，使耕地信息的識別更加容易［１１］。由圖像可以看到，５??月份，農(nóng)作物陸續(xù)開始播種，植被覆蓋率較低。６月份，水稻大多處于幼苗期，在圖像??上呈現(xiàn)為淡綠色。而７、８月份，水稻開始孕穗，抽穗；玉米開始拔節(jié)，抽雄，圖像呈??鮮綠色，植被覆蓋率較高。到了９月份上旬，秋糧作物大多成熟，到了收獲期。９月下??旬

【參考文獻】：
期刊論文
[1]Landsat 8和MODIS融合構建高時空分辨率數(shù)據(jù)識別秋糧作物[J]. 謝登峰,張錦水,潘耀忠,孫佩軍,袁周米琪.  遙感學報. 2015(05)
[2]農(nóng)作物種植結構遙感提取研究進展[J]. 胡瓊,吳文斌,宋茜,余強毅,楊鵬,唐華俊.  中國農(nóng)業(yè)科學. 2015(10)
[3]基于HJ時間序列數(shù)據(jù)的農(nóng)作物種植面積估算[J]. 劉佳,王利民,楊福剛,楊玲波,王小龍.  農(nóng)業(yè)工程學報. 2015(03)
[4]作物類型遙感識別研究進展[J]. 張喜旺,劉劍鋒,秦奮,秦耀辰.  中國農(nóng)學通報. 2014(33)
[5]面向對象的航空高光譜圖像混合分類方法[J]. 李雪軻,王晉年,張立福,楊杭,劉凱.  地球信息科學學報. 2014(06)
[6]智慧城市中的大數(shù)據(jù)[J]. 李德仁,姚遠,邵振峰.  武漢大學學報(信息科學版). 2014(06)
[7]4種常用植被指數(shù)的地形效應評估[J]. 朱高龍,柳藝博,居為民,陳鏡明.  遙感學報. 2013(01)
[8]面向省級農(nóng)作物種植面積遙感估算的分層方法[J]. 朱爽,張錦水.  農(nóng)業(yè)工程學報. 2013(02)
[9]HJ衛(wèi)星圖像水稻種植面積的識別分析[J]. 魏新彩,王新生,劉海,徐靜.  地球信息科學學報. 2012(03)
[10]“資源三號”衛(wèi)星三線陣相機輻射質量評價[J]. 徐文,葛曙樂,龍小祥,王小燕,李俊杰.  航天返回與遙感. 2012(03)

博士論文
[1]基于MODIS數(shù)據(jù)的作物物候期監(jiān)測及作物類型識別模式研究[D]. 張明偉.華中農(nóng)業(yè)大學 2006

碩士論文
[1]面向對象高分辨率遙感影像信息提取[D]. 田新光.中國測繪科學研究院 2007



本文編號：2957204