農(nóng)作物空間分布信息是農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、農(nóng)作物產(chǎn)量估算、農(nóng)作物結(jié)構(gòu)調(diào)整與優(yōu)化、農(nóng)業(yè)生態(tài)氣候建模等研究和應(yīng)用的重要基礎(chǔ)數(shù)據(jù)。不同農(nóng)作物具有特定的生長(zhǎng)規(guī)律和物候特征,充分利用農(nóng)作物的典型季相節(jié)律特征是區(qū)分不同作物類別、作物與其他綠色植被的關(guān)鍵依據(jù)。MODIS數(shù)據(jù)因其大幅寬范圍、豐富的光譜和時(shí)相信息等特點(diǎn)使它在刻畫作物物候歷特征以及大區(qū)域作物制圖方面表現(xiàn)出了明顯優(yōu)勢(shì)。然而,MODIS數(shù)據(jù)較粗的空間分辨率易導(dǎo)致混合像元問題,從而限制了農(nóng)作物識(shí)別的精度。因此,如何充分挖掘時(shí)序MODIS數(shù)據(jù)在光譜和時(shí)間上的優(yōu)勢(shì),有限彌補(bǔ)混合像元問題,從而實(shí)現(xiàn)大區(qū)域多類農(nóng)作物高效提取成為了目前農(nóng)業(yè)監(jiān)測(cè)領(lǐng)域需重點(diǎn)解決的科學(xué)問題。本研究以我國重要商品糧基地——黑龍江省為研究區(qū)域,以該區(qū)域的主要農(nóng)作物（玉米、水稻、大豆和小麥）為研究對(duì)象,采用時(shí)序MODIS影像、中高分辨率農(nóng)作物參考圖以及統(tǒng)計(jì)數(shù)據(jù)等主要研究數(shù)據(jù),開展了大區(qū)域農(nóng)作物遙感識(shí)別方法研究。本論文的主要研究?jī)?nèi)容和結(jié)論如下:（1）光譜和時(shí)序特征對(duì)農(nóng)作物遙感識(shí)別的影響評(píng)估�；跁r(shí)序MOD09A1影像,構(gòu)建10組不同數(shù)量和質(zhì)量的光譜時(shí)序特征集組合,基于支持向量機(jī)方法分類并進(jìn)行... 

【文章來源】：中國農(nóng)業(yè)科學(xué)院北京市

【文章頁數(shù)】：105 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

不同農(nóng)作物的物候歷特征

用支持向量機(jī)實(shí)現(xiàn)分類。最后，從“特征解釋性”和“分類精度”兩方面評(píng)估兩類全局 SI 方法在農(nóng)作物遙感識(shí)別中的適用性。（3）一種基于 SI 指數(shù)的時(shí)序光譜特征自動(dòng)優(yōu)選方法研究 (STAFS)。構(gòu)建 155 個(gè)時(shí)序植被指數(shù)特征（31 時(shí)序×5 植被指數(shù)），基于平均值法擴(kuò)展類對(duì)分離指數(shù)到全局分離指數(shù)，綜合特征之間的“分離性”和“相關(guān)性”循環(huán)迭代刪除冗余的特征，保留最優(yōu)的時(shí)序光譜特征量組合，采用支持向量機(jī)進(jìn)行分類，基于 Landsat 中高空間分辨率農(nóng)作物參考圖評(píng)估 MODIS 分類結(jié)果在空間位置上的精度，同時(shí)基于農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)評(píng)定 MODIS 分類結(jié)果在面積估算總量上的精度。（4）一種融合遙感數(shù)據(jù)與統(tǒng)計(jì)數(shù)據(jù)提取亞像素農(nóng)作物比例的方法研究。以 155 個(gè)時(shí)序植被指數(shù)為候選特征，結(jié)合隨機(jī)森林特征排序方法和“向后剔除”策略剔除得分最低的特征量，保留最優(yōu)的時(shí)序光譜特征。采用隨機(jī)森林回歸模型計(jì)算 MODIS 像元作物百分比，計(jì)算統(tǒng)計(jì)數(shù)據(jù)與遙感結(jié)果在縣級(jí)尺度之間的面積差。采用“面積差循環(huán)分配”將兩類數(shù)據(jù)的總面積差分配給所有MODIS 像素，使修正后的 MODIS 亞像素農(nóng)作物分類結(jié)果既在面積上與統(tǒng)計(jì)數(shù)據(jù)完全一致，又在空間位置上與糾正前的遙感分類結(jié)果相對(duì)一致，實(shí)現(xiàn)以統(tǒng)計(jì)數(shù)據(jù)來優(yōu)化遙感分類結(jié)果的目的。1.5.3 研究框架根據(jù)以上研究目標(biāo)和研究?jī)?nèi)容，制定了本研究的主要技術(shù)路線，如下圖 1.2 所示。

本論文結(jié)構(gòu)框架圖

【參考文獻(xiàn)】：
期刊論文
[1]Rice cultivation changes and its relationships with geographical factors in Heilongjiang Province,China[J]. LU Zhong-jun,SONG Qian,LIU Ke-bao,WU Wen-bin,LIU Yan-xia,XIN Rui,ZHANG Dong-mei.  Journal of Integrative Agriculture. 2017(10)
[2]How do temporal and spectral features matter in crop classifi cation in Heilongjiang Province,China?[J]. HU Qiong,WU Wen-bin,SONG Qian,LU Miao,CHEN Di,YU Qiang-yi,TANG Hua-jun.  Journal of Integrative Agriculture. 2017(02)
[3]全球30m空間分辨率耕地遙感制圖研究[J]. 曹鑫,陳學(xué)泓,張委偉,廖安平,陳利軍,陳志剛,陳晉.  中國科學(xué):地球科學(xué). 2016(11)
[4]基于GlobeLand30的全球城鄉(xiāng)建設(shè)用地空間分布與變化統(tǒng)計(jì)分析[J]. 陳軍,陳利軍,李然,廖安平,彭舒,魯楠,張宇碩.  測(cè)繪學(xué)報(bào). 2015(11)
[5]Landsat TM8及GF-1影像黑龍江省線狀地物實(shí)際與解譯寬度對(duì)比[J]. 辛蕊,陸忠軍,劉洋,付斌,劉克寶.  農(nóng)業(yè)工程學(xué)報(bào). 2015(16)
[6]農(nóng)作物種植結(jié)構(gòu)遙感提取研究進(jìn)展[J]. 胡瓊,吳文斌,宋茜,余強(qiáng)毅,楊鵬,唐華俊.  中國農(nóng)業(yè)科學(xué). 2015(10)
[7]農(nóng)作物遙感分類特征變量選擇研究現(xiàn)狀與展望[J]. 賈坤,李強(qiáng)子.  資源科學(xué). 2013(12)
[8]利用交叉信息熵模擬東北地區(qū)水稻種植面積空間分布[J]. 唐鵬欽,楊鵬,陳仲新,李正國,游良志,劉珍環(huán),吳文斌,姚艷敏.  農(nóng)業(yè)工程學(xué)報(bào). 2013(17)
[9]綜合季相節(jié)律和特征光譜的冬小麥種植面積遙感估算[J]. 張喜旺,秦耀辰,秦奮.  農(nóng)業(yè)工程學(xué)報(bào). 2013(08)
[10]基于時(shí)間序列環(huán)境衛(wèi)星影像的作物分類識(shí)別[J]. 李鑫川,徐新剛,王紀(jì)華,武洪峰,金秀良,李存軍,鮑艷松.  農(nóng)業(yè)工程學(xué)報(bào). 2013(02)

博士論文
[1]利用多時(shí)相MODIS數(shù)據(jù)提取中國水稻種植面積和長(zhǎng)勢(shì)信息[D]. 孫華生.浙江大學(xué) 2009



本文編號(hào)：3640734