隨著社會經(jīng)濟(jì)的不斷發(fā)展,城鎮(zhèn)化逐漸推進(jìn),人們對農(nóng)作物的需求變大,為了滿足人們的基本生活需求,有必要弄清楚耕地的分布情況和作物的種植結(jié)構(gòu)。作物的種植結(jié)構(gòu)可以直觀地反映作物的種類、數(shù)量及空間分布信息,為種植結(jié)構(gòu)調(diào)整和灌溉用水計算提供數(shù)據(jù)支持,對提高農(nóng)業(yè)綜合生產(chǎn)能力,發(fā)展現(xiàn)代化農(nóng)業(yè)基地具有重大意義。本文以四川省樂山市青衣江灌區(qū)作為研究區(qū)域,結(jié)合灌區(qū)調(diào)查數(shù)據(jù),運(yùn)用最大似然法和決策樹分類的方法,通過多源多時相Sentinel衛(wèi)星數(shù)據(jù)分別對青衣江灌區(qū)的作物種植結(jié)構(gòu)進(jìn)行提取分析,研究灌區(qū)作物種植比例及其分布情況,對比分析Sentinel-1和Sentinel-2數(shù)據(jù)及Sentinel-1和Sentinel-2組合波段在作物分類方面的精度,并結(jié)合提取的作物種植面積分析種植結(jié)構(gòu)提取精度,最后根據(jù)最佳提取結(jié)果作基于GIS的灌區(qū)種植結(jié)構(gòu)時空變化特征分析。主要結(jié)論有:（1）Sentinel-1和Sentinel-2組合波段分類精度比Sentinel-1數(shù)據(jù)和Sentinel-2數(shù)據(jù)分類精度都高,平均分類精度達(dá)到了 88%以上,平均Kappa系數(shù)為0.835,這說明多源數(shù)據(jù)組合波段可以提高作物分類精度;Sent... 

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 哨兵數(shù)據(jù)國內(nèi)外應(yīng)用進(jìn)展
        1.3.2 作物提取遙感方法研究現(xiàn)狀
    1.4 研究內(nèi)容
    1.5 技術(shù)路線與創(chuàng)新點(diǎn)
        1.5.1 技術(shù)路線
        1.5.2 創(chuàng)新點(diǎn)
第2章 研究區(qū)概況
    2.1 研究區(qū)位置
    2.2 自然條件概況
        2.2.1 地質(zhì)條件
        2.2.2 地形地貌
        2.2.3 氣候
        2.2.4 水系
        2.2.5 水質(zhì)
        2.2.6 土壤及礦物
    2.3 社會經(jīng)濟(jì)條件概況
第3章 數(shù)據(jù)源與數(shù)據(jù)處理
    3.1 數(shù)據(jù)源
        3.1.1 遙感影像數(shù)據(jù)
        3.1.2 非遙感影像數(shù)據(jù)
    3.2 數(shù)據(jù)處理
        3.2.1 準(zhǔn)備工作
        3.2.2 Sentinel-1數(shù)據(jù)處理
        3.2.3 Sentinel-2數(shù)據(jù)處理
    3.3 作物種植情況分析
    3.4 分類方法
第4章 多時相Sentinel遙感數(shù)據(jù)的作物種植結(jié)構(gòu)分析
    4.1 Sentinel-1數(shù)據(jù)分析
        4.1.1 后向散系數(shù)
        4.1.2 多時相影像合成
        4.1.3 作物后向散射系數(shù)變化趨勢分析
    4.2 Sentinel-2數(shù)據(jù)分析
        4.2.1 植被指數(shù)
        4.2.2 作物植被指數(shù)變化趨勢分析
        4.2.3 分類決策樹規(guī)則
    4.3 基于Sentinel-1和Sentinel-2數(shù)據(jù)波段組合的作物分類
    4.4 分類后處理及分類結(jié)果
        4.4.1 分類后處理
        4.4.2 分類結(jié)果
    4.5 種植面積提取及精度評價
    4.6 本章小結(jié)
第5章 基于GIS的灌區(qū)種植結(jié)構(gòu)空間分布特征分析
    5.1 種植結(jié)構(gòu)空間分布的影響因素
    5.2 2016年種植結(jié)構(gòu)空間分布
        5.2.1 大春作物的空間分布情況
        5.2.2 小春作物的空間分布情況
    5.3 2017年種植結(jié)構(gòu)空間分布
        5.3.1 大春作物的空間分布情況
        5.3.2 小春作物的空間分布情況
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
作者簡介及讀研期間主要科研成果


【參考文獻(xiàn)】：
期刊論文
[1]Sentinel-2A與Landsat-8影像在油菜識別中的差異性研究[J]. 韓濤,潘劍君,張培育,曹羅丹.  遙感技術(shù)與應(yīng)用. 2018(05)
[2]基于面向?qū)ο蟮墓鈱W(xué)和Sentinel—1 SAR數(shù)據(jù)油菜種植空間分布信息提取方法研究[J]. 柴振剛,胡佩敏,熊勤學(xué).  氣象科技進(jìn)展. 2018(05)
[3]基于多源遙感數(shù)據(jù)的復(fù)雜地形區(qū)農(nóng)作物分類[J]. 史飛飛,雷春苗,肖建設(shè),李甫,石明明.  地理與地理信息科學(xué). 2018(05)
[4]基于時間序列Sentinel-1A數(shù)據(jù)的玉米種植面積監(jiān)測研究[J]. 李俐,孔慶玲,王鵬新,王蕾,荀蘭.  資源科學(xué). 2018(08)
[5]應(yīng)用Sentinel-2A衛(wèi)星光譜與紋理信息的森林蓄積量估算[J]. 曹霖,彭道黎,王雪軍,陳新云.  東北林業(yè)大學(xué)學(xué)報. 2018(09)
[6]基于多時相遙感影像監(jiān)測江漢平原油菜種植面積[J]. 鄧帆,王立輝,高賢君,王慶,魏薇,張佳華.  江蘇農(nóng)業(yè)科學(xué). 2018(14)
[7]基于決策樹和SVM的Sentinel-2A影像作物提取方法[J]. 王利軍,郭燕,賀佳,王利民,張喜旺,劉婷.  農(nóng)業(yè)機(jī)械學(xué)報. 2018(09)
[8]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)
[9]基于Sentinel-1和Sentinel-2數(shù)據(jù)融合的農(nóng)作物分類[J]. 郭交,朱琳,靳標(biāo).  農(nóng)業(yè)機(jī)械學(xué)報. 2018(04)
[10]基于Sentinel-1雷達(dá)影像的玉米倒伏監(jiān)測模型[J]. 韓東,楊浩,楊貴軍,邱春霞.  農(nóng)業(yè)工程學(xué)報. 2018(03)

博士論文
[1]考慮紅邊特性的多平臺遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D]. 謝巧云.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017

碩士論文
[1]基于Sentinel多源遙感數(shù)據(jù)的作物分類及種植面積提取研究[D]. 朱琳.西北農(nóng)林科技大學(xué) 2018
[2]基于多源數(shù)據(jù)的復(fù)雜種植結(jié)構(gòu)區(qū)作物遙感分類[D]. 郭棟.東北農(nóng)業(yè)大學(xué) 2017
[3]基于Sentinel-1數(shù)據(jù)的江西省南昌縣早稻信息提取研究[D]. 梁瀚月.成都理工大學(xué) 2017



本文編號：3700613