中國是茶樹的原產(chǎn)地,同時(shí)也是茶葉生產(chǎn)、出口和消費(fèi)大國。全球約有60個(gè)國家生產(chǎn)茶葉,中國茶葉種植面積全球茶葉種植總面積的60%以上。中國的茶園分布廣泛,主要集中于南方地區(qū),例如浙江、福建、云南、安徽和湖南等地。茶葉產(chǎn)業(yè)對中國的經(jīng)濟(jì)和鄉(xiāng)村發(fā)展有著重要的影響,在浙江等種茶大省,茶葉種植成為了一些鄉(xiāng)鎮(zhèn)鄉(xiāng)村振興,農(nóng)民脫貧致富和政府精準(zhǔn)扶貧的支柱產(chǎn)業(yè)。因此,對于茶園的遙感分類也有重要的意義。茶園種植面積傳統(tǒng)的獲取方法主要是自農(nóng)村基層技術(shù)人員的實(shí)地調(diào)查數(shù)據(jù),這種方法完成一次大范圍的茶園種植面積普查需要耗費(fèi)巨大的人力、物力和財(cái)力,而且由于人工調(diào)查數(shù)據(jù)中存在主觀性誤差,無法做到獲得持續(xù)性地獲得茶園種植面積和空間分布數(shù)據(jù)。與此同時(shí),隨著遙感技術(shù)的不斷發(fā)展,越來他越多的學(xué)者使用這一技術(shù)來進(jìn)行農(nóng)作物種植信息的遙感監(jiān)測。由于茶樹獨(dú)特的種植方式,使得茶園在遙感影像上呈現(xiàn)獨(dú)特的紋理特征。因此本文選擇Gabor紋理特征作為分類特征。因?yàn)椴鑸@有其獨(dú)特的物候特征,本文選擇NDVI作為植被指數(shù)特征同時(shí)結(jié)合光譜特征構(gòu)建茶園遙感分類的分類特征數(shù)據(jù)集。本文使用了四種不同的遙感數(shù)據(jù)提取茶園種植面積,具體的研究內(nèi)容有:（1）探究地形... 

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于單一遙感數(shù)據(jù)源的農(nóng)作物面積提取研究
        1.2.2 基于多源遙感數(shù)據(jù)的農(nóng)作物面積提取研究
        1.2.3 茶園遙感提取國內(nèi)外研究進(jìn)展
    1.3 主要研究內(nèi)容
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
        1.3.3 技術(shù)路線
2 研究區(qū)概況與數(shù)據(jù)集簡介
    2.1 研究區(qū)概況
        2.1.1 溪龍鄉(xiāng)
        2.1.2 湖州市
    2.2 數(shù)據(jù)介紹
        2.2.1 Landsat-8 OLI數(shù)據(jù)
        2.2.2 高分一號衛(wèi)星數(shù)據(jù)
        2.2.3 Sentinel-2 數(shù)據(jù)
        2.2.4 環(huán)境衛(wèi)星數(shù)據(jù)
        2.2.5 SRTM DEM數(shù)據(jù)
    2.3 遙感數(shù)據(jù)預(yù)處理
        2.3.1 輻射定標(biāo)
        2.3.2 大氣校正
        2.3.3 幾何校正
        2.3.4 地形校正
    2.4 本章小結(jié)
3 基于多源遙感數(shù)據(jù)的茶園分類研究
    3.1 基于相同波段的多源數(shù)據(jù)的茶園遙感分類方法對比研究
        3.1.1 光譜特征
        3.1.2 Gabor紋理特征
        3.1.3 NDVI時(shí)間序列
        3.1.4 主成分分析
        3.1.5 支持向量機(jī)分類器
        3.1.6 隨機(jī)森林分類器
    3.2 分類結(jié)果
    3.3 精度評價(jià)
        3.3.1 面積精度評價(jià)
        3.3.2 位置精度評價(jià)
        3.3.3 精度評價(jià)指標(biāo)
    3.4 本章小結(jié)
4 不同遙感數(shù)據(jù)以及紅邊波段對茶園面積提取精度的影響
    4.1 不同遙感數(shù)據(jù)對茶園面積提取精度的影響
        4.1.1 數(shù)據(jù)介紹
        4.1.2 分類流程
        4.1.3 分類結(jié)果
        4.1.4 精度評價(jià)
    4.2 紅邊波段對于茶園面積提取的影響
        4.2.1 植物紅邊及其他波段光譜響應(yīng)特性
        4.2.2 相關(guān)植被指數(shù)介紹
        4.2.3 分類結(jié)果和精度評價(jià)
    4.3 本章小結(jié)
5 基于多源遙感數(shù)據(jù)融合的茶園面積提取
    5.1 數(shù)據(jù)統(tǒng)計(jì)
    5.2 研究方法
        5.2.1 技術(shù)路線
        5.2.2 多源遙感數(shù)據(jù)融合
        5.2.3 多時(shí)相遙感影像數(shù)據(jù)對比
        5.2.4 基于相同或相近日期的影像對分類特征回歸分析
    5.3 結(jié)果與分析
        5.3.1 分類結(jié)果
        5.3.2 精度評價(jià)
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于FLAASH模型的Worldview3大氣校正[J]. 陳玲,陳理,李偉,劉建宇.  國土資源遙感. 2019(04)
[2]多時(shí)相Sentinel-2影像在浙西北茶園信息提取中的應(yīng)用[J]. 李龍偉,李楠,陸燈盛.  浙江農(nóng)林大學(xué)學(xué)報(bào). 2019(05)
[3]基于TWDTW的時(shí)間序列GF-1 WFV農(nóng)作物分類[J]. 邱鵬勛,汪小欽,茶明星,李婭麗.  中國農(nóng)業(yè)科學(xué). 2019(17)
[4]基于多時(shí)相Sentinel-2A的縣域農(nóng)作物分類[J]. 吳靜,呂玉娜,李純斌,李全紅.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(09)
[5]基于多時(shí)相Landsat 8 OLI影像的農(nóng)作物遙感分類研究[J]. 李曉慧,王宏,李曉兵,遲登凱,湯曾偉,韓重遠(yuǎn).  遙感技術(shù)與應(yīng)用. 2019(02)
[6]基于SVM的縣域冬小麥種植面積遙感提取[J]. 羅桓,李衛(wèi)國,景元書,徐向華,陳華.  麥類作物學(xué)報(bào). 2019(04)
[7]農(nóng)業(yè)遙感衛(wèi)星發(fā)展現(xiàn)狀及我國監(jiān)測需求分析[J]. 陳仲新,郝鵬宇,劉佳,安萌,韓波.  智慧農(nóng)業(yè). 2019(01)
[8]結(jié)合Gabor小波和形態(tài)學(xué)的高分辨率圖像樹冠提取方法[J]. 施慧慧,王妮,滕文秀,劉玉嬋.  地球信息科學(xué)學(xué)報(bào). 2019(02)
[9]基于高分二號影像結(jié)合紋理信息的茶園提取[J]. 楊艷魁,陳蕓芝,吳波,汪小欽.  江蘇農(nóng)業(yè)科學(xué). 2019(02)
[10]遙感光譜技術(shù)在農(nóng)作物估產(chǎn)中的應(yīng)用研究進(jìn)展[J]. 王鶯,鞏垠熙.  中國農(nóng)學(xué)通報(bào). 2019(03)

博士論文
[1]冠層和葉片尺度植被參數(shù)的高光譜遙感反演研究[D]. 張?zhí)K.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
[2]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
[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]基于光能利用率模型和定量遙感的玉米生長監(jiān)測方法研究[D]. 李宗南.中國農(nóng)業(yè)科學(xué)院 2014
[5]稻飛虱生境因子遙感監(jiān)測及應(yīng)用[D]. 石晶晶.浙江大學(xué) 2013
[6]隨機(jī)森林及其在遙感影像處理中應(yīng)用研究[D]. 雷震.上海交通大學(xué) 2012
[7]多源遙感數(shù)據(jù)融合方法與應(yīng)用研究[D]. 曹廣真.復(fù)旦大學(xué) 2006

碩士論文
[1]基于高時(shí)空分辨率數(shù)據(jù)的濕地精細(xì)分類研究[D]. 許盼盼.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) 2018
[2]時(shí)間序列遙感技術(shù)支持的國土空間開發(fā)監(jiān)測研究[D]. 孫越凡.南京大學(xué) 2018
[3]基于高分辨率遙感影像的茶園場景提取方法[D]. 朱澤潤.武漢大學(xué) 2018
[4]湖州市水資源承載力評價(jià)方法研究[D]. 何曉靜.揚(yáng)州大學(xué) 2017
[5]基于高分辨率遙感影像紋理特征的面向?qū)ο笾脖环诸惙椒ㄑ芯縖D]. 楊盼盼.云南師范大學(xué) 2017
[6]甘蔗種植區(qū)域空間識別提取與面積遙感估算研究[D]. 周振.浙江大學(xué) 2016
[7]棉花生理生化參數(shù)高光譜反演模型研究[D]. 馬文君.西北農(nóng)林科技大學(xué) 2016
[8]基于高分一號和Landsat-8的昌吉市小麥面積提取研究[D]. 武笑天.新疆農(nóng)業(yè)大學(xué) 2016
[9]基于面向?qū)ο鬀Q策樹算法的土地利用遙感分類初步研究[D]. 高帆.云南師范大學(xué) 2015
[10]基于混合像元分解方法的MODIS森林類型識別研究[D]. 陳利.中南林業(yè)科技大學(xué) 2014



本文編號：3729024