中國是農業(yè)大國,糧食的產量是影響農業(yè)發(fā)展的一個關鍵因素,而作物識別是保障全球糧食安全初始階段。隨著全球氣候的干暖化,作物生長周期發(fā)生改變,且造成了很多作物災害,對作物進行大面積識別可以及時調整作物的生長結構和作物種植制度。因此,無論是糧食安全還是氣候變化,對作物進行高效、及時的大面積識別顯得尤為重要。本文應用Sentinel-2B、Landsat-8和樣本數據,以內蒙古自治區(qū)土默特右旗縣為研究區(qū),以玉米、小麥、葵花三種主要作物為提取目標,提取典型農作物物候特征和紋理特征,開展了基于Google Earth Engine云平臺的典型農作物多特征遙感信息提取研究。首先,使用Sentinel-2B遙感影像、Landsat-8遙感影像和實地采集的樣本點為主要原始數據,結合往年當地的作物物候和溫度變化,分析2018年三種作物的物候特征。根據Landsat-8遙感影像生成三種作物的NDVI曲線,對典型作物物候特征進行分析。其次,將三條曲線間變化較為明顯的時間點和作物的種植、收獲時間點作為多期影像數據源,對數據源進行分析,最終選擇了5個時相。使用Sentinel-2B分別分析這5個時相的遙感影像的8...

【文章頁數】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究進展
        1.2.1 基于多時相的作物識別研究現(xiàn)狀
        1.2.2 基于多特征的作物識別研究現(xiàn)狀
        1.2.3 基于多源遙感數據的作物識別研究現(xiàn)狀
        1.2.4 國內外研究現(xiàn)狀評述
    1.3 研究內容與技術路線
        1.3.1 研究內容
        1.3.2 技術路線
    1.4 論文章節(jié)安排
第2章 研究區(qū)概況及數據
    2.1 研究區(qū)概況
    2.2 數據及預處理
        2.2.1 樣本點數據與預處理
        2.2.2 遙感數據與預處理
第3章 基于NDVI的典型農作物物候特分析
    3.1 基于NDVI的物候分析方法
    3.2 玉米、小麥、葵花物候特征分析
        3.2.1 玉米物候特征分析
        3.2.2 小麥物候特征分析
        3.2.3 葵花物候特征分析
    3.3 作物時間序列曲線擬合
    3.4 計算主要物候期間的NDVI
第4章 基于GLCM的典型農作物的紋理分析
    4.1 灰度共生矩陣定義
    4.2 灰度共生矩陣角度選擇
    4.3 灰度共生矩陣常用紋理度量
    4.4 灰度共生矩陣計算影像紋理
    4.5 典型作物的紋理分析
第5章 基于云平臺的多方法典型農作物提取
    5.1 GEE云平臺介紹
    5.2 農作物特征主成分分析
    5.3 多方法典型農作物提取
        5.3.1 最小距離法
        5.3.2 最大似然分類
        5.3.3 分類與回歸樹
        5.3.4 隨機森林
    5.4 研究區(qū)典型農作物提取結果分析
第6章 結論與展望
    6.1 結論
    6.2 不足及展望
參考文獻
攻讀學位期間發(fā)表的學術論文和研究成果
致謝



本文編號：3738401