海南省屬于我國(guó)南方地區(qū),利用光學(xué)遙感數(shù)據(jù)進(jìn)行水稻遙感監(jiān)測(cè)經(jīng)常受到云、霧、雨的干擾,無法獲取有效長(zhǎng)時(shí)間序列光學(xué)遙感數(shù)據(jù),就無法精確識(shí)別提取水稻。雖然很多研究都在針對(duì)光學(xué)遙感數(shù)據(jù)做去云處理、融合多源遙感數(shù)據(jù)和物候曲線平滑處理等,能降低“云”噪聲的影響程度,但是從根本上無法消除“云”噪聲的影響,從而限制水稻識(shí)別提取的精度。本研究考慮到合成孔徑雷達(dá)（SAR）數(shù)據(jù)具備全天時(shí)、全天候的優(yōu)點(diǎn),但是GF-3等多種多極化合成孔徑雷達(dá)數(shù)據(jù),存在購(gòu)買數(shù)據(jù)、增加成本的等一系列問題。因此,本研究選擇可免費(fèi)獲取長(zhǎng)時(shí)間序列、高分辨率的Sentinel-1A雷達(dá)數(shù)據(jù)圍繞識(shí)別提取早稻種植面積這一科學(xué)問題開展詳細(xì)研究。本研究為了提高早稻種植面積識(shí)別提取的精度,以及讓同時(shí)相不同極化數(shù)據(jù)或者不同時(shí)相同極化數(shù)據(jù)能較好地反映地物的時(shí)域后向散射系數(shù)特征的基礎(chǔ)上�？紤]到水體的時(shí)域后向散射系數(shù)在各個(gè)時(shí)期都處于較為平穩(wěn)、低值的因素,沿用極化差分SAR圖像、極化比值SAR圖像的思路,對(duì)預(yù)處理之后的極化SAR數(shù)據(jù)進(jìn)行水體歸一化比值處理。采用專家知識(shí)決策樹分類方法（基于樣本統(tǒng)計(jì)分析的閾值分類方法）實(shí)現(xiàn)早稻區(qū)域與非早稻區(qū)域的分類識(shí)別提取研究,以... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRAT
1.緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 合成孔徑雷達(dá)發(fā)展歷程簡(jiǎn)述
        1.2.2 國(guó)外水稻微波遙感研究現(xiàn)狀
        1.2.3 國(guó)內(nèi)水稻微波遙感研究現(xiàn)狀
        1.2.4 水稻微波遙感監(jiān)測(cè)方法概述
    1.3 研究思路
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
2.原理與方法
    2.1 微波遙感
        2.1.1 合成孔徑雷達(dá)介紹
        2.1.2 后向散射系數(shù)
    2.2 微波遙感散射機(jī)制
        2.2.1 目標(biāo)的面散射
        2.2.2 目標(biāo)的體散射
        2.2.3 水稻的散射模式
    2.3 早稻面積識(shí)別提取的方法分析
        2.3.1 早稻遙感監(jiān)測(cè)的方法
        2.3.2 水體歸一化比值處理
        2.3.3 監(jiān)督分類方法
        2.3.4 基于專家知識(shí)的決策樹分類方法
        2.3.5 精度評(píng)價(jià)方法
    2.4 本章小結(jié)
3.研究區(qū)概況、數(shù)據(jù)材料與預(yù)處理
    3.1 研究區(qū)概況
        3.1.1 種植結(jié)構(gòu)模式
    3.2 SENTINEL-1A數(shù)據(jù)介紹
    3.3 水稻物候資料
        3.3.1 水稻物候特征
        3.3.2 研究區(qū)早稻種植物候資料
    3.4 樣點(diǎn)采集數(shù)據(jù)
    3.5 Sentinel-2A光學(xué)數(shù)據(jù)和數(shù)字高程數(shù)據(jù)
    3.6 Senitnel-1A數(shù)據(jù)預(yù)處理
        3.6.1 輻射定標(biāo)
        3.6.2 地形校正
        3.6.3 斑點(diǎn)噪聲處理
        3.6.4 地理編碼及重采樣
    3.7 本章小結(jié)
4.早稻面積基于極化SAR數(shù)據(jù)的識(shí)別提取指標(biāo)分析
    4.1 可分離度分析
    4.2 紋理、色調(diào)特征分析
        4.2.1 基于極化SAR數(shù)據(jù)的紋理、色調(diào)特征分析
        4.2.2 基于水體歸一化極化SAR數(shù)據(jù)的紋理、色調(diào)特征分析
    4.3 時(shí)域后向散射系數(shù)特征分析
        4.3.1 基于極化SAR數(shù)據(jù)的時(shí)域后向散射系數(shù)特征分析
        4.3.2 基于水體歸一化極化SAR數(shù)據(jù)的時(shí)域后向散射系數(shù)特征分析
    4.4 早稻面積識(shí)別提取的分類方法分析
        4.4.1 早稻面積基于決策樹分類方法識(shí)別提取的閾值分析
        4.4.2 早稻面積基于監(jiān)督分類方法的識(shí)別提取分析
        4.4.3 早稻面積基于決策樹分類方法的識(shí)別提取分析
    4.5 本章小結(jié)
5.早稻面積基于水體歸一化極化SAR數(shù)據(jù)的識(shí)別提取分析
    5.1 早稻面積基于決策樹閾值分類方法的識(shí)別提取分析
        5.1.1 早稻面積識(shí)別提取的方法選擇分析
        5.1.2 早稻面積識(shí)別提取的數(shù)據(jù)選擇分析
        5.1.3 早稻面積識(shí)別提取的紋理、色調(diào)特征的時(shí)相分析
        5.1.4 早稻面積識(shí)別提取的閾值分析
    5.2 結(jié)果分析
        5.2.1 混淆矩陣分析
        5.2.2 早稻錯(cuò)分分析
        5.2.3 早稻結(jié)果分析
        5.2.4 早稻誤差來源
    5.3 本章小結(jié)
6.結(jié)論與展望
    6.1 結(jié)論
    6.2 難點(diǎn)
    6.3 創(chuàng)新點(diǎn)
    6.4 存在問題與展望
參考文獻(xiàn)
攻讀學(xué)位期間獲得的學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于SVM+SFS策略的多時(shí)相緊致極化SAR水稻精細(xì)分類[J]. 國(guó)賢玉,李坤,王志勇,李宏宇,楊知.  國(guó)土資源遙感. 2018(04)
[2]基于時(shí)間序列Sentinel-1A數(shù)據(jù)的玉米種植面積監(jiān)測(cè)研究[J]. 李俐,孔慶玲,王鵬新,王蕾,荀蘭.  資源科學(xué). 2018(08)
[3]高分三號(hào)衛(wèi)星及應(yīng)用概況[J]. 劉杰,張慶君.  衛(wèi)星應(yīng)用. 2018(06)
[4]基于時(shí)變特征的多時(shí)相PolSAR農(nóng)作物分類方法[J]. 郭交,尉鵬亮,周正舒,蘇寶峰.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(12)
[5]基于Radarsat-2的水稻種植面積提取[J]. 單捷,邱琳,孫玲,王志明.  江蘇農(nóng)業(yè)學(xué)報(bào). 2017(03)
[6]雷達(dá)遙感技術(shù)在水稻識(shí)別中的研究進(jìn)展[J]. 王松寒,何隆華.  遙感信息. 2015(02)
[7]基于合成孔徑雷達(dá)的農(nóng)作物識(shí)別研究進(jìn)展[J]. 王迪,周清波,陳仲新,劉佳.  農(nóng)業(yè)工程學(xué)報(bào). 2014(16)
[8]利用Radarsat-2數(shù)據(jù)基于比值檢測(cè)的水稻制圖[J]. 化國(guó)強(qiáng),李晨,楊沈斌,葛道闊,李秉柏.  江蘇農(nóng)業(yè)學(xué)報(bào). 2012(06)
[9]基于多極化星載SAR數(shù)據(jù)的水稻/旱田識(shí)別——以江蘇省海安縣為例[J]. 田昕,陳爾學(xué),李增元,凌飛龍,白黎娜,王琫瑜.  遙感技術(shù)與應(yīng)用. 2012(03)
[10]基于RadarSat-2全極化數(shù)據(jù)的水稻識(shí)別[J]. 李坤,邵蕓,張風(fēng)麗.  遙感技術(shù)與應(yīng)用. 2012(01)

博士論文
[1]微波遙感水稻種植面積提取、生物量反演與稻田甲烷排放模擬[D]. 張遠(yuǎn).浙江大學(xué) 2009

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
[3]基于SAR數(shù)據(jù)和作物生長(zhǎng)模型同化的水稻長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)研究[D]. 譚正.中國(guó)地質(zhì)大學(xué)(北京) 2012



本文編號(hào)：3711951