【摘要】：冬小麥作為我國主要糧食作物之一,保證冬小麥的種植面積具有舉足輕重的意義。以往,我國農(nóng)作物的種植面積主要是通過實(shí)地測量,然后以行政單元為單位逐級上報的方式獲取的。這種方式不僅耗費(fèi)大量的人力物力,又不能保證數(shù)據(jù)的客觀性,更得不到耕地面積的具體時空分布。采用遙感技術(shù)進(jìn)行農(nóng)作物面積提取,可大幅度降低測算成本的同時,又保證了數(shù)據(jù)的客觀性和準(zhǔn)確性。本文以河南省開封市祥符區(qū)為研究區(qū)域,以GF-1/WFV國產(chǎn)數(shù)據(jù)為主要數(shù)據(jù)源,以Google Earth(以下簡稱GE)0.3米歷史影像為輔助影像選取樣方點(diǎn),分別針對單景影像和多時序影像,研究如何快速高效地提取冬小麥的種植面積,主要研究內(nèi)容及結(jié)論如下:1、基于冬小麥生長周期內(nèi)的GF-1/WFV單時相影像,研究祥符區(qū)冬小麥種植面積提取方法。選取了2015年祥符區(qū)冬小麥生長周期內(nèi)的GF-1/WFV 5景影像,以接近同時期的GE影像為輔助影像選取樣方點(diǎn)。在運(yùn)用最大似然法對研究區(qū)域內(nèi)的冬小麥種植面積進(jìn)行提取之前,先運(yùn)用土地利用類型圖腌膜去除非耕種區(qū),提高精度。實(shí)驗(yàn)結(jié)果顯示這5期的總體分類精度均大于95%,Kappa系數(shù)均大于0.96。選取2014年、2015年、2016年冬小麥生長周期內(nèi)的三景影像,運(yùn)用同樣的方法,實(shí)驗(yàn)分類精度及Kappa系數(shù)同樣很高,且三年的提取面積呈現(xiàn)出的變化趨勢與統(tǒng)計(jì)年鑒公布的一致。因此,在影像質(zhì)量及作物生長周期等客觀條件的約束下,采用GE影像作為輔助影像選取樣方點(diǎn),在運(yùn)用最大似然法提取祥符區(qū)冬小麥種植面積之前,運(yùn)用土地利用類型圖腌膜去除非耕種區(qū),不僅便于計(jì)算機(jī)批量處理提高效率,而且得到的結(jié)果準(zhǔn)確率也是可以作為農(nóng)用參考,從而實(shí)現(xiàn)年際變化監(jiān)測的。2、基于冬小麥生長周期內(nèi)的GF-1/WFV多時相影像,研究祥符區(qū)冬小麥種植面積提取方法。選取2015年10月到2016年6月冬小麥生長周期內(nèi)的14景多時序GF-1/WFV影像。利用GE影像為輔助影像選取樣方點(diǎn),腌膜去除非耕種區(qū),并統(tǒng)計(jì)分析冬小麥區(qū)別于其他地物景觀的特征值,將冬小麥生長初期NDVI值持續(xù)增長作為關(guān)鍵閾值判定條件,建立決策樹模型,提取祥符區(qū)冬小麥種植面積。實(shí)驗(yàn)總體分類精度為96.85%,Kappa系數(shù)約為0.71,一致性程度高。因此,運(yùn)用本文提出的決策樹模型提取祥符區(qū)冬小麥種植面積是可行的�；贕F-1/WFV國產(chǎn)衛(wèi)星影像為主要數(shù)據(jù)源,采用本文提出的在監(jiān)督分類之前,根據(jù)土地利用類型圖對預(yù)處理后的影像進(jìn)行腌膜處理,和本文建立的針對祥符區(qū)的決策樹模型對開封市祥符區(qū)冬小麥種植面積提取。實(shí)驗(yàn)表明,利用土地利用類型圖腌膜去除非耕種區(qū),不僅能夠有效去除非耕種區(qū)地物對冬小麥面積提取產(chǎn)生的誤差,也便于計(jì)算機(jī)的批量處理。以GE影像為輔助影像選取樣方點(diǎn)可有效地節(jié)省測量成本,進(jìn)一步提高了冬小麥種植面積精度。實(shí)驗(yàn)結(jié)果的準(zhǔn)確率均可以為當(dāng)?shù)叵嚓P(guān)部門農(nóng)業(yè)政策的制定提供科學(xué)依據(jù)。
【圖文】：

利用決策樹模型分類法對研究區(qū)域的冬小麥種策樹模型在祥符區(qū)冬小麥種植面積提取中的適用性。線，收集和整理開封市統(tǒng)計(jì)年鑒的各種數(shù)據(jù)，了解研究區(qū)作物種植的基本概況。從中國科學(xué)院遙感與數(shù)字地球研國資源衛(wèi)星中心篩選出實(shí)驗(yàn)所需的國產(chǎn)衛(wèi)星數(shù)據(jù)[55]，從矯正所需數(shù)據(jù)[56]。使用 ENVI5.3SP1 軟件對影像進(jìn)行輻的預(yù)處理。并利用土地利用類型圖將居民建筑區(qū)去除，現(xiàn)象，從而提高準(zhǔn)確率。從 Google Earth 軟件上瀏覽 譯法選取典型地物矢量圖，導(dǎo)入到 GF-1/WFV 影像中，利于冬小麥種植面積提取和最后的提取結(jié)果驗(yàn)證。本文

圖 3-2 2016 年 GE 影像輔助選取的樣方點(diǎn)以分類訓(xùn)練樣本和驗(yàn)證樣本，實(shí)驗(yàn)證明總體精度達(dá)到 82%，且得到的 2003 年森林覆蓋面積比 2010 年下降了 1.5%。劉佳等[69]首先運(yùn)用 GE 影像選取樣方點(diǎn)，然后經(jīng)過 DGPS實(shí)測點(diǎn)進(jìn)行校正，以此為樣方數(shù)據(jù)對農(nóng)作物種植面積進(jìn)行提取，然后再以實(shí)測的地面樣方點(diǎn)為樣本數(shù)據(jù)運(yùn)用相同的方法提取。實(shí)驗(yàn)結(jié)果證明 GE 影像輔助地面樣方數(shù)據(jù)調(diào)查，，不僅能大量提高效率，還能保證樣方數(shù)據(jù)的精度及獲取的農(nóng)作物種植面積的精度。以上不同方面的研究實(shí)驗(yàn)結(jié)果均表明 GE 輔助地面樣方調(diào)查方法具有很高的定位精度和樣方面積獲取精度[69]。但是由于 GE 歷史影像沒有全部覆蓋研究區(qū)域，本文采用此種方法進(jìn)行部分地面樣方的選取。以 2016 的 GE 樣方點(diǎn)為例，如圖 3-2 所示。由于 GE 影像只能提供部分地區(qū)的樣方數(shù)據(jù)，為了使樣方數(shù)據(jù)分布均勻，減少誤差。本文又經(jīng)過目視解譯選取了部分樣方點(diǎn)。本文根據(jù)實(shí)驗(yàn)要求在 2014 年、2015 年、2016年分別選取了冬小麥、裸荒地、林地、水體共 183 個樣本點(diǎn)。把這所有的樣方數(shù)據(jù)分為兩部分，一部分用于當(dāng)作樣本點(diǎn)，一部分用于驗(yàn)證樣方。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP751;S512.11

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉佳;王利民;滕飛;李丹丹;王小龍;曹懷堂;;Google Earth影像輔助的農(nóng)作物面積地面樣方調(diào)查[J];農(nóng)業(yè)工程學(xué)報;2015年24期

2 李平陽;郭品文;國文哲;;基于HJ-1A衛(wèi)星數(shù)據(jù)的衡水地區(qū)冬小麥面積遙感估算應(yīng)用[J];氣象與減災(zāi)研究;2015年02期

3 王利民;劉佳;楊福剛;富長虹;滕飛;高建孟;;基于GF-1衛(wèi)星遙感的冬小麥面積早期識別[J];農(nóng)業(yè)工程學(xué)報;2015年11期

4 史舟;梁宗正;楊媛媛;郭燕;;農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J];農(nóng)業(yè)機(jī)械學(xué)報;2015年02期

5 裴立威;;國內(nèi)外農(nóng)業(yè)信息化發(fā)展特點(diǎn)及對我國現(xiàn)代農(nóng)業(yè)的啟示[J];電子制作;2014年04期

6 王曉輝;張雁;王歡;林海晏;;網(wǎng)格技術(shù)在遙感圖像監(jiān)督分類中的應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年36期

7 王利民;劉佳;楊玲波;陳仲新;王小龍;歐陽斌;;基于無人機(jī)影像的農(nóng)情遙感監(jiān)測應(yīng)用[J];農(nóng)業(yè)工程學(xué)報;2013年18期

8 崔方寧;宋曉宇;孫寶生;王紀(jì)華;;基于多時相TM影像的冬小麥面積變化監(jiān)測[J];遙感信息;2012年05期

9 武永利;欒青;田國珍;;基于6S模型的FY-3A/MERSI可見光到近紅外波段大氣校正[J];應(yīng)用生態(tài)學(xué)報;2011年06期

10 李潤生;翟會楠;;基于GPS的Google Earth的定位精度分析[J];影像技術(shù);2011年01期

相關(guān)會議論文 前1條

1 駱飛龍;;淺論進(jìn)口糧食與中國糧食安全[A];2016年第一屆今日財富論壇論文集[C];2016年

相關(guān)重要報紙文章 前1條

1 石晶晶;;如何做好農(nóng)作物遙感測量[N];中國信息報;2018年

相關(guān)博士學(xué)位論文 前1條

1 張明偉;基于MODIS數(shù)據(jù)的作物物候期監(jiān)測及作物類型識別模式研究[D];華中農(nóng)業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前7條

1 鄧鈺;基于MODIS數(shù)據(jù)的云南省土地覆蓋分類研究[D];云南師范大學(xué);2015年

2 孫旭光;基于高光譜圖像目標(biāo)探測與分類技術(shù)研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2013年

3 王漢禹;基于MODIS遙感圖像的地物分類研究[D];大連海事大學(xué);2013年

4 魏新彩;基于HJ衛(wèi)星影像的水稻種植面積遙感信息提取方法研究[D];湖北大學(xué);2013年

5 陳藝蝦;遙感圖像幾何定位精度評價方法研究[D];南京理工大學(xué);2013年

6 陳曉苗;基于MODIS-NDVI的河北省主要農(nóng)作物空間分布研究[D];河北師范大學(xué);2010年

7 莫U

本文編號：2651643