冬小麥?zhǔn)俏覈饕Z食作物之一,其播種面積占全國糧食作物總播種面積的20%左右。開封市是我國重要的小麥種植和出口基地之一,近年來受市場供需關(guān)系等因素的影響,導(dǎo)致小麥種植面積波動比較大。因此,在短時間內(nèi)獲取小麥的種植信息對指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要的意義。遙感技術(shù)具有大范圍、快速度、低成本、短周期、海量信息等特點,能夠?qū)崿F(xiàn)及時準(zhǔn)確地預(yù)報小麥面積的需求,是目前小麥種植面積提取最有效的手段之一。本文以2018年4月8號Sentinel-2A衛(wèi)星遙感數(shù)據(jù)為數(shù)據(jù)源,以河南省開封市為研究區(qū),以分縣作為生產(chǎn)單位展開了冬小麥種植面積提取技術(shù)研究。首先結(jié)合野外實測數(shù)據(jù),在最佳波段組合影像的基礎(chǔ)上建立各地物解譯標(biāo)志,通過對地物光譜曲線特征分析,完成了地物識別。接著采用支持向量機(jī)（Support Vector Machine,SVM）、面向?qū)ο蠓诸惙椒▽崿F(xiàn)了冬小麥種植面積的遙感提取,然后對比分析了兩種分類方法的特點。最后,為了進(jìn)一步提高冬小麥種植面積的提取精度,本文又將以上兩種分類方法結(jié)合,提出了一種（Vector Object Oriented Area Extraction,V2OAE）分類方法來更精確的提取整... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

開封市各分縣遙感影像圖

地物識別是遙感影像分類最為重要的一部分，本章首先介紹了研究區(qū)概況，接著介紹了地物解譯標(biāo)志建立的方法，最后通過分析研究區(qū)典型地物光譜特征，完成地物識別。3.1 研究區(qū)概況開封市位于河南省東部，包括開封縣、杞縣、尉氏縣、蘭考縣、通許縣（圖 3-1）。地理范圍：東經(jīng) 113°52′15"—115°15′42"，北緯 34°11′45"—35°01′20"之間，屬于溫帶季風(fēng)氣候，四季分明，冬季寒冷干燥，春季干旱多風(fēng)，夏季高溫多雨，秋季天高氣爽的特點。多年平均氣溫為 14.52℃，多年平均降水量為 627.5 毫米，降水較多的集中在夏季的 7、8 月份。地勢平坦、土壤肥沃，適宜各類農(nóng)作物種植。農(nóng)作物以小麥、大蒜等作物為主，蔬菜、瓜果等作物為輔。

(a)長勢較好的小麥 (b)長勢較差的小麥 (c)大蒜圖 3-4 野外踩點數(shù)據(jù)根據(jù)本文研究目的、研究區(qū)域種植結(jié)構(gòu)狀況和 Sentinel-2A 影像反映的信息確定本文的分類體系為：小麥、大蒜、居民地、大廠房、林地、河流、裸地、道路。為了更好的識別地類，要進(jìn)行地物遙感解譯，地物的遙感解譯是根據(jù)影像上地物的形狀、尺寸、色調(diào)及結(jié)構(gòu)等特征與野外調(diào)査相對應(yīng)，分為不同的地物類型，再結(jié)合解譯經(jīng)驗以及不同地物在影像上表現(xiàn)出的不同特征信息，建立解譯標(biāo)志，對影像上的主要地物進(jìn)行判別。本研究綜合利用 11-8-5 波段組合和 4-3-2 波段組合區(qū)分各地物信息，11-8-5 波段組合目視效果良好，選擇樣本點的時候使用該波段組合；4-3-2 波段組合由于其是 10m波段組合空間分辨率極高，因此可以用做驗證波段組合。具體解譯標(biāo)志的建立如表 3-3所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于迭代CART算法分層分類的土地覆蓋遙感分類[J]. 吳薇,張源,李強(qiáng)子,黃慧萍.  遙感技術(shù)與應(yīng)用. 2019(01)
[2]遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用[J]. 劉雪麗,付友生,劉丹,王銳,李模其.  現(xiàn)代化農(nóng)業(yè). 2018(10)
[3]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)
[4]基于GF-1/WFV EVI時間序列數(shù)據(jù)的水稻種植面積提取[J]. 孫姝娟,李民錄,王萍,張艷梅,張蕎.  福建農(nóng)業(yè)學(xué)報. 2018(06)
[5]面向精準(zhǔn)農(nóng)業(yè)的農(nóng)田信息遙感獲取系統(tǒng)[J]. 蒙繼華,程志強(qiáng),董文全,徐晉,王一明,游行至.  高技術(shù)通訊. 2018(06)
[6]基于支持向量機(jī)的多時相遙感影像冬小麥種植面積提取[J]. 張帥,謝福鼎,魏東嵐.  國土與自然資源研究. 2018(02)
[7]基于高分二號-NDVI的大豆遙感估產(chǎn)的時相選擇[J]. 張淮棟,陳爭光,張成龍.  湖北農(nóng)業(yè)科學(xué). 2018(06)
[8]農(nóng)業(yè)遙感研究進(jìn)展與展望[J]. 唐華俊.  農(nóng)學(xué)學(xué)報. 2018(01)
[9]RapidEye衛(wèi)星紅邊波段對主要農(nóng)作物識別能力的影響研究[J]. 烏云德吉,于利峰,包珺瑋,許洪滔,烏蘭吐雅.  北方農(nóng)業(yè)學(xué)報. 2017(06)
[10]不同植被紅邊指數(shù)在城市草地健康判別中的對比研究[J]. 方燦瑩,王琳,徐涵秋.  地球信息科學(xué)學(xué)報. 2017(10)

博士論文
[1]基于時序MODIS影像的農(nóng)作物遙感識別方法研究[D]. 胡瓊.中國農(nóng)業(yè)科學(xué)院 2018
[2]基于高分一/六號衛(wèi)星影像特征的農(nóng)作物分類研究[D]. 鄭利娟.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

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TM影像面向?qū)ο蟮膹?fù)雜地形區(qū)水稻提取規(guī)則研究[D]. 江春梅.福建師范大學(xué) 2016
[3]基于Landsat8遙感影像的冬小麥種植面積提取方法研究[D]. 許亮.湖北大學(xué) 2016
[4]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



本文編號：3515995