灌溉水資源的合理優(yōu)化配置對(duì)提高水資源利用率,促進(jìn)農(nóng)業(yè)水資源的可持續(xù)發(fā)展起著至關(guān)重要的作用。目前灌區(qū)多采用傳統(tǒng)灌溉管理方式進(jìn)行灌溉,灌溉用水粗放,高分辨率遙感影像能準(zhǔn)確監(jiān)測(cè)各地塊變化,深度語義分割網(wǎng)絡(luò)能進(jìn)行像素級(jí)地物分類,本文基于遙感和深度學(xué)習(xí)技術(shù),以山東省小開河灌區(qū)為例開展灌溉需水反演及預(yù)測(cè)相關(guān)技術(shù)研究,主要取得以下研究成果。使用遙感影像進(jìn)行灌溉需水反演的基礎(chǔ)是作物種植情況精確分類,本文基于深度語義分割網(wǎng)絡(luò)展開種植結(jié)構(gòu)分類模型研究,提出合成多種指數(shù)參與影像融合進(jìn)行遙感影像預(yù)處理,豐富光譜復(fù)雜度,提高空間分辨率,增強(qiáng)特征信息;使用深度可分離卷積替換普通卷積,Mish激活函數(shù)替換Relu激活函數(shù),改進(jìn)U-Net語義分割網(wǎng)絡(luò),提升了訓(xùn)練速率和測(cè)試集準(zhǔn)確率。結(jié)果表明,加入NDVI(歸一化差異植被指數(shù))、AWEI(自動(dòng)水體提取指數(shù))兩種指數(shù)的融合影像結(jié)合改進(jìn)的U-Net模型算法,kappa系數(shù)由為改進(jìn)前的0.658提高至0.886,種植結(jié)構(gòu)分類準(zhǔn)確率提高至93.7%。結(jié)合遙感和站點(diǎn)實(shí)測(cè)土壤含水量數(shù)據(jù),建立基于TVDI的不同深度土壤含水量反演模型,實(shí)現(xiàn)了灌區(qū)土壤墑情精確反演,各層反演準(zhǔn)確率均在94....

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 種植結(jié)構(gòu)分類研究現(xiàn)狀
        1.2.2 遙感影像語義分割研究現(xiàn)狀
        1.2.3 土壤墑情反演
        1.2.4 土壤墑情預(yù)測(cè)
    1.3 研究目的及內(nèi)容
    1.4 研究技術(shù)路線
    1.5 論文組織結(jié)構(gòu)
2.研究區(qū)與數(shù)據(jù)
    2.1 研究區(qū)介紹
    2.2 遙感數(shù)據(jù)及預(yù)處理
        2.2.1 Landsat8 遙感數(shù)據(jù)
        2.2.2 數(shù)據(jù)預(yù)處理方法
    2.3 深度學(xué)習(xí)標(biāo)簽數(shù)據(jù)
    2.4 土壤含水量及氣象數(shù)據(jù)
        2.4.1 土壤含水量數(shù)據(jù)
        2.4.2 氣象數(shù)據(jù)
    2.5 本章小結(jié)
3.基于深度學(xué)習(xí)的種植結(jié)構(gòu)分類模型研究
    3.1 遙感影像融合算法研究
        3.1.1 HIS融合算法
        3.1.2 NND融合算法
        3.1.3 G-S融合算法
        3.1.4 比較與分析
    3.2 基于語義分割的卷積神經(jīng)網(wǎng)絡(luò)算法研究
        3.2.1 數(shù)據(jù)集預(yù)處理
        3.2.2 全卷積語義分割網(wǎng)絡(luò)模型
        3.2.3 SegNet語義分割模型
        3.2.4 U-Net語義分割模型
        3.2.5 改進(jìn)的U-Net語義分割網(wǎng)絡(luò)模型
        3.2.6 網(wǎng)絡(luò)訓(xùn)練流程
        3.2.7 對(duì)比與分析
    3.3 模型評(píng)估方法
    3.4 研究結(jié)果與分析
        3.4.1 不同影像融合方法分類結(jié)果對(duì)比
        3.4.2 不同網(wǎng)絡(luò)模型分類結(jié)果對(duì)比
    3.5 基于指數(shù)和改進(jìn)U-Net模型的種植結(jié)構(gòu)分類模型研究
        3.5.1 歸一化差異植被指數(shù)
        3.5.2 自動(dòng)提取水體指數(shù)
        3.5.3 土壤調(diào)節(jié)植被指數(shù)
        3.5.4 結(jié)果分析
    3.6 本章小結(jié)
4.土壤需水量反演與預(yù)測(cè)算法研究
    4.1 土壤墑情反演算法研究
        4.1.1 基于TVDI的土壤表層含水量反演
        4.1.2 不同深度土壤含水量反演
        4.1.3 結(jié)果與分析
    4.2 土壤含水量動(dòng)態(tài)預(yù)測(cè)算法研究
        4.2.1 傳統(tǒng)土壤水分預(yù)測(cè)模型
        4.2.2 基于神經(jīng)網(wǎng)絡(luò)的土壤水分動(dòng)態(tài)預(yù)測(cè)模型研究
        4.2.3 研究結(jié)果與分析
    4.3 土壤需水量反演與預(yù)測(cè)
    4.4 本章小結(jié)
5.灌區(qū)灌溉需水預(yù)測(cè)系統(tǒng)
    5.1 系統(tǒng)總體框架
    5.2 系統(tǒng)設(shè)計(jì)工具
    5.3 系統(tǒng)運(yùn)行環(huán)境
    5.4 技術(shù)平臺(tái)
    5.5 系統(tǒng)展示
        5.5.1 基本功能
        5.5.2 種植結(jié)構(gòu)分類模塊
        5.5.3 土壤含水量反演模塊
        5.5.4 土壤含水量預(yù)測(cè)模塊
        5.5.5 需水量預(yù)測(cè)模塊
        5.5.6 灌溉面積模塊
    5.6 本章小結(jié)
6.結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點(diǎn)及特色
    6.3 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷
攻讀學(xué)位期間取得的成果



本文編號(hào)：4014207