夏玉米作為我國(guó)三大糧食作物之一,其安全生產(chǎn)關(guān)系到我國(guó)的糧食安全和民生安全,運(yùn)用衛(wèi)星遙感技術(shù)對(duì)縣域范圍的夏玉米生長(zhǎng)情況和產(chǎn)量情況進(jìn)行精確監(jiān)測(cè),能夠讓當(dāng)?shù)剞r(nóng)業(yè)部門快速的收集農(nóng)作物生長(zhǎng)狀況信息,并針對(duì)農(nóng)作物生長(zhǎng)發(fā)育情況快速的制定、調(diào)整、實(shí)施和推廣相對(duì)應(yīng)的栽培管理措施。本研究以江蘇省徐州市豐縣夏玉米作為研究對(duì)象,基于地面夏玉米實(shí)地考察數(shù)據(jù)和環(huán)境（HJ）衛(wèi)星遙感數(shù)據(jù),利用支持向量機(jī)（SVM）監(jiān)督分類法對(duì)當(dāng)?shù)叵挠衩追N植面積進(jìn)行縣域范圍的提取;同時(shí)使用神經(jīng)網(wǎng)絡(luò)算法分別對(duì)當(dāng)?shù)叵挠衩装喂?jié)期和抽絲期的葉片葉綠素含量進(jìn)行縣域范圍估算,并對(duì)其長(zhǎng)勢(shì)情況進(jìn)行監(jiān)測(cè)與分析;最后運(yùn)用粒子群優(yōu)化算法結(jié)合HJ衛(wèi)星遙感數(shù)據(jù)對(duì)夏玉米產(chǎn)量模擬模型進(jìn)行模型的參數(shù)優(yōu)化,結(jié)合衛(wèi)星遙感影像實(shí)現(xiàn)了豐縣縣域的夏玉米產(chǎn)量遙感估算。主要研究結(jié)果如下:（1）本研究利用夏玉米抽絲期的HJ衛(wèi)星遙感影像,通過(guò)計(jì)算影像的最佳波段指數(shù)（OIF）,確定包含影像信息量最大的影像組合波段為2-3-4波段,并基于實(shí)地考察建立的地物樣方,完成夏玉米、水稻、其他植被、建筑、水體這五類地物樣本的選取,利用選定的地物樣本,使用不同核函數(shù)支持下SVM法對(duì)影像像元進(jìn)行分類,其... 

【文章來(lái)源】：南京信息工程大學(xué)江蘇省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

南京信息工程大學(xué)碩士學(xué)位論文12玉米成熟期，數(shù)據(jù)采集時(shí)間控制在每天的上午8點(diǎn)至下午6點(diǎn)之間。由區(qū)農(nóng)業(yè)部門技術(shù)人員協(xié)助進(jìn)行試驗(yàn)。（3）地物樣方的建立地物樣方主要用于地物樣本的選齲使用JunoSB（美國(guó)）GPS接收機(jī)進(jìn)行地物樣方的建立及其內(nèi)部不同地物信息的采集，在豐縣共建立15個(gè)大小近似300m×300m的試驗(yàn)樣方，樣方與樣方之間相距保持約2km，樣方內(nèi)包含夏玉米、水稻、其他植被（樹(shù)木、大豆、蔬菜等）、建筑、水體等地物信息。圖2-1B為建立的一個(gè)樣方信息。圖2-1試驗(yàn)樣點(diǎn)分布（A）和地物樣方信息（B）氣象數(shù)據(jù)的獲取夏玉米產(chǎn)量模擬模型運(yùn)行所需要夏玉米生長(zhǎng)期內(nèi)每日的氣象數(shù)據(jù)，包括平均溫度、日最高溫度、日最低溫度、太陽(yáng)輻射總量，由當(dāng)?shù)貧庀蟛块T提供。2.3遙感數(shù)據(jù)的獲取與預(yù)處理2.3.1遙感數(shù)據(jù)的獲取本研究使用衛(wèi)星遙感數(shù)據(jù)為環(huán)境（HJ）減災(zāi)衛(wèi)星遙感影像數(shù)據(jù)，數(shù)據(jù)下載于中國(guó)資源衛(wèi)星應(yīng)用中心[45]。HJ衛(wèi)星是由我國(guó)自主進(jìn)行研發(fā)專門用于生態(tài)環(huán)境、災(zāi)害的對(duì)地監(jiān)測(cè)衛(wèi)星。HJ衛(wèi)星包含A，B兩顆衛(wèi)星，重訪天數(shù)為4天（經(jīng)咨詢中國(guó)資源衛(wèi)星應(yīng)用中心工作人員得知：同一地區(qū)的HJ衛(wèi)星影像的時(shí)間分辨率有時(shí)并非能夠達(dá)到4天，這是由于HJ衛(wèi)星在拍攝的過(guò)程中，衛(wèi)星拍攝角度的不同會(huì)對(duì)同一地區(qū)的影像拍攝間隔造成影響；另外衛(wèi)星也會(huì)根據(jù)當(dāng)?shù)氐脑屏壳闆r對(duì)是否進(jìn)行拍攝進(jìn)行決定，當(dāng)該地云量過(guò)多時(shí)，AB2.2.2

第三章基于SVM的縣域夏玉米種植面積遙感提取21A:SVMB:最大似然法C:最小距離法：夏玉米：非夏玉米圖3-1豐縣夏玉米種植面積分布從夏玉米提取結(jié)果來(lái)看，SVM分類法和最大似然法（圖3-1A和圖3-1B）均對(duì)豐縣的夏玉米進(jìn)行了充分的提取，兩種方法的提取結(jié)果基本相差不大，而最小距離法（圖3-1C）則存在一定程度的夏玉米錯(cuò)分漏分情況。由圖3-1可見(jiàn)對(duì)于的豐縣中西部地區(qū)，SVM和最大似然法、最小距離法的均對(duì)該地區(qū)的夏玉米進(jìn)行了較好的提取，這是由于該地區(qū)豐作物類型較單一，多為夏玉米，因此三種方法都能夠?qū)⑾挠衩走M(jìn)行較好的提齲而對(duì)于

【參考文獻(xiàn)】：
期刊論文
[1]基于主成分分析和粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)[J]. 郭亞菲,樊超,閆洪濤.  江蘇農(nóng)業(yè)科學(xué). 2019(19)
[2]基于NDVI與EVI的作物長(zhǎng)勢(shì)監(jiān)測(cè)研究[J]. 白燕英,高聚林,張寶林.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(09)
[3]作物遙感識(shí)別方法研究現(xiàn)狀及展望[J]. 趙子娟,劉東,杭中橋.  江蘇農(nóng)業(yè)科學(xué). 2019(16)
[4]土地覆蓋更新中訓(xùn)練樣本的動(dòng)態(tài)選取方法[J]. 裴曉丹,孫建國(guó).  測(cè)繪科學(xué). 2020(02)
[5]面向地塊的農(nóng)作物遙感分類研究進(jìn)展[J]. 韓衍欣,蒙繼華.  國(guó)土資源遙感. 2019(02)
[6]同化遙感信息與WheatSM模型的冬小麥估產(chǎn)[J]. 李穎,陳懷亮,田宏偉,余衛(wèi)東.  生態(tài)學(xué)雜志. 2019(07)
[7]基于光能利用率模型的玉米遙感估產(chǎn)研究[J]. 安秦,陳圣波.  地理空間信息. 2019(04)
[8]基于SVM的縣域冬小麥種植面積遙感提取[J]. 羅桓,李衛(wèi)國(guó),景元書,徐向華,陳華.  麥類作物學(xué)報(bào). 2019(04)
[9]基于時(shí)序LAI的地塊尺度玉米長(zhǎng)勢(shì)監(jiān)測(cè)方法[J]. 蘇偉,朱德海,蘇鳴宇,黃健熙,劉哲,郭浩.  資源科學(xué). 2019(03)
[10]水稻高光譜遙感監(jiān)測(cè)研究綜述[J]. 趙小敏,孫小香,王芳東,謝文,郭熙.  江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2019(01)

博士論文
[1]小麥氮素營(yíng)養(yǎng)的高光譜監(jiān)測(cè)及施氮模型構(gòu)建[D]. 郭彬彬.河南農(nóng)業(yè)大學(xué) 2019
[2]色素含量比值進(jìn)行作物氮素營(yíng)養(yǎng)狀況診斷方法研究[D]. 周賢鋒.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所) 2017
[3]耦合遙感信息與作物生長(zhǎng)模型的區(qū)域低溫影響監(jiān)測(cè)、預(yù)警與估產(chǎn)[D]. 潘灼坤.浙江大學(xué) 2016
[4]基于機(jī)器學(xué)習(xí)的遙感圖像分類研究[D]. 張雁.北京林業(yè)大學(xué) 2014
[5]基于光能利用率模型和定量遙感的玉米生長(zhǎng)監(jiān)測(cè)方法研究[D]. 李宗南.中國(guó)農(nóng)業(yè)科學(xué)院 2014
[6]部分監(jiān)督分類問(wèn)題的研究[D]. 可婷.中國(guó)農(nóng)業(yè)大學(xué) 2014
[7]粒子群優(yōu)化算法的改進(jìn)及應(yīng)用[D]. 王俊偉.東北大學(xué) 2006

碩士論文
[1]玉米長(zhǎng)勢(shì)與生物量遙感監(jiān)測(cè)研究[D]. 王爾美.安徽農(nóng)業(yè)大學(xué) 2018
[2]遙感數(shù)據(jù)與作物模型同化的冬小麥估產(chǎn)研究[D]. 王麗媛.浙江大學(xué) 2018
[3]基于支持向量機(jī)的林業(yè)遙感影像分類器開(kāi)發(fā)[D]. 紀(jì)顯琛.北京林業(yè)大學(xué) 2018
[4]支持向量機(jī)核函數(shù)及關(guān)鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學(xué) 2016
[5]基于國(guó)產(chǎn)GF-1的高寒山區(qū)土地利用/覆蓋分類研究[D]. 劉麗雅.浙江大學(xué) 2016
[6]基于輻射傳輸模型的遙感反射率計(jì)算及葉綠素反演算法分析[D]. 陳瑜麗.華東師范大學(xué) 2015
[7]基于遙感信息與作物模型同化的冬小麥產(chǎn)量預(yù)測(cè)研究[D]. 武思杰.中南大學(xué) 2012
[8]基于定量遙感產(chǎn)品和作物生長(zhǎng)模型同化的農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)方法研究[D]. 閆巖.中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所） 2006



本文編號(hào)：3343167