“退耕還林（草）”項目的實施,使得黃土高原的生態(tài)建設(shè)取得了重大進(jìn)展。中國政府大力擴(kuò)大黃土高原紅棗,蘋果等農(nóng)作物經(jīng)濟(jì)林種植面積,取得了顯著效益。然而,由于黃土高原的干旱和缺水,蘋果產(chǎn)業(yè)的快速發(fā)展改變了以往的水量平衡。干燥條件下果園種植的用水量通常大于水的收入,導(dǎo)致嚴(yán)重的水資源短缺。因此,對黃土高原蘋果種植園適水性進(jìn)行宏觀評價是非常重要和必要的,以保證當(dāng)?shù)靥O果種植園的可持續(xù)發(fā)展和農(nóng)民收入的穩(wěn)定增長。基于此,本研究首先通過哨兵2A遙感影像對蘋果適生區(qū)的蘋果樹做一個精準(zhǔn)識別,得到蘋果樹的空間分布圖。然后引入ETMOD模型,對典型年的蘋果樹的實際蒸散發(fā)進(jìn)行模擬計算。最后通過計算果樹的需水滿足程度和水分利用效率對蘋果樹的適水性進(jìn)行分析。為蘋果經(jīng)濟(jì)林可持續(xù)發(fā)展提供依據(jù)和保障。本文取得主要研究成果如下:（1）使用哨兵2A的遙感影像數(shù)據(jù),下載多時期高分遙感影像,采用多時相分析方法、支持向量機(jī)分類法實現(xiàn)對蘋果適生區(qū)果樹的精細(xì)化識別提取,并對分類結(jié)果進(jìn)行精度驗證。結(jié)果表明,支持向量機(jī)分類效果比最大似然法分類效果好,分類后類別完整。分類精準(zhǔn)度高,誤分、錯分現(xiàn)象相對較少。基于此我們最終選用支持向量機(jī)分類法進(jìn)行遙... 

【文章來源】：西北農(nóng)林科技大學(xué)陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

蘋果適生區(qū)地理位置及DEM空間分布圖

第二章研究內(nèi)容和方法9騰作用）的耦合過程。水分利用效率是描述不同環(huán)境植被水分適應(yīng)策略的重要指標(biāo)，是決定干旱半干旱地區(qū)植物生存、生長和物種分布的重要因素之一。通過ETMOD模型可以實現(xiàn)GPP，ET同步模擬，可以解析黃土高原蘋果經(jīng)濟(jì)林WUE的時空特征。2.2.2技術(shù)路線根據(jù)以上研究內(nèi)容，本文技術(shù)路線如圖2-2所示：圖2-2技術(shù)路線圖Fig.2-2Technicalroadmap

第二章研究內(nèi)容和方法13圖2-3遙感數(shù)據(jù)預(yù)處理流程Fig.2-3Remotesensingdatapreprocessingprocess2.3.2.2果樹識別及驗證方法分別通過對不同影像所屬地區(qū)進(jìn)行實地樣本點(diǎn)的采集，通過樣本點(diǎn)定位的方法收集樣本所在地，再通過谷歌地球?qū)颖军c(diǎn)進(jìn)行標(biāo)記和提齲分別采取不同數(shù)量的地面樣方作物訓(xùn)練數(shù)據(jù)樣本和檢驗數(shù)據(jù)樣本，其中訓(xùn)練樣本占50%，檢驗樣本50%。（1）支持向量機(jī)分類法采用支持向量機(jī)分類方法進(jìn)行哨兵2A遙感影像的作物識別：支持向量機(jī)分類（SVM）是一種基于統(tǒng)計學(xué)習(xí)理論（SLT）的機(jī)器學(xué)習(xí)方法。支持向量機(jī)能夠自動發(fā)現(xiàn)那些分類能力較強(qiáng)的支持向量，然后構(gòu)造分類器，使類之間的空間最大化，具有較好的泛化能力和較高的分類精度。（2）最大似然分類法采用最大似然分類方法進(jìn)行哨兵2A遙感影像的作物識別：最大似然分類是基于統(tǒng)計思想，根據(jù)像素反射率數(shù)據(jù)的統(tǒng)計特征，假設(shè)圖像上的每一種特征類型都是等權(quán)正態(tài)分布，以建立判別函數(shù)。其基本思想是：首先，根據(jù)先驗知識，得到特征空間中每種裁剪類型像素所形成的點(diǎn)群；每種裁剪類型在單個特征空間中均為正態(tài)分布，從

【參考文獻(xiàn)】：
期刊論文
[1]近期氣候變化對黃土高原蘋果產(chǎn)區(qū)分布格局的影響[J]. 劉錦月,鞏鐵雄,喬江波,韓曉陽,朱元駿.  水土保持研究. 2020(03)
[2]黑龍江省近50年大豆需水量與干旱時空分布特征研究[J]. 李玖穎,王欣亮,王忠波,聶堂哲.  農(nóng)業(yè)機(jī)械學(xué)報. 2020(08)
[3]黃土高原蘋果樹各生育期需水特征研究[J]. 黨宏忠,馮金超,王檬檬,陳帥,卻曉娥.  果樹學(xué)報. 2020(05)
[4]GF-6衛(wèi)星WFV數(shù)據(jù)在林地類型監(jiān)測中的應(yīng)用潛力[J]. 劉晉陽,辛存林,武紅敢,曾慶偉,史京京.  航天返回與遙感. 2019(02)
[5]基于高分二號數(shù)據(jù)的小麥快速識別與精度分析[J]. 郭燕,賀佳,王利軍,段俊枝,武喜紅,王來剛,劉婷,張紅利,鄭國清,程永政.  河南農(nóng)業(yè)科學(xué). 2018(10)
[6]遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J]. 崔巍.  河南農(nóng)業(yè). 2017(16)
[7]黑河流域中游盆地玉米作物遙感估產(chǎn)研究[J]. 翟世常,王學(xué)強(qiáng),頡耀文.  安徽農(nóng)業(yè)科學(xué). 2015(31)
[8]基于GF-1衛(wèi)星遙感的冬小麥面積早期識別[J]. 王利民,劉佳,楊福剛,富長虹,滕飛,高建孟.  農(nóng)業(yè)工程學(xué)報. 2015(11)
[9]基于關(guān)鍵期HJ衛(wèi)星數(shù)據(jù)提取無棣縣作物種植面積[J]. 劉慶生,黃翀,劉高煥,柴思躍,褚琳,荊鑫.  中國農(nóng)學(xué)通報. 2014(26)
[10]農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J]. 趙春江.  農(nóng)業(yè)機(jī)械學(xué)報. 2014(12)

博士論文
[1]黃土高原地區(qū)植被恢復(fù)對氣候的影響及其互動效應(yīng)[D]. 徐麗萍.西北農(nóng)林科技大學(xué) 2008
[2]黃土高原歷史時期地貌與土壤侵蝕演變研究[D]. 桑廣書.陜西師范大學(xué) 2003

碩士論文
[1]基于遙感信息與統(tǒng)計資料的區(qū)域糧食作物耗水量時空變化研究[D]. 張叢.河北師范大學(xué) 2014
[2]基于MODIS的中國主要糧食作物種植時空分布信息提取方法研究[D]. 胡宗辰.電子科技大學(xué) 2013
[3]基于遙感的區(qū)域蒸散發(fā)在干旱區(qū)水資源利用中的應(yīng)用[D]. 郭玉川.新疆農(nóng)業(yè)大學(xué) 2007



本文編號：3381318