發(fā)布時(shí)間：2021-05-21 09:47

　　近年來(lái),隨著世界上各類光學(xué)及雷達(dá)衛(wèi)星發(fā)射數(shù)目的快速增長(zhǎng),利用衛(wèi)星遙感技術(shù)獲取農(nóng)作物的分類和生長(zhǎng)信息逐漸成為了遙感領(lǐng)域的研究熱點(diǎn)之一,在作物普查、長(zhǎng)勢(shì)監(jiān)測(cè)、作物產(chǎn)量估計(jì)等方面都有廣泛的應(yīng)用。極化合成孔徑雷達(dá)工作條件不受云雨天氣和光照量的限制,能夠穩(wěn)定提供后向散射數(shù)據(jù),被廣泛用在對(duì)地表植被的散射特性研究之中。本文在總結(jié)國(guó)內(nèi)外合成孔徑雷達(dá)農(nóng)作物分類和生物量反演研究成果的基礎(chǔ)上,對(duì)吉林省長(zhǎng)春市地區(qū)的農(nóng)作物相關(guān)研究進(jìn)行了深入探索,具體的研究工作和創(chuàng)新成果如下:（1）多時(shí)相合成孔徑雷達(dá)SAR（Synthetic Aperture Radar）數(shù)據(jù)相比單景數(shù)據(jù)考慮了地表植被的時(shí)間變化性,可以提供更多的散射信息。研究使用C波段GF-3數(shù)據(jù)結(jié)合多時(shí)相Sentinel-1 SAR數(shù)據(jù)作為數(shù)據(jù)來(lái)源,選取中國(guó)東北長(zhǎng)春市龍嘉鎮(zhèn)作為實(shí)驗(yàn)區(qū)域,對(duì)該區(qū)域內(nèi)典型農(nóng)作物（大豆,水稻,玉米）進(jìn)行了分類。同時(shí)結(jié)合GF-3和Sentinel-1兩種SAR數(shù)據(jù),提取了散射角、熵、各向異性（H/α/A）三種極化特征,利用支持向量機(jī)（SVM）分類器進(jìn)行分類。結(jié)果表明,同時(shí)結(jié)合GF-3、Sentinel-1后向散射系數(shù)和極化特征信息,... 

【文章來(lái)源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 農(nóng)作物分類研究
        1.2.2 農(nóng)作物生物量反演研究
    1.3 研究?jī)?nèi)容與論文結(jié)構(gòu)安排
第2章 農(nóng)作物分類及參數(shù)反演研究區(qū)與實(shí)驗(yàn)數(shù)據(jù)
    2.1 農(nóng)作物分類研究區(qū)及數(shù)據(jù)
        2.1.1 農(nóng)作物分類研究區(qū)概況
        2.1.2 農(nóng)作物分類研究數(shù)據(jù)
    2.2 農(nóng)作物參數(shù)反演研究區(qū)及數(shù)據(jù)
        2.2.1 農(nóng)作物參數(shù)反演研究區(qū)概況
        2.2.2 農(nóng)作物參數(shù)反演研究數(shù)據(jù)
    2.3 數(shù)據(jù)預(yù)處理
        2.3.1 合成孔徑雷達(dá)數(shù)據(jù)預(yù)處理
        2.3.2 光學(xué)數(shù)據(jù)預(yù)處理
    2.4 本章小結(jié)
第3章 基于多源合成孔徑雷達(dá)的農(nóng)作物分類研究
    3.1 技術(shù)路線
    3.2 Cloude特征值極化分解
    3.3 支持向量機(jī)(SVM)分類算法
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 基于多源合成孔徑雷達(dá)的農(nóng)作物分類結(jié)果
        3.4.2 基于多源合成孔徑雷達(dá)的農(nóng)作物分類結(jié)果分析
    3.5 本章小結(jié)
第4章 基于多源多時(shí)相遙感數(shù)據(jù)融合的農(nóng)作物分類研究
    4.1 技術(shù)路線
    4.2 卷積神經(jīng)網(wǎng)絡(luò)(CNN)
    4.3 VGG神經(jīng)網(wǎng)絡(luò)
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 基于多源多時(shí)相遙感數(shù)據(jù)融合的農(nóng)作物分類結(jié)果
        4.4.2 基于多源多時(shí)相遙感數(shù)據(jù)融合的農(nóng)作物分類結(jié)果分析
    4.5 本章小結(jié)
第5章 基于半經(jīng)驗(yàn)校準(zhǔn)水云模型的玉米生物量反演研究
    5.1 植被散射模型
    5.2 水云模型(WCM)
    5.3 基于半經(jīng)驗(yàn)校準(zhǔn)的水云模型
    5.4 實(shí)驗(yàn)結(jié)果及分析
        5.4.1 基于半經(jīng)驗(yàn)校準(zhǔn)水云模型中表面粗糙度的敏感性分析
        5.4.2 基于半經(jīng)驗(yàn)校準(zhǔn)水云模型的玉米生物量反演結(jié)果
        5.4.3 基于半經(jīng)驗(yàn)校準(zhǔn)水云模型的玉米生物量反演制圖
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 主要工作與創(chuàng)新
    6.2 存在問(wèn)題與展望
參考文獻(xiàn)
作者簡(jiǎn)歷及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于星載極化SAR數(shù)據(jù)的農(nóng)作物分類識(shí)別進(jìn)展評(píng)述[J]. 孫政,周清波,楊鵬,王迪.  中國(guó)農(nóng)業(yè)資源與區(qū)劃. 2019(11)
[2]極化SAR參數(shù)優(yōu)化與光學(xué)波譜相結(jié)合的面向?qū)ο笸恋馗采w分類[J]. 趙詣,蔣彌.  測(cè)繪學(xué)報(bào). 2019(05)
[3]基于時(shí)變特征的多時(shí)相PolSAR農(nóng)作物分類方法[J]. 郭交,尉鵬亮,周正舒,蘇寶峰.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(12)
[4]合成孔徑雷達(dá)在農(nóng)業(yè)監(jiān)測(cè)中的應(yīng)用和展望[J]. 李平湘,趙伶俐,任燁仙.  地理空間信息. 2017(03)
[5]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[6]農(nóng)業(yè)遙感研究應(yīng)用進(jìn)展與展望[J]. 陳仲新,任建強(qiáng),唐華俊,史云,冷佩,劉佳,王利民,吳文斌,姚艷敏,哈斯圖亞.  遙感學(xué)報(bào). 2016(05)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 李彥冬,郝宗波,雷航.  計(jì)算機(jī)應(yīng)用. 2016(09)
[8]全球主要糧食作物產(chǎn)量變化及其氣象災(zāi)害風(fēng)險(xiǎn)評(píng)估[J]. 錢(qián)永蘭,毛留喜,周廣勝.  農(nóng)業(yè)工程學(xué)報(bào). 2016(01)
[9]合成孔徑雷達(dá)技術(shù)研究綜述[J]. 賈新宇,路來(lái)君.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(04)
[10]農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J]. 史舟,梁宗正,楊媛媛,郭燕.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(02)

博士論文
[1]小麥微波散射機(jī)理與生物量參數(shù)反演研究[D]. 何磊.電子科技大學(xué) 2016
[2]水稻微波散射特性研究及參數(shù)反演[D]. 賈明權(quán).電子科技大學(xué) 2013
[3]基于極化SAR的目標(biāo)極化分解與散射特征提取研究[D]. 安文韜.清華大學(xué) 2010

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情識(shí)別研究[D]. 周本君.南京郵電大學(xué) 2019
[2]基于極化雷達(dá)遙感的作物生長(zhǎng)監(jiān)測(cè)研究[D]. 韓東.西安科技大學(xué) 2019
[3]干旱條件下基于WOFOST模型與遙感數(shù)據(jù)同化的玉米產(chǎn)量模擬改進(jìn)研究[D]. 王一明.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) 2018
[4]面向地塊的農(nóng)作物遙感分類方法研究[D]. 韓衍欣.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) 2018
[5]基于深度支持向量機(jī)的極化SAR圖像分類[D]. 隋艷立.西安電子科技大學(xué) 2014
[6]多維度SAR森林及其類型分類識(shí)別方法研究[D]. 王馨爽.西安科技大學(xué) 2013
[7]中國(guó)主要糧食作物單產(chǎn)波動(dòng)特征及影響因素分析[D]. 黃瑜瑜.福建農(nóng)林大學(xué) 2013
[8]基于ASAR數(shù)據(jù)的水稻制圖及生物量參數(shù)反演[D]. 趙路生.電子科技大學(xué) 2013



本文編號(hào)：3199490