發(fā)布時(shí)間：2021-11-12 21:38

　　水稻是我國重要的糧食作物。由于受到國家農(nóng)業(yè)政策、區(qū)域經(jīng)濟(jì)和農(nóng)村勞動(dòng)力等因素的影響,一個(gè)地區(qū)的水稻種植制度發(fā)生了變化,進(jìn)而影響了農(nóng)業(yè)資源的綜合利用強(qiáng)度、生態(tài)環(huán)境和糧食安全。遙感具有宏觀、動(dòng)態(tài)和快速的特點(diǎn),是獲取區(qū)域尺度水稻種植制度變化的便捷途徑。本文選取湖南株洲水稻種植區(qū)域?yàn)閷?shí)驗(yàn)區(qū)。由于中國南方多云雨天氣,遙感數(shù)據(jù)在水稻關(guān)鍵生長期通常出現(xiàn)缺失現(xiàn)象,傳統(tǒng)的水稻種植制度遙感監(jiān)測精度不高。本文提出了一種基于預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（CNN）的水稻種植制度方法,該方法結(jié)合分層分類的思想,通過提取Sentinel-2數(shù)據(jù)空間和光譜的軌跡特征來獲取水稻種植制度的分布信息。主要的工作與重要的結(jié)論如下:（1）利用多時(shí)相Sentinel-2衛(wèi)星影像,計(jì)算紋理（空間軌跡）和植被指數(shù)（光譜軌跡）的時(shí)間序列曲線,將之作為模型的輸入?yún)?shù)。模型的第一層根據(jù)土地覆蓋類型分類,獲取精確的耕地分布。模型的第二層主要在耕地分布范圍的基礎(chǔ)上,進(jìn)而提取水稻種植制度分布情況。（2）基于CNN的方法相較于淺層模型可以獲取更為抽象的特征。對于中低分辨率遙感影像存在訓(xùn)練樣本數(shù)據(jù)不足的問題,本文引入了預(yù)訓(xùn)練機(jī)制�；贑NN模型,結(jié)合遷移學(xué)習(xí)的... 

【文章來源】：中國地質(zhì)大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的水稻種植制度遙感分類研究技術(shù)路線圖

2實(shí)驗(yàn)區(qū)概況和數(shù)據(jù)處理122實(shí)驗(yàn)區(qū)概況和數(shù)據(jù)處理2.1實(shí)驗(yàn)區(qū)概況2.1.1自然地理概況本文所選實(shí)驗(yàn)區(qū)位于湖南省株洲市境內(nèi)，如圖2-1所示，介于27°39′43″–27°45′15″N,113°11′04″–113°17′01″E之間。株洲，古時(shí)也被稱作建寧，它位于湖南省的東北部，總面積共有1.1262萬平方公里。其位于湘江干流的下游，北部接壤著長沙；南部與衡陽及郴州相連；而西部與湘潭相接；且東部與江西省內(nèi)多個(gè)縣市相連接。株洲坐落于羅霄山脈西麓,其南部一直延伸到江漢平原的傾斜地段。市區(qū)內(nèi)的地形有強(qiáng)烈起伏變化,總體地勢表現(xiàn)出東南高、西北低的特點(diǎn)。地貌類型主要有平原、盆地、山地及丘陵等。在這之中，主要為山地及丘陵，它們一共占據(jù)總面積的58.54%，其范圍覆蓋約6593.08平方公里。它的中北部地區(qū)地形谷嶺相間，盆地多以帶狀分布出現(xiàn)；東南部多為山地，山勢宏偉且重巒疊嶂。圖2-1實(shí)驗(yàn)區(qū)地理位置圖

中國地質(zhì)大學(xué)（北京）碩士學(xué)位論文15見光和近紅外波段、20米空間分辨率的六個(gè)近紅外、短波紅外和紅邊波段，以及60米空間分辨率的三個(gè)特設(shè)波段，具體的波段參數(shù)如表2-1所示。Sentinel-2衛(wèi)星影像的幅寬大約是290千米，它能夠完成約10天一次的全球覆蓋的遙測任務(wù)。同時(shí)，重訪周期縮短成5天，對地觀測的能力得到了極大地提高（鄭陽等，2017）。Sentinel-2適用于全球地表的觀測任務(wù),其中既包括內(nèi)陸，也包含沿海地區(qū)的植被、土壤以及水體等信息,它同樣支持高分辨率的大氣吸收及失真數(shù)據(jù)的校正。此外，Sentinel也具很好地重訪能力，它是迄今為止數(shù)據(jù)連續(xù)性最強(qiáng)的中低分辨率光學(xué)遙感影像（袁星，2019）。Sentinel-2衛(wèi)星的發(fā)射改善了中低分辨率光學(xué)遙感影像存在的部分問題。Sentinel-2數(shù)據(jù)非常適合用于水稻種植制度的精確識別研究，由于它具有比較高的時(shí)間分辨率和空間分辨率，并且擁有很豐富的光譜信息和低廉的獲取成本等優(yōu)點(diǎn)。本文中所收集的Sentinel-2衛(wèi)星遙感影像皆來自于ESA的數(shù)據(jù)共享網(wǎng)站（網(wǎng)址：https://scihub.copernicus.eu/）。我們通過設(shè)定條件篩選了2018年3月至10月所有云量低于20%的sentinel-2數(shù)據(jù)，共獲取了19幅影像。同時(shí)，為了對模型做適應(yīng)性檢驗(yàn)，以相同條件篩選出了2017年3月至10月所有云量低于20%的sentinel-2數(shù)據(jù)，共獲取了10幅影像，具體影像數(shù)據(jù)的分布情況如圖2-2所示。圖2-2Sentinel-2影像數(shù)據(jù)分布圖2.2.2數(shù)據(jù)預(yù)處理Sentinel-2發(fā)布的是L1C級別的產(chǎn)品數(shù)據(jù),該數(shù)據(jù)已經(jīng)經(jīng)過輻射校正、幾何校正以及輻射定標(biāo)等預(yù)處理操作。因此只需要對它們進(jìn)行大氣校正、重采樣及波段合成等步驟（Druschetal.,2012）。Sentinel-2數(shù)據(jù)需要通過歐空局提供的SNAP

【參考文獻(xiàn)】：
期刊論文
[1]基于Sentinel-1A影像和一維CNN的中國南方生長季早期作物種類識別[J]. 趙紅偉,陳仲新,姜浩,劉佳.  農(nóng)業(yè)工程學(xué)報(bào). 2020(03)
[2]基于ANN多源遙感數(shù)據(jù)融合的耕地種植強(qiáng)度估算方法研究[J]. 徐猛,陶建斌,吳琪凡.  中國農(nóng)業(yè)信息. 2019(06)
[3]基于異構(gòu)多核平臺(tái)的Caffe框架物體分類算法實(shí)現(xiàn)與加速[J]. 謝達(dá),周道逵,季振凱,戴新宇,武睿.  電子與封裝. 2019(05)
[4]基于Sentinel-2A影像的玉米冠層葉綠素含量估算[J]. 蘇偉,趙曉鳳,孫中平,張明政,鄒再超,王偉,史園莉.  光譜學(xué)與光譜分析. 2019(05)
[5]基于隨機(jī)森林算法的多作物同步識別[J]. 許淇,李啟亮,Mathilde De Vroey,張吳平,范錦龍.  山東農(nóng)業(yè)科學(xué). 2019(03)
[6]基于兩層遷移卷積神經(jīng)網(wǎng)絡(luò)的抽象圖像情感識別[J]. 楊子文,陳蕾,浦建宇.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2019(01)
[7]遙感大數(shù)據(jù)時(shí)代與智能信息提取[J]. 張兵.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(12)
[8]基于隨機(jī)森林算法的特征選擇的水稻分類——以南昌市為例[J]. 蘇亞麟,呂開云.  江西科學(xué). 2018(01)
[9]基于水稻特征波段的決策樹分類研究[J]. 張博文,崔林麗,史軍,魏培培.  安徽農(nóng)業(yè)科學(xué). 2017(28)
[10]地塊特征、農(nóng)戶差異與水稻種植模式選擇——基于長江中下游地區(qū)樣本分析[J]. 羅觀長,陳風(fēng)波,王建軍.  農(nóng)業(yè)現(xiàn)代化研究. 2017(03)

博士論文
[1]復(fù)雜地表景觀區(qū)域水稻面積遙感精確提取與時(shí)空變化分析[D]. 趙爽.中國地質(zhì)大學(xué)(北京) 2018

碩士論文
[1]基于哨兵數(shù)據(jù)的灌區(qū)種植結(jié)構(gòu)提取與時(shí)空分布特征分析[D]. 周亮.安徽理工大學(xué) 2019
[2]基于時(shí)間序列sentinel數(shù)據(jù)的崇左市甘蔗識別研究[D]. 袁星.西安科技大學(xué) 2019
[3]基于EVI時(shí)序特征深度學(xué)習(xí)的復(fù)雜地表景觀區(qū)域水稻遙感精確識別方法[D]. 姜甜.中國地質(zhì)大學(xué)(北京) 2019
[4]基于MODIS時(shí)間序列數(shù)據(jù)的濕地提取方法[D]. 陳燕芬.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
[5]鄱陽湖平原水稻主產(chǎn)區(qū)熟制變化及其驅(qū)動(dòng)因素分析[D]. 肖池偉.江西師范大學(xué) 2016
[6]基于深度學(xué)習(xí)的高光譜遙感圖像分類[D]. 邢晨.中國地質(zhì)大學(xué) 2016



本文編號：3491702