及時(shí)、準(zhǔn)確的水稻空間分布信息在農(nóng)作物估產(chǎn)、糧食安全、全球氣候變化等多方面發(fā)揮著至關(guān)重要的作用。早期獲取農(nóng)作物信息的途徑以實(shí)地調(diào)查為主,成本較高且結(jié)果精度較差,不利于進(jìn)一步推廣。遙感技術(shù)的快速發(fā)展為水稻信息提取開(kāi)辟了新的途徑,目前已經(jīng)發(fā)展得比較成熟。在我國(guó)南方地區(qū),由于受到地形、氣候條件等影響,水稻的種植結(jié)構(gòu)復(fù)雜,空間分布零散,存在大量耕地被擱置撂荒,而且其多云雨天氣對(duì)遙感數(shù)據(jù)的收集來(lái)說(shuō)也是一個(gè)很大的挑戰(zhàn)。因此,利用遙感技術(shù)對(duì)該地區(qū)的水稻進(jìn)行精確提取尚面臨一些挑戰(zhàn)。本研究以具有高時(shí)間分辨率的HJ-1A/B多光譜影像為主要數(shù)據(jù)源,提出了一種適用于復(fù)雜地表景觀區(qū)域的水稻信息精確提取方法。具體內(nèi)容主要包括以下幾方面:（1）考慮到歸一化植被指數(shù)（NDVI）易出現(xiàn)的過(guò)飽和特點(diǎn),使用增強(qiáng)型植被指數(shù)（EVI）作為監(jiān)測(cè)植被生長(zhǎng)狀態(tài)的重要指標(biāo)。通過(guò)構(gòu)建不同地物類型的EVI時(shí)間序列,分析它們的生長(zhǎng)變化特征。其中,水稻在不同的物候階段表現(xiàn)出明顯的特征差異。（2）借助深度學(xué)習(xí)技術(shù),基于EVI時(shí)序特征提出一種復(fù)雜地表景觀區(qū)域水稻信息精確提取方法。作為深度學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn),卷積神經(jīng)網(wǎng)絡(luò)（CNN）由于其多層結(jié)構(gòu)... 

【文章來(lái)源】：中國(guó)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(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于深度學(xué)習(xí)模型的水稻遙感精確提取技術(shù)路線圖

第 2 章 研究區(qū)概況與數(shù)據(jù)來(lái)源2.1 研究區(qū)概況2.1.1 地形位置特征本文以湖南省株洲市為研究區(qū)。株洲市處于湖南省東部境內(nèi)，介于 26°03′05″～28°01′07″N、112°57′30″～114°07′15″E 之間，橫跨緯度較廣，總面積達(dá)到 11262 平方公里。株洲市水系發(fā)達(dá)，湘江干流流經(jīng)其西北部分區(qū)域。市域內(nèi)地形起伏變化明顯，其地勢(shì)總體上呈東南高、西北低的特點(diǎn)，包括盆地、山地、丘陵、平原等地貌類型，其中主要以山地和丘陵為主，覆蓋范圍約 6593.08 平方千米，占總面積的 58.54%。從高程圖上來(lái)看，市域內(nèi)平均海拔約為 300m，集中分布在東南部的山地最高處海拔可達(dá) 2000m，而沿各流域分布的平原地區(qū)海拔多數(shù)在 150m 以下（圖 2-1）。

HJ-1B CCD1 1.5295 3.0089 1.4434 4.4487 0.9388 3.2144 0.9343 2.5609HJ-1B CCD2 1.2716 2.2219 1.2302 4.0683 0.8639 5.2537 0.8092 6.3497使用上述定標(biāo)公式，對(duì)原始遙感影像進(jìn)行輻射定標(biāo)處理，得到結(jié)果如圖2-2所示。圖 2-2 輻射定標(biāo)效果圖，(a)原始遙感影像標(biāo)準(zhǔn)假彩色合成(b)輻射定標(biāo)處理后的圖像(a) (b)

【參考文獻(xiàn)】：
期刊論文
[1]融合時(shí)間序列環(huán)境衛(wèi)星數(shù)據(jù)與物候特征的水稻種植區(qū)提取[J]. 柳文杰,曾永年,張猛.  遙感學(xué)報(bào). 2018(03)
[2]深度卷積神經(jīng)網(wǎng)絡(luò)特征提取用于地表覆蓋分類初探[J]. 張偉,鄭柯,唐娉,趙理君.  中國(guó)圖象圖形學(xué)報(bào). 2017(08)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)模型的遙感圖像分類[J]. 付秀麗,黎玲萍,毛克彪,譚雪蘭,李建軍,孫旭,左志遠(yuǎn).  高技術(shù)通訊. 2017(03)
[4]時(shí)間序列MODIS數(shù)據(jù)水稻面積提取精度研究[J]. 湯斌,王福民,周柳萍,張東尼.  科技通報(bào). 2017(01)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像艦船目標(biāo)檢測(cè)[J]. 黃潔,姜志國(guó),張浩鵬,姚遠(yuǎn).  北京航空航天大學(xué)學(xué)報(bào). 2017(09)
[6]基于時(shí)差特征與隨機(jī)森林的水稻種植面積提取[J]. 雷小雨,卓莉,葉濤,陶海燕,王芳.  遙感技術(shù)與應(yīng)用. 2016(06)
[7]深度學(xué)習(xí)在語(yǔ)音識(shí)別中的研究進(jìn)展綜述[J]. 侯一民,周慧瓊,王政一.  計(jì)算機(jī)應(yīng)用研究. 2017(08)
[8]利用多光譜衛(wèi)星遙感和深度學(xué)習(xí)方法進(jìn)行青藏高原積雪判識(shí)[J]. 闞希,張永宏,曹庭,王劍庚,田偉.  測(cè)繪學(xué)報(bào). 2016(10)
[9]基于深度學(xué)習(xí)的維吾爾語(yǔ)語(yǔ)句情感傾向分析[J]. 李敏,禹龍,田生偉,吐?tīng)柛ひ啦祭?艾斯卡爾·艾木都拉.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(08)
[10]基于GF-1/WFVNDVI時(shí)間序列數(shù)據(jù)的作物分類[J]. 楊閆君,占玉林,田慶久,顧行發(fā),余濤,王磊.  農(nóng)業(yè)工程學(xué)報(bào). 2015(24)

碩士論文
[1]基于光譜時(shí)間序列擬合的中國(guó)南方水稻遙感識(shí)別及面積估算方法研究[D]. 宋盼盼.東華理工大學(xué) 2017
[2]基于機(jī)器學(xué)習(xí)的遙感圖像水體提取研究[D]. 王知音.新疆大學(xué) 2016
[3]基于作物物候特征的水稻種植面積提取研究[D]. 周燕芳.東北師范大學(xué) 2015
[4]基于HJ衛(wèi)星影像的水稻種植面積遙感信息提取方法研究[D]. 魏新彩.湖北大學(xué) 2013



本文編號(hào)：2926479