本文主要研究内容
作者杨闫君（2019）在《基于植被指数时序谱类内差异特征的冬小麦遥感识别研究》一文中研究指出：小麦是世界第三大粮食作物,在世界范围内被广泛种植,其中冬小麦的种植面积超过了小麦总面积的80%。及时、准确地获取冬小麦种植面积对冬小麦产量估算、长势监测及生产规划等具有重要的现实意义。遥感技术因其覆盖面积广、重访周期短、数据获取相对容易和费用低廉等优点,为快速和准确获取冬小麦种植信息提供了强有力的技术手段。然而,农作物遥感识别是一项复杂的工作,既要考虑到技术的实用性和可执行程度,又要考虑识别结果的可信度和精度。利用单一时相遥感影像进行冬小麦识别时容易出现“错分、漏分”现象,难以达到理想的分类精度。时间序列尤其是植被指数时间序列数据成为农作物遥感分类识别研究的热点。近年来,随着对地观测技术水平的不断提高,多源、多时空分辨率的卫星传感器不断涌现,国内外遥感数据量迅速增加,为冬小麦遥感识别提供了丰富的数据源。面对庞大的数据量,如何高效地选择与合理地利用已有的多源、多时空分辨率卫星数据,开展冬小麦遥感分类识别方法研究,提高冬小麦分类识别精度,准确、快速地获取冬小麦种植面积及空间分布信息,对国家宏观决策具有重要的现实意义,也是当前我们面临的挑战。本文针对目前冬小麦遥感识别中存在的问题,以黄淮海平原为研究区,以高分一号WFV(GF-1,Wide Field of View)、MODIS(Moderate-Resolution Imaging Spectroradiometer)多光谱中、高分辨率影像为数据源,考虑到冬小麦光谱特征随季节变化的差异,分析了冬小麦植被指数时序谱特征,结合冬小麦与其他地物的时序波谱特征差异,探究冬小麦的遥感识别方法。研究采用矢量分析法,将N维矢量的方向和距离特征引入植被指数时间序列,基于GF-1WFV影像提出了冬小麦遥感识别矢量分析模型。同时,考虑到遥感识别的时效性问题,基于构建的识别模型进·步探究冬小麦遥感识别的最佳时序数据,以满足尽早获取冬小麦种植信息的实际需求。其次,将构建的模型用于MODIS影像,在大区域冬小麦遥感识别中进一步改进模型,并利用Landsat影像和统计数据对模型的识别结果进行验证。最后,采用MODIS数据在美国堪萨斯州对改进后的模型进行适用性评价模型。同时,结合景观格局指标中有关破碎度的相关指数,对影响冬小麦遥感识别精度的因素进行了讨论。论文的主要研究结论包括:(1)基于时序数据的空间方向与距离特征,采用矢量分析方法构建了冬小麦遥感识别矢量分析模型。基于GF-1 WFV影像构建覆盖冬小麦完整生长期的时间序列数据,考虑到同一区域的冬小麦具有相似的物候特征与生长状况,对比分析了冬小麦生长期内与其他地物类型的时序波谱曲线的特征差异。在借鉴光谱角制图法的基础上,将NDVI时间序列看作N维空间向量,基于冬小麦时序波谱特征,结合矢量的夹角和距离两个特征参量,构建冬小麦遥感识别矢量分析模型。结合地面数据验证,冬小麦识别精度达到了 94.83%,与其他方法对比,精度最大提高了 8.33%。结果表明构建的识别模型可以有效实现冬小麦的遥感识别并取得较高的精度。(2)基于构建的冬小麦遥感识别矢量分析模型,探究了冬小麦遥感识别的时效性问题,确定了用于冬小麦识别的最佳时序数据。考虑到农作物遥感识别需要满足时效性的需求,采用构建的冬小麦遥感识别矢量分析模型,依次对覆盖不同冬小麦物候期的时序数据进行测试,确定了满足精度需求的冬小麦识别的最早物候期。通过验证表明,采用本文构建的模型,基于冬小麦播种期至返青期的GF-1 NDVI时序数据,冬小麦识别精度可以达到90%以上。(3)提出了基于EVI时序谱类内差异特征的冬小麦遥感识别矢量分析模型。基于MODIS中等空间分辨率遥感影像,通过分析冬小麦植被指数时序谱特征,发现影像上大区域的冬小麦受不同的生长状况、耕作管理模式、气候环境等因素的影响,植被指数时序谱表现出较大的类内差异,在前文构建的模型基础上,加入考虑冬小麦时序谱类内差异特征的多个子训练样本集,进一步改进冬小麦遥感识别矢量分析模型。将改进后的模型在黄淮海平原应用,结合地面数据和Landsat影像对识别结果进行验证。结果表明,冬小麦识别总体精度达到85%以上,相比传统的监督分类(最大似然分类法),精度提高了 15%。同时,采用播种期至返青期的时间序列,冬小麦的识别精度为70.17%。(4)改进后的冬小麦遥感识别矢量分析模型在不同区域的适用性评价。为了验证改进后的模型的普适性,在与黄淮海平原同纬度的美国堪萨斯州进行模型适用性评价。对堪萨斯州的冬小麦遥感识别结果在区域、县级以及像元尺度上进行精度验证。结果表明,改进后的识别模型可以有效地识别不同区域的冬小麦分布,结合Landsat分类结果图在像元尺度上的验证表明冬小麦总体识别精度达到90.33%。同时,采用覆盖冬小麦播种期至返青期的EVI时序数据对模型进一步验证,结果表明冬小麦识别精度达到80.67%。在堪萨斯州的冬小麦识别结果充分说明了本文提出的识别模型具有较高的普适性。(5)基于景观格局指数,明晰了冬小麦遥感识别矢量分析模型的影响因素。基于中等分辨率影像的作物识别精度与农田的空间异质性特征有着密切关系。本文采用景观格局指数表达研究区的景观破碎度,定量分析冬小麦农田的景观破碎度对冬小麦遥感识别精度的影响。结果表明,景观破碎度指数(FRG)与冬小麦识别精度之间有很强的正相关关系(r=0.99)。同样,较高的冬小麦面积比例(PLAND)对应着较高的冬小麦识别精度。当PLAND值大于20%时,平均误差百分比小于10%,即冬小麦识别精度达到90%以上。分析结果表明在破碎程度较低的区域,改进的冬小麦识别模型表现更好。对比黄淮海平原和堪萨斯州的冬小麦识别结果,后者精度提高程度较大,同时也说明在美国连续大面积冬小麦农田背景下,基于MODIS数据的冬小麦识别可以取得较高的精度,而对我国农田破碎度较高的国情,需要借助高分一号这样的高分辨率数据才能满足大区域高精度冬小麦制图。
Abstract
xiao mai shi shi jie di san da liang shi zuo wu ,zai shi jie fan wei nei bei an fan chong zhi ,ji zhong dong xiao mai de chong zhi mian ji chao guo le xiao mai zong mian ji de 80%。ji shi 、zhun que de huo qu dong xiao mai chong zhi mian ji dui dong xiao mai chan liang gu suan 、chang shi jian ce ji sheng chan gui hua deng ju you chong yao de xian shi yi yi 。yao gan ji shu yin ji fu gai mian ji an 、chong fang zhou ji duan 、shu ju huo qu xiang dui rong yi he fei yong di lian deng you dian ,wei kuai su he zhun que huo qu dong xiao mai chong zhi xin xi di gong le jiang you li de ji shu shou duan 。ran er ,nong zuo wu yao gan shi bie shi yi xiang fu za de gong zuo ,ji yao kao lv dao ji shu de shi yong xing he ke zhi hang cheng du ,you yao kao lv shi bie jie guo de ke xin du he jing du 。li yong chan yi shi xiang yao gan ying xiang jin hang dong xiao mai shi bie shi rong yi chu xian “cuo fen 、lou fen ”xian xiang ,nan yi da dao li xiang de fen lei jing du 。shi jian xu lie you ji shi zhi bei zhi shu shi jian xu lie shu ju cheng wei nong zuo wu yao gan fen lei shi bie yan jiu de re dian 。jin nian lai ,sui zhao dui de guan ce ji shu shui ping de bu duan di gao ,duo yuan 、duo shi kong fen bian lv de wei xing chuan gan qi bu duan chong xian ,guo nei wai yao gan shu ju liang xun su zeng jia ,wei dong xiao mai yao gan shi bie di gong le feng fu de shu ju yuan 。mian dui pang da de shu ju liang ,ru he gao xiao de shua ze yu ge li de li yong yi you de duo yuan 、duo shi kong fen bian lv wei xing shu ju ,kai zhan dong xiao mai yao gan fen lei shi bie fang fa yan jiu ,di gao dong xiao mai fen lei shi bie jing du ,zhun que 、kuai su de huo qu dong xiao mai chong zhi mian ji ji kong jian fen bu xin xi ,dui guo jia hong guan jue ce ju you chong yao de xian shi yi yi ,ye shi dang qian wo men mian lin de tiao zhan 。ben wen zhen dui mu qian dong xiao mai yao gan shi bie zhong cun zai de wen ti ,yi huang huai hai ping yuan wei yan jiu ou ,yi gao fen yi hao WFV(GF-1,Wide Field of View)、MODIS(Moderate-Resolution Imaging Spectroradiometer)duo guang pu zhong 、gao fen bian lv ying xiang wei shu ju yuan ,kao lv dao dong xiao mai guang pu te zheng sui ji jie bian hua de cha yi ,fen xi le dong xiao mai zhi bei zhi shu shi xu pu te zheng ,jie ge dong xiao mai yu ji ta de wu de shi xu bo pu te zheng cha yi ,tan jiu dong xiao mai de yao gan shi bie fang fa 。yan jiu cai yong shi liang fen xi fa ,jiang Nwei shi liang de fang xiang he ju li te zheng yin ru zhi bei zhi shu shi jian xu lie ,ji yu GF-1WFVying xiang di chu le dong xiao mai yao gan shi bie shi liang fen xi mo xing 。tong shi ,kao lv dao yao gan shi bie de shi xiao xing wen ti ,ji yu gou jian de shi bie mo xing jin ·bu tan jiu dong xiao mai yao gan shi bie de zui jia shi xu shu ju ,yi man zu jin zao huo qu dong xiao mai chong zhi xin xi de shi ji xu qiu 。ji ci ,jiang gou jian de mo xing yong yu MODISying xiang ,zai da ou yu dong xiao mai yao gan shi bie zhong jin yi bu gai jin mo xing ,bing li yong Landsatying xiang he tong ji shu ju dui mo xing de shi bie jie guo jin hang yan zheng 。zui hou ,cai yong MODISshu ju zai mei guo kan sa si zhou dui gai jin hou de mo xing jin hang kuo yong xing ping jia mo xing 。tong shi ,jie ge jing guan ge ju zhi biao zhong you guan po sui du de xiang guan zhi shu ,dui ying xiang dong xiao mai yao gan shi bie jing du de yin su jin hang le tao lun 。lun wen de zhu yao yan jiu jie lun bao gua :(1)ji yu shi xu shu ju de kong jian fang xiang yu ju li te zheng ,cai yong shi liang fen xi fang fa gou jian le dong xiao mai yao gan shi bie shi liang fen xi mo xing 。ji yu GF-1 WFVying xiang gou jian fu gai dong xiao mai wan zheng sheng chang ji de shi jian xu lie shu ju ,kao lv dao tong yi ou yu de dong xiao mai ju you xiang shi de wu hou te zheng yu sheng chang zhuang kuang ,dui bi fen xi le dong xiao mai sheng chang ji nei yu ji ta de wu lei xing de shi xu bo pu qu xian de te zheng cha yi 。zai jie jian guang pu jiao zhi tu fa de ji chu shang ,jiang NDVIshi jian xu lie kan zuo Nwei kong jian xiang liang ,ji yu dong xiao mai shi xu bo pu te zheng ,jie ge shi liang de ga jiao he ju li liang ge te zheng can liang ,gou jian dong xiao mai yao gan shi bie shi liang fen xi mo xing 。jie ge de mian shu ju yan zheng ,dong xiao mai shi bie jing du da dao le 94.83%,yu ji ta fang fa dui bi ,jing du zui da di gao le 8.33%。jie guo biao ming gou jian de shi bie mo xing ke yi you xiao shi xian dong xiao mai de yao gan shi bie bing qu de jiao gao de jing du 。(2)ji yu gou jian de dong xiao mai yao gan shi bie shi liang fen xi mo xing ,tan jiu le dong xiao mai yao gan shi bie de shi xiao xing wen ti ,que ding le yong yu dong xiao mai shi bie de zui jia shi xu shu ju 。kao lv dao nong zuo wu yao gan shi bie xu yao man zu shi xiao xing de xu qiu ,cai yong gou jian de dong xiao mai yao gan shi bie shi liang fen xi mo xing ,yi ci dui fu gai bu tong dong xiao mai wu hou ji de shi xu shu ju jin hang ce shi ,que ding le man zu jing du xu qiu de dong xiao mai shi bie de zui zao wu hou ji 。tong guo yan zheng biao ming ,cai yong ben wen gou jian de mo xing ,ji yu dong xiao mai bo chong ji zhi fan qing ji de GF-1 NDVIshi xu shu ju ,dong xiao mai shi bie jing du ke yi da dao 90%yi shang 。(3)di chu le ji yu EVIshi xu pu lei nei cha yi te zheng de dong xiao mai yao gan shi bie shi liang fen xi mo xing 。ji yu MODISzhong deng kong jian fen bian lv yao gan ying xiang ,tong guo fen xi dong xiao mai zhi bei zhi shu shi xu pu te zheng ,fa xian ying xiang shang da ou yu de dong xiao mai shou bu tong de sheng chang zhuang kuang 、geng zuo guan li mo shi 、qi hou huan jing deng yin su de ying xiang ,zhi bei zhi shu shi xu pu biao xian chu jiao da de lei nei cha yi ,zai qian wen gou jian de mo xing ji chu shang ,jia ru kao lv dong xiao mai shi xu pu lei nei cha yi te zheng de duo ge zi xun lian yang ben ji ,jin yi bu gai jin dong xiao mai yao gan shi bie shi liang fen xi mo xing 。jiang gai jin hou de mo xing zai huang huai hai ping yuan ying yong ,jie ge de mian shu ju he Landsatying xiang dui shi bie jie guo jin hang yan zheng 。jie guo biao ming ,dong xiao mai shi bie zong ti jing du da dao 85%yi shang ,xiang bi chuan tong de jian du fen lei (zui da shi ran fen lei fa ),jing du di gao le 15%。tong shi ,cai yong bo chong ji zhi fan qing ji de shi jian xu lie ,dong xiao mai de shi bie jing du wei 70.17%。(4)gai jin hou de dong xiao mai yao gan shi bie shi liang fen xi mo xing zai bu tong ou yu de kuo yong xing ping jia 。wei le yan zheng gai jin hou de mo xing de pu kuo xing ,zai yu huang huai hai ping yuan tong wei du de mei guo kan sa si zhou jin hang mo xing kuo yong xing ping jia 。dui kan sa si zhou de dong xiao mai yao gan shi bie jie guo zai ou yu 、xian ji yi ji xiang yuan che du shang jin hang jing du yan zheng 。jie guo biao ming ,gai jin hou de shi bie mo xing ke yi you xiao de shi bie bu tong ou yu de dong xiao mai fen bu ,jie ge Landsatfen lei jie guo tu zai xiang yuan che du shang de yan zheng biao ming dong xiao mai zong ti shi bie jing du da dao 90.33%。tong shi ,cai yong fu gai dong xiao mai bo chong ji zhi fan qing ji de EVIshi xu shu ju dui mo xing jin yi bu yan zheng ,jie guo biao ming dong xiao mai shi bie jing du da dao 80.67%。zai kan sa si zhou de dong xiao mai shi bie jie guo chong fen shui ming le ben wen di chu de shi bie mo xing ju you jiao gao de pu kuo xing 。(5)ji yu jing guan ge ju zhi shu ,ming xi le dong xiao mai yao gan shi bie shi liang fen xi mo xing de ying xiang yin su 。ji yu zhong deng fen bian lv ying xiang de zuo wu shi bie jing du yu nong tian de kong jian yi zhi xing te zheng you zhao mi qie guan ji 。ben wen cai yong jing guan ge ju zhi shu biao da yan jiu ou de jing guan po sui du ,ding liang fen xi dong xiao mai nong tian de jing guan po sui du dui dong xiao mai yao gan shi bie jing du de ying xiang 。jie guo biao ming ,jing guan po sui du zhi shu (FRG)yu dong xiao mai shi bie jing du zhi jian you hen jiang de zheng xiang guan guan ji (r=0.99)。tong yang ,jiao gao de dong xiao mai mian ji bi li (PLAND)dui ying zhao jiao gao de dong xiao mai shi bie jing du 。dang PLANDzhi da yu 20%shi ,ping jun wu cha bai fen bi xiao yu 10%,ji dong xiao mai shi bie jing du da dao 90%yi shang 。fen xi jie guo biao ming zai po sui cheng du jiao di de ou yu ,gai jin de dong xiao mai shi bie mo xing biao xian geng hao 。dui bi huang huai hai ping yuan he kan sa si zhou de dong xiao mai shi bie jie guo ,hou zhe jing du di gao cheng du jiao da ,tong shi ye shui ming zai mei guo lian xu da mian ji dong xiao mai nong tian bei jing xia ,ji yu MODISshu ju de dong xiao mai shi bie ke yi qu de jiao gao de jing du ,er dui wo guo nong tian po sui du jiao gao de guo qing ,xu yao jie zhu gao fen yi hao zhe yang de gao fen bian lv shu ju cai neng man zu da ou yu gao jing du dong xiao mai zhi tu 。
论文参考文献
论文详细介绍
论文作者分别是来自南京大学的杨闫君，发表于刊物南京大学2019-12-19论文，是一篇关于冬小麦论文,遥感识别论文,植被指数时间序列论文,类内差异论文,景观破碎度分析论文,南京大学2019-12-19论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自南京大学2019-12-19论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：冬小麦论文; 遥感识别论文; 植被指数时间序列论文; 类内差异论文; 景观破碎度分析论文; 南京大学2019-12-19论文;