导读:本文包含了作物遥感识别论文开题报告文献综述及选题提纲参考文献，主要关键词:遥感,作物,识别,方法
作物遥感识别论文文献综述
赵子娟,刘东,杭中桥[1]（2019）在《作物遥感识别方法研究现状及展望》一文中研究指出作物遥感识别是作物面积提取、长势监测、估产和时空分布研究的前提和基础。遥感识别作物方法多样,优势各异,应用性不同。本文系统梳理了基于光谱特征识别作物、基于纹理特征识别作物、基于物候特征识别作物及其他作物遥感识别的方法,归纳总结了每类方法的原理、优缺点和适用范围,指出了需进一步研究和解决的问题,并对今后的发展方向进行了展望,以期为作物遥感识别方法的应用及作物遥感研究提供参考与支撑。(本文来源于《江苏农业科学》期刊2019年16期）
樊东东,李强子,王红岩,张源,杜鑫[2]（2019）在《通过训练样本采样处理改善小宗作物遥感识别精度》一文中研究指出训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。(本文来源于《遥感学报》期刊2019年04期）
申健[3]（2017）在《关中地区作物种植信息遥感识别及其动态监测》一文中研究指出农业的基本战略核心问题是作物种植的可持续发展,其对于保障粮食生产安全具有重要意义。快速、准确地掌握耕地变化情况、作物种植模式、种植面积等信息,是实现区域种植业可持续发展的基本条件,对粮食供需尚未实现自我平衡的我国西北地区尤为重要。本研究针对西北地区土地利用方式变化频繁、作物类型多样、种植制度复杂的特点,以陕西省关中地区为研究区域,采用250m空间分辨率、16d最大值合成的Moderate-resolution Imageing Spectroradiometer(MODIS)Normalized Difference Vegetation Index(NDVI)时序影像,依据主要土地覆被类型及主要种植作物的NDVI曲线变化特征,结合当地作物物候历,提取了耕地、种植制度以及主要粮食作物的种植信息,并系统分析了研究区2000-2014年间耕地复种指数以及冬小麦、玉米生产布局的变化趋势和分布格局,探讨城镇化发展和农业经济转型对粮食作物生产的影响。研究结果可为区域农业生产布局、农业供给侧改革相关决策制订提供科学依据,对应用遥感技术在西部地区进行农业生产调查和监测具有一定的借鉴意义。研究取得的主要结果如下:(1)关中地区2000-2014年平均耕地面积为1828.98 × l03hm2,所辖地市耕地面积渭南(673.07 × 103hm2)>咸阳(394.25 × 103hm2)>西安(338.51 × 103hm2)>宝鸡(311.63× 103hm2)>铜川(111.52× l03hm2)。空间上耕地主要集中分布在中部渭河两岸阶地;北部黄土高原耕地密度相对较小,分布较为分散;南部秦岭山区仅在山间谷地有少量耕地分布。从县域耕地数量和土地面积占比可以看出研究区耕地呈现明显的中间密、南北稀,东部多、西部少的格局特征。15a间关中地区耕地面积整体呈下降趋势,其中2014年以前变化幅度较小,而2014年出现明显下降。耕地流转主要发生在渭河沿岸的城镇周边,新型城镇化规划的实施使城乡结合部耕地流失较多;北部如陇县、千阳等地以及中部礼泉则因经济农业发展推动部分耕地由种植粮食作物转为栽植果树;而休闲旅游业的开发使得秦岭北麓山脚的耕地南界出现一定程度的北移。(2)关中地区作物种植制度包括一年一熟和一年两熟,2000-2014年平均复种指数为142.7%。其中一年两熟制耕地主要分布于低海拔的渭河二、叁级阶地,北部黄土台塬和秦岭山地基本为一年一熟,东部以大荔为中心,包括合阳、蒲城、临渭部分平原地区也主要执行一年一熟制。县域复种指数呈现明显的辐射状格局,以西安市区为中心向四周递减。时间变化上,复种指数总体呈下降趋势,从2000年的156.4%降低到2014年的140.1%。其中2005年以前下降速度较慢,降幅不足2%,而2005年以后下降速度增快,降幅达9.2%。复种指数下降主要是中部平原周边的耕地由一年两熟制改为一年一熟制,其中以粮食生产为主的区县复种指数下降较慢,果业生产比例高的区县复种指数下降较快。离中心城市距离较近,城镇化发展速度快的中部区域复种指数下降明显。(3)通过分析研究区冬小麦、玉米与其他作物NDVI时序曲线的特征差异,提取2000-2014年关中地区冬小麦和玉米种植面积,结果分别为928.47 × 103 hm2和935.07 ×103hm2。空间上冬小麦和玉米的种植分布呈现较为明显的叁极格局,其中冬小麦-夏玉米主要种植于关中中部,且种植面积不断缩减,单季冬小麦和单季春玉米主要种植区分居关中西北和东北,并有扩张趋势。总体上冬小麦种植总面积在15 a间主要呈下降趋势,年均降幅1.94%,而玉米种植总面积先上升后下降,年均降幅为1.83%。(4)选取2000、2007和2014叁个年度的冬小麦、玉米种植面积和空间分布图,通过统计分析和空间迭置分析获取相应时段关中地区主要作物种植面积变化规律及作物种植类型转移方式。结果表明:①2000-2007年间,单季春玉米种植面积增加405.91 ×103hm2,增幅为196.19%;冬小麦-夏玉米和单季冬小麦种植面积则分别减少了 292.89 × 103 hm2和3.04 × 103 hm2,降幅分别为39.78%和0.8%。其中单季春玉米增加面积主要来自其他作物类型,共转入了 229.51 × 103hm2,而其转出类型也主要为其他作物,共转出55.95 × 103hm2;单季冬小麦种植面积变化较小,但流动性仍然较大,转入和转出面积最大的种植类型分别为其他作物(117.89×103hm2)和单季春玉米(110.8×103hm2);冬小麦-夏玉米主要转入转出类型为单季冬小麦(59.79 ×103hm2)和其他作物(159.96 ×103hm2)。②2007-2014年间,单季冬小麦种植面积有少量增加,共增加了 6.19 ×103hm2,增幅1.65%;而单季春玉米和冬小麦-夏玉米分别减少了 334.11 × 103hm2和37.46 × 103hm2,降幅分别为54.52%和8.45%。其中单季冬小麦仍然表现出较强的流动性,主要转入和转出类型分别为冬小麦-夏玉米(132.78 ×103hm2)和其他作物(114.87 ×103hm2);单季春玉米以转出为其他作物类型(226.97 ×103hm2)为主,最大转入量也同样来自其他作物(63.15 ×103hm2);冬小麦-夏玉米的最大转入转出类型则分别为其他作物(103.39 ×103hm2)和单季冬小麦(132.78 ×103hm2)。③15 a间关中地区冬小麦种植总面积持续减少,转移方向主要为其他作物类型,其中2000-2007阶段下降剧烈,2007-2014阶段下降速度较慢,转出变化空间上主要分布在关中地区东北部、咸阳北部高原以及蓝田、临潼交界处;玉米种植总面积总体为减少趋势,转移方向同样为其他作物类型,但在2000-2007阶段先呈增加趋势,2007-2014阶段则大幅下降,转出变化空间上主要分布于东部大荔及其周边,以及凤翔、陈仓和长安等地;一年两熟制的冬小麦-夏玉米种植面积明显下降,是研究区冬小麦、玉米种植面积减少的主要源头。(本文来源于《西北农林科技大学》期刊2017-03-01）
张喜旺,刘剑锋,秦奋,秦耀辰[4]（2014）在《作物类型遥感识别研究进展》一文中研究指出及时获取作物种植面积是研究粮食区域平衡,预测农业综合生产力和人口承载力的基础。遥感技术已经成为提取作物种植面积的重要手段,而前提是识别作物。为了理清当前该领域的国内外研究现状,以遥感在作物类型识别中的应用为主线,归纳了国内外作物类型识别研究中常用的各类遥感数据,如资源遥感影像、气象遥感影像、高分辨率影像、高光谱影像和微波影像等,分析其优缺点和适用性;同时总结了利用遥感进行作物类型识别的3类研究方法,包括基于光谱的识别方法、基于物候差异的识别方法以及光谱与物候相结合的方法,分析了各种方法的特点;指出目前作物类型遥感识别中存在的主要问题,如影像空间精度与价格的平衡问题,多分辨率遥感数据的综合应用问题,物候差异对作物识别的影响问题等;认为不同分辨率遥感数据的结合可以弥补各自不足,遥感影像的时相选择是提高精度的关键,另外需要应用除光谱和物候以外的更多解译标志;建议进一步深入研究作物识别机理和多尺度数据融合方法。以期为遥感技术在作物类型识别中的深入研究提供参考和借鉴。(本文来源于《中国农学通报》期刊2014年33期）
黄文江,王锦地,穆西晗,王纪华,刘良云[5]（2007）在《基于核驱动模型参数反演的作物株型遥感识别》一文中研究指出传统的单一方向遥感只能得到地面目标一个方向的辐射量,缺乏足够信息来同时推断像元的波谱和空间结构。多角度的反射光谱对于植被结构特征的估算及类型鉴别比垂直光谱具有明显的优越性。将多角度观测数据和核驱动模型结合,构建了基于核参数各向同性核所占比例(fiso),几何光学核所占比例(fgeo)和体散射核所占比例(fvol)的植被结构参数敏感指数(SPEI)来进行作物株型的遥感识别,并将SPEI与结构散射指数(SSI)和归一化差异参数指数(NDFI)等对紧凑型品种京411和披散型品种中优9507的实测多角度冠层方向反射率数据进行了核参数的反演,不同指数对作物株型结构表现出的敏感性依次为:SPEI>SSI>NDFI。SPEI较以往学者构建的指数对不同株型品种遥感识别具有更好的敏感性,该方法可以在其他作物上拓展应用,具有很好的理论基础和应用前景。(本文来源于《光谱学与光谱分析》期刊2007年10期）
安琼,杨邦杰,焦险峰[6]（2007）在《作物遥感识别中的数据挖掘技术》一文中研究指出该文综述了数据挖掘技术应用在图像分类方面的各种方法,介绍了每种方法的优缺点、适用领域及应用情况。介绍了将数据挖掘技术应用于图像分类方面以有效解决当前作物遥感识别中的瓶颈问题。对当前作物遥感识别系统在数据源的使用、识别过程的规范和方法的实用性方面的问题进行了分析,展望了作物遥感识别中的数据挖掘技术研究发展方向。(本文来源于《农业工程学报》期刊2007年08期）
黄文江,王纪华,刘良云,王之杰,宋晓宇[7]（2006）在《基于AMTIS航空遥感影象和核驱动模型的作物株型遥感识别》一文中研究指出作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差本研究定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响。本研究将多角度观测数据和进行核驱动模型参数反演,提出运用基于核参数各向同性核所占比例(fiso),几何光学核所占比例(fgeo)和体散射核所占比例(fvol)构建了植被结构参数敏感指数(SPEI)来进行作物株型的遥感识别的理论依据,并将植被结构参数敏感指数(SPEI)与结构散射指数(SSI)和归一化差异参数指数(NDFI) 等对紧凑型品种京411和披散型品种中优9507的实测多角度冠层方向反射率数据进行了核参数的反演,表明对于不同参数对作物株型结构表现出的敏感性依次为:SPEI>SSI>NDFI。对于采用多角度AMTIS不同观测角度的遥感数据,通过核驱动模型,利用可见光和近红外波段的各向同性核所占比例,几何光学核所占比例和体散射核所占比例构建的的植被结构参数敏感指数(SPFI)、归一化差异参数指数(NDFI)和结构散射指数(SSI)分别对飞行重点区域进行填图,运用SPFI进行不同株型的品种初步区分效果较NDFI和SSI好,表明运用SPFI进行不同株型的品种初步区分是可行的。在生产上具有一定的应用前景。(本文来源于《第六届成像光谱技术与应用研讨会文集》期刊2006-06-01）
黄文江,王纪华,刘良云,王锦地,谭昌伟[8]（2005）在《基于多时相和多角度光谱信息的作物株型遥感识别初探》一文中研究指出作物群体具有一定的冠层几何结构(株型),对于不同株型的品种,在相同的叶面积指数时冠层反射光谱往往不同,使得利用冠层反射光谱来反演叶面积指数等生物物理和生物化学参数时存在不同株型产生的误差,该文定量研究了不同叶面积指数条件下,作物株型对冠层反射光谱的影响,并提出运用波长800nm处起身期的冠层反射光谱与该波长处拔节期和起身期冠层反射光谱的比值,可以初步实现高密度披散型品种、低密度披散型品种、高密度中间型品种、低密度中间型品种、高密度直立型品种和低密度直立型品种的遥感识别,结合一定条件下选取的15°、30°和45°观测天顶角下,与可见光和近红外波段(波长)处的二向反射冠层反射光谱数值大小进行结合,可以初步实现作物株型的遥感识别。(本文来源于《农业工程学报》期刊2005年06期）
吴全[9]（2004）在《基于多源数据复合分析的作物遥感识别方法研究》一文中研究指出作物遥感识别是农情遥感监测的关键。本文通过对国内外运行化农情遥感监测方法的分析。设计并建立了农情遥感监测背景数据库，研究了多时相、多源数据复合分析方法，开发了作物遥感识别运行化技术体系。通过对黄淮海区试验，结果表明，该方法可以显着提高作物遥感识别精确度，改进工作效果，提高工作效率，适用于农业部的农情遥感监测运行系统。 本项研究建立的以作物遥感识别为主要目标的全面、系统的海量数据库，分为空间数据库和属性数据库两部分。空间数据包括多时相遥感(RS)影像、地理基础和专题地图、基于GPS的田间作业数据等，属性数据包括农业统计、地面监测数据等。以系统管理为核心功能，以数据采集、编辑、检索等为扩展功能的数据库可为运行化作物遥感识别提供强大的工作平台和快速、全面、可靠的数据支持。本项研究设计的空间数据库和属性数据库设计规范是背景数据库设计的核心，具有普遍意义。 本项研究筛选出了构成运行化作物遥感识别技术体系的一系列数据复合分析方法，包括GPS、GIS数据以及其它田间作业信息与RS数据之间的复合，确立解译标志和划分作业区；RS数据之间的复合，进行图像增强，改善非监督分类效果；GIS数据之间的复合，分析作业区作物结构、物候和耕作制度现状，地图拼接、特征提取等。 本项研究首次提出应用于作物遥感识别的田间作业方法及其技术规程。该方法系统、全面的规范了田间作业准备、田间作业过程及田间作业数据处理等各个环节的操作，使整个田间工作系统化、标准化，节约时间、经费。 小地物问题是作物识别的精确度问题。消除由小地物引起的作物识别误差是作物面积遥感估算中须解决的问题。本文首次提出了解决小地物问题的“双重抽样”方案，可以提高运行系统的精确度。(本文来源于《中国农业大学》期刊2004-06-01）
作物遥感识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
作物遥感识别论文参考文献
[1].赵子娟,刘东,杭中桥.作物遥感识别方法研究现状及展望[J].江苏农业科学.2019
[2].樊东东,李强子,王红岩,张源,杜鑫.通过训练样本采样处理改善小宗作物遥感识别精度[J].遥感学报.2019
[3].申健.关中地区作物种植信息遥感识别及其动态监测[D].西北农林科技大学.2017
[4].张喜旺,刘剑锋,秦奋,秦耀辰.作物类型遥感识别研究进展[J].中国农学通报.2014
[5].黄文江,王锦地,穆西晗,王纪华,刘良云.基于核驱动模型参数反演的作物株型遥感识别[J].光谱学与光谱分析.2007
[6].安琼,杨邦杰,焦险峰.作物遥感识别中的数据挖掘技术[J].农业工程学报.2007
[7].黄文江,王纪华,刘良云,王之杰,宋晓宇.基于AMTIS航空遥感影象和核驱动模型的作物株型遥感识别[C].第六届成像光谱技术与应用研讨会文集.2006
[8].黄文江,王纪华,刘良云,王锦地,谭昌伟.基于多时相和多角度光谱信息的作物株型遥感识别初探[J].农业工程学报.2005
[9].吴全.基于多源数据复合分析的作物遥感识别方法研究[D].中国农业大学.2004