黄河中下游引黄灌区作物种植结构的遥感监测方法研究

论文摘要

利用遥感技术进行农作物识别和监测是遥感应用领域的重要研究内容。多年来国内外做了大量的研究和实验,但很多研究主要是在样本地块上完成,没有推广到更大的范围,也不太强调研究的时效性。本文利用多源知识推理的方法以CBERS影像为数据源,对黄河中下游引黄灌区-山东省德州市的主要农作物进行种植面积和空间分布的监测。归纳起来,主要完成了以下几项工作:（1）根据作物物候特征,解决了农作物识别中影像时相选择的问题。通过对项目区基本概况和作物物候特征的分析,本文以2006-2007年内两个时相的CBERS-02 CCD影像为主要遥感数据源,在对影像预处理过程中提出针对CBERS影像简单实用的辐射校正方法。（2）提出分区采样方法,解决了冬小麦影像上同物异谱的问题。由于项目区范围比较大,生长条件的不同导致冬小麦长势存在差异,此外,不同地区采取的播种方式也不同,诸多原因导致影像上不同地区的冬小麦光谱有差异,分区思想很好的解决了影像上同物异谱的问题。（3）将多源信息融合,通过知识推理识别作物。首先对农作物的物候特征、光谱特征和纹理特征进行分析,同时融合GIS辅助信息,将上述特征信息建立知识规则,同时满足全部规则即识别出冬小麦。然后,在提取出冬小麦的基础上,根据当地作物物候特征和种植模式,利用相关掩膜识别出夏玉米,最后,根据两个时相NDVI值变化情况识别出棉花。实验结果证明,本研究提出的方法能够有效识别出研究区主要作物。（4）探讨作物种植面积监测结果中小地物扣除系数的计算方法。利用中等分辨率的影像监测作物很难处理作物与其相邻小地物构成的混合像元,多被识别为邻近的作物,影响作物种植面积统计的精度。本文使用高分辨率影像样本,通过掩膜提取出作物种植区域,在区域内计算小地物的扣除系数,对监测的作物种植面积做扣除,使得监测到的作物种植面积更为合理。（5）提出并完成从作物种植面积和空间分布两方面进行农作物监测结果的精度评价。本文从统计年鉴数据和混淆矩阵两个角度出发检验监测结果,精度评价结果表明本文的监测结果在作物种植面积和空间分布两方面都具有较高精度,说明本研究的监测结果是可靠的。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究进展
• 1.3 研究内容及章节安排
• 2 项目区遥感数据选择及预处理
• 2.1 农业监测常用遥感数据
• 2.2 CBERS 数据介绍
• 2.3 项目区概况及CBERS 影像时相的选择
• 2.3.1 项目区概况
• 2.3.2 CBERS 影像时相选择
• 2.4 CBERS-02/02B 数据处理
• 2.4.1 辐射校正
• 2.4.2 几何校正
• 2.4.3 影像镶嵌及裁剪
• 2.4.4 图像融合
• 3 基于知识推理的作物识别
• 3.1 技术路线的确定
• 3.2 夏季作物识别
• 3.2.1 划分区域
• 3.2.2 训练样本选取
• 3.2.3 光谱特征分析
• 3.2.4 纹理特征分析
• 3.2.5 其他辅助信息
• 3.2.6 基于知识的多源信息融合识别冬小麦
• 3.3 秋季作物识别
• 3.3.1 夏玉米和棉花的识别
• 3.3.2 夏玉米和棉花的区分
• 4 精度检验与结果分析
• 4.1 精度检验
• 4.1.1 基于统计数据的精度检验
• 4.1.2 基于混淆矩阵的精度检验
• 4.2 结果分析
• 5 结论与展望
• 5.1 主要结论
• 5.2 展望
• 攻读硕士学位期间公开发表的学术论文
• 致谢
• 参考文献