基于时间序列高分一号影像的南京市农业用地提取方法研究

基于时间序列高分一号影像的南京市农业用地提取方法研究

论文摘要

城市化是社会经济发展的重要标志,但同时也可能威胁到国家粮食安全和可持续战略目标。南京市作为长三角地区唯一特大城市,其高城镇化率对土地用途空间管制提出了更严格的要求,因而推动了以信息化特征为主的现代精准农业发展。利用高分遥感影像能够有效提取农地规模和空间格局,而利用时序高分影像更能实现对农地耕作信息进行精准提取和环境动态监测。开发现代农业遥感动态监测技术,有利于南京都市农业信息化、精准化和可持续发展。但是,目前针对国产高分一号数据的农业用地精准提取研究还较少,尤其关于农业用地精细提取研究还相当缺乏有效的技术和方法支撑。因此,本研究以南京市2018年时间序列国产高分一号WFV影像为数据集,提出了一种农业用地精细提取方法,主要研究内容包括:(1)基于非对称高斯函数拟合法从时间序列国产高分一号影像中重构了地物时序特征,在消除噪声的同时尽可能的保留了地物特征信息。重构的时间序列曲线特征得到明显的平滑,旱地、水体、建筑、林草地以及水田等典型地物的时序特征都较好地呈现出来,不同地物间的差异可以直观地体现出来,能够满足农业用地精细提取需求,构建的时序曲线特征为后续分类体系的构建以及精细提取奠定了良好的基础。(2)提出了一种基于重构时序特征的农业用地层次型提取方法。首先以高分一号影像光谱特征和归一化水体指数等指数特征为初步分类特征进行初分类,而后加入面向对象形状特征、雷达VV/VH极化波段等特征对水体与水产用地、大棚与建筑以及小麦和油菜进行精细提取,分类总体精度和Kappa系数分别为95.3 1%和0.9431,达到了较好的结果。(3)基于农业用地精细提取结果计算统计了南京市全市以及各区农业用地面积情况,计算了各区农作物复种指数。通过与统计年鉴数据对比分析发现,南京市整体复种指数为154.9%,各农业大区均在110%以上,其中六合区、溧水区以及高淳区等区域复种指数高于其他区。本文从气候、国家政策和农业机械化水平等方面分析了各区复种指数直接差异的原因,表明复种指数除受气候影响较大以外,还与政策以及机械化水平等有较大关系。综上所述,时间序列高分一号影像在农业用地精准提取与动态监测中有较大应用潜力,而本研究提出的方法可以为农业用地遥感精细监测提供重要的技术支持,能够为广域、实时的农业监测和分析提供定量参考。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 国内外进展
  •     1.2.1 基于遥感影像数据的土地利用分类方法研究
  •     1.2.2 基于时间序列遥感数据的农用地分类提取进展
  •     1.2.3 存在问题
  •   1.3 研究内容与技术路线
  •     1.3.1 研究内容
  •     1.3.2 技术路线
  •   1.4 论文组织结构
  • 第二章 研究区与研究数据
  •   2.1 研究区概况
  •     2.1.1 地理区位与自然环境
  •     2.1.2 社会经济状况
  •     2.1.3 主要作物状况
  •   2.2 数据收集与预处理
  •     2.2.1 数据收集
  •     2.2.2 数据预处理
  • 第三章 时间序列特征集构建
  •   3.1 时间序列遥感数据
  •     3.1.1 遥感时间序列概念
  •     3.1.2 常见的时序类别
  •   3.2 时间序列特征构建
  •     3.2.1 影像云掩膜
  •     3.2.2 遥感指数特征计算
  •     3.2.3 面向对象特征提取
  •   3.3 时间序列重构
  •     3.3.1 时间序列重构方法
  •     3.3.2 时间序列构建结果
  •   3.4 本章小结
  • 第四章 基于时间序列GF-1影像的农业用地分类提取方法研究
  •   4.1 分类体系构建
  •   4.2 分类器选取
  •     4.2.1 最大似然分类
  •     4.2.2 支持向量机分类
  •     4.2.3 神经网络分类
  •     4.2.4 随机森林分类
  •     4.2.5 精度评定指标
  •   4.3 方法试验与分析比较
  •     4.3.1 试验区一
  •     4.3.2 试验区二
  •     4.3.3 试验区提取结果与分析
  •   4.4 本章小结
  • 第五章 南京市农业用地分类提取与分析
  •   5.1 分类提取结果
  •   5.2 复种指数分析
  •   5.3 本章小结
  • 第六章 结论与展望
  •   6.1 研究结论
  •   6.2 论文创新点
  •   6.3 研究展望
  • 参考文献
  • 攻读硕士学位期间主要成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 栗云峰

    导师: 杜培军

    关键词: 农业遥感,高分一号,时间序列,复种指数,南京市

    来源: 南京大学

    年度: 2019

    分类: 基础科学

    专业: 自然地理学和测绘学

    单位: 南京大学

    分类号: P237

    总页数: 98

    文件大小: 9254K

    下载量: 326

    相关论文文献

    • [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
    • [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
    • [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
    • [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
    • [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
    • [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
    • [7].王嵬作品[J]. 当代油画 2017(07)
    • [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
    • [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
    • [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
    • [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
    • [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
    • [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
    • [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
    • [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
    • [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
    • [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
    • [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
    • [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
    • [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
    • [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
    • [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
    • [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
    • [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
    • [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
    • [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
    • [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
    • [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
    • [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
    • [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

    标签:;  ;  ;  ;  ;  

    基于时间序列高分一号影像的南京市农业用地提取方法研究
    下载Doc文档

    猜你喜欢