基于多源遙感數(shù)據(jù)的農(nóng)作物分類(lèi)與葉面積指數(shù)反演研究
定 價(jià)：50 元
- 作者：王迪[等]著
- 出版時(shí)間：2022/10/1
- ISBN：9787511659316
- 出 版 社：中國(guó)農(nóng)業(yè)科學(xué)技術(shù)出版社
- 中圖法分類(lèi)：S502.3
- 頁(yè)碼：132頁(yè)
- 紙張：膠版紙
- 版次：1
- 開(kāi)本：24開(kāi)
本書(shū)共七章，主要內(nèi)容包括：第一章農(nóng)作物分類(lèi)與葉面積指數(shù)遙感反演的研究現(xiàn)狀與存在問(wèn)題分析；第二章基于GF-1衛(wèi)星多光譜影像的種植結(jié)構(gòu)復(fù)雜區(qū)農(nóng)作物精細(xì)分類(lèi)研究；第三章多時(shí)相Sentinel-2衛(wèi)星遙感影像的水稻識(shí)別研究；第四章旱地作物極化SAR分類(lèi)特征優(yōu)選研究；第五章基于星載全極化SAR數(shù)據(jù)的旱地作物分類(lèi)研究；第六章基于深度學(xué)習(xí)模型的冬小麥葉面積指數(shù)遙感反演研究；第七章研究結(jié)論與展望。
王迪，男，1977年出生，副研究員，工學(xué)博士，碩士生導(dǎo)師，現(xiàn)任職于中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)遙感創(chuàng)新團(tuán)隊(duì)。長(zhǎng)期從事農(nóng)業(yè)遙感基礎(chǔ)與應(yīng)用研究，重點(diǎn)開(kāi)展農(nóng)作物面積空間抽樣理論與技術(shù)、基于合成孔徑雷達(dá)遙感的農(nóng)作物分類(lèi)與生物學(xué)參數(shù)反演研究。先后主持和參與國(guó)家級(jí)、省部級(jí)及其他各類(lèi)研究項(xiàng)目40余項(xiàng)，以第一或通訊作者在國(guó)內(nèi)外重要學(xué)術(shù)期刊發(fā)表論文50余篇。作為主要參加人獲得水利部大禹水利科學(xué)技術(shù)獎(jiǎng)二等獎(jiǎng)1項(xiàng)。在我國(guó)農(nóng)作物面積遙感監(jiān)測(cè)研究方面獲得了豐碩的成果。
第一章 緒論
第二章 種植結(jié)構(gòu)復(fù)雜區(qū)農(nóng)作物精細(xì)分類(lèi)研究
第三章 多時(shí)相Sentinel-2衛(wèi)星遙感影像的水稻識(shí)別研究
第四章 旱地作物極化SAR分類(lèi)特征選擇研究
第五章 旱地作物極化SAR分類(lèi)研究
第六章 基于深度學(xué)習(xí)模型的冬小麥葉面積指數(shù)反演研究
第七章 結(jié)論及展望
摘要
第一節(jié)研究背景及意義
我國(guó)旱地種植面積大，占耕面積的59%，且空間分布廣，對(duì)糧食產(chǎn)量貢獻(xiàn)高（Wang et al.，21）。隨著農(nóng)業(yè)現(xiàn)代化建設(shè)的大力，及時(shí)、獲取農(nóng)作物空間分布和長(zhǎng)勢(shì)信息可有效配置農(nóng)業(yè)生產(chǎn)要素，推動(dòng)農(nóng)業(yè)生產(chǎn)向種植精準(zhǔn)化、專(zhuān)業(yè)化和智能化方向發(fā)展（劉哲等，18；張鵬等，19）。遙感技術(shù)具有探測(cè)周期短、調(diào)查成本低、覆蓋范圍廣等優(yōu)點(diǎn)，已成為世界各行農(nóng)作物識(shí)別、長(zhǎng)勢(shì)監(jiān)測(cè)及產(chǎn)量估算等研究應(yīng)用的主要手段（史舟等，15；王迪等，14）。
我國(guó)北方旱地秋收作物主要生長(zhǎng)期內(nèi)云雨霧天氣頻繁，無(wú)法獲取足量有效的光學(xué)遙感影像；合成孔徑雷達(dá)（Synthetic Aperture Radar，SAR)雖然能夠全天時(shí)、全天候?qū)Φ匚锬啃斜O(jiān)測(cè)，但現(xiàn)有研究利
用星載SAR數(shù)行旱地作物分類(lèi)研究的精度普遍不高。對(duì)此，利用多波段多源多格式多時(shí)相極化SAR數(shù)行旱地作物(玉米、棉花等）分類(lèi)研究，分析SAR系統(tǒng)工作頻率、SAR數(shù)據(jù)獲取時(shí)相、特征提取、極化分解方法等因素對(duì)農(nóng)作物分類(lèi)精度的影響，優(yōu)選適合旱地作物極化SAR分類(lèi)的波段、特征及時(shí)相，旨在為推動(dòng)解決華北地區(qū)高質(zhì)量光學(xué)遙感影像獲取不足而制約農(nóng)作物遙感監(jiān)測(cè)的性和時(shí)效性的問(wèn)題，達(dá)到改善旱地作物識(shí)別精度，提率的目的，為旱地作物種植面積及空間分布的快速提取提供參考。
一、遙感農(nóng)作物分類(lèi)研展
（一）多光譜農(nóng)作物分類(lèi)數(shù)據(jù)源
在農(nóng)作物分類(lèi)中常見(jiàn)的多光譜影像主要有Landsat數(shù)據(jù)、MODIS數(shù)據(jù)、HJ-1A/B CCD數(shù)據(jù)、Sentinel-2數(shù)據(jù)和高分系列多光譜數(shù)據(jù)。國(guó)內(nèi)外多光譜遙感農(nóng)作物分類(lèi)研究常用數(shù)據(jù)源、研究對(duì)象等如表1.1所示。張健康等（12）將Landsat TM/ETM+影像與MODIS的
EVI和NDVI指數(shù)相結(jié)合，采用決策樹(shù)法對(duì)黑龍港地區(qū)冬小麥、棉花、夏玉米、果樹(shù)和蔬行分類(lèi)，得到較好分類(lèi)精度。劉佳等（15）利用HJ-1A/BCCD數(shù)據(jù)生成NDVI時(shí)間序列，通過(guò)設(shè)置不同NDVI閾值利用決策樹(shù)法實(shí)現(xiàn)了冬小麥、夏玉米、春玉米、棉花及小宗農(nóng)作物的分類(lèi)體分類(lèi)精度達(dá)到了90.9%。Immitzer et al.（16）探索了Sentinel-2數(shù)據(jù)應(yīng)用于農(nóng)作物分類(lèi)研究的效果，采用隨機(jī)森林方法對(duì)奧地利6種夏季作物和冬季作物分類(lèi)，結(jié)果表明紅邊和短波紅外波段對(duì)農(nóng)作物制圖的貢獻(xiàn)大。Sonober et al.（17）利用Landsat 8 OLI數(shù)據(jù)光譜反射率及計(jì)算的植被指數(shù)對(duì)日本北海道地區(qū)的6種農(nóng)作物分類(lèi)，結(jié)果表明基于短波紅外波段計(jì)算的植被指數(shù)可有效提高分類(lèi)精度，精度高達(dá)94.5%。梁繼等（）利用GF-6WFV數(shù)據(jù)，構(gòu)建紅邊歸一化植被指數(shù)NDVI710和NDVI750，對(duì)玉米、水稻和大行分類(lèi)，結(jié)果表明含有紅邊波段的植被指數(shù)在農(nóng)作物分類(lèi)研究中表現(xiàn)。目前，應(yīng)用于農(nóng)作物分類(lèi)的多光譜數(shù)據(jù)多采用中低空間分辨率遙感影像，面向小麥、玉米和大豆等大宗農(nóng)作物開(kāi)展大范圍農(nóng)作物制圖研究。大宗農(nóng)作物種植面積大，地塊規(guī)整，尤其是國(guó)外的農(nóng)業(yè)區(qū)耕地集中連片分布，機(jī)械化程度高，在一定程度上降低了分類(lèi)難度。隨著高分辨率成像技術(shù)的發(fā)展，地物分類(lèi)更加精細(xì)化，如何在小尺度、高精度的農(nóng)作物分布場(chǎng)景下獲取可靠的制圖精度仍需……
書(shū)單推薦
