基于多源遙感數(shù)據(jù)的農(nóng)作物分類與葉面積指數(shù)反演研究
定 價：50 元
當前圖書已被 2 所學校薦購過！
查看明細
- 作者：王迪[等]著
- 出版時間：2022/10/1
- ISBN：9787511659316
- 出 版 社：中國農(nóng)業(yè)科學技術出版社
- 中圖法分類：S502.3
- 頁碼：132頁
- 紙張：膠版紙
- 版次：1
- 開本：24開
本書共七章，主要內(nèi)容包括：第一章農(nóng)作物分類與葉面積指數(shù)遙感反演的研究現(xiàn)狀與存在問題分析；第二章基于GF-1衛(wèi)星多光譜影像的種植結構復雜區(qū)農(nóng)作物精細分類研究；第三章多時相Sentinel-2衛(wèi)星遙感影像的水稻識別研究；第四章旱地作物極化SAR分類特征優(yōu)選研究；第五章基于星載全極化SAR數(shù)據(jù)的旱地作物分類研究；第六章基于深度學習模型的冬小麥葉面積指數(shù)遙感反演研究；第七章研究結論與展望。
王迪，男，1977年出生，副研究員，工學博士，碩士生導師，現(xiàn)任職于中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所農(nóng)業(yè)遙感創(chuàng)新團隊。長期從事農(nóng)業(yè)遙感基礎與應用研究，重點開展農(nóng)作物面積空間抽樣理論與技術、基于合成孔徑雷達遙感的農(nóng)作物分類與生物學參數(shù)反演研究。先后主持和參與國家級、省部級及其他各類研究項目40余項，以第一或通訊作者在國內(nèi)外重要學術期刊發(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技術獎二等獎1項。在我國農(nóng)作物面積遙感監(jiān)測研究方面獲得了豐碩的成果。
第一章 緒論
第二章 種植結構復雜區(qū)農(nóng)作物精細分類研究
第三章 多時相Sentinel-2衛(wèi)星遙感影像的水稻識別研究
第四章 旱地作物極化SAR分類特征選擇研究
第五章 旱地作物極化SAR分類研究
第六章 基于深度學習模型的冬小麥葉面積指數(shù)反演研究
第七章 結論及展望
摘要
第一節(jié)研究背景及意義
我國旱地種植面積大，占耕面積的59%，且空間分布廣，對糧食產(chǎn)量貢獻高（Wang et al.，21）。隨著農(nóng)業(yè)現(xiàn)代化建設的大力，及時、獲取農(nóng)作物空間分布和長勢信息可有效配置農(nóng)業(yè)生產(chǎn)要素，推動農(nóng)業(yè)生產(chǎn)向種植精準化、專業(yè)化和智能化方向發(fā)展（劉哲等，18；張鵬等，19）。遙感技術具有探測周期短、調(diào)查成本低、覆蓋范圍廣等優(yōu)點，已成為世界各行農(nóng)作物識別、長勢監(jiān)測及產(chǎn)量估算等研究應用的主要手段（史舟等，15；王迪等，14）。
我國北方旱地秋收作物主要生長期內(nèi)云雨霧天氣頻繁，無法獲取足量有效的光學遙感影像；合成孔徑雷達（Synthetic Aperture Radar，SAR)雖然能夠全天時、全天候?qū)Φ匚锬啃斜O(jiān)測，但現(xiàn)有研究利
用星載SAR數(shù)行旱地作物分類研究的精度普遍不高。對此，利用多波段多源多格式多時相極化SAR數(shù)行旱地作物(玉米、棉花等）分類研究，分析SAR系統(tǒng)工作頻率、SAR數(shù)據(jù)獲取時相、特征提取、極化分解方法等因素對農(nóng)作物分類精度的影響，優(yōu)選適合旱地作物極化SAR分類的波段、特征及時相，旨在為推動解決華北地區(qū)高質(zhì)量光學遙感影像獲取不足而制約農(nóng)作物遙感監(jiān)測的性和時效性的問題，達到改善旱地作物識別精度，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)作物分類研展
（一）多光譜農(nóng)作物分類數(shù)據(jù)源
在農(nóng)作物分類中常見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)。國內(nèi)外多光譜遙感農(nóng)作物分類研究常用數(shù)據(jù)源、研究對象等如表1.1所示。張健康等（12）將Landsat TM/ETM+影像與MODIS的
EVI和NDVI指數(shù)相結合，采用決策樹法對黑龍港地區(qū)冬小麥、棉花、夏玉米、果樹和蔬行分類，得到較好分類精度。劉佳等（15）利用HJ-1A/BCCD數(shù)據(jù)生成NDVI時間序列，通過設置不同NDVI閾值利用決策樹法實現(xiàn)了冬小麥、夏玉米、春玉米、棉花及小宗農(nóng)作物的分類體分類精度達到了90.9%。Immitzer et al.（16）探索了Sentinel-2數(shù)據(jù)應用于農(nóng)作物分類研究的效果，采用隨機森林方法對奧地利6種夏季作物和冬季作物分類，結果表明紅邊和短波紅外波段對農(nóng)作物制圖的貢獻大。Sonober et al.（17）利用Landsat 8 OLI數(shù)據(jù)光譜反射率及計算的植被指數(shù)對日本北海道地區(qū)的6種農(nóng)作物分類，結果表明基于短波紅外波段計算的植被指數(shù)可有效提高分類精度，精度高達94.5%。梁繼等（）利用GF-6WFV數(shù)據(jù)，構建紅邊歸一化植被指數(shù)NDVI710和NDVI750，對玉米、水稻和大行分類，結果表明含有紅邊波段的植被指數(shù)在農(nóng)作物分類研究中表現(xiàn)。目前，應用于農(nóng)作物分類的多光譜數(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，尤其是國外的農(nóng)業(yè)區(qū)耕地集中連片分布，機械化程度高，在一定程度上降低了分類難度。隨著高分辨率成像技術的發(fā)展，地物分類更加精細化，如何在小尺度、高精度的農(nóng)作物分布場景下獲取可靠的制圖精度仍需……
書單推薦
