学位论文 > 优秀研究生学位论文题录展示

基于多源卫星遥感的越南水稻种植面积时空动态监测

作　者: 管续栋
导　师: 徐跃通；黄翀
学　校: 山东师范大学
专　业: 地图学与地理信息系统
关键词: MODIS NDVI TM 水稻 DTW S-G滤波面向对象方法越南
分类号: S511
类　型: 硕士论文
年　份: 2014年
下　载: 17次
引　用: 0次
阅　读: 论文下载

内容摘要

粮食是人们维持生存的必需品，粮食的基础性和特殊性使得粮食安全有更特殊的意义。粮食安全不但关系到人的生存需要是否满足，也是全世界许多国家共同面临的重大问题。东南亚国家大部分是农业国家，农业是东南亚的传统产业，除了新加坡和文莱之外，其它东南亚国家有60%以上的人口依赖它而生活，加之气候适宜，农业灌溉方便，东南亚地区成为世界稻谷的重要产区。中国与东南亚国家共处于一个发展区域内，资源互补性强。准确把握东南亚地区水稻种植面积动态，及时了解粮食生产潜力变化，对于我国的粮食安全及国家安全具有重要的战略意义。目前，遥感技术以其低成本、高效率的优势已广泛应用于土地覆被分类及动态监测，MODIS数据更以其高光谱、高时间分辨率以及容易获取的优势被广泛应用于探测植被物候及变化信息提取等方面。然而，东南亚热带季风地区受雨季多雨多云的天气影响、水稻一年多熟的种植制度以及水稻种植时间的灵活性，使得传统的遥感分类方法受到很大限制。本文以东南亚地区越南为例，探索了基于时序MODIS影像的大面积水稻田分布遥感提取方法，以及将MODIS时序影像信息与TM影像信息相结合对破碎稻田区域高精度提取研究。并对越南十年来（2000-2010）水稻种植格局变化进行了分析。本文首先针对研究区遥感影像云覆盖严重的问题，提出一种滤波和替换相结合的方法，对MODIS NDVI时序进行去噪。其中，探索了在特定的参数设置下S-G滤波算法能够有效重构NDVI的最大无效像元间隙长度。基于重构的MODIS NDVI时序数据，本文提出了一种基于动态时间弯曲DTW(dynamictime warping)的相似性度量结合模糊分类的方法，实现对水稻种植的高精度提取。由于研究区水热条件适宜，在雨季（5-10月）每月都可以有水稻的移植和收获发生，同时水稻一年多熟的种植方式也很普遍，使得传统的遥感分类方法受到很大限制。本研究利用时序相似性对植被覆盖进行分类的方法可以充分利用MODIS数据高时间分辨率的特点。以作物生长年历曲线为对象，有效地解决了单一时序遥感影像分类方法造成的误差。而模糊分类技术能够减少由单一阈值分类造成的过分类或误分类。利用MOD09A1NDVI时间序列数据对越南地区2000年以及2010年水稻种植面积提取结果进行验证，分类精度达到83%。针对水稻种植分散的地区，利用面向对象的方法，融合MODIS NDVI时序相似性及中分辨率TM遥感影像和DEM影像，有效地解决了MODIS数据低空间分辨率造成的水稻分类误差。通过对水稻种植较为破碎的越南中北部沿海地区2000、2010年的水稻进行了提取及验证，其提取精度验证达到89%，此方法较大提高了MODIS NDVI时序分类的精度。本研究表明，利用替换法结合滤波能够较好的重建MOD09A1NDVI时间序列，可以为多云多雨或云覆盖严重地区的时序MODIS遥感分析提供有力的数据支撑。本文提出的利用时序相似性结合模糊分类的方法可以充分利用MODIS数据高时间分辨率的特点，通过对作物生长年历的变化分析，提高水稻种植提取精度。此外，通过将低空间分辨率MODIS时序数据融合中高空间分辨率TM遥感影像，可以显著提高山区或水稻种植分散区的分类精度。本研究为多云多雨区及复杂人类活动下的作物种植监测提供了有效的技术手段。

全文目录

摘要  6-8
Abstract  8-10
1 绪论  10-16
  1.1 研究背景和意义  10-11
  1.2 国内外研究现状  11-14
    1.2.1 国外研究现状  11-13
    1.2.2 国内研究现状  13-14
  1.3 研究目标  14-16
2 研究区与数据及预处理  16-35
  2.1 研究区概况  16-21
    2.1.1 越南地理概况  16-17
    2.1.2 越南农业区划  17-18
    2.1.3 越南主要农作物  18-21
  2.2 数据介绍  21-26
    2.2.1 MODIS 时序数据  21-25
    2.2.2 TM 及 DEM 数据  25
    2.2.3 验证数据  25-26
  2.3 NDVI 时序预处理  26-35
    2.3.1 MODIS 时序去云方法概况  26-28
    2.3.2 S-G 滤波原理  28-29
    2.3.3 S-G 滤波过程  29-31
    2.3.4 去云效果分析  31-35
3 基于时序 MODIS 数据的水稻种植遥感快速提取  35-68
  3.1 时序相似性计算  35-60
    3.1.1 DTW 应用概况  35
    3.1.2 DTW 算法原理  35-36
    3.1.3 DTW 距离应用于水稻提取  36-38
    3.1.4 标准时序曲线的选择  38-53
    3.1.5 相似性计算  53-60
  3.2 基于 DTW 距离的模糊分类  60-68
    3.2.1 模糊分类应用概况  60
    3.2.2 模糊分类原理的结合  60-61
    3.2.3 分类过程  61-65
    3.2.4 精度验证  65-68
4 基于面向对象的方法的时序与 TM 影像结合分类  68-78
  4.1 面向对象分类方法原理  68-71
    4.1.1 多尺度分割  68-69
    4.1.2 对象分层  69-70
    4.1.3 基于对象的决策树分类  70-71
  4.2 分类过程  71-78
    4.2.1 数据预处理  71
    4.2.2 多尺度分割规则  71-72
    4.2.3 建立决策规则集  72-77
    4.2.4 精度验证  77-78
5 越南水稻种植格局变化十年分析  78-87
  5.1 越南水稻种植面积统计  78-83
  5.2 水稻种植面积变化分析  83
  5.3 水稻种植格局变化分析  83-87
6 结论与展望  87-89
  6.1 结论  87-88
  6.2 展望  88-89
参考文献  89-92
攻读学位期间发表的学术论著目录  92-93
致谢  93-94

基于多源卫星遥感的越南水稻种植面积时空动态监测

内容摘要

全文目录

相似论文