本文是一篇中国农业论文范文,关于中国农业方面大学毕业论文,关于生态学报文格式栏目名相关毕业论文开题报告范文。适合中国农业及参考文献及水稻方面的的大学硕士和本科毕业论文以及中国农业相关开题报告范文和职称论文写作参考文献资料下载。
·栏目名称·
基于中分辨TM数据的水稻提取方法对比研究
空1行
李□□1,刘□□2,吴□□1,谭□□1,杨□1,*
(1.中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081,2.中山大学地理科学与规划学院,广州,510275)
空1行
摘 要水稻种植面积监测是当前农业土地变化科学的热点问题,但运用遥感技术对水稻种植面积精确实施监测一直是难点.中分辨率遥感影像能够满足我国大面积水稻作物监测,成为业务化运行的主要数据源.为此,本研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象(SVM)两种算法对对黑龙江省富锦市2016年两期不同时相影像分别进行水稻分类提取,并对分类结果进行滤波处理及混淆矩阵精度评定.结果表明:(1)在高纬度单季稻生长区,面向对象分类算法的精度显着高于神经网络的分类精度,水稻用户精度和生产者精度在6月份分别高0.55%,1.37%,在8月份分别高0.62%,2.34%,(2)对神经网络分类的结果进行Majority滤波处理,在一定程度上可以改善水稻分类的精度,水稻用户精度和生产者精度在6月份分别提高0.14%,0.5%,在8月份分别提高1.56%,1.43%,(3)选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高,返青期水稻提取精度要高于乳熟期,其中神经网络算法的水稻用户精度及生产者精度分别提高2.67%,3.45%,面向对象算法的水稻用户精度及生产者精度分别提高2.6%,2.48%.未来需要重点考虑建立全国水稻物候历信息,面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度.
关 键 词水稻神经网络面向对象TM影像
空2行
水稻在我国粮食生产中占有重要的地位,是我国重要的粮食作物之一,占全国粮食总播种面积的27%,而其产量则达到粮食总产量的35%[1].与此同时,水稻面积遥感动态监测正成为农作物空间监测[2]和土地变化科学[3]的热点问题.精确的水稻种植面积信息,可为农业生产,水稻产量的预报和评估,粮食价格预测和国家粮食生产布局及规划等提供科学依据[4].
中分辨率遥感影像由于具备较高的空间分辨率,能够满足我国大面积水稻作物监测,成为业务化运行的主要数据源.中高空间分辨率影像包括LandsatTM/ETM+,SPOT,CBERS-1/2CCD,HJ-1A/1BCCD等(表1),其分辨率主要在100m以内,是当前最常用的水稻遥感监测数据源,其特征是卫星类型多,覆盖范围广,时间分辨率较高且时间序列较长,可实现大范围,多时期水稻种植的长期监测.Peng等[5]利用1986年和2002年两期LandsatTM影像对丽江县包括水稻在内表1中分辨率水稻遥感监测常用数据源
卫星传感器发射时间/y波段最大空间分辨率/m时间分辨率/dLandsat-5TM19841~5,7,630,30,12016SPOT-4HRV,HRVIR19981~4,全色20,1026CBERS-02CCD相机20031~519.526Landsat-7ETM+19991~5,7,6,全色30,30,60,1516SPOT-5HRG20021~4,全色20,10,5,2.526HJ-1A/BCCD相机20161~4304Landsat-8OLI20161~7,9,830,30,15161研究区与数据
1.1研究区域
本文选择研究区,
图1□□□□□□研究区