首页> 中文学位 >基于样本知识挖掘的水稻种植区提取方法——以浙江省为例
【6h】

基于样本知识挖掘的水稻种植区提取方法——以浙江省为例

代理获取

目录

声明

致谢

摘要

图索引

表索引

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 研究内容

1.4 本文组织结构

2 研究区概况

2.1 研究区地理位置

2.2 研究区自然概况

2.3 研究区水稻种植情况

3 水稻特征分析

3.1 水稻种植特点

3.2 水稻在遥感影像中的特点

3.3 高分辨率影像提取水稻种植区特点

4 基于样本知识挖掘的水稻种植区提取方法

4.1 空间粒度

4.2 样本知识挖掘

4.2.1 水稻样本特征分析

4.2.2 水稻样本知识挖掘

4.3 种植区提取策略

4.3.1 基于主要图斑的水稻提取策略

4.3.2 基于图斑邻域相关性的水稻提取策略

4.3.3 基于样本特征空间分布的水稻提取策略

5 实验与讨论

5.1 实验数据

5.1.1 遥感数据

5.1.2 其他数据

5.2 数据预处理

5.3 水稻提取种植区提取

5.3.1 非种植区掩膜

5.3.2 影像图斑化

5.3.3 水稻样本选取

5.3.4 样本知识挖掘

5.3.5 水稻种植区提取

5.4 提取结果与精度检验

5.4.1 提取结果

5.4.2 精度检验

6 结论与展望

6.1 结论

6.2 展望

参考文献

作者简历

展开▼

摘要

水稻作为主要的粮食作物,保证水稻种植面积对保障我国粮食安全具有重要的意义,因此如何准确、及时的获取水稻种植面积对我国农业发展具有指导意义。浙江省作为一个耕地面积较少的省份,其水稻种植面积对政府部门进行农业相关决策起着重要的作用。遥感方法具有覆盖范围大、现势性强、准确客观等特点,已被广泛应用于农业统计中。
  本文分析了研究区水稻种植与分布以及水稻在高分辨率遥感影像中的特点,针对高分辨率遥感影像,定义了图斑这一空间对象粒度,提出样本知识挖掘方法,在传统样本特征基础上挖掘了新的样本特征,根据新的样本特征,结合地学规律,制订了适用于研究区水稻种植区的提取策略,并对该方法进行了实验与精度验证。具体研究内容如下:
  (1)根据水稻在研究区的种植与分布特点,分析了利用高分辨率影像进行水稻种植区提取的优势与问题。针对高分辨率影像,定义了图斑的概念,即由一组光谱相似且距离相近的像元组成的基本单元,并将图斑作为本次研究的空间对象粒度。
  (2)在分析了水稻提取分类特征的基础上,本文对水稻样本进行知识挖掘。在光谱特征的基础上,根据水稻种植区域的特点与高分辨率影像的特点,挖掘了水稻样本的新特征,包括图斑的面积特征、图斑面积比特征以及图斑的破碎度特征,这些新的特征弥补了仅以光谱特征进行提取时的不足。
  (3)根据水稻样本的新特征,结合地学规律,制订了水稻种植区的提取策略,主要包括:根据图斑的面积比特征判断主要图斑,再利用主要图斑的空间邻域相关性进行水稻种植区的初步提取;在此基础上,运用图斑的破碎度特征描述水稻样本的特征空间分布,并运用EMD算法将水稻与其他地物进行区分。
  (4)根据制定的水稻种植区的提取策略,选取了研究区中不同类型的水稻种植区,对这些区域进行了水稻提取实验,并对实验结果进行了精度验证,本次实验的结果证明了本文提出的基于样本知识挖掘的水稻提取方法的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号