目錄
第1章 農(nóng)作物面積遙感研究背景 1
1.1 引言 1
1.2 農(nóng)業(yè)遙感監(jiān)測(cè)的理論基礎(chǔ) 2
1.3 農(nóng)作物面積遙感監(jiān)測(cè)國(guó)內(nèi)外研究現(xiàn)狀 5
1.4 農(nóng)作物面積遙感監(jiān)測(cè)主要技術(shù)方法簡(jiǎn)介 7
1.4.1 目視解譯 8
1.4.2 非監(jiān)督分類 8
1.4.3 監(jiān)督分類 9
1.4.4 面向?qū)ο蠓诸?10
1.4.5 決策樹分類 11
1.4.6 混合像元分解 12
1.4.7 空間抽樣法 13
1.4.8 單時(shí)相及多時(shí)相分類法 13
第2章 農(nóng)作物面積遙感監(jiān)測(cè)數(shù)據(jù)源 15
2.1 引言 15
2.2 主要遙感數(shù)據(jù)源介紹 16
2.2.1 MODIS影像 17
2.2.2 Landsat影像 17
2.2.3 RapidEye衛(wèi)星影像 18
2.2.4 WorldView衛(wèi)星影像 19
2.2.5 Sentinel哨兵系列衛(wèi)星影像 20
2.2.6 環(huán)境（HJ）系列衛(wèi)星影像 21
2.2.7 資源（ZY）系列衛(wèi)星影像 22
2.2.8 高分系列衛(wèi)星影像 23
2.2.9 Google Earth影像 24
2.2.10 無(wú)人機(jī)影像 24
2.3 農(nóng)作物分類輔助數(shù)據(jù) 25
2.3.1 基礎(chǔ)地理信息數(shù)據(jù) 25
2.3.2 統(tǒng)計(jì)年鑒資料 25
2.3.3 地面實(shí)測(cè)數(shù)據(jù) 26
第3章 基于高分?jǐn)?shù)據(jù)的農(nóng)作物面積遙感監(jiān)測(cè)總體技術(shù)路線 30
第4章 農(nóng)作物面積遙感監(jiān)測(cè)影像預(yù)處理技術(shù)研究 33
4.1 引言 33
4.2 基于6S大氣輻射傳輸模型的GF-1影像快速大氣校正 34
4.2.1 研究背景 34
4.2.2 6S模型大氣校正概述 35
4.2.3 試驗(yàn)數(shù)據(jù)獲取 36
4.2.4 基于6S模型的GF-1衛(wèi)星影像大氣校正 37
4.2.5 結(jié)果與分析 41
4.2.6 小結(jié) 46
4.3 基于RPC參數(shù)區(qū)域網(wǎng)平差的GF-1衛(wèi)星影像幾何校正 47
4.3.1 研究背景 47
4.3.2 幾何校正概述 48
4.3.3 試驗(yàn)數(shù)據(jù)獲取 49
4.3.4 研究方案 51
4.3.5 結(jié)果與分析 53
4.3.6 小結(jié) 58
第5章 農(nóng)作物面積遙感監(jiān)測(cè)地面樣方獲取技術(shù)研究 59
5.1 引言 59
5.2 無(wú)人機(jī)遙感數(shù)據(jù)的農(nóng)作物面積提取 59
5.2.1 研究背景 59
5.2.2 研究區(qū)概況 61
5.2.3 研究方案 61
5.2.4 數(shù)據(jù)獲取與應(yīng)用 62
5.2.5 農(nóng)作物識(shí)別 68
5.2.6 小結(jié) 70
5.3 Google Earth影像輔助的農(nóng)作物面積地面樣方調(diào)查 71
5.3.1 研究背景 71
5.3.2 研究區(qū)概況 72
5.3.3 數(shù)據(jù)獲取與處理 73
5.3.4 研究方案 74
5.3.5 結(jié)果與分析 75
5.3.6 小結(jié) 77
第6章 農(nóng)作物遙感監(jiān)測(cè)分類技術(shù)方法研究 79
6.1 引言 79
6.2 基于目視解譯方法的糧豆輪作項(xiàng)目實(shí)施效果遙感監(jiān)測(cè) 79
6.2.1 研究背景 79
6.2.2 研究區(qū)概況 80
6.2.3 數(shù)據(jù)獲取與處理 80
6.2.4 研究方案 84
6.2.5 結(jié)果與分析 88
6.2.6 小結(jié) 91
6.3 基于HJ時(shí)序影像的多種農(nóng)作物種植面積同時(shí)提取 92
6.3.1 研究背景 92
6.3.2 研究區(qū)概況 93
6.3.3 研究方案 93
6.3.4 結(jié)果與分析 97
6.3.5 小結(jié) 101
6.4 基于分層決策樹的高分時(shí)序影像農(nóng)作物面積提取 102
6.4.1 研究背景 102
6.4.2 研究區(qū)概況 102
6.4.3 數(shù)據(jù)獲取與處理 102
6.4.4 研究方案 105
6.4.5 結(jié)果與分析 109
6.4.6 小結(jié) 110
6.5 短波紅外波段對(duì)農(nóng)作物面積提取精度影響的研究 111
6.5.1 研究背景 111
6.5.2 研究區(qū)概況 112
6.5.3 數(shù)據(jù)獲取與處理 113
6.5.4 地面樣方調(diào)查 113
6.5.5 研究方案 114
6.5.6 結(jié)果與分析 116
6.5.7 小結(jié) 121
6.6 紅邊波段對(duì)農(nóng)作物面積提取精度影響的研究 122
6.6.1 研究背景 122
6.6.2 研究區(qū)概況 123
6.6.3 數(shù)據(jù)獲取與處理 124
6.6.4 研究方案 126
6.6.5 結(jié)果與分析 127
6.6.6 小結(jié) 132
6.7 基于隨機(jī)森林分類算法的農(nóng)作物精細(xì)識(shí)別及面積提取應(yīng)用研究 133
6.7.1 研究背景 133
6.7.2 研究區(qū)概況 134
6.7.3 數(shù)據(jù)獲取與處理 134
6.7.4 研究方案 135
6.7.5 結(jié)果與分析 138
6.7.6 小結(jié) 141
第7章 區(qū)域農(nóng)作物面積識(shí)別與提取 143
7.1 研究背景 143
7.2 研究區(qū)域 144
7.3 數(shù)據(jù)獲取及預(yù)處理 145
7.3.1 GF-1衛(wèi)星影像預(yù)處理 145
7.3.2 基于分類單元的NDVI合成 146
7.3.3 訓(xùn)練及區(qū)域驗(yàn)證樣本的獲取 146
7.4 研究方案 150
7.4.1 技術(shù)路線 150
7.4.2 中國(guó)冬小麥物候特點(diǎn) 150
7.4.3 冬小麥面積指數(shù)影像構(gòu)建 151
7.4.4 最優(yōu)WWAI提取閾值自適應(yīng)確定 153
7.4.5 種植面積提取精度驗(yàn)證 153
7.5 結(jié)果與分析 153
7.5.1 重點(diǎn)研究區(qū)冬小麥識(shí)別提取及精度驗(yàn)證 153
7.5.2 區(qū)域冬小麥面積提取與精度驗(yàn)證 156
7.6 小結(jié) 157
第8章 尺度效應(yīng)對(duì)農(nóng)作物面積提取的影響研究 159
8.1 研究背景 159
8.2 研究區(qū)概況 160
8.3 數(shù)據(jù)獲取與處理 161
8.4 研究方案 162
8.4.1 技術(shù)思路 162
8.4.2 地面調(diào)查 163
8.4.3 景觀破碎度計(jì)算 163
8.4.4 精度驗(yàn)證方式 163
8.5 研究過(guò)程和結(jié)果 163
8.5.1 冬小麥面積識(shí)別精度的尺度效應(yīng) 163
8.5.2 冬小麥識(shí)別精度與景觀破碎度的關(guān)系 165
8.5.3 冬小麥像元可識(shí)別程度的尺度效應(yīng) 166
8.5.4 冬小麥斑塊大小的尺度效應(yīng) 167
8.5.5 冬小麥光譜變化的尺度效應(yīng) 168
8.6 小結(jié) 169
第9章 農(nóng)作物面積遙感監(jiān)測(cè)硬件平臺(tái)和軟件環(huán)境 170
9.1 開(kāi)發(fā)背景 170
9.2 硬件環(huán)境建設(shè) 170
9.2.1 硬件結(jié)構(gòu)概述 170
9.2.2 并行計(jì)算集群 170
9.2.3 存儲(chǔ) 174
9.2.4 網(wǎng)絡(luò) 175
9.3 管理平臺(tái)開(kāi)發(fā) 175
9.3.1 群管理平臺(tái) 175
9.3.2 數(shù)據(jù)庫(kù)管理平臺(tái) 175
9.3.3 數(shù)據(jù)調(diào)度平臺(tái) 178
9.4 運(yùn)行效率測(cè)試 181
9.4.1 并行能力 181
9.4.2 計(jì)算效率 182
9.5 小結(jié) 182
第10章 展望 183
參考文獻(xiàn) 185