农作物面积遥感监测原理与实践PDF电子书下载

第1章 农作物面积遥感研究背景 1

1.1 引言 1

1.2 农业遥感监测的理论基础 2

1.3 农作物面积遥感监测国内外研究现状 5

1.4 农作物面积遥感监测主要技术方法简介 7

1.4.1 目视解译 8

1.4.2 非监督分类 8

1.4.3 监督分类 9

1.4.4 面向对象分类 10

1.4.5 决策树分类 11

1.4.6 混合像元分解 12

1.4.7 空间抽样法 13

1.4.8 单时相及多时相分类法 13

第2章 农作物面积遥感监测数据源 15

2.1 引言 15

2.2 主要遥感数据源介绍 16

2.2.1 MODIS影像 17

2.2.2 Landsat影像 17

2.2.3 RapidEye卫星影像 18

2.2.4 WorldView卫星影像 19

2.2.5 Sentinel哨兵系列卫星影像 20

2.2.6 环境（HJ）系列卫星影像 21

2.2.7 资源（ZY）系列卫星影像 22

2.2.8 高分系列卫星影像 23

2.2.9 Google Earth影像 24

2.2.10 无人机影像 24

2.3 农作物分类辅助数据 25

2.3.1 基础地理信息数据 25

2.3.2 统计年鉴资料 25

2.3.3 地面实测数据 26

第3章 基于高分数据的农作物面积遥感监测总体技术路线 30

第4章 农作物面积遥感监测影像预处理技术研究 33

4.1 引言 33

4.2 基于6S大气辐射传输模型的GF-1影像快速大气校正 34

4.2.1 研究背景 34

4.2.2 6S模型大气校正概述 35

4.2.3 试验数据获取 36

4.2.4 基于6S模型的GF-1卫星影像大气校正 37

4.2.5 结果与分析 41

4.2.6 小结 46

4.3 基于RPC参数区域网平差的GF-1卫星影像几何校正 47

4.3.1 研究背景 47

4.3.2 几何校正概述 48

4.3.3 试验数据获取 49

4.3.4 研究方案 51

4.3.5 结果与分析 53

4.3.6 小结 58

第5章 农作物面积遥感监测地面样方获取技术研究 59

5.1 引言 59

5.2 无人机遥感数据的农作物面积提取 59

5.2.1 研究背景 59

5.2.2 研究区概况 61

5.2.3 研究方案 61

5.2.4 数据获取与应用 62

5.2.5 农作物识别 68

5.2.6 小结 70

5.3 Google Earth影像辅助的农作物面积地面样方调查 71

5.3.1 研究背景 71

5.3.2 研究区概况 72

5.3.3 数据获取与处理 73

5.3.4 研究方案 74

5.3.5 结果与分析 75

5.3.6 小结 77

第6章 农作物遥感监测分类技术方法研究 79

6.1 引言 79

6.2 基于目视解译方法的粮豆轮作项目实施效果遥感监测 79

6.2.1 研究背景 79

6.2.2 研究区概况 80

6.2.3 数据获取与处理 80

6.2.4 研究方案 84

6.2.5 结果与分析 88

6.2.6 小结 91

6.3 基于HJ时序影像的多种农作物种植面积同时提取 92

6.3.1 研究背景 92

6.3.2 研究区概况 93

6.3.3 研究方案 93

6.3.4 结果与分析 97

6.3.5 小结 101

6.4 基于分层决策树的高分时序影像农作物面积提取 102

6.4.1 研究背景 102

6.4.2 研究区概况 102

6.4.3 数据获取与处理 102

6.4.4 研究方案 105

6.4.5 结果与分析 109

6.4.6 小结 110

6.5 短波红外波段对农作物面积提取精度影响的研究 111

6.5.1 研究背景 111

6.5.2 研究区概况 112

6.5.3 数据获取与处理 113

6.5.4 地面样方调查 113

6.5.5 研究方案 114

6.5.6 结果与分析 116

6.5.7 小结 121

6.6 红边波段对农作物面积提取精度影响的研究 122

6.6.1 研究背景 122

6.6.2 研究区概况 123

6.6.3 数据获取与处理 124

6.6.4 研究方案 126

6.6.5 结果与分析 127

6.6.6 小结 132

6.7 基于随机森林分类算法的农作物精细识别及面积提取应用研究 133

6.7.1 研究背景 133

6.7.2 研究区概况 134

6.7.3 数据获取与处理 134

6.7.4 研究方案 135

6.7.5 结果与分析 138

6.7.6 小结 141

第7章 区域农作物面积识别与提取 143

7.1 研究背景 143

7.2 研究区域 144

7.3 数据获取及预处理 145

7.3.1 GF-1卫星影像预处理 145

7.3.2 基于分类单元的NDVI合成 146

7.3.3 训练及区域验证样本的获取 146

7.4 研究方案 150

7.4.1 技术路线 150

7.4.2 中国冬小麦物候特点 150

7.4.3 冬小麦面积指数影像构建 151

7.4.4 最优WWAI提取阈值自适应确定 153

7.4.5 种植面积提取精度验证 153

7.5 结果与分析 153

7.5.1 重点研究区冬小麦识别提取及精度验证 153

7.5.2 区域冬小麦面积提取与精度验证 156

7.6 小结 157

第8章 尺度效应对农作物面积提取的影响研究 159

8.1 研究背景 159

8.2 研究区概况 160

8.3 数据获取与处理 161

8.4 研究方案 162

8.4.1 技术思路 162

8.4.2 地面调查 163

8.4.3 景观破碎度计算 163

8.4.4 精度验证方式 163

8.5 研究过程和结果 163

8.5.1 冬小麦面积识别精度的尺度效应 163

8.5.2 冬小麦识别精度与景观破碎度的关系 165

8.5.3 冬小麦像元可识别程度的尺度效应 166

8.5.4 冬小麦斑块大小的尺度效应 167

8.5.5 冬小麦光谱变化的尺度效应 168

8.6 小结 169

第9章 农作物面积遥感监测硬件平台和软件环境 170

9.1 开发背景 170

9.2 硬件环境建设 170

9.2.1 硬件结构概述 170

9.2.2 并行计算集群 170

9.2.3 存储 174

9.2.4 网络 175

9.3 管理平台开发 175

9.3.1 群管理平台 175

9.3.2 数据库管理平台 175

9.3.3 数据调度平台 178

9.4 运行效率测试 181

9.4.1 并行能力 181

9.4.2 计算效率 182

9.5 小结 182

第10章 展望 183

参考文献 185