基于物候差异分析的冬小麦长势监测
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究内容与研究方法 | 第11-13页 |
| 1.2.1 研究内容 | 第11页 |
| 1.2.2 技术路线 | 第11-13页 |
| 1.3 论文组织与结构 | 第13-16页 |
| 2 研究方法综述 | 第16-26页 |
| 2.1 植被遥感理论基础 | 第16页 |
| 2.2 作物遥感参数 | 第16-18页 |
| 2.3 基于时间序列数据的作物识别 | 第18-21页 |
| 2.3.1 时间序列平滑处理方法 | 第18-20页 |
| 2.3.2 基于时间序列地物识别方法 | 第20-21页 |
| 2.4 作物物候期识别 | 第21-23页 |
| 2.4.1 作物物候期 | 第21页 |
| 2.4.2 时序遥感物候监测方法 | 第21-23页 |
| 2.5 作物长势监测 | 第23-26页 |
| 3 研究区与数据 | 第26-36页 |
| 3.1 研究区概况 | 第26-31页 |
| 3.1.1 研究区自然条件 | 第26-28页 |
| 3.1.2 农业分区 | 第28-31页 |
| 3.2 数据准备 | 第31-36页 |
| 3.2.1 遥感数据 | 第31-34页 |
| 3.2.2 非遥感数据 | 第34页 |
| 3.2.3 遥感数据预处理 | 第34-36页 |
| 4 冬小麦种植面积提取 | 第36-50页 |
| 4.1 植被指数时间序列数据处理 | 第36-40页 |
| 4.1.1 SAVITZKY-GOLAY 滤波 | 第36-37页 |
| 4.1.2 时序数据重构结果 | 第37-40页 |
| 4.2 冬小麦识别 | 第40-44页 |
| 4.2.1 判别规则识别冬小麦 | 第40-41页 |
| 4.2.2 时间序列相似性识别冬小麦 | 第41-43页 |
| 4.2.3 冬小麦像元 | 第43-44页 |
| 4.3 线性混合像元分解 | 第44-46页 |
| 4.3.1 线性光谱混合分解模型 | 第44-45页 |
| 4.3.2 混合像元分解 | 第45-46页 |
| 4.4 结果与分析 | 第46-50页 |
| 4.4.1 冬小麦种植面积 | 第46-47页 |
| 4.4.2 精度分析 | 第47页 |
| 4.4.3 冬小麦空间分布分析 | 第47-50页 |
| 5 冬小麦物候期监测 | 第50-56页 |
| 5.1 遥感物候期监测内容 | 第50页 |
| 5.2 LOGISTIC 模型监测冬小麦物候期 | 第50-52页 |
| 5.2.1 LOGISTIC 模型 | 第50-51页 |
| 5.2.2 LOGISTIC 模型监测结果 | 第51-52页 |
| 5.3 冬小麦主要物候期格局分布 | 第52-56页 |
| 5.3.1 关键物候期分布 | 第52-54页 |
| 5.3.2 冬小麦物候格局与地理位置关系分析 | 第54-56页 |
| 6 冬小麦长势监测 | 第56-66页 |
| 6.1 冬小麦长势动态监测 | 第56-60页 |
| 6.1.1 差值模型 | 第56页 |
| 6.1.2 长势监测分级标准 | 第56-57页 |
| 6.1.3 长势监测结果与分析 | 第57-60页 |
| 6.2 基于物候差异的冬小麦长势监测 | 第60-66页 |
| 6.2.1 同日期影像中冬小麦长势分析 | 第60-62页 |
| 6.2.2 冬小麦苗情长势等级划分 | 第62-63页 |
| 6.2.3 基于物候期识别的长势监测结果 | 第63-66页 |
| 7 结论与展望 | 第66-70页 |
| 7.1 研究结论 | 第66-67页 |
| 7.2 创新点 | 第67-68页 |
| 7.3 讨论与展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参与项目 | 第77-78页 |
