摘 要

冬小麦在我国粮食安全中占有举足轻重的地位。在有效时间内迅速解译冬小麦的空间分布、种植面积和产量信息对我国的粮食政策和经济计划具有重大意义。本研究采用欧空局Sentinel1-A卫星C波段IW影像作为数据源，选取农业情况较为复杂的城市农业地区作为研究区。通过使用ENVI5.3的Layer stack工具对获取的时序影像进行波段融合，以期获取不同极化方式条件下冬小麦的分类效果。本文采用了随机森林（Random Forest，RF）分类方法获取了冬小麦的种植面积。获取冬小麦的空间纹理，表面粗糙程度等特征，建立SAR数据后向散射与不同农作物的特征关系，实现了农作物的自动识别。最终采取混淆矩阵进行精度评价得出：在VV、VH、VV和VH三种极化组合方式中、它们在研究区的冬小麦精度从高到低依次为VV VH、VV、VH。而VV VH极化组合的总体分类精度为89.7613%，制图精度为86.15%,用户精度更是高达98.41%。因此，基于SAR数据的城市农业冬小麦分类具有较高的分类精度，并且纹理和视觉信息的增加可以有效提高识别的准确性。研究结果为作物鉴定和SAR数据的应用提供了理论依据和实践基础。

关键词：作物识别； SAR数据；随机森林分类；冬小麦；哨兵

Research on Winter Wheat Planting Area Recognition Method Based on sentinel-1 Satellite

Abstract

Winter wheat are getting more important part in China's food security. Rapid and accurate acquisition of spatial distribution, planting area and yield information of winter wheat are guiding the Improvement of our national policy. In this study, ESA Sentinel1-A satellite C-band IW images were used as data sources to select urban agricultural areas with more complex agricultural conditions as research areas. Through the use of ENVI5.3 's Layer stack tool, the obtained time series Image Band Fusion, in order to obtain the classification effect of winter wheat in different periods. In this paper, Random Forest Classification means was used for getting the Seeding region of winter wheat. The spatial texture, surface roughness and other characteristics of winter wheat were obtained, and the characteristics of SAR data backscatter and different crops were established, and the automatic identification of crops was realized. Finally, the obfuscation matrix is adopted to evaluate the accuracy: in the three polarization combinations of VV, VH, VV and VH, the precision of winter wheat in the study area is from high to low, followed by VV and VH, VV and VH. The general classification precision of VV VH polarization combination is 89.7613%, the drawing accuracy is 86.15%, and the user precision is up to 98.41%. Therefore, the classification of urban agricultural winter wheat based on SAR data has high classification accuracy, and the increase of texture and visual information can effectively improve the accuracy of recognition. The research results offer rationale and practical foundation for identification of crop and Application of SAR Data.

Key Words：Crop identification；SAR data；Random Forest Classification；Winter wheat；sentinel1-A

目 录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题研究背景和意义 1

1.2 国内外研究现状 1

1.3 论文组织结构 3

第二章 研究区和数据源 4

2.1 研究区概述 4

2.1.1 研究区地理位置 4

2.1.2 研究区气候条件 4

2.2 研究区数据源 5

2.2.1 多时相Sentinel1-A数据 5

2.2.2 样本数据源 5

第三章 研究方法 7

3.1 软件环境 7

3.1.1 ENVI5.3 IDL8.5 7

3.1.2 SARscape 7

3.2 数据预处理 7

3.2 分类器选用 8

3.3 分类后处理 9

3.4 评价方法 10

第四章 结果与分析 12

4.1 可分离性评价 12

4.2 冬小麦分类精度评价 12

4.3 分类成果与分析 13

第五章 总结与展望 16

参考文献 17

致谢 19

绪论

课题研究背景和意义

利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一^[28]。国家制定粮食政策和经济政策需要在有效时间内获取粮食作物的生产信息，并且遥感图像对种植作物的面积提取在国家发展方面具有深刻意义。传统的农作物调查存在着时、耗力、耗财等劣势，另外，传统农作物种植面积提取易受错报、漏报和空报等主观因素影响，因此很难准时有效地得到较大区域农作物的种植面积、结构及空间分布信息^[1]。目前,应用光学数据来进行农作物分类的技术已经是比较成熟的一门技术,但是光学数据对同样的生长期内的作物分类监测存在着“同谱异物”和“同物异谱”的问题而且容易受云、雨等天气的影响,致使在作物在成长期内无法获取有效的监测数据。

因此,SAR(Synthetic Aperture Radar)作为不易受云雨等极端天气和同谱异物问题影响的数据成为可靠的数据源, SAR 是主动式的侧视雷达系统，且成像几何属于斜距投影类型，而光学图像则属于中心投影类型，因此 SAR 图像与光学图像在成像原理、几何特征、辐射特征等方面都有着较大的区别^[29]。在进行SAR图像处理和应用前，需要了解SAR图像的基本特征。SAR数据通过微波遥感获得，通过分析被测物体的后向散射可以识别不同作物的后向散射特征。而且微波具有穿透性强的特点，对云层有较强的穿透能力,所以它不易受云雨天气的影像。但是，SAR系统在接收地物反射信息时经常会出现斑点噪声，所以我们往往需要对其遥感影像进行降噪处理，否则，这将会对我们进行地物分类造成很大的困扰。而且研究农作物的后向散射系数能得到种植作物的属信息，甚至也可反映其内部结构等相关信息。因此，使用SAR数据进行农业研究具有广泛的应用前景，这也是本文作者研究此次课题的主要原因。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：