论文总字数：18766字

摘 要

水稻种植面积的估测与其种植成本、产量预测、市场价格等重要的现实问题密切相关。以前的水稻面积估算方法费时费力，成本较高，且因人为因素的影响导致结果准确度不高，已不能满足现实要求。目前对于水稻的面积识别研究大部分都是建立在Landsat系列卫星、ERS-1卫星和SPOT系列卫星数据之上，然而基于我国自主研发的高分一号卫星的水稻遥感识别研究还有待深入探索。

本研究以新沂市为研究区，基于高分一号8月、9月两个时相的遥感影像，利用监督分类中最大似然法进行分类，分类的总体精度达到了93%，Kappa系数维持在0.93以上，提取出的水稻面积与实际样方数据相比，精度为93.6%，说明基于高分一号卫星影像提取水稻种植面积效果很好。同时发现，8月份的分类总体精度在93.8%，9月份的分类总体精度为94.6%，说明选择水稻成熟时期的遥感影像作为分类数据源能够取得更好的分类结果。

关键词：高分一号； 水稻； 面积提取

Extraction research on Rice Planting Area

Based on GF-1 Satellite Data

Abstract

Accurate estimates of rice areas are associated with important realities, such as planting cost, production forecast and market price. The previous method of estimating area depletes much time and labor, and costs are high. Its result is not accurate because of the human factors. Currently, most of the research on rice identification are based on the Landsat series of satellites, ERS-1 satellite and SPOT series satellite data, but the study of rice area extraction based on GF-1 remote sensing satellite remain to be explored.

This study chooses Xinyi City as the research area. It is based on GF-1 remote sensing image data of August and September and used the Maximum Likehood Classification for classification. The overall accuracy, after the classification, reaches at 97% and the Kappa coefficient is greater than 0.97.Compared with the actual sample data, the rice area which has been extracted has an accuracy of 93.6% , indicating that using the GF-1 satellite image to extract the area is valid. the rice planting area which is based on the GF-1 satellite image is effective. As the same time ,the author finds that the overall accuracy of August is 93.6% and the overall accuracy of september is 94.6%,which suggests that select the remote sensing images of rice in maturity as a classification data source can achieve better classification results.

Keywords: GF-1; Rice; Area Estimation

目 录

摘 要 I

Abstract II

目 录 III

第一章 绪论 1

1.1 研究背景与研究意义 1

1.2 国内外研究进展 2

1.2.1国外研究进展 2

1.2.2 国内研究进展 2

1.3 研究目标及内容 3

1.3.1 研究目标 3

1.3.2 研究内容 3

1.3.3 技术路线 4

1.4 论文组织结构 4

第二章 研究区概况与数据准备 5

2.1 研究区概况 5

2.2 数据准备与预处理 5

2.2.1 数据源 5

2.3 数据预处理 6

2.3.1 辐射校正 6

2.3.2 几何校正 6

第三章 水稻种植面积遥感提取方法 8

3.1 人工目视解译 8

3.2监督分类 8

3.3精度分析 11

3.3.1混淆矩阵 11

3.3.2 解译面积和实际统计面积验证比较 12

第四章 基于监督分类的水稻面积遥感提取实验 14

4.1 ENVI软件介绍 14

4.2 样本数据 14

4.2.1 创建ROI 14

4.2.2 训练样本的可分离性 14

4.3 基于GF-1卫星数据的水稻分类及结果 15

4.4 分类结果精度评定 17

4.5 基于GF-1卫星数据的水稻面积提取结果 18

第五章 总结与展望 21

5.1 总结 21

5.2 展望 21

参考文献 22

致谢 25

第一章 绪论

1.1 研究背景与研究意义

中国作为世界第一人口大国，其农业一直以基础性产业在国民经济中占据着非常重要的位置。我国是农业大国，农业生产关乎着国民的日常健康生活，关系着农业生态的可持续发展，是国民经济稳定持续增长的保证。作为世界上最大的水稻生产国和消费国，中国一直关注着水稻的生产，不断开展水稻提取研究，因此及时准确的获取水稻种植面积对保证水稻产业健康发展，促进我国农业现代化、全面建成小康社会具有重要意义^[1]。

遥感(Remote Sensing), 从广义上说是泛指从远处探测、感知物体或事物的技术, 即不直接接触物体本身, 从远处通过仪器(传感器)探测和接收来自目标物体的信息(如电场、磁场、电磁波、地震波等信息), 经过信息的传输及其处理分析, 识别物体的属性及其分布特征的技术^[2]。上个世纪，遥感技术开始出现在航天航空、军事、农业领域的应用上，并取得了一定的成果，为现代科学技术的发展作出了巨大的贡献。遥感是航空摄影发展而来，其最早出现在一战时期，是军事侦察的重要手段。一战后，航空摄影人员将目光投向科学研究和商业应用，此时航空摄影在农业、林业、牧业等的应用上开始出现，美国的农业等政府部门开始利用航空摄影制定规划。二战时期，美、德、英等国纷纷认识到到航空摄影在空中侦察领域的重要价值，利用航空摄影获取的大陆及海洋岛屿影像，制成地图，绘制军事目标，成为二战时期一个非常重要的情报来源。与此同时，伴随着微波雷达的出现，红外技术开始应用于军事侦察，遥感探测的电磁波谱段因此也得到极大的扩展。1961年，“环境遥感国际讨论会”于密歇根大学的威罗·兰实验室召开，遥感从此作为一门新兴的独立学科获得飞速发展^[3]。

传统的农作物监测方式主要有两种：一是以行政单元为单位逐级汇总上报，但受人为因素干扰，数据准确性得不到保证；二是通过农业调查队的抽样调查统计，其精度较前者有明显提高，但由于需要大量的地面工作，其速度慢、成本较高。因此这两种方式都很耗时间，难以成为农作物监测的最佳方式^[4]。遥感技术的出现为农作物的识别和面积提取提供了绝佳的观测方式和计算手段，虽然遥感技术目前的应用领域极其广泛，但农业依然是其应用的最重要的领域之一。随着我国不断深化供给侧结构性改革以及我国农业现代化的不断发展，农作物生产过程中对空间信息，特别是“大范围”快速及时的遥感信息需求非常迫切。遥感技术在识别大尺度、大范围地区信息的精准性为农作物的快速识别和准确估产提供了巨大的帮助，极大地节约了时间和成本。近年来，国内外关于农作物遥感识别和估产的研究不断深入^[5]。

请支付后下载全文，论文总字数：18766字