1. 研究目的与意义
1.1 研究背景
农业遥感是遥感研究和应用的一个重要方向，遥感技术在农作物的种类识别、种植面积估算、作物种植结构提取等方面发挥着重要作用[1]。随着精细农业的发展，对农田区边界以及种植作物类型的确定成为一项常规基础工作[2]。作物精准识别和分类是农业遥感检测的重要内容，对作物长势监测以及估产十分重要[3] 。农田基础信息及作物种植区划的准确获取则更加重要，不仅为精准农业提供基础数据，也为该区域农田保护与可持续发展提供决策方向[4-5]。然而，不同于北方地区的大田农业，我国南方总体处于小农种植，而且通常会采用复杂的种植模式，加之农作物种植具有空间多样性、季节多变性、动态性等特征，导致农作物监测数据的获取较为困难。如何高效、准确地对大范围非大田作业农田作物类型的识别成为一个亟待解决的问题。
2. 研究内容和问题
本文针对大范围分大块农田作物类型在复杂背景下难以识别的问题，本课题提出了一种基于哨兵数据，利用机器学习、植被指数和纹理，结合无人机数据快速识别地块作物，其主要目的是探究：
1）探究不同分类方法针对分类的影响
随机森林和面向对象分类常用于农田作物分类，但针对非大块作业的农田识别是否适合。
3. 设计方案和技术路线
本课题的研究方案如图1所示，以南通市包场镇的某块农田区域为研究对象，基于Sentinel-2A影像，并结合无人机实地验证数据，依据哨兵数据特有的红边波段计算了12种植被指数和4个纹理特征，采用随机森林特征选择方法筛选出对分类贡献大的特征波段参与分类，并通过两个对比实验以分析多个植被指数在不同分类器和红边波段在同一种分类器中作物精准分类中的性能。
图1技术路线
4. 研究的条件和基础
| 四、研究工作条件和基础 1）数据收集 本研究选取海门区包场镇六甲村及周边地区作为样本采集地，目前已进行野外数据收集，共获取收集6000余张航拍照片，包括2 m ~ 500 m间不同尺度的农作物图像和在欧空局下载同一时期，同一地点的哨兵影像数据，已进行初步的预处理和样本选取。
2）技能掌握 本人能够熟练操作无人机获取农作物地面验证数据，并掌握ENVI、ArcGIS软件处理数据，且能使用python进行数据分析。 |
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
