硕士毕业论文答辩PPT演示文稿.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,北京师范大学资源科学研究所,2000,级硕士论文答辩稿,答辩人：辜智慧,指导老师：陈 晋 副教授,专业方向：自然地理学,北京师范大学资源科学研究所,北京师范大学环境演变与自然灾害教育部重点实验室,2003.6.12,中国农作物复种指数的遥感估算方法研究,基于,SPOT/VGT,多时相,NDVI,遥感数据,硕士论文答辩,报告提纲：,之一：研究综述,之二：研究目的与研究内容,之三：数据介绍及平滑预处理,之四：基于交叉拟合度检验法的,中国农作物复种指数提取,之五：结论与探讨,研究综述：,遥感技术在农作物监测中的应用,农作物的分类,农作物的长势监测,农作物估产,农作物的种植面积监测,基于遥感数据监测农作物复种指数的研究进展,国内研究进展,国外研究进展,存在的主要问题,复种指数,的定义与理解,遥感估算方法,基本,空白,研究目的与研究内容：,研究目的：,依托遥感技术在农作物,监测,中广泛应用的研究成果，利用多时相卫星遥感数据对中国农作物的复种指数进行,估算,，从而客观的了解、评价我国农作物的生产情况以及生长潜力等。,研究内容：,在重新理解和界定复种指数的基础上，对,SPOT/VGT,多时相,NDVI,数据进行去噪平滑处理，并依托前人的研究成果提取出中国农作物区，根据中国耕作制度区划挑选出具有代表性的,NDVI,变化曲线，初步建立熟制标准曲线库，利用交叉拟和度检验法对逐个像元进行判断，提取其复种指数，并对结果进行了验证分析。,对复种指数的理解和重新界定,复种，作为中国多熟种植中最主要的一种形式，可以反映耕地实际的利用强度以及可利用潜力，大多数农业生产模型及气候模型中复种指数或复种潜力指的都是复种这种耕作方式。计算纯粹的复种指数要比计算综合或统计指标更简单可行，并具有同等重要的意义。因此，这里重新界定复种指数为一年内同一块地上连续种植农作物的次数，即复种的次数，不考虑其他间套等耕作形式。并根据刘巽浩等的建议以及数据处理工作中的经验，限定农作物的独立生长期至少在两个月以上。,数据介绍：,Vegetation,计划及,VGT,传感器,Vegetation,计划的提出及应用方面,VGT,传感器的设计特点,SPOT/VGT,与,NOAA/AVHRR,数据比较,技术比较,光谱波段比较,数据质量比较,其他,SPOT/VGT-S10-NDVI,数据产品,NDV,波段,SM,波段,数据平滑预处理：,NDVI,数据去噪处理的三种方法,阈值去除法,如：最佳坡度系数截取法,BISE,（,Viovy,1992,）,基于滤波的平滑方法,如：傅立叶滤波变换法（,Olsson,1994,）,曲线拟合的方法,如：非对称高斯函数拟合方法（,Jonsson,2002,）,综合评价以上方法的优缺点，我们提出了一种新的基于,Savitzky-Golay,滤波的平滑方法来去除,NDVI,时序数据中存在的噪音。,方法原理：,基本假设,NDVI,的时序变化对应于植被的生长与衰落,NDVI,与植被缓慢变化过程不一致的突降作为噪音,Savitzky-Golay,滤波公式,通过,Savitzky-Golay,滤波模拟整个,NDVI,时序数据的长期变化趋势，将,NDVI,值分做两类：“真”点和“假”点，再通过局部循环,Savitzky-Golay,滤波的方法使“假”点逐步被滤波值取代，以更接近于,NDVI,时序数列的上包络线值。,SPOT/VGT NDVI,时序数列,相应的云状态图,根据云状态线性内插后的,NDVI,数列,基于,Savitzky-Golay,平滑滤波的,NDVI,长期变化趋势模拟,NDVI,的初定义：“真”点与“假”点,新的,NDVI,时序数列产生,Savitzky-Golay,滤波拟和新的,NDVI,数列,计算拟和影响系数,迭代退出条件,新的平滑,NDVI,时序数列,是,否,Savitzky-Golay,滤波平滑方法流程图：,Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,(b),(c),(d),Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,(d),(c),Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,(a),Savitzky-Golay,滤波平滑过程示意图：,选取试验点：,参数确定：,长期变化趋势的最优滤波参数判定,(7,2),拟合循环中的最优滤波参数判定,(3,4),d,m,2,3,4,3,70.0%,70.0%,70.0%,4,80.0%,80.0%,73.3%,5,83.3%,83.3%,76.6%,6,90.0%,86.6%,80.0%,7,93.3,%,90.0%,80.0%,8,90.0%,93.3,%,83.3%,9,86.6%,86.6%,86.6%,10,86.6%,86.6%,90.0%,11,83.3%,83.3%,93.3,%,12,83.3%,83.3%,93.3,%,13,80.0%,80.0%,86.6%,14,76.6%,76.6%,86.6%,15,70.0,70.0,83.3%,d,m,2,3,4,5,6,2,19.5,19.5,3,50.3,50.3,14.4,14.4,4,80.2,80.2,34.1,34.1,11.5,5,95.7,95.7,58.2,58.2,27.2,6,109.3,109.3,76.0,76.0,42.8,7,129.4,129.4,86.0,86.0,60.9,8,167.8,167.8,87.0,87.0,77.0,1,2,3,4,5,6,7,8,1,2,3,4,5,6,7,8,1,2,3,4,5,6,7,8,threshold,=0.2,threshold,=0.4,threshold,=0.6,m,=3,d,=2,m,=3,d,=4,Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,m,=8,d,=4,Jan,Feb,Mar,Apr,May,Jun,Jul,Aug,Sep,Oct,Nov,Dec,本方法与,BISE,方法的比较结果：,本方法的评价：,优点,充分利用云状态数据,对参数的敏感性较低,理论简单并且易于实现,运行速度较快,不受数据时间尺度空间尺度及传感器限制,缺点,对在植被生长季高峰可能被云影响点无法判断,对,NDVI,正常低值可能被提高,Jan Feb Mar Apr May Jun Jul Aug Sep,Oct,Nov Dec,Jan Feb Mar Apr May Jun Jul Aug Sep,Oct,Nov Dec,No.12 site,No.11 site,复种指数提取的可行性：,多时相,NDVI,数据的去噪平滑保证了植被生长变化特征；,中国多熟种植的历史悠久，在农作物的选择和种植方式上形成一定模式；,相同熟制下不同农作物组合的生长曲线具有相似性；,多时相,NDVI,数据与高光谱数据的相似性，并且具有连续性和更明显的曲线变化特征。,交叉拟合度检验法：,基本原理,交叉拟合度检验法：,交叉相关检验法：,光谱角度匹配法：,交叉拟合度检验法：,敏感度检验,结果表明交叉拟合度检验法对曲线间的差异及波动更为明显，适用于农作物的熟制判断甚至是类型判断。,交叉拟和度检验,交叉相关检验,光谱角度法（交叉）,最佳拟和度,对应位置,最大相关系数,对应位置,最小角度,对应位置,检验点,1,-2.43495,-2,0.88399,-2,1.5708,5,检验点,2,0.90687,-1,0.96644,-1,1.57079,5,检验点,3,0.8941,0,0.97207,0,1.5708,5,检验点,4,0.70771,-2,0.92685,-1,1.5708,5,应用流程：,否,平滑后的中国农作物,NDVI,时序数列,不同种植制度的典型点选取,典型点的比较与选定,精度检验,标准曲线的非对称高斯函数拟和,中国农作物种植指数的提取及成图,计算交叉拟和度及判别,是,典型点的选取：,中国种植制度区划图（刘巽浩，,1993,）,区号,区名,作物种类,复种类型,1,2,青藏高原喜凉作物一熟轮歇区,臧东南川西谷地喜凉作物一熟区,海北甘南高原喜凉作物一熟轮歇区,青稞占优势兼小麦豌豆油菜,青稞占优势兼春小麦豌豆,青稞占优势兼春小麦油菜,一熟轮歇,一熟轮歇,一熟轮歇,1,2,北部中高原半干旱喜凉作物一熟区,后山坝上晋北高原山地半干旱喜凉作物一熟区,陇中青东宁中南黄土丘陵半干旱喜凉作物一熟区,杂粮春麦为主兼马铃薯胡麻,杂粮春麦为主兼马铃薯胡麻谷糜,杂粮春麦为主兼油菜马铃薯胡麻谷子,一熟休闲,一熟休闲,一熟休闲,1,2,3,4,北部低高原易旱喜温一熟区,辽吉西蒙东南冀北半干旱喜温一熟区,黄土高原东部易旱喜温一熟区,晋东半湿润易旱一熟填闲区,渭北陇东半湿润易旱冬麦一熟填闲区,春小麦玉米谷糜并重兼高粱,谷糜玉米并重兼高粱向日葵甜菜胡麻,谷糜春小麦玉米并重兼高粱,冬小麦为主玉米谷子,冬小麦占优势,一熟,一熟,一熟为主，兼麦,-,谷糜,一熟为主，兼麦,-,谷糜,冬麦,-,夏闲,1,2,3,4,东北平原丘陵半湿润喜温作物一熟区,大小兴安岭山麓岗地凉温作物一熟区,三江平原长白山地温凉作物一熟区,松嫩平原喜温作物一熟区,辽河平原丘陵温暖作物一熟填闲区,玉米为主兼大豆春麦水稻高粱谷子甜菜,大豆春小麦玉米马铃薯甜菜向日葵,春小麦大豆玉米谷稻并重,玉米为主大豆谷子兼高粱甜菜向日葵,玉米为主兼高粱稻大豆,一熟,一熟,一熟,一熟,一熟见填闲,1,2,3,西北干旱灌溉一熟兼二熟区,河套河西灌溉一熟填闲区,北疆灌溉一熟填闲区,南疆东疆绿洲二熟一熟区,春冬小麦为主玉米,春麦为主兼玉米甜菜向日葵,春冬小麦为主兼玉米棉花,冬小麦玉米棉花并重,一熟见填闲,一熟,一熟为主并休闲,一熟兼二熟，冬麦,-,玉米，绿肥,1,2,3,4,5,6,7,黄淮海平原丘陵水浇地二熟旱地二熟一熟区,燕山太行山山前平原水浇地套复二熟旱地一熟区,黑龙港缺水低平原水浇地二熟旱地一熟区,鲁西北豫北低平原水浇地粮棉二熟区,山东丘陵水浇地二熟旱坡地花生棉花一熟区,黄淮平原南阳盆地旱地水浇地两熟区,汾渭谷地水浇地二熟旱地一熟二熟区,豫西北丘陵山地旱坡地一熟水浇地二熟区,冬小麦为主兼玉米棉薯大豆花生,冬小麦玉米为主兼棉谷薯,冬小麦玉米为主兼棉谷,冬小麦棉花玉米并重,冬小麦玉米为主并甘薯花生棉花,冬小麦玉米为主并甘薯棉水稻,冬小麦为主兼玉米棉花,冬小麦为主兼玉米薯类,冬麦,/,玉米，麦,/,棉，花生一熟,麦,/,玉米，麦,-,玉米，麦,-,谷，麦,-,薯，棉一熟,麦,/,玉米，麦,-,谷，棉一熟,麦,/,玉米，麦,/,棉，棉一熟,麦,/,玉米，麦,-,杂，棉、花生一熟,麦,/,大豆（玉米甘薯稻）兼麦,/,棉，棉一熟,麦,/,玉米，麦,-,夏闲，棉一熟,麦,/,玉米，麦,-,薯二熟，玉米、甘薯一熟,1,2,3,4,5,西南中高原山地旱地二熟一熟水田二熟区,秦巴山区旱地二熟一熟兼水田二熟区,川鄂湘黔低高原山地水田旱地二熟兼一熟区,贵州高原水田旱地二熟一熟区,云南高原水田旱第二熟一熟区,滇黔边境高原山地河谷旱地一熟二熟水田二熟区,玉米稻冬麦薯油菜并重,玉米冬麦为主兼薯稻,稻玉米薯并重兼麦油菜豆,稻玉米为主兼油菜冬麦烟,稻玉米麦并重兼油菜烟蚕豆,玉米为主薯稻麦油菜,麦,-,玉米，麦,-,薯，麦,-,稻二熟，兼玉米、薯一熟,麦,-,玉米，麦,-,薯，麦,-,稻，兼玉米、薯一熟,麦（油菜）,-,稻，麦,-,玉米，麦,-,薯兼玉米、薯一熟,麦（油菜）,-,稻，麦,/,玉米，兼玉米、薯一熟,麦（油菜蚕豆）,-,稻，麦,-,玉米，兼玉米一熟,玉米、甘薯一熟，麦,-,稻，麦,/,玉米,1,2,江淮平原丘陵麦稻两熟区,江淮平原麦稻两熟兼旱三熟区,鄂豫皖丘陵平原水田旱地两熟兼早三熟区,单季稻麦棉为主,单季稻麦棉并重,稻麦为主兼棉油菜,麦（油）,-,稻，麦,-,薯,麦（油）,-,稻,麦（油）,-,稻，麦,/,棉，麦,/,玉米（薯）,1,2,四川盆地水旱两熟兼三熟区,盆西平原水田麦稻两熟填闲区,盆东丘陵地山水田旱地两熟三熟区,单季稻麦为主兼玉米薯油菜柑桔甘蔗,单季稻小麦为主玉米甘薯油菜,单季稻小麦为主玉米薯类油菜宁麻,麦（油）,-,稻，麦,/,玉米,/,薯,麦（油）,-,稻，冬水田,-,稻，小麦,-,玉米，甘薯,麦（油）,-,稻，冬水田,-,稻，稻,-,稻，麦,/,玉米,/,薯,1,2,长江中下游平原丘陵水田三熟二熟区,沿江平原丘陵水田早三熟二熟区,两湖平原丘陵水田中三熟二熟区,双季稻占优势兼麦棉油菜绿肥,双季稻占优势麦棉油菜绿肥,双季稻占优势多绿肥,麦（油、绿肥）,-,稻,-,稻,肥、麦、油菜,-,稻,-,稻，麦,/,棉,肥,-,稻,-,稻,1,2,3,东南丘陵山地水田旱地二熟三熟区,浙闽丘陵山地水田旱地三熟二熟区,南岭丘陵山地水田旱地二熟三熟区,滇南山地旱地水田二熟兼三熟区,双季稻占优势兼玉米甘薯绿肥油菜冬麦柑桔,双季稻占优势并绿肥冬麦甘薯油菜,双季稻占优势兼绿肥玉米甘薯大豆油菜,单季稻玉米为主双季稻为辅兼小麦蚕豆大豆,闲,-,稻,-,稻,麦、绿肥、油菜,-,稻,-,稻,闲（绿肥、油菜）,-,稻,-,稻，玉米,-,甘薯,麦（蚕豆）,-,中稻，闲,-,稻,-,稻，玉米一熟,1,2,华南丘陵沿海平原晚三熟热三熟区,华南低平原晚三熟区,华南沿海西双版纳台南二熟三熟与热作区,双季稻占优势兼杂粮甘蔗花生,双季稻占优势兼薯类玉米豆类油菜花生,双季稻占优势薯类为辅玉米豆类油菜花生,闲,-,稻,-,稻,闲（油）,-,稻,-,稻，玉米,-,甘薯，大豆,闲（油）,-,稻,-,稻，薯,-,稻,-,稻，油菜（蚕豆）,-,稻,各区名称及作物种类与复种类型：,典型点的选择：,选点原则,具有比较明显的生长曲线和熟制；,独立生长期大于或等于,60,天；,包括有完整的生长季曲线，即生长期加衰落（收割）期。,综合原则,内部交叉拟合度贡献最大,类间混合度最小,号,经度,纬度,所在耕作区划,耕作类别,1,123.0358,41.79615,辽河平原丘陵温暖作物一熟填闲区,一年一熟,2,111.7626,38.20208,后山坝上晋北高原山地半干旱喜凉作物一熟区,一年一熟,3,118.9822,29.01864,沿江平原丘陵水田早三熟二熟区,一年一熟,4,113.1474,34.8472,黄淮平原南阳盆地旱地水浇地两熟区,一年二熟,5,111.7186,34.41918,豫西北丘陵山地旱坡地一熟水浇地二熟区,一年二熟,6,104.8766,31.09577,盆西平原水田麦稻两熟填闲区,一年二熟,7,110.6611,34.87237,汾渭谷地水浇地二熟旱地一熟二熟区,一年二熟,8,110.5101,34.99197,汾渭谷地水浇地二熟旱地一熟二熟区,一年二熟,9,110.3779,22.77466,华南低平原晚三熟区,一年二熟,10,111.001,35.16821,汾渭谷地水浇地二熟旱地一熟二熟区,一年二熟,11,105.9467,30.40339,盆东丘陵地山水田旱地两熟三熟区,一年三熟,12,106.9412,22.87537,滇南山地旱地水田二熟兼三熟区,一年三熟,13,120.5118,22.58583,华南沿海西双版纳台南二熟三熟与热作区,一年三熟,14,112.8767,35.5144,黄淮海平原丘陵水浇地二熟旱地二熟一熟区,一年三熟,15,120.4866,22.49141,华南沿海西双版纳台南二熟三熟与热作区,一年三熟,16,120.4929,22.56065,华南沿海西双版纳台南二熟三熟与热作区,一年三熟,17,109.4904,37.15722,黄土高原东部易旱喜温一熟区,一年一熟（轮作）,18,114.5384,40.04632,晋东半湿润易旱一熟填闲区,一年一熟（轮作）,19,104.9396,28.5088,盆东丘陵地山水田旱地两熟三熟区,两年三熟,20,103.4478,24.43007,云南高原水田旱第二熟一熟区,两年三熟,21,115.1993,36.64108,黑龙港缺水低平原水浇地二熟旱地一熟区,两年三熟,22,118.8249,25.26722,浙闽丘陵山地水田旱地三熟二熟区,两年五熟,23,109.7044,19.87297,华南沿海西双版纳台南二熟三熟与热作区,两年五熟,24,120.4048,23.54257,华南低平原晚三熟区,两年五熟,25,120.2789,23.66216,华南低平原晚三熟区,两年五熟,26,120.5181,24.04611,华南低平原晚三熟区,两年五熟,曲线标准化：,利用非对称高斯函数拟合方法对标准点曲线进一步平滑。,复种指数提取结果：,精度评价：,随机抽样目视解译精度评价,一年一熟,一年两熟,一年三熟,一年一熟,（轮作）,两年三熟,两年五熟,未判别,总和,一年一熟,30,0,0,0,0,0,0,30,一年两熟,0,30,0,0,0,0,0,30,一年三熟,0,3,18,0,1,6,2,30,一年一熟,（轮作）,4,0,0,24,0,0,2,30,两年三熟,2,3,0,0,25,0,0,30,两年五熟,0,1,3,0,0,21,5,30,未判别,0,0,0,0,1,1,28,30,总和,36,37,21,24,27,28,37,210,总精度,=83.8%,；,Kappa,系数,=0.81,误判及未判别原因：,农作物区域的错误及变化导致的未判定和误判；,云和大气过于频繁对判定产生的影响；,典型点的漏选，所选取的典型点不能概括所有的多熟种植中农作物生长季的特征变化，造成一定程度的误判；,由于交叉拟和度对较短时间的波动敏感性比较低，生长季过短也会造成误分。,方法评价：,优点,原理简单，运算方便；,可适用于大多数具有连续波段或时段的遥感数据；,可以有效的提取中国农作物区的复种指数，并同时反映不同地区生长季的大致偏移；,应用潜力大，可在植被分类、土地覆盖变化监测以及高光谱数据分析等方面发挥作用。,缺点,对典型点的选取要求比较高，要求有地面实验数据支持或者是大量的样点分析；,不宜于时间段过长起伏变化过多的数据组。,主要结论：,传统的复种指数定义过于混乱和综合，重新界定复种指数的含义为一年内同一块耕地上耕作农作物的次数，并界定作物生长期在两个月以上，计算纯粹的复种指数，不仅简单易行，意义明确，并且可以利用多时相遥感数据对每个像素进行提取，避免了传统统计方法的费时费力，以及行政单元的局限。,主要结论：,基于,Savitzky-golay,滤波原理的平滑方法，可以有效的去除多时相,NDVI,遥感数据中由于云、气溶胶等大气影响造成的噪音，充分利用对应的云状态数据，理论简单并易于实现。可应用于不同时间尺度、空间尺度和传感器的,NDVI,数据，以获取较高质量的,NDVI,时序数据。,主要结论：,基于高光谱数据分析技术光谱匹配法提出的交叉拟和度检验法，以前人对中国多熟种植的研究成果，选取了基本可以反映我国不同熟制的农作物生长曲线作为参考，计算了以遥感影像像素为单位的全国农作物复种指数。其结果表明此方法对,NDVI,生长季曲线之间相关性表现出了比较高的精度，给农作物复种指数的提取开辟了一条新的道路。同时还具有广泛的应用前景，如土地利用覆盖变化监测、植被特征分类以及高光谱数据分析研究等等。,讨论：,复种指数的重新界定虽然采用了刘巽浩等的建议，定义生长期至少大于,2,个月，但缺乏有效的资料论证，有待考察；,本工作直接采用的是前人关于农作物区域的划分，其错误与变化也影响了本方法的准确性，有望在进一步工作中避免；,构建农作物熟制曲线库（即挑选标准样点）是本方法应用的关键。人工经验挑选存在着主观上的错误和不足。如能进一步根据不同农作物的生长特点构建熟制标准曲线，应该可以使本方法得到更好的应用；,NDVI,时间序列数据的质量始终是其应用的一个瓶颈。尤其在中国南方地区，受大气和云的影响过于频繁，造成部分地区的,NDVI,序列无法获取到明显的生长季变化特征，也很难平滑恢复或是模拟，给复种指数的提取带来了困难。,谢谢！,