论文部分内容阅读
及时、精确掌握耕地面积及其变化趋势是农业管理和粮食安全的重要保障。遥感技术作为对地观测领域的主要数据获取手段,可以有效的实现作物面积提取和土地利用变化分析。本文提出结合物候信息与深度学习的分类方法解决复杂地表景观区域水稻精确识别问题,同时基于Landsat EVI时间序列数据分析株洲市区水稻变化情况,主要工作与结论如下:(1)针对中分辨率遥感影像分类训练样本规模不足以满足深度学习训练的问题,将预训练机制引入到卷积神经网络模型中,利用相似遥感数据集对模型进行初始权重设置,再利用中分辨率样本数据集对最优权重进行迭代优化,解决了深度学习模型应用中数据规模不足的问题。以湖南株洲作为试验区,应用预训练深度学习方法,分类结果的总体精度达到82%,优于未引入预训练的分类方法。(2)针对复杂地表景观区水稻面积遥感精确识别难度较高的问题,采用分层分类的策略,在利用引入预训练机制的卷积神经网络完成遥感影像初步分类的基础上,结合物候信息,实现水稻信息的精确识别。该方法结合了时间特征与深度抽象特征,水稻面积识别精度提高到90%。(3)基于1987-2017年Landsat EVI时间序列数据,分析了株洲市区土地利用类型变化及其空间格局的变化。根据空间分布聚集特征分析了水稻种植面积空间格局演变趋势,并逐年统计了各种土地利用类型变更比例,重点探讨了耕地变更情况与可能的影响因素。(4)根据时间序列数据的变化趋势总体分析,土地利用覆盖共有三次较大的增幅:1989-1991年,株洲确立市辖5县市、4辖区,大量人口进入城市,大面积土地利用覆盖发生变化;2002-2004年,株洲工业二次发展,人为活动频繁,土地利用覆盖变化增加;2008到2012年,土地利用覆盖变化增多的原因相对复杂,一方面与株洲大力发展经济有关,另一方面与2008年后株洲等地爆发“镉大米事件”,农业人口减少,水稻种植面积减少,与农田变更增加有关。此外,农田面积呈现先上升再下降的趋势,其中2000年农田占比最大,1990年到2000年间,占比上升最明显,2000年到2010年间,占比下降最多。