毕业论文课题相关文献综述
文 献 综 述引言随着地理大数据与云平台、云计算的发展,Google Earth Engine(GEE)作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。
本文基于GEE,使用Sentinel-2数据快速提取了江苏省水稻与玉米的空间分布。
首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算遥感指数、纹理特征、地形特征,完成原始特征的构建与优化[1]。
基于GEE,使用Sentinel-2数据快速提取[2]江苏省2019年秋收作物如水稻、玉米的空间分布。
1．数据调用及预处理以Sentinel-1和Sentinel-2 (简称S1、S2) 作为数据源[3]。
采用的 S2 数据已经过辐射校正等处理，只需进行大气校正即可。
S1数据经过辐射校正、辐射地形矫正、滤波等一系列预处理操作。
另外，在数据融合前需对多源遥感数据进行精确配准，将 S1、 S2 数据和地面真值数据映射到 WGS84 坐标系，在此基础上利用地面控制点和基于数据进行精确配准处理。
特征波段的选择:目前关于农作物分类研究主要依据植被指数的时序曲线，选择几组不同时相的数据进行作物分类研究。
由于地物波谱辐射在不同波段上的反映不同， 所以同种地物在不同波段上反映的信息也不同[4]。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，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。
