摘要：随着南京的飞速发展，南京的水稻用地面积逐渐减少，许多农水稻用地变成了现代化建设用地。该文以南京的水稻田为研究对象，以南京1988年，2002年，2013年的遥感影像为主要信息源，利用决策树分类方法，通过NDVI、坡度、湿度为决策因子，提取南京的水稻田，从而比较出南京的水稻田变化情况。研究表明：①南京在1988-2013年水稻面积减少，其他用地增加，水稻面积减少了约三分之一，约 488.18km²，变化明显。②水稻田在空间格局上聚集性减弱，破碎化趋势加强。③主要影响面积变化的的驱动因子是科技经济发展下的人类居住活动范围的扩大和其他农业生产需求的日益提高。28133
毕业论文关键词：水稻；决策树；决策因子；面积变化
Using the Decision Tree Classification Method to Extract the Rice Area of Nanjing and Study Its Time Variation
Abstract: With the rapid development of Nanjing, Nanjing, rice land area gradually reduced, many agricultural land into a modern land for construction. In this paper, the rice field in Nanjing was used as the research object, and the remote sensing images of 1988, 2002 and 2013 in Nanjing were used as the main information sources. Using the decision tree classification method, NDVI, slope and humidity were used as decision factors to extract rice fields in Nanjing , Thus comparing the changes in rice fields in Nanjing. The results showed that: ①The area of rice in Nanjing was reduced from 1988 to 2013 and the other land increased. Rice area decreased by about 488.18km2 and the change was obvious. ②The spatial distribution of paddy field weakened and the fragmentation trend strengthened. ③The main driving factor of area change is the expansion of the scope of human habitation under the development of science and technology and the increasing demand for other agricultural production.
Key words: Rice；Decision tree；Decision factors；Area change
目 录
摘 要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 材料与方法 2
1.1 研究区域概况 2
1.2 数据来源与预处理 2
1.3 决策树模型的特征指数选取 3
1.4 分类方法 3
2 结果与分析 4
2.1 水稻田面积变化分析 6
2.2 水稻田空间格局分析 6
2.3 驱动力分析 6
3 讨论 7
4 结论 7
致谢 8
参考文献 8
利用决策树分类方法提取南京水稻面积并研究其时间变化规律
水稻是我国重要的粮食作物，占全国粮食总种植面积的 27% ，而其产量达到全国粮食总产量的 35%[1]。而水稻主要生长在我国多云雨、温度适宜的中部和南部地区，该区域是我国的主要产粮区，对该区域水稻进行种植面积的提取、长势的监测和产量的估算等研究是具有重要意义的。水稻的面积提取有很多种方法，不同的数据源与分类方法的结合，但现研究多是提高水稻面积提取的精度，该课题则是研究水稻的面积变化，分析其变化趋势，探究造成变化的驱动因子，为水稻的生产及决策提供技术支持。
国内对于将遥感应用于农业上起步与国外相比较晚，但发展至今已然位于前列。水稻面积的提取分类方法从数据方面来看可分为两大类：以 TM为代表的中高分辨率数据类型和以MODIS为代表的低分辨率数据类型[2]。其中，前一类依据单一影像自身的较高空间分辨率而精度较高，后一类则需要通过不同的特征指数与方法的结合来提高分类精度。王福民等[3] 曾对水稻生长前后两期TM影像进行缨帽变换并合成为多时相影像数据，然后通过最小距离法来提取水稻面积；朱良等[4] 利用TM影像 NDVI和LSWI两种特征指数的不同使用决策树分类进行水稻面积提取；杨艳昭等[5] 通过水稻移栽期特征时间窗口、LSWI与NDVI的不同提取吉泰盆地水稻熟制信息；于文颖等[6] 利用MODIS遥感数据结合分监督分类与决策树分类等多种方法对东北地区的水稻面积进行提取。 利用决策树分类方法提取南京水稻面积并研究其时间变化规律:http://www.751com.cn/shengwu/lunwen_22874.html