本文是一篇软件工程论文，本文针对华南地区多云多雨的气候条件，提出基于时序 DPRVI 反演甘蔗株高的方法，搭建 SNAP 二次开发平台,完成了 23 景 Sentinel-1A 数据的预处理，求得 DPRVI 极化参数，对比了其较其它经典极化参数的优越性，然后分析 DPRVI 与甘蔗的长势参数（株高）的变化规律，以分段函数的形式建立最佳反演模型，结果拟合模型在分蘖期之前相关性最高，二次多项式模型拟合效果最好，相关系数 R2与均方根误差 RMSE 分别为 0.882 与 0.118，达到了课题研究目标。
第一章 绪论
1.1 研究背景及研究意义
农业作为提供支撑国民经济建设与发展的基础产业，及时准确地掌握农作物的区域分布与长势产量对调整农业结构、指导农业生产，政府制定粮食政策十分重要。我国作为农业大国，人口占世界的 22%，耕地面积却仅有世界耕地面积的 7%，在当今复杂的全球变化背景下，政府对农作物长势、产量等信息的实时掌握也越来越重视。中国共产党在十九届五中全会提出，优先发展农业农村，全面推进乡村振兴。“十四五”时期作为数字乡村全面“布局”和重点“破局”的关键阶段，中国十四五规划纲要也提出，加快推进农业现代化，加快建设农业农村遥感卫星等天基设施；发展智慧农业，建立农业农村大数据体系，推动新一代信息技术与农业生产经营深度融合；完善农业气象综合监测网络，提升农业气象灾害防范能力[1]。
广东省作为我国改革开放前沿，现代农业信息技术推广应用仍有待提高。《广东省农业现代化发展“十三五”规划》提出：应加快发展智慧农业，强化智慧农业技术体系建设，实现农业现代化，实现乡村振兴[2]。
遥感技术作为新一代信息技术，以其覆盖范围广、周期短、成本低等特点，逐渐在农业领域得到了广泛应用，在农作物识别、长势监测、产量预估和灾害评估等方面均取得了较好的效果[3-5]。目前，国内外研究工作大多集中于如水稻[6,7]、玉米[8,9]、小麦[10,11]、油菜[12,13]等大宗粮食作物，将该技术应用于甘蔗的研究较少[14]。甘蔗作为我国主要的糖料作物与能源原料，被农业部列为九大主要农作物之一，是一种重要的国际贸易商品，对农村经济与相关产业的发展都有着直接的影响。广东省作为甘蔗的主要生产区，是国家的三大甘蔗优势生产区之一，自 2014 年以来甘蔗种植面积占全国比重逐年增长。2019 年中国甘蔗种植面积约 2072.85 万亩，广东省甘蔗种植面积 254.52 万亩，占据全国的 12.28%[15]。目前，国内的甘蔗估产、种植面积估算与农情监测方面主要依靠人力，现代化程度较低，不仅耗时耗力，经济成本也较大。利用遥感技术对甘蔗动态的生长变化规律与甘蔗空间分布进行及时监测与识别，对我国甘蔗产业的可持续发展具有较好的推动作用[16]。
..............................
1.2 国内外相关研究现状
1.2.1 基于光学遥感图像的农作物监测研究现状
光学遥感图像可分为可见光波段与近红外波段遥感，主要是通过记录地表不同物体的反射率，利用地物对太阳辐射的反射波来获取目标信息。在光学遥感的农业领域应用初期，美国农业部利用遥感卫星开展了大范围的作物估产并建立了全球范围的农情监测运行系统[17]，欧盟随后也建立起欧盟区的农作物估产系统，并将结果应用于欧盟的共同农业政策[18]，采用光学遥感技术完成作物种植信息的识别、生物物理参量反演与估产逐渐成为学术界的研究热点。近些年，刘明月等[19]与杨闫君[20]等利用光学遥感时序数据，分别通过面向对象与神经网络和 SVM 等分类方法对区域农作物进行分类，精确的提取了农作物信息。Bouvet 等[21]利用 ENVISAT/ASAR 数据快速获取水稻种植面积。蒙继华等[22]利用了 MODIS 数据，通过分析物候信息的变化规律，实现了区域尺度冬小麦生物量的物候归一化。Hu Q 等[23]通过挖掘作物物候信息自动选择光谱时态特征，提高了作物分类的准确性，准确度达 85%以上。针对甘蔗，学术界多采用光学遥感技术完成甘蔗种植信息的识别、生物物理参量反演与估产。例如，Henny F 等[24]利用Landsat-8 卫星数据，采用 logistic 回归对甘蔗种植区域进行分类，Kappa 系数为 0.783，表明该方法可以很好地区分出甘蔗与非甘蔗区域并进行制图；张东东等[25]利用多时相HJ 卫星数据，基于归一化差分植被指数（Normalized Difference Vegetation Index, NDVI）时间序列的决策树分类模型提取南方四省甘蔗种植面积并进行精度评价，Kappa 系数为 0.81，表明该方法可有效应用于南方甘蔗种植面积提取；何亚娟等[26]利用 SPOT 遥感数据，对甘蔗不同生长期进行反演，建立估产模型，结果显示不同生长期的甘蔗叶面积指数（Leaf Area Index, LAI）与 NDVI 之间存在显著的正相关关系，证明了该模型具有较好的估产效果。
.............................
第二章 研究区域与数据源的选取
2.1 研究区域与研究作物概况
2.1.1 研究区域概况
研究区域位于广东省广州市南沙区，中心坐标东经 113°56′，北纬 22°78′，属亚热带气候区，全年日照、雨水充足，年降雨量平均为 1 623.6-1 899.8mm，基本与甘蔗生长周期同步，期合甘蔗发育对光温水的要求。2017 年、2018 年与 2019 年甘蔗种植面积分别达到 9.90 万亩、8.96 万亩、7.37 万亩，是该区域种植面积最大的农作物[37]。研究区域的数据采集在广州市南沙区大岗镇庙贝村进行，如图 2-1 所示。
软件工程论文怎么写
2.1.2 研究作物概况
甘蔗是中国最主要的糖料作物，主要种植于华南地区如云南、广西、海南和广东地区，但是，这些地区的气候条件限制了光学遥感图像对农作物进行持续有效的监测。甘蔗属于禾本科，以垂直结构为主要特征，该形态学差异产生了独特的后向散射响应，为全天时、全天候的 SAR 进行持续有效的监测提供了条件。甘蔗的种植主要可分为春植蔗、夏植蔗、秋植蔗、冬植蔗与宿根蔗，通过咨询当地气候与农业气象中心，研究区域的甘蔗采用宿根蔗进行种植生产。
...................................
2.2 数据源的获取
2.2.1 Sentinel-1A 数据简介和获取
Sentne-1A卫星有条带模式（Stripmap, SM）、干涉宽幅模式（Interferometric Wide swath, IW）、超宽幅模式（Extra-Wide swath, EW）和波模式（Wave, WV）四种成像模式。为避免不同传感器观测配置对观测结果的影响，本文选取 Sentinel-1A 卫星的 IW 模式一级产品（Level-1）中的单复视（Single Looking Complex, SLC）图像，其重返周期为 12天、空间分辨率为 5m(距离向)*20m(方位向)，运行轨道为升轨右视；单次成像时，完整条带长约 250km，距离向上由三个子条带构成，每个子条带在方位向上有 9 个 bursts并按方位向顺序排列（见图 2-3）。根据研究区域内甘蔗生长的物候规律，收集当地 23景 Sentinel-1A 卫星图像，并分别记录了图像获取当天天气情况。
Sentinel-2A 是一个高分辨率，多光谱成像卫星。Sentinel-2A 携带的多光谱成像仪，可对 13 个光谱带进行采样，它拥有四个 10 m 的波段，六个 20 m 的波段和一个 60 m的空间分辨率的波段，具体信息如下表 2-2 所示。生产的光学数据的幅宽为 290 公里。本文主要利用分辨率为 10m*10m 的经几何精校正的 L1C 级的正射校正图像数据。
Sentinel-1A 与 Sentinel-2A 的时序数据覆盖了研究区域甘蔗的整个生长周期，通过多次地面实地调研获取了与卫星过境采集基本同步的三个时间节点：2019 年 11 月 24日，2020 年 9 月 29 日与 2020 年 12 月 22 日的数据采集，记录了当地甘蔗及部分其它地物的种植情况，同时对甘蔗田的混杂地物进行了拍摄，具体参见表 2-4、图 2-5、图2-6 与图 2-7 所示；此外，2021 年 3 月 16 日，在广州市南沙区气象局和当地气候与农业气象中心的支持下，再次调研了南沙区大岗镇庙贝村，补充了 3 个调研时间节点之间的甘蔗生长数据，了解庙贝村的作物种植概况，实地采样时，为保证足够的纯净像元，减少其它作物即降低混杂像元的影响，试验区域要求种植面积不小于 30 亩，并通过北斗高精度分米级移动平台 Qmini A5（亚米级差分信号）采集经纬度等数据。
.............................
第三章 基于时序 Sentinel-1A 双极化特征的甘蔗株高反演 ................ 18
3.1 甘蔗的不同极化特征的时序分析 .............................. 18
3.1.1 DPRVI 极化参数 ................................. 18
3.1.2 不同极化参数特征的时序分析 ........................ 20
第四章 基于 Sentinel-2A 的融合多种特征的甘蔗种植区域识别 ................. 29
4.1 甘蔗种植区域识别特征选取与研究区域的确定 ................................. 29
4.1.1 植被指数特征 ......................................... 29
4.1.2 主成分分析与光谱特征 ................................. 30
结论与展望 ............................. 45
第四章 基于 Sentinel-2A 的融合多种特征的甘蔗种植区域识别
4.1 甘蔗种植区域识别特征选取与研究区域的确定
近年来，利用光学遥感数据进行农作物识别的特征不断增加，比如光谱特征、空间特征、纹理特征、时序特征和植被指数特征等等。目前研究利用光谱特征与植被指数特征进行农作物识别与农情监测的较多，这是由于光谱特征和植被指数特征与农作物的冠层结构、叶面积指数和作物含水量等密切相关。同时，由于遥感图像的分辨率限制，难以避免识别过程中的“同物异谱”和“同谱异物”现象[57]，因此，单一的依赖于光谱特征或植被指数特征对有复杂种植结构区域进行作物识别，难以得到理想的识别结果。综上，本文将选取植被指数特征、纹理特征与时序特征建立不同的识别特征组合，对研究区域的甘蔗作物进行识别。
4.1.1 植被指数特征
植被指数是指根据植被光谱特征，将卫星可见光和近红外波段按一定的关系进行组合，植被指数是对地表植被状况经验的、简单的和有效的度量[58]，它能将按研究目标的要求，将不同波段的主要光谱信息压缩到一个植被指数通道里面，突出遥感图像主要信息的表达。目前，植被指数逐渐成为遥感领域作物监测和地物覆盖等方面的研究热点。在作物估产、农情监测、植被分类和环境变化等方面得到广泛应用。
迄今为止,不同的学者已经针对不同地物的特性，定义了数十种植被指数。近年来，植被指数 NDVI、BI2（The Second Brightness Index）[59]和 S2REPI(Sentinel-2 Red-Edge Position Index)[60]逐渐在农情监测中得到了广泛应用，是监测农作物状况的重要指标。因此，本文选取该三种植被指数参与建立甘蔗作物的识别特征组合，相关的植被指数计算公式见表 4-1。
软件工程论文参考
.............................
结论与展望
研究结论
甘蔗产业作为我国重要的传统产业，在农业经济有着重要地位，随着我国十四五规划对现代农业化的重视，提高甘蔗作物监测的现代农业水平，推动甘蔗产业的可持续发展具有重要意义。在此基础上本文结合 Sentinel-1A 雷达遥感和 Sentinel-2A 光学遥感以及相关遥感技术，开展了对甘蔗的株高反演和种植区域识别的研究。论文完成的主要工作如下：
（1）针对华南地区多云多雨的气候条件，提出基于时序 DPRVI 反演甘蔗株高的方法，搭建 SNAP 二次开发平台,完成了 23 景 Sentinel-1A 数据的预处理，求得 DPRVI 极化参数，对比了其较其它经典极化参数的优越性，然后分析 DPRVI 与甘蔗的长势参数（株高）的变化规律，以分段函数的形式建立最佳反演模型，结果拟合模型在分蘖期之前相关性最高，二次多项式模型拟合效果最好，相关系数 R2与均方根误差 RMSE 分别为 0.882 与 0.118，达到了课题研究目标。
（2）针对大范围的甘蔗种植区域识别，提出了融合多种特征的基于 Sentinel-2A 的甘蔗种植区域识别方法。本文建立了随机森林的识别模型，通过对 NDVI、BI2、S2REP、Homogenity 和时序特征的不同组合进行对比实验与结果分析，选出了最优的特征组合。结果显示总体精度与 Kappa 系数分别为 0.910 和 0.996，达到了课题研究目标。
（3）综合上述研究，说明了 Sentinel-1A 雷达遥感图像和 Sentinel-2A 光学遥感图像对于粤港澳大湾区的甘蔗作物的连续监测与种植区域的识别是有效的，对于大规模、低成本的甘蔗作物生长监测，Senitnel-1A 和 Sentinel-2A 均是一种不错的数据源选择。
参考文献（略）