文献综述
——基于知识决策树的SAR影像水田信息提取方法设计
1 引言
水稻是世界上主要的粮食作物之一，然而随着城市化进程不断深入和人口的迅速扩张，水田面积正不断减少。因此，加大水田保护实现水稻产量可持续增长正成为一个关键话题。及时、准确和可靠地获得关于水稻作物分布及其状况的数据，对为决策者提供关于可持续粮食安全、水资源管理和环境的信息至关重要。
卫星遥感为监测农业地区和其他土地覆盖特征提供了一种节省时间和有影响的方法。光学遥感由于具有大面积覆盖和重复观测的潜力，是监测区域和全球各级水稻种植区的可行方法[1]。由于大多数水稻生长在多雨和多云的地区，在关键的水稻生长季节很难获得无云光学图像。星载合成孔径雷达(SAR)以其全天候、昼夜成像的优点，在水稻作物研究领域引起了遥感界的广泛关注。
SAR传感器在多频率和极化条件下的采集能力对于绘制水稻田图和了解其在不同生长阶段的后向散射响应是非常理想的。但是，有时候由于固有的散斑噪声，SAR图像有时不能提供足够的映射精度，不同土地覆被特征的相似后向散射响应也会影响水稻作物制图的准确性。所以选择合适的模型或分类算法对于水稻作物和其他土地覆被特征的成功和准确制图总是至关重要的。近年来，自学习决策树分类器在遥感图像分类中得到了广泛的应用。决策树分类器计算效率高，具有灵活性、固有的简单性等优点，并且具有处理噪声和已丢失数据的能力，在水稻产量和精确定位方面有着巨大潜力[2]。
2基于决策树土地信息提取的发展状况
2.1合成孔径雷达的发展
1978年6月27日,美国国家航空航天局喷气推进实验室(JPL)发射了世界上第1颗载有SAR的海洋卫星Seasat-A。该卫星工作在L波段、HH极化,天线波束指向固定, Seasat-A的发射标志着合成孔径雷达已成功进入从太空对地观测的新时代。
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。
