| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第14-30页 |
| 1.1 研究背景和意义 | 第14页 |
| 1.2 农作物种植结构遥感提取的理论基础 | 第14-15页 |
| 1.3 农作物种植结构遥感提取的研究进展 | 第15-26页 |
| 1.3.1 农作物种植结构遥感提取的多源数据 | 第15-23页 |
| 1.3.2 农作物种植结构提取的影像分析方法 | 第23-25页 |
| 1.3.3 农作物种植结构遥感提取存在的主要问题 | 第25-26页 |
| 1.4 研究选题和方案 | 第26-28页 |
| 1.4.1 研究选题和研究目标 | 第26-27页 |
| 1.4.2 主要研究内容 | 第27页 |
| 1.4.3 总体技术路线 | 第27-28页 |
| 1.5 论文结构 | 第28-30页 |
| 第二章 研究区域与数据准备 | 第30-41页 |
| 2.1 研究区域选择 | 第30-31页 |
| 2.1.1 研究区概况 | 第30-31页 |
| 2.1.2 研究区自然条件 | 第31页 |
| 2.1.3 研究区农作物种植结构特点 | 第31页 |
| 2.2 研究数据 | 第31-34页 |
| 2.2.1 GF-1 遥感数据 | 第31-33页 |
| 2.2.2 其它辅助数据 | 第33-34页 |
| 2.3 数据处理与图像分析方法 | 第34-40页 |
| 2.3.1 GF-1 数据预处理 | 第34-35页 |
| 2.3.2 面向对象的图像分析 | 第35-38页 |
| 2.3.3 特征提取 | 第38-40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 基于单时相GF-1 数据的农作物种植结构提取 | 第41-53页 |
| 3.1 随机森林算法基本理论 | 第41-43页 |
| 3.1.1 随机森林定义及相关概念 | 第41-42页 |
| 3.1.2 随机森林分类算法原理 | 第42页 |
| 3.1.3 随机森林算法的优缺点 | 第42-43页 |
| 3.2 总体研究方案 | 第43-44页 |
| 3.3 随机森林模型构建与参数优化 | 第44-45页 |
| 3.4 GF-1 数据时间窗口选择 | 第45-50页 |
| 3.4.1 单一时相窗口模型预测误差评估 | 第45-47页 |
| 3.4.2 单一时相窗口的特征分离性 | 第47-50页 |
| 3.5 农作物种植结构提取结果及精度检验 | 第50-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于多时相GF-1 数据的农作物种植结构提取 | 第53-65页 |
| 4.1 多阶段遥感制图研究背景 | 第53-54页 |
| 4.1.1 多阶段遥感制图研究意义 | 第53页 |
| 4.1.2 多阶段遥感制图研究概况 | 第53-54页 |
| 4.2 总体研究方案 | 第54-55页 |
| 4.3 基于多时相特征集随机森林模型的构建 | 第55-57页 |
| 4.4 多时相GF-1 数据集特征重要性评价 | 第57-59页 |
| 4.5 逐月优化的分类策略误差评估 | 第59-60页 |
| 4.6 农作物种植结构提取结果与精度检验 | 第60-63页 |
| 4.7 本章小结 | 第63-65页 |
| 第五章 基于SVM分类器的GF-1 数据农作物种植结构提取 | 第65-77页 |
| 5.1 支持向量机分类器介绍 | 第65-67页 |
| 5.1.1 支持向量机重要概念 | 第65-66页 |
| 5.1.2 支持向量机算法原理 | 第66-67页 |
| 5.1.3 支持向量机优缺点 | 第67页 |
| 5.2 总体研究方案 | 第67-69页 |
| 5.3 SVM分类模型参数优化 | 第69-71页 |
| 5.4 基于SVM分类器的GF-1 数据的农作物种植结构提取 | 第71-73页 |
| 5.5 不同分类器结果对比分析 | 第73-74页 |
| 5.5.1 精度评价体系构建 | 第73页 |
| 5.5.2 评价结果及误差分析 | 第73-74页 |
| 5.6 不同数据源分类结果对比 | 第74-76页 |
| 5.7 本章小结 | 第76-77页 |
| 第六章 结论与展望 | 第77-80页 |
| 6.1 创新点及结论 | 第77-78页 |
| 6.2 存在的问题及展望 | 第78-80页 |
| 参考文献 | 第80-90页 |
| 致谢 | 第90-91页 |
| 作者简历 | 第91-92页 |
