| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 选题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-17页 |
| 1.2.1 国外作物种植面积遥感提取应用进展 | 第9-11页 |
| 1.2.2 国内作物种植面积遥感提取应用进展 | 第11-17页 |
| 1.3 研究内容和技术路线 | 第17-19页 |
| 1.3.1 研究目的 | 第17页 |
| 1.3.2 研究内容 | 第17页 |
| 1.3.3 技术路线 | 第17-19页 |
| 第2章 材料与方法 | 第19-33页 |
| 2.1 研究区概况 | 第19-20页 |
| 2.1.1 地形地貌 | 第19-20页 |
| 2.1.2 气候特点 | 第20页 |
| 2.1.3 农业资源概况 | 第20页 |
| 2.2 数据源 | 第20-23页 |
| 2.2.1 遥感数据 | 第20-22页 |
| 2.2.2 实地调查数据 | 第22-23页 |
| 2.2.3 其他数据 | 第23页 |
| 2.3 遥感数据的预处理 | 第23-27页 |
| 2.3.1 图像几何校正 | 第23-25页 |
| 2.3.2 辐射定标 | 第25-26页 |
| 2.3.3 大气校正 | 第26-27页 |
| 2.4 影像处理 | 第27-29页 |
| 2.4.1 NDVI时间序列数据的生成 | 第27-29页 |
| 2.5 监督分类方法 | 第29-31页 |
| 2.5.1 平行六面体分类法 | 第29页 |
| 2.5.2 最小距离法 | 第29页 |
| 2.5.3 最大似然分类法 | 第29-30页 |
| 2.5.4 马氏距离法 | 第30页 |
| 2.5.5 神经网络法 | 第30-31页 |
| 2.6 分类后精度评价 | 第31-33页 |
| 2.6.1 混淆矩阵精度评价 | 第31-32页 |
| 2.6.2 解译面积和实际统计面积验证比较 | 第32-33页 |
| 第3章 基于单时相遥感影像的小麦遥感提取 | 第33-40页 |
| 3.1 监督分类 | 第33页 |
| 3.2 样本数据 | 第33-35页 |
| 3.2.1 建立ROI | 第33-34页 |
| 3.2.2 训练样本可分离性统计 | 第34-35页 |
| 3.3 确定最佳识别月份 | 第35-36页 |
| 3.3.1 基于高分一号影像的小麦最佳识别月份 | 第35页 |
| 3.3.2 基于Landsat-8影像的小麦最佳识别月份 | 第35-36页 |
| 3.3.3 高分一号和Landsat-8影像的小麦最佳识别月份对比 | 第36页 |
| 3.4 确定最佳解译方法 | 第36-39页 |
| 3.4.1 基于GF-1影像的小麦最佳解译方法 | 第37-38页 |
| 3.4.2 基于Landsat-8影像的小麦最佳解译方法 | 第38-39页 |
| 3.4.3 高分一号和Landsat-8影像最佳分类器对比 | 第39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于多时相NDVI序列的小麦面积提取 | 第40-45页 |
| 4.1 训练样本 | 第40-41页 |
| 4.1.1 训练样本数量 | 第40页 |
| 4.1.2 训练样本可分离性统计 | 第40-41页 |
| 4.2 基于GF-1影像NDVI序列的小麦最佳解译方法 | 第41-42页 |
| 4.3 基于LANDSAT-8影像NDVI序列的小麦最佳解译方法 | 第42-43页 |
| 4.4 高分一号和LANDSAT-8影像监督分类对比 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 小麦面积最佳遥感解译方案 | 第45-50页 |
| 5.1 最佳遥感数据 | 第45-46页 |
| 5.2 最佳时相的选择 | 第46页 |
| 5.3 最佳监督分类方法 | 第46-47页 |
| 5.4 昌吉市最佳小麦面积解译方案及结果 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50页 |
| 6.2 不足与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |
