| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景、选题意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·选题意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·研究目标、内容及方法 | 第13-15页 |
| ·研究目标 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·研究方法 | 第14-15页 |
| ·研究特色、创新点及技术路线 | 第15-17页 |
| ·研究特色、创新点 | 第15-16页 |
| ·技术路线 | 第16-17页 |
| 第二章 研究区概况 | 第17-21页 |
| ·研究区自然地理特征 | 第17-20页 |
| ·地理位置及范围 | 第17-18页 |
| ·地形、地貌特征 | 第18页 |
| ·气候、土壤和植被 | 第18-19页 |
| ·水文特征 | 第19页 |
| ·土地利用空间分布格局 | 第19-20页 |
| ·社会经济特征 | 第20-21页 |
| 第三章 数据来源及预处理 | 第21-27页 |
| ·数据来源 | 第21页 |
| ·数据的预处理 | 第21-27页 |
| ·辐射校正 | 第21-24页 |
| ·几何校正 | 第24-26页 |
| ·主成分分析 | 第26-27页 |
| 第四章 遥感图像分类方法 | 第27-37页 |
| ·遥感图像分类的概念及原理 | 第27-28页 |
| ·非监督分类方法 | 第28-29页 |
| ·K-means 分类方法 | 第28-29页 |
| ·ISODATA 分类算法 | 第29页 |
| ·监督分类方法 | 第29-33页 |
| ·最小距离分类法 | 第29-30页 |
| ·马氏距离 | 第30-31页 |
| ·平行六面体分类 | 第31-32页 |
| ·最大似然分类法 | 第32-33页 |
| ·人工神经网络分类法 | 第33-34页 |
| ·决策树分类方法 | 第34-35页 |
| ·面向对象分类方法 | 第35页 |
| ·本文分类方法的确定 | 第35-37页 |
| 第五章 湟水流域土地利用/土地覆被分类 | 第37-69页 |
| ·分类系统的确定 | 第37页 |
| ·地理分区 | 第37-39页 |
| ·基于最大似然分类法的湟水流域土地利用/土地覆被分类 | 第39-50页 |
| ·分类波段的选取 | 第39-40页 |
| ·样本的选取 | 第40-45页 |
| ·脑山区 | 第40-41页 |
| ·浅脑山区 | 第41-42页 |
| ·川水区 | 第42-45页 |
| ·最大似然分类法分类 | 第45-46页 |
| ·分类后处理 | 第46-50页 |
| ·基于人工神经网络分类法的湟水流域土地利用/土地覆被分类 | 第50-56页 |
| ·波段的选择及合成 | 第50页 |
| ·样本的选取 | 第50-52页 |
| ·人工神经网络分类法分类 | 第52-54页 |
| ·分类后处理 | 第54-56页 |
| ·基于决策树分类法的湟水流域土地利用/土地覆被分类 | 第56-69页 |
| ·特征参数的确定 | 第56-58页 |
| ·决策树的建立 | 第58-65页 |
| ·特征提取 | 第61页 |
| ·脑山区 | 第61-62页 |
| ·浅脑山区 | 第62-63页 |
| ·川水区 | 第63-65页 |
| ·分类结果及分类后处理 | 第65-69页 |
| 第六章 精度评价 | 第69-73页 |
| ·精度评价 | 第69-71页 |
| ·对比分析及最优分类方法的确定 | 第71-73页 |
| 第七章 结论与展望 | 第73-76页 |
| ·结论 | 第73页 |
| ·存在的问题与不足 | 第73-74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-83页 |
| 致谢 | 第83-85页 |
| 个人简历 | 第85页 |
