中文摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 前言 | 第10-20页 |
1.1 选题背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-16页 |
1.2.1 传统影像融合研究进展 | 第12-13页 |
1.2.2 遥感影像时空融合研究进展 | 第13-16页 |
1.3 研究思路和论文结构安排 | 第16-17页 |
1.3.1 研究目的 | 第16页 |
1.3.2 研究内容 | 第16-17页 |
1.4 研究方法和技术路线 | 第17-18页 |
1.5 论文结构安排 | 第18-20页 |
第2章 多源遥感影像缨帽变换分量数据时空融合方法 | 第20-35页 |
2.1. 缨帽变换分量数据集的建立与获取 | 第20-23页 |
2.1.1 基于LEDAPS算法建立Landsat TM地表反射率数据集 | 第20页 |
2.1.2 USGS MODIS地表反射率数据产品的获取及其特征 | 第20-22页 |
2.1.3 缨帽变换分量数据集的建立 | 第22-23页 |
2.2. 时空数据融合 | 第23-26页 |
2.2.1 基于传统图像融合法时空数据融合 | 第23-24页 |
2.2.2 基于混合像元分解的时空数据融合 | 第24-26页 |
2.3 适应性时空反射率融合模型STARFM | 第26-31页 |
2.3.1 邻近光谱相似像元 | 第27页 |
2.2.2 STARFM基本思想 | 第27-28页 |
2.3.3 权重函数 | 第28-29页 |
2.3.4 像元筛选 | 第29页 |
2.3.5. STARFM算法主要参数 | 第29-30页 |
2.3.6. 存在问题 | 第30-31页 |
2.5. 改进型STARFM | 第31-32页 |
2.6. GSTARFM算法的基本步骤 | 第32-33页 |
2.6.1 遥感影像预处理 | 第32-33页 |
2.6.2 缨帽变换 | 第33页 |
2.6.3 遥感影像融合 | 第33页 |
2.7. 融合影像质量评价 | 第33-35页 |
第3章 数据准备 | 第35-47页 |
3.1 研究区概况 | 第35-36页 |
3.2 数据来源 | 第36-40页 |
3.3 数据预处理 | 第40-47页 |
3.3.1. Landsat影像大气校正 | 第40-41页 |
3.3.2. 土地利用/土地覆盖分类 | 第41-42页 |
3.3.3. 影像几何配准与投影转换 | 第42-44页 |
3.3.4. MOD09A1 Band5缺失条带插补 | 第44-47页 |
第4章 结果分析 | 第47-75页 |
4.1. 条带缺失数据的插补 | 第47-49页 |
4.2. 基于STARFM缨帽变换分量结果分析 | 第49-53页 |
4.2.1 亮度分量融合质量 | 第49-50页 |
4.2.2 绿度植被指数融合质量 | 第50-52页 |
4.2.3 湿度分量融合质量 | 第52-53页 |
4.3. STARFM原算法参数敏感性分析 | 第53-58页 |
4.3.1 移动窗口和分类数 | 第53-56页 |
4.3.2 距离权重常数 | 第56-57页 |
4.3.3 不确定性值 | 第57-58页 |
4.4 输入影像对STARFM结果的影响 | 第58-66页 |
4.2.1 输入影像获取时间对结果的影响 | 第59-64页 |
4.2.2 输入影像数量对结果的影响 | 第64-66页 |
4.5 改进型STARFM与原算法融合质量对比 | 第66-67页 |
4.6 典型区域高分辨率绿度植被指数时间序列数据生成 | 第67-68页 |
4.7 质量评价 | 第68-75页 |
4.7.1 融合数据总体质量评价 | 第68-72页 |
4.7.2 不同地物类别质量评价 | 第72-73页 |
4.7.3 GVI时序融合影像质量评价 | 第73-75页 |
第5章 结论与展望 | 第75-78页 |
5.1 讨论与结论 | 第75-77页 |
5.1.1 STARFM算法中参数调整对结果的影响 | 第75页 |
5.1.2 STARFM算法中输入影像的获取时间对结果的影响 | 第75-76页 |
5.1.3 STARFM算法中输入影像的数量对结果的影响 | 第76页 |
5.1.4 GSTARFM算法质量评价 | 第76-77页 |
5.2 展望 | 第77-78页 |
参考文献 | 第78-83页 |
在学期间研究成果 | 第83-84页 |
致谢 | 第84页 |