首页--生物科学论文--植物学论文--植物学研究和植物学实验论文

基于高分辨率卫星影像的城市植被信息提取与分析研究

摘要第1-5页
Abstrast第5-7页
目录第7-9页
第一章 绪论第9-17页
 1.1 研究现状第9-13页
  1.1.1 城市植被的遥感调查现状第9-10页
  1.1.2 城市植被的遥感分类算法研究现状第10-11页
  1.1.3 城市植被生态效应评价的发展第11-13页
 1.2 研究目的与研究内容第13-14页
 1.3 研究方法与技术路线第14-15页
  1.3.1 “3S”技术第14页
  1.3.2 地面调查第14页
  1.3.3 神经网络分析第14页
  1.3.4 景观生态分析第14页
  1.3.5 研究技术路线第14-15页
 1.4 研究数据与研究区概况第15-17页
  1.4.1 研究数据第15-16页
  1.4.2 研究区概况第16-17页
第二章 IKONOS影像的预处理第17-25页
 2.1 几何校正第17-18页
 2.2 辐射校正第18-23页
  2.2.1 建筑物阴影校正第19-22页
  2.2.2 山体阴影校正第22-23页
 2.3 本章小结第23-25页
第三章 城市植被信息遥感提取与分析第25-44页
 3.1 KPCA算法与SAM算法第25-30页
  3.1.1 核函数方法概述第25-26页
  3.1.2 Mercer核函数第26页
  3.1.3 核主成分分析(KPCA)方法第26-28页
  3.1.4 光谱角度制图(SAM)分类方法第28-30页
 3.2 基于KPCA的SAM城市植被分类模型构建第30-36页
  3.2.1 模型构建及具体分类步骤第30-31页
  3.2.2 核函数、核函数参数与训练样本数选择分析第31-36页
 3.3 城市植被覆盖遥感分类第36-41页
  3.3.1 植被覆盖分类体系第36页
  3.3.2 玄武区植被覆盖分类第36-38页
  3.3.3 分类精度评价第38-40页
  3.3.4 分类结果分析与探讨第40-41页
 3.4 园林绿地类型划分第41-42页
  3.4.1 园林绿地分类体系第41页
  3.4.2 玄武区园林绿地分类第41-42页
 3.5 本章小结第42-44页
第四章 城市绿量信息遥感提取与分析第44-67页
 4.1 研究方法第44-55页
  4.1.1 抽样与样本点绿量计算第44-46页
  4.1.2 自变量的选择第46-51页
  4.1.3 自变量与绿量间的相关性分析第51-55页
 4.2 绿量逐步回归估算模型的建立第55-57页
  4.2.1 多元回归与逐步回归分析方法第55-56页
  4.2.2 拟合优度与回归方程的显著性检验第56页
  4.2.3 玄武区绿量逐步回归估算模型的建立第56-57页
 4.3 绿量神经网络估算模型的建立第57-64页
  4.3.1 人工神经网络原理第57-60页
  4.3.2 B-P神经网络第60-61页
  4.3.3 玄武区绿量神经网络估算模型的建立第61-64页
 4.4 绿量遥感估算结果与分析第64-66页
  4.4.1 绿量遥感估算结果第64页
  4.4.2 方法对比分析第64-65页
  4.4.3 绿量遥感估算精度讨论第65-66页
 4.5 本章小结第66-67页
第五章 玄武区植被生态评价与景观分析第67-75页
 5.1 玄武区绿地生态评价第67-69页
  5.1.1 绿地生态评价主要指标第67-68页
  5.1.2 玄武区绿地生态评价第68-69页
  5.1.3 结果和建议第69页
 5.2 玄武区植被景观分析第69-74页
  5.2.1 景观生态学与城市植被景观第69-70页
  5.2.2 玄武区植被景观分析第70-74页
  5.2.3 结果和建议第74页
 5.3 本章小结第74-75页
第六章 结论与展望第75-77页
 6.1 结论第75-76页
 6.2 展望第76-77页
参考文献第77-81页
附图第81-85页
附表第85-87页
致谢第87页

论文共87页,点击 下载论文
上一篇:多频激励下一类强非线性振动系统的分岔
下一篇:发酵剂对中式干发酵香肠质量的影响