| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景和研究意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-20页 |
| 1.2.1 基于像元光谱特征的植被分类研究 | 第14-16页 |
| 1.2.2 基于像元空间特征的植被分类研究 | 第16页 |
| 1.2.3 基于像元时间变化特征的植被分类研究 | 第16-18页 |
| 1.2.4 经济型人工林识别常用方法 | 第18-20页 |
| 1.3 研究内容 | 第20-22页 |
| 1.3.1 基于多种数据源的桉树识别 | 第20-21页 |
| 1.3.2 桉树种植时间估算 | 第21-22页 |
| 1.3.3 韶关、河源、赣州三市过去15年桉树种植时空分布格局研究 | 第22页 |
| 1.4 技术路线 | 第22-24页 |
| 1.5 本章小结 | 第24-26页 |
| 第2章 实验区概况和数据处理 | 第26-48页 |
| 2.1 研究区概况 | 第26-27页 |
| 2.2 数据获取和处理 | 第27-46页 |
| 2.2.1 地面调查样本点 | 第27-28页 |
| 2.2.2 重构NDVI时间序列数据集 | 第28-40页 |
| 2.2.3 无人机影像 | 第40-42页 |
| 2.2.4 GF-1 验证数据 | 第42-44页 |
| 2.2.5 Google Earth Engine数据集 | 第44-46页 |
| 2.3 本章小结 | 第46-48页 |
| 第3章 桉树人工林遥感提取方法研究 | 第48-56页 |
| 3.1 桉树像元参考NDVI时间序列重构 | 第48-50页 |
| 3.2 NDVI时间序列的模拟修正 | 第50-51页 |
| 3.3 分类算法的训练和阈值的确定 | 第51-54页 |
| 3.3.1 无人机相片重采样 | 第51-52页 |
| 3.3.2 利用分类算法对NDVI时间序列进行运算 | 第52-54页 |
| 3.3.3 分类算法阈值确定 | 第54页 |
| 3.4 本章小结 | 第54-56页 |
| 第4章 桉树人工林不同提取算法比较研究 | 第56-74页 |
| 4.1 已有NDVI时间序列分类算法 | 第56-58页 |
| 4.1.1 分块差值算法 | 第57页 |
| 4.1.2 标准化欧式距离算法 | 第57页 |
| 4.1.3 BE算法 | 第57-58页 |
| 4.2 倒三角形面积分类算法 | 第58-61页 |
| 4.3 分类算法训练 | 第61-66页 |
| 4.4 分类算法精度验证 | 第66-71页 |
| 4.4.1 GF-1 数据精度验证 | 第66-68页 |
| 4.4.2 精度分析 | 第68-71页 |
| 4.5 本章小结 | 第71-74页 |
| 第5章 桉树人工林种植时间估算研究 | 第74-94页 |
| 5.1 桉树种植时间估算原理 | 第74-75页 |
| 5.2 桉树种植时间估算方法的验证和修正 | 第75-78页 |
| 5.3 桉树种植先验知识的充分利用 | 第78-79页 |
| 5.4 过去15年韶关、河源、赣州市历年桉树种植分布 | 第79-85页 |
| 5.5 大区域尺度经济型人工林识别研究 | 第85-91页 |
| 5.5.1 年度合成产品的使用 | 第85-89页 |
| 5.5.2 Google Earth Engine平台的应用 | 第89-91页 |
| 5.6 本章小结 | 第91-94页 |
| 第6章 结论和展望 | 第94-100页 |
| 6.1 本文主要结论 | 第94-95页 |
| 6.2 本文创新点 | 第95-96页 |
| 6.3 未来展望 | 第96-100页 |
| 参考文献 | 第100-116页 |
| 致谢 | 第116-120页 |
| 攻读学位期间参与的主要课题 | 第120-122页 |
| 攻读学位期间发表的论文 | 第122页 |
