| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1. 选题的背景及意义 | 第11页 |
| 1.2. 国内外发展现状 | 第11-21页 |
| 1.2.1. 作物提取使用的特征 | 第11-14页 |
| 1.2.2. 作物分类尺度 | 第14-15页 |
| 1.2.3. 遥感分类方法研究进展 | 第15-18页 |
| 1.2.4. 分类精度评价方法 | 第18-19页 |
| 1.2.5. 大面积农作物遥感分类工作现状 | 第19-20页 |
| 1.2.6. 目前作物分类工作中存在的问题 | 第20-21页 |
| 1.3. 主要研究内容 | 第21-23页 |
| 1.3.1. 基于多源数据构建 30m时间序列数据 | 第21页 |
| 1.3.2. 基于短时序数据提前提取作物的可行性分析 | 第21页 |
| 1.3.3. 融合多分类器结果的分类方法 | 第21页 |
| 1.3.4. 基于参考时间序列数据的作物提取 | 第21-23页 |
| 第2章 研究区和数据 | 第23-37页 |
| 2.1. 新疆研究区 | 第23-32页 |
| 2.1.1. 研究区概况 | 第23-25页 |
| 2.1.2. 遥感数据 | 第25-29页 |
| 2.1.3. 地面数据 | 第29-32页 |
| 2.2. 堪萨斯研究区 | 第32-37页 |
| 2.2.1. 研究区概况 | 第32-33页 |
| 2.2.2. 遥感数据 | 第33-34页 |
| 2.2.3. 参考数据 | 第34-37页 |
| 第3章 基于多源数据提高数据时间分辨率 | 第37-47页 |
| 3.1. 技术路线和方法 | 第37-39页 |
| 3.1.1. Landsat–5 TM数据和HJ数据的相似度评估方法 | 第38页 |
| 3.1.2. 扩展的JM距离——J_(Bh) | 第38-39页 |
| 3.1.3. 最佳时相选择的方法 | 第39页 |
| 3.1.4. 支持向量机 | 第39页 |
| 3.2. Landsat–5 TM和HJ数据相似度评估 | 第39-40页 |
| 3.3. 作物的区分度和最佳时相 | 第40-43页 |
| 3.4. 训练样本数量对优选分类时相的影响 | 第43-44页 |
| 3.5. 分类精度评价 | 第44-46页 |
| 3.6. 小结 | 第46-47页 |
| 第4章 使用短时间序列提前获得分类结果的可行性 | 第47-77页 |
| 4.1. 基于 4~6 月影像提取喀什农作物 | 第47-50页 |
| 4.1.1. 技术路线和方法 | 第47-48页 |
| 4.1.2. 可分性分析 | 第48-49页 |
| 4.1.3. 分类精度评价 | 第49-50页 |
| 4.2. 堪萨斯主要农作物提前提取实验 | 第50-61页 |
| 4.2.1. 技术路线和方法 | 第51-52页 |
| 4.2.2. 特征重要性评估 | 第52-53页 |
| 4.2.3. 可分性评估 | 第53-56页 |
| 4.2.4. 分类精度评价 | 第56-59页 |
| 4.2.5. 讨论 | 第59-61页 |
| 4.3. 新疆博乐市农作物早期识别实验 | 第61-75页 |
| 4.3.1. 技术路线和方法 | 第61-62页 |
| 4.3.2. 可分性评估 | 第62-65页 |
| 4.3.3. 分类精度评价 | 第65-72页 |
| 4.3.4. 作物分布 | 第72-73页 |
| 4.3.5. 讨论 | 第73-75页 |
| 4.4. 小结 | 第75-77页 |
| 第5章 分类结果融合方法研究 | 第77-89页 |
| 5.1. 技术路线和方法 | 第78-82页 |
| 5.1.1. C5.0 算法 | 第78-79页 |
| 5.1.2. 分类不确定性 | 第79页 |
| 5.1.3. 图像分割 | 第79页 |
| 5.1.4. 分类器融合方法：M–Voting和P–Fusion | 第79-81页 |
| 5.1.5. 分类结果评价方法 | 第81-82页 |
| 5.2. 训练样本数量对分类精度影响 | 第82-83页 |
| 5.3. McNemar's测试结果 | 第83-86页 |
| 5.4. 讨论 | 第86-87页 |
| 5.5. 小结 | 第87-89页 |
| 第6章 使用历史参考数据提取作物的方法 | 第89-111页 |
| 6.1. 基于参考曲线提取作物 | 第89-102页 |
| 6.1.1. 技术路线和方法 | 第90-93页 |
| 6.1.2. 参考NDVI时间序列 | 第93-96页 |
| 6.1.3. 分类精度评价 | 第96-99页 |
| 6.1.4. 讨论 | 第99-102页 |
| 6.2. 基于参考曲线获得训练样本 | 第102-108页 |
| 6.2.1. 技术路线和方法 | 第102-104页 |
| 6.2.2. 验证2014年样本 | 第104-105页 |
| 6.2.3. 分类精度评价 | 第105-106页 |
| 6.2.4. 讨论 | 第106-108页 |
| 6.3. 小结 | 第108-111页 |
| 第7章 结论及创新点 | 第111-115页 |
| 7.1. 主要结论 | 第111-112页 |
| 7.2. 创新点 | 第112-113页 |
| 7.3. 展望 | 第113-115页 |
| 参考文献 | 第115-127页 |
| 致谢 | 第127-129页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第129-131页 |
