| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 选题意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 土壤盐渍化遥感监测研究进展 | 第10页 |
| 1.2.2 模糊算法在遥感影像分类方面的研究进展 | 第10-11页 |
| 1.2.3 模糊算法在土壤科学中的研究进展 | 第11-12页 |
| 1.3 研究内容、方法以及技术路线 | 第12-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 第二章 研究区概况与数据源 | 第14-27页 |
| 2.1 研究区概述 | 第14-20页 |
| 2.1.1 自然地理环境 | 第14页 |
| 2.1.2 地形地貌特征 | 第14-15页 |
| 2.1.3 气候特征 | 第15页 |
| 2.1.4 水文特征 | 第15-16页 |
| 2.1.5 土壤与植被特征 | 第16-17页 |
| 2.1.6 社会经济条件 | 第17-18页 |
| 2.1.7 土地利用状况 | 第18页 |
| 2.1.8 研究区土壤盐渍化现状 | 第18-20页 |
| 2.2 野外考察 | 第20-21页 |
| 2.2.1 野外考察的主要内容 | 第20页 |
| 2.2.2 野外考察获取资料 | 第20-21页 |
| 2.3 遥感影像数据 | 第21-22页 |
| 2.4 遥感影像预处理 | 第22-24页 |
| 2.4.1 辐射校正 | 第22-23页 |
| 2.4.2 几何校正 | 第23页 |
| 2.4.3 图像融合 | 第23-24页 |
| 2.5 特征选择 | 第24-27页 |
| 2.5.1 最佳波段组合选取 | 第24-25页 |
| 2.5.2 独立成分分析 | 第25-27页 |
| 第三章 模糊算法理论基础 | 第27-34页 |
| 3.1 模糊理论的产生与发展 | 第27页 |
| 3.2 模糊集合和隶属度函数 | 第27-32页 |
| 3.2.1 模糊集合 | 第27-28页 |
| 3.2.2 隶属度函数 | 第28-32页 |
| 3.3 模糊关系及其运算 | 第32-34页 |
| 3.3.1 模糊关系 | 第32页 |
| 3.3.2 模糊关系运算 | 第32页 |
| 3.3.3 模糊关系的合成 | 第32-34页 |
| 第四章 模糊算法在土壤盐渍化数据挖掘中的应用 | 第34-45页 |
| 4.1 土壤盐渍化影响因子 | 第34-37页 |
| 4.1.1 地下水埋深和地下水矿化度 | 第34-35页 |
| 4.1.2 高程和坡度分析 | 第35页 |
| 4.1.3 归一化植被指数 | 第35-36页 |
| 4.1.4 盐分指数 | 第36-37页 |
| 4.2 模糊神经网络在土壤盐渍化灾害预测中的应用 | 第37-45页 |
| 4.2.1 神经网络基本知识 | 第38页 |
| 4.2.2 模糊神经网络模型 | 第38-41页 |
| 4.2.3 模糊神经网络的土壤盐渍化灾害预测模型的建立 | 第41-43页 |
| 4.2.4 土壤盐渍化危险度评价 | 第43-45页 |
| 第五章 基于模糊算法的土壤盐渍化遥感影像分类 | 第45-58页 |
| 5.1 基于模糊C-均值聚类算法的土壤盐渍化信息提取 | 第45-50页 |
| 5.1.1 模糊C-均值聚类算法 | 第45-46页 |
| 5.1.2 实验数据的准备 | 第46-49页 |
| 5.1.3 精度评价 | 第49-50页 |
| 5.2 基于面向对象的土壤盐渍化模糊分类方法 | 第50-58页 |
| 5.2.1 遥感影像多尺度分割 | 第50-53页 |
| 5.2.2 构建面向对象的模糊分类 | 第53-56页 |
| 5.2.3 分类结果与精度评价 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 不足与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 硕士期间参与科研项目与发表论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |