| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究动态 | 第11-14页 |
| 1.2.1 基于光学数据的作物分类研究进展 | 第11-13页 |
| 1.2.2 基于雷达数据的作物分类研究进展 | 第13-14页 |
| 1.2.3 结合雷达和光学数据的作物分类研究进展 | 第14页 |
| 1.2.4 存在问题 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 研究思路 | 第15-17页 |
| 2 理论基础与相关概念界定 | 第17-25页 |
| 2.1 SAR遥感的基本原理 | 第17-20页 |
| 2.1.1 SAR遥感的辐射特性 | 第17-18页 |
| 2.1.2 SAR基本参数 | 第18-20页 |
| 2.2 最大似然分类法理论基础 | 第20-22页 |
| 2.2.1 最大似然分类法原理 | 第20-21页 |
| 2.2.2 混淆矩阵理论基础 | 第21-22页 |
| 2.3 遥感数据融合理论 | 第22-24页 |
| 2.3.1 融合理论概述 | 第22页 |
| 2.3.2 遥感数据融合层次 | 第22-24页 |
| 2.4 多源数据定义 | 第24-25页 |
| 3 研究区概况与研究数据 | 第25-34页 |
| 3.1 研究区概况 | 第25-26页 |
| 3.2 Sentinel-1A数据 | 第26-30页 |
| 3.2.1 Sentinel-1A数据介绍 | 第26-28页 |
| 3.2.2 Sentinel-1A数据处理 | 第28-30页 |
| 3.3 光学数据 | 第30-33页 |
| 3.3.1 光学数据介绍 | 第30-32页 |
| 3.3.2 光学数据处理 | 第32-33页 |
| 3.4 地面数据 | 第33-34页 |
| 4 基于SAR与光学数据波段组合的作物遥感分类 | 第34-43页 |
| 4.1 作物后向散射特征分析 | 第34-35页 |
| 4.2 耕地范围的提取 | 第35-36页 |
| 4.3 影像最佳时相选择 | 第36页 |
| 4.4 基于Sentinel-1A与光学数据集的作物分类 | 第36-40页 |
| 4.4.1 训练样本的选择 | 第36-38页 |
| 4.4.2 基于单时相光学数据的作物分类 | 第38-39页 |
| 4.4.3 基于多时相SAR数据的作物分类 | 第39页 |
| 4.4.4 基于多时相SAR与单时相光学数据的作物分类 | 第39-40页 |
| 4.5 分类精度对比分析与评价 | 第40-43页 |
| 5 基于SAR与光学数据融合的作物遥感分类 | 第43-51页 |
| 5.1 融合方法介绍 | 第43-45页 |
| 5.1.1 PCA变换法 | 第43页 |
| 5.1.2 HIS变换法 | 第43页 |
| 5.1.3 Brovey变换法 | 第43-44页 |
| 5.1.4 Gram-Schmidt变换融合法 | 第44页 |
| 5.1.5 NNDiffuse融合方法 | 第44-45页 |
| 5.2 Sentinel-1A数据与光学数据融合 | 第45-48页 |
| 5.2.1 PCA融合处理 | 第46-47页 |
| 5.2.2 Gram-Schmidt变换融合处理 | 第47-48页 |
| 5.2.3 NNDiffuse融合处理 | 第48页 |
| 5.3 基于Sentinel-1A与光学数据融合的作物分类 | 第48-51页 |
| 5.3.1 最大似然分类法建立 | 第48-49页 |
| 5.3.2 分类结果精度评价 | 第49-51页 |
| 6 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51页 |
| 6.2 特色与创新点 | 第51-52页 |
| 6.3 不足与展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
