多源遥感数据时空融合及其在农田监测领域的应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-23页 |
| 1.2.1 基于变换的模型 | 第17-18页 |
| 1.2.2 基于像元重构模型 | 第18-23页 |
| 1.3 研究内容 | 第23页 |
| 1.4 技术路线 | 第23-24页 |
| 1.5 本文组织与结构 | 第24-26页 |
| 第2章 研究区概况及数据 | 第26-34页 |
| 2.1 研究区概况 | 第26页 |
| 2.2 数据获取及预处理 | 第26-32页 |
| 2.2.1 MODIS数据 | 第27-28页 |
| 2.2.2 GF数据 | 第28-30页 |
| 2.2.3 Landsat数据 | 第30-31页 |
| 2.2.4 HJ数据 | 第31-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 多源遥感数据时空融合算法研究 | 第34-44页 |
| 3.1 时空融合原理和方法 | 第34-38页 |
| 3.1.1 时空自适应反射率融合模型 | 第34-36页 |
| 3.1.2 改进型时空自适应反射率融合模型 | 第36-38页 |
| 3.2 基于局部空间自相关指数的时空融合算法 | 第38-40页 |
| 3.2.1 基于局部Moran指数 | 第39-40页 |
| 3.2.2 基于局部Getis-Ord G指数 | 第40页 |
| 3.3 基于光谱归一化的时空融合算法 | 第40-43页 |
| 3.3.1 ESTARFM算法 | 第41-42页 |
| 3.3.2 STARFM改进算法 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 算法分析 | 第44-55页 |
| 4.1 数据准备 | 第44页 |
| 4.2 精度评价指标 | 第44-45页 |
| 4.3 多源遥感数据时空融合算法对比分析 | 第45-52页 |
| 4.3.1 空间结构分析 | 第45-49页 |
| 4.3.2 精度分析 | 第49-52页 |
| 4.4 算法参数设置分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 融合数据在精准农业领域应用研究 | 第55-63页 |
| 5.1 农作物分类 | 第55-58页 |
| 5.1.1 技术路线 | 第56页 |
| 5.1.2 实验与结果分析 | 第56-58页 |
| 5.2 农田积雪融化监测 | 第58-62页 |
| 5.2.1 技术路线 | 第60页 |
| 5.2.2 实验与结果分析 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-66页 |
| 6.1 主要结论 | 第63-64页 |
| 6.2 创新点讨论 | 第64-65页 |
| 6.3 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 硕士期间参与项目 | 第71-72页 |
| 硕士期间发表文章 | 第72-73页 |
| 硕士期间参加学术交流 | 第73-74页 |
| 致谢 | 第74-75页 |
