基于GEE的近10年来云南省耕地变化遥感监测研究
摘要 | 第3-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-22页 |
1.1 研究背景和意义 | 第10-12页 |
1.1.1 选题背景 | 第10-12页 |
1.1.2 研究意义 | 第12页 |
1.2 国内外研究现状 | 第12-18页 |
1.2.1 遥感时间序列重构研究综述 | 第12-13页 |
1.2.2 耕地信息提取研究综述 | 第13-16页 |
1.2.3 遥感变化监测研究综述 | 第16-18页 |
1.2.4 国内外研究进展评述 | 第18页 |
1.3 研究内容与技术路线 | 第18-21页 |
1.3.1 研究内容 | 第18-19页 |
1.3.2 技术路线 | 第19-21页 |
1.4 论文组织结构 | 第21-22页 |
第2章 研究区与数据集 | 第22-32页 |
2.1 研究区概况 | 第22-23页 |
2.1.1 地理区位与环境 | 第22-23页 |
2.1.2 主要农作物情况 | 第23页 |
2.2 GEE平台概述 | 第23-25页 |
2.3 遥感影像获取与预处理 | 第25-30页 |
2.3.1 遥感数据 | 第25-28页 |
2.3.2 影像预处理 | 第28-30页 |
2.4 基于半自动化的样本采集 | 第30-32页 |
第3章 三元植被指数的时间序列重构 | 第32-43页 |
3.1 植被指数选择与时序构建 | 第32-34页 |
3.1.1 植被指数选择与计算 | 第32-33页 |
3.1.2 三元时间序列构建 | 第33-34页 |
3.2 时间序列融合 | 第34-38页 |
3.2.1 时间序列融合技术 | 第34-36页 |
3.2.2 时间序列融合结果 | 第36-38页 |
3.3 时间序列重构 | 第38-43页 |
3.3.1 时间序列重构技术 | 第38-40页 |
3.3.2 时间序列重构结果 | 第40-43页 |
第4章 基于随机森林算法的耕地信息提取 | 第43-66页 |
4.1 特征计算与选择 | 第43-51页 |
4.1.1 纹理特征 | 第43-45页 |
4.1.2 地形特征 | 第45-46页 |
4.1.3 缨帽变换特征 | 第46-47页 |
4.1.4 光谱特征 | 第47-48页 |
4.1.5 特征选择 | 第48-51页 |
4.2 遥感影像分类 | 第51-57页 |
4.2.1 K均值聚类 | 第51-52页 |
4.2.2 支持向量机分类 | 第52-54页 |
4.2.3 随机森林分类 | 第54-55页 |
4.2.4 三种分类方法的结果对比 | 第55-57页 |
4.3 耕地提取结果与评价 | 第57-61页 |
4.3.1 耕地提取结果 | 第57-59页 |
4.3.2 精度评价 | 第59-60页 |
4.3.3 不同分类特征对精度的影响 | 第60-61页 |
4.4 云南省近10年来耕地空间特征分析 | 第61-66页 |
4.4.1 整体分布 | 第61-62页 |
4.4.2 州市分布 | 第62-64页 |
4.4.3 县级分布 | 第64-66页 |
第5章 基于纹理特征的混合动态监测 | 第66-75页 |
5.1 分类后比较法 | 第66页 |
5.2 影像比值法 | 第66-68页 |
5.2.1 影像比值处理 | 第66-67页 |
5.2.2 阈值设置 | 第67-68页 |
5.3 耕地变化信息提取 | 第68-72页 |
5.4 近10年来云南省耕地变化特征分析 | 第72-75页 |
5.4.1 耕地面积时序变化 | 第72-73页 |
5.4.2 耕地面积空间变化 | 第73-75页 |
第6章 基于云平台的云南省耕地数据可视化开发 | 第75-81页 |
6.1 平台描述 | 第75-76页 |
6.1.1 云平台优势 | 第75页 |
6.1.2 开发环境与技术 | 第75-76页 |
6.2 需求分析 | 第76-77页 |
6.3 基于GEE可视化设计 | 第77-78页 |
6.3.1 总体架构 | 第77-78页 |
6.3.2 详细设计 | 第78页 |
6.4 基于GAE项目部署 | 第78-79页 |
6.5 结果展示 | 第79-81页 |
第7章 结论与展望 | 第81-83页 |
7.1 研究结论 | 第81-82页 |
7.2 研究展望 | 第82-83页 |
参考文献 | 第83-87页 |
附录 | 第87-94页 |
攻读硕士期间发表的论文和科研成果 | 第94-95页 |
致谢 | 第95页 |