基于FY-3A MERSI资料的中国区域土地覆盖分类研究
摘要 | 第1-7页 |
Abstract | 第7-9页 |
第一章 绪论 | 第9-15页 |
·研究目的及意义 | 第9-10页 |
·国内外研究进展 | 第10-12页 |
·国外研究进展 | 第10-11页 |
·国内研究进展 | 第11-12页 |
·本文主要研究工作 | 第12-15页 |
·本文研究内容及论文组织 | 第12-13页 |
·本文的技术路线图 | 第13-15页 |
第二章 研究区及数据 | 第15-26页 |
·研究区分布 | 第15页 |
·研究区概况 | 第15-20页 |
·吉林省试验区 | 第15-16页 |
·江苏省试验区 | 第16页 |
·湖北省试验区 | 第16页 |
·青海省试验区 | 第16-17页 |
·广东省试验区 | 第17页 |
·整个中国研究区 | 第17-20页 |
·地理位置 | 第17页 |
·地形地貌 | 第17-19页 |
·气候 | 第19-20页 |
·植被分布情况 | 第20页 |
·遥感数据介绍 | 第20-25页 |
·风云三号气象卫星及MERSI资料介绍 | 第20-24页 |
·MERSI数据时相选择 | 第24-25页 |
·辅助数据 | 第25页 |
·本章小结 | 第25-26页 |
第三章 FY-3A MERSI资料预处理 | 第26-31页 |
·卫星观测值辐射定标 | 第26-28页 |
·可见光、近红外定标方法 | 第26-27页 |
·热红外定标方法 | 第27-28页 |
·大气校正 | 第28页 |
·几何校正 | 第28-29页 |
·地图投影及图像拼接、裁剪 | 第29-30页 |
·本章小结 | 第30-31页 |
第四章 分类方法的选择和比较 | 第31-50页 |
·分类方法及原理 | 第31-35页 |
·最大似然法 | 第31页 |
·BP神经网络法 | 第31-32页 |
·支持向量机法 | 第32-35页 |
·最优分类超平面 | 第32-34页 |
·核函数 | 第34-35页 |
·分类试验 | 第35-43页 |
·分类系统的确定 | 第35-36页 |
·样本选取 | 第36-37页 |
·分类特征选择及处理 | 第37-42页 |
·地表反射率及亮温 | 第37-39页 |
·植被指数 | 第39-42页 |
·分类方案 | 第42-43页 |
·分类试验结果及分析 | 第43-49页 |
·基于吉林省试验区的土地覆盖分类 | 第44-45页 |
·基于江苏省试验区的土地覆盖分类 | 第45-46页 |
·基于湖北省试验区的土地覆盖分类 | 第46页 |
·基于青海省试验区的土地覆盖分类 | 第46-47页 |
·基于广东省试验区的土地覆盖分类 | 第47-48页 |
·精度评价 | 第48-49页 |
·本章小结 | 第49-50页 |
第五章 基于支持向量机方法的中国区域土地覆盖分类 | 第50-60页 |
·分类实验 | 第50-52页 |
·分类结果与精度评价 | 第52-59页 |
·精度评价标准 | 第52-53页 |
·类型面积相关分析 | 第52页 |
·混淆矩阵分析 | 第52-53页 |
·地面采样点精度分析 | 第53页 |
·精度评价 | 第53-59页 |
·面积一致性分析 | 第54-55页 |
·空间混淆分析 | 第55-57页 |
·地面采样点精度分析 | 第57-59页 |
·本章小结 | 第59-60页 |
第六章 结论与展望 | 第60-62页 |
·主要结论 | 第60-61页 |
·创新点 | 第61页 |
·存在的问题及下一步工作 | 第61-62页 |
参考文献 | 第62-67页 |
致谢 | 第67-68页 |
作者简介 | 第68页 |