| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 1 前言 | 第12-21页 |
| ·研究意义及国内外研究现状 | 第12-17页 |
| ·研究意义 | 第12-13页 |
| ·竹资源的遥感研究现状 | 第13-14页 |
| ·高光谱遥感的研究现状 | 第14-16页 |
| ·专题信息提取反演的基础 | 第16-17页 |
| ·存在的问题 | 第17页 |
| ·研究区域概况 | 第17-19页 |
| ·研究目标、内容与技术路线 | 第19-21页 |
| ·研究目标 | 第19页 |
| ·研究内容 | 第19页 |
| ·研究方法 | 第19-20页 |
| ·技术路线 | 第20-21页 |
| 2 资料收集及图像预处理 | 第21-32页 |
| ·研究数据 | 第21页 |
| ·非遥感数据资料 | 第21页 |
| ·Hyperion 高光谱遥感影像 | 第21页 |
| ·TM 遥感影像 | 第21页 |
| ·分类系统的确定 | 第21页 |
| ·高光谱遥感影像预处理 | 第21-30页 |
| ·未定标和受水汽影响波段的去除 | 第22-24页 |
| ·坏线修复 | 第24页 |
| ·像元值到绝对辐射值的转换 | 第24-25页 |
| ·垂直条纹去除 | 第25-26页 |
| ·大气校正 | 第26-30页 |
| ·几何校正 | 第30页 |
| ·TM 影像的预处理 | 第30页 |
| ·林地信息提取 | 第30-32页 |
| 3 基于毛竹信息提取的高光谱数据降维 | 第32-49页 |
| ·高光谱遥感数据分析 | 第32-35页 |
| ·图像的标准差 | 第32-33页 |
| ·相关性 | 第33-34页 |
| ·光谱特性 | 第34-35页 |
| ·基于信息量的最佳波段选择 | 第35-39页 |
| ·波段指数法 | 第35-37页 |
| ·自适应波段选择（ABS） | 第37-39页 |
| ·基于类间可分性的最佳波段选择 | 第39-45页 |
| ·均值间的标准距离 | 第40-43页 |
| ·光谱混合距离和OIF 指数 | 第43-45页 |
| ·主成分分析（PCA） | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 4 高光谱遥感影像的分类及识别毛竹的最佳高光谱特征的确定 | 第49-61页 |
| ·分类方法介绍 | 第49-50页 |
| ·基于特征空间的信息提取 | 第50-59页 |
| ·基于波段指数法的信息提取 | 第50-51页 |
| ·基于自适应波段选择法的信息提取 | 第51-52页 |
| ·基于均值标准距离法的信息提取 | 第52-53页 |
| ·基于OIF 指数法的信息提取 | 第53-54页 |
| ·基于主成分分析法的信息提取 | 第54-55页 |
| ·分类结果精度评价 | 第55-59页 |
| ·识别毛竹的最佳高光谱特征的确定 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 高光谱特征指数模型的构建研究 | 第61-81页 |
| ·多光谱数据上的毛竹光谱特性分析 | 第61-66页 |
| ·植被指数特征分析 | 第61-63页 |
| ·地形因子特征分析 | 第63-66页 |
| ·高光谱特征指数模型的构建 | 第66-75页 |
| ·自变量设置与提取 | 第66-67页 |
| ·因变量提取 | 第67页 |
| ·自变量的筛选 | 第67-71页 |
| ·因变量的Box-Cox 变换 | 第71-74页 |
| ·指数模型的建立 | 第74页 |
| ·指数模型评价 | 第74-75页 |
| ·基于高光谱特征指数模型的毛竹信息提取 | 第75-79页 |
| ·高光谱信息的遥感反演 | 第75-77页 |
| ·毛竹信息提取结果 | 第77-78页 |
| ·结果分析 | 第78-79页 |
| ·本章小结 | 第79-81页 |
| 6 结论与研究展望 | 第81-84页 |
| ·主要结论 | 第81-82页 |
| ·创新点 | 第82页 |
| ·研究展望 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 附录 | 第89-92页 |
| 致谢 | 第92页 |