首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

基于地面高光谱植被指数地表微斑块阈值分类

摘要第3-4页
abstract第4页
1 引言第9-16页
    1.1 选题背景第9-10页
    1.2 高光谱遥感技术原理及其意义第10页
    1.3 植被高光谱参数应用方向第10-11页
        1.3.1 单波段反射率第10页
        1.3.2 特征光谱位置变量第10页
        1.3.3 植被光谱植被指数第10-11页
    1.4 国内外研究现状第11-14页
        1.4.1 国内研究现状第11-12页
        1.4.2 国外研究现状第12-13页
        1.4.3 高光谱遥感在技术在草地上的研究进展第13-14页
        1.4.4 存在的问题第14页
    1.5 研究目的及意义第14-15页
    1.6 创新点第15页
    1.7 技术路线第15-16页
2 地面数据采集第16-19页
    2.1 实验仪器第16页
        2.1.1 高光谱成像仪第16页
        2.1.2 地面高光谱数据采集系统第16页
    2.2 实验区选择第16-17页
    2.3 实验设计第17-19页
        2.3.1 样方的放置第17页
        2.3.2 数据的采集第17-19页
3 地面高光谱数据分析第19-22页
    3.1 数据的预处理第19页
    3.2 数据的处理方法第19-20页
        3.2.1 比值植被指数(RVI)第19-20页
        3.2.2 归一化植被指数(NDVI)第20页
        3.2.3 土壤调节植被指数(SAVI)第20页
    3.3 数据的最佳波段组合第20页
    3.4 波段运算第20-22页
4 基于比值植被指数(RVI)阈值法对地表微斑块分类第22-27页
    4.1 比值植被指数简介第22页
    4.2 比值植被指数研究进展第22页
    4.3 比值植被指数运算第22-23页
    4.4 比值植被指数阈值统计与分析第23-24页
    4.5 植被、裸土、鼠洞阈值区间及最佳像元可分性阈值第24-25页
        4.5.1 目视解译方法简介第24页
        4.5.2 植被、裸土、鼠洞阈值区间及最佳像元可分性阈值的确定第24-25页
    4.6 基于Kappa系数可分性阈值的验证第25-26页
        4.6.1 Kappa系数的验证第25-26页
    4.7 结果分析第26-27页
5 基于归一化植被指数(NDVI)阈值法对地表微斑块分类第27-31页
    5.1 归一化植被指数简介第27页
    5.2 归一化植被指数研究进展第27页
    5.3 归一化植被指数运算第27-28页
    5.4 归一化植被指数阈值的统计与分析第28-29页
    5.5 植被、裸土、鼠洞阈值区间及最佳像元可分性阈值第29-30页
        5.5.1 植被、裸土、鼠洞阈值区间及最佳像元可分性阈值的确定第29-30页
    5.6 基于Kappa系数可分性阈值的验证第30页
    5.7 结果分析第30-31页
6 基于土壤调整植被指数(SAVI)阈值法对地表微斑块分类第31-35页
    6.1 土壤调整植被指数简介第31页
    6.2 土壤调整植被指数研究进展第31页
    6.3 土壤调整植被指数运算第31-32页
    6.4 土壤调整植被指数阈值统计与分析第32-33页
    6.5 植被、裸土、鼠洞阈值区间及最佳像元可分性阈值第33页
    6.6 基于Kappa系数可分性阈值的验证第33-34页
    6.7 结果分析第34-35页
7 结论与建议第35-36页
    7.1 结论第35页
    7.2 建议第35-36页
致谢第36-37页
参考文献第37-41页
作者简介第41页

论文共41页,点击 下载论文
上一篇:印度尼西亚幼儿汉语教学探析--以泗水小太阳三语国民学校为例
下一篇:行政事业单位国有资产管理问题和对策研究--以莱西市为例