| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究综述 | 第11-17页 |
| 1.2.1 遥感手段在农业种植结构中的应用研究进展 | 第11-14页 |
| 1.2.2 异源多时相数据融合研究 | 第14-15页 |
| 1.2.3 时序数据平滑去噪研究 | 第15-16页 |
| 1.2.4 光谱相似性理论及其应用 | 第16-17页 |
| 1.2.5 研究评述 | 第17页 |
| 1.3 研究内容和技术路线 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18-20页 |
| 第2章 研究区概况与数据处理 | 第20-26页 |
| 2.1 研究区概况 | 第20-21页 |
| 2.2 遥感数据来源与预处理 | 第21-23页 |
| 2.2.1 LandsatTM/OLI遥感数据获取及预处理 | 第21页 |
| 2.2.2 MODIS-NDVI时序数据获取及预处理 | 第21-23页 |
| 2.3 非遥感辅助数据获取及预处理 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 结合IDL的STARFM模型多源遥感数据融合 | 第26-32页 |
| 3.1 自适应时空数据融合模型(STARFM)算法 | 第26-27页 |
| 3.2 结合交互式数据语言(IDL)的STARFM算法实现 | 第27-28页 |
| 3.3 STARFM时空数据融合模型融合结果分析 | 第28-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 “双高”NDVI时序数据重建及典型作物时序曲线数据集构建 | 第32-38页 |
| 4.1 AGFF时序数据拟合方法 | 第32-33页 |
| 4.2 时序数据重建结果及分析 | 第33-35页 |
| 4.3 结合农田站点数据的典型作物NDVI时序数据集构建 | 第35页 |
| 4.4 本章小结 | 第35-38页 |
| 第5章 基于光谱相似理论的作物种植区提取 | 第38-48页 |
| 5.1 光谱相似度量指标选择 | 第38页 |
| 5.2 基于光谱相似理论的湟水流域主要农作物提取 | 第38-41页 |
| 5.3 种植结构提取精度分析 | 第41-43页 |
| 5.4 研究区长时间序列种植结构演变分析 | 第43-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-52页 |
| 6.1 主要研究结论 | 第48-49页 |
| 6.2 研究不足与展望 | 第49-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-60页 |
| 发表论文及参加课题一览表 | 第60-62页 |
| 附录Ⅰ结合交互式数据语言(IDL)的自适应时空数据融合模型(STARFM)实现 | 第62-71页 |
