摘要 | 第6-8页 |
1 引言 | 第8-14页 |
1.1 研究背景和意义 | 第8-9页 |
1.1.1 研究背景 | 第8-9页 |
1.1.2 研究意义 | 第9页 |
1.2 国内外进展 | 第9-12页 |
1.2.1 国外研究进展 | 第9-10页 |
1.2.2 国内研究进展 | 第10-12页 |
1.3 研究内容 | 第12页 |
1.4 技术路线图 | 第12-14页 |
2 研究区概括 | 第14-16页 |
2.1 山阴县、应县概况 | 第14-15页 |
2.1.1 山阴县 | 第14页 |
2.1.2 应县 | 第14-15页 |
2.2 研究区盐渍土概况 | 第15-16页 |
3 数据源及处理 | 第16-25页 |
3.1 数据源 | 第16-18页 |
3.1.1 野外采样及数据测定 | 第16-17页 |
3.1.2 Landsat 8 OLI_TIRS遥感影像数据 | 第17-18页 |
3.1.3 辅助数据 | 第18页 |
3.2 LandSat8影像预处理 | 第18-20页 |
3.2.1 LandSat8遥感影像辐射校正 | 第18-20页 |
3.2.1.1 辐射定标 | 第18页 |
3.2.1.2 大气校正 | 第18-20页 |
3.2.2 LandSat8遥感影像几何校正 | 第20页 |
3.3 采样点地表反射率 | 第20-21页 |
3.3.1 采样点地表反射率的提取 | 第20-21页 |
3.3.2 光谱数据的处理 | 第21页 |
3.4 监督分类提取耕地 | 第21-25页 |
4 山阴、应县土壤含盐量的反演 | 第25-35页 |
4.1 盐碱土含盐量对土壤反射光谱特征的影响 | 第25页 |
4.2 盐碱土含盐量与土壤反射率的单相关性分析 | 第25-27页 |
4.2.1 盐碱土含盐量与波段反射率的相关性分析 | 第25-26页 |
4.2.2 盐碱土含盐量与波段反射率变换形式的相关性分析 | 第26-27页 |
4.3 回归模型的构建和确立 | 第27-30页 |
4.3.1 多元回归模型 | 第27-28页 |
4.3.2 模型的构建与应用 | 第28页 |
4.3.3 检验精度 | 第28-30页 |
4.4 基于地统计学的土壤含盐量的预测 | 第30-35页 |
4.4.1 地统计学概述 | 第30页 |
4.4.2 半变异函数和克里格插值 | 第30-31页 |
4.4.3 应县和山阴土壤含盐量的预测 | 第31-35页 |
5 BP神经网络模型 | 第35-42页 |
5.1 BP神经网络模型简介 | 第35-36页 |
5.2 BP神经网络的建立 | 第36-42页 |
5.2.1 隐含层节点数的确定 | 第36页 |
5.2.2 土壤含盐量预测BP神经网络模型的实现 | 第36-38页 |
5.2.3 模型精度的验证 | 第38-40页 |
5.2.4 三种模型精度对比 | 第40-42页 |
6 山阴县、应县盐渍土含盐量等级分布图 | 第42-45页 |
6.1 盐渍土等级分类标准 | 第42页 |
6.2 应县、山阴耕地含盐量等级分布图 | 第42-45页 |
7 结论与展望 | 第45-47页 |
7.1 结论 | 第45页 |
7.2 不足与展望 | 第45-47页 |
参考文献 | 第47-50页 |
Abstract | 第50-51页 |
致谢 | 第52页 |