| 摘要 | 第2-4页 |
| Abstract | 第4-6页 |
| 第一章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 选题意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 盐渍化遥感研究进展 | 第12-14页 |
| 1.2.2 高分辨率的融合时间序列的进展 | 第14-16页 |
| 1.2.3 物候的研究进展 | 第16-18页 |
| 1.2.4 研究现状分析 | 第18-20页 |
| 1.3 研究思路与内容 | 第20-23页 |
| 1.3.1 研究思路 | 第20页 |
| 1.3.2 研究内容 | 第20-22页 |
| 1.3.3 技术路线图 | 第22-23页 |
| 1.4 本章小结 | 第23-24页 |
| 第二章 研究区概况与数据源介绍 | 第24-36页 |
| 2.1 研究区概况 | 第24-26页 |
| 2.1.1 地形地貌特征 | 第24-25页 |
| 2.1.2 气候水文特征 | 第25页 |
| 2.1.3 土壤特征 | 第25-26页 |
| 2.1.4 植被特征 | 第26页 |
| 2.2 实测数据资料 | 第26-28页 |
| 2.3 遥感影像数据资料与预处理 | 第28-35页 |
| 2.3.1 Landsat 8 OLI数据获取与预处理 | 第28-31页 |
| 2.3.2 MODIS遥感影像获取与处理 | 第31-34页 |
| 2.3.3 Landsat与MODIS配准 | 第34页 |
| 2.3.4 Landsat与MODIS影像批量裁剪与重采样 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 时序融合-StarFM | 第36-45页 |
| 3.1 StarFM算法原理 | 第36-38页 |
| 3.2 数据选择与方法实施策略 | 第38-41页 |
| 3.2.1 时间序列数据集提取 | 第38-39页 |
| 3.2.2 配对策略 | 第39-40页 |
| 3.2.3 数据代替策略 | 第40-41页 |
| 3.3 算法实现环境配置及算法输入参数设置 | 第41页 |
| 3.4 实验结果及分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 时序融合与物候提取 | 第45-59页 |
| 4.1 物候参数介绍 | 第45-47页 |
| 4.2 物候参数提取方法 | 第47-55页 |
| 4.2.1 输入文件的准备及处理 | 第47-49页 |
| 4.2.2 滤波方式选择 | 第49-51页 |
| 4.2.3 分类文件及质量控制文件的使用 | 第51-53页 |
| 4.2.4 并行方式提取 30m空间分辨率数据的物候参数 | 第53-55页 |
| 4.3 NDVI序列重构实验结果及分析 | 第55-58页 |
| 4.3.1 物候指标提取结果 | 第55-57页 |
| 4.3.2 年际间物候指标对比 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于StarFM融合影像提取的物候参数与土壤盐分的统计学分析 | 第59-74页 |
| 5.1 采样数据的描述性统计分析 | 第59-65页 |
| 5.2 电导率数据与物候参数的相关性分析 | 第65-68页 |
| 5.3 电导率数据与物候参数的回归性分析 | 第68-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 结论与展望 | 第74-77页 |
| 6.1 在干旱区环境下物候参数与盐渍化的关系 | 第74页 |
| 6.2 物候特性用于预测盐渍化的潜力 | 第74-75页 |
| 6.3 使用StarFM算法提升物候参数结果的空间分辨率 | 第75-76页 |
| 6.4 不足与展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 在读期间参与导师项目及发表论文情况 | 第82-83页 |
| 致谢 | 第83-84页 |
