| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外发展现状 | 第13-14页 |
| 1.3 本文研究内容和研究目的 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 研究目的 | 第14-15页 |
| 1.4 研究思路和技术路线 | 第15-18页 |
| 1.4.1 研究思路 | 第15页 |
| 1.4.2 技术路线 | 第15-18页 |
| 2 研究区概况与研究基础 | 第18-36页 |
| 2.1 研究区概况 | 第18页 |
| 2.1.1 研究区自然条件 | 第18页 |
| 2.1.2 农业生产状况 | 第18页 |
| 2.2 ENVI软件介绍 | 第18-19页 |
| 2.3 遥感数据介绍 | 第19-21页 |
| 2.3.1 数据介绍 | 第19页 |
| 2.3.2 高分一号（GF-1）数据介绍 | 第19-20页 |
| 2.3.3 Landsat-8 数据介绍 | 第20-21页 |
| 2.4 遥感数据的获取 | 第21-25页 |
| 2.4.1 研究区高分一号数据的获取 | 第21-23页 |
| 2.4.2 研究区Landsat-8 数据的获取 | 第23-25页 |
| 2.5 遥感数据预处理 | 第25-28页 |
| 2.5.1 图像几何校正 | 第25-26页 |
| 2.5.2 辐射定标 | 第26-27页 |
| 2.5.3 大气校正 | 第27-28页 |
| 2.6 构建NDVI时间序列 | 第28-32页 |
| 2.7 监督分类方法 | 第32-34页 |
| 2.7.1 最大似然法 | 第33页 |
| 2.7.2 最小距离分类法 | 第33页 |
| 2.7.3 神经网络分类法 | 第33-34页 |
| 2.7.4 支持向量机分类法 | 第34页 |
| 2.7.5 马氏距离分类法 | 第34页 |
| 2.8 分类精度评价 | 第34-36页 |
| 2.8.1 混淆矩阵精度评价 | 第34-35页 |
| 2.8.2 解译面积与统计面积比较验证精度 | 第35-36页 |
| 3 基于单时相遥感影像的大蒜面积提取 | 第36-48页 |
| 3.1 影像分类方法 | 第36页 |
| 3.2 训练样本 | 第36-40页 |
| 3.2.1 建立训练样本 | 第36-38页 |
| 3.2.2 训练样本的可分离性统计 | 第38-40页 |
| 3.3 确定最佳分类时间 | 第40-42页 |
| 3.3.1 基于高分一号影像的大蒜最佳分类时间 | 第40-41页 |
| 3.3.2 基于Landsat-8 影像的大蒜最佳分类时间 | 第41-42页 |
| 3.3.3 高分一号和Landsat-8 影像的大蒜最佳分类时间对比 | 第42页 |
| 3.4 确定最佳分类方法 | 第42-45页 |
| 3.4.1 基于高分一号影像的大蒜最佳分类方法 | 第42-44页 |
| 3.4.2 基于Landsat-8 影像的大蒜最佳分类方法 | 第44-45页 |
| 3.4.3 高分一号和Landsat-8 影像的大蒜最佳分类方法对比 | 第45页 |
| 3.5 本章小结 | 第45-48页 |
| 4 基于多时相遥感影像大蒜面积提取 | 第48-56页 |
| 4.1 影像分类方法 | 第48页 |
| 4.2 训练样本 | 第48-50页 |
| 4.2.1 选择训练样本 | 第48页 |
| 4.2.2 训练样本的可分离性 | 第48-50页 |
| 4.3 基于高分一号WFV影像NDVI序列的大蒜最佳分类方法 | 第50-52页 |
| 4.4 基于Landsat-8 影像NDVI序列的大蒜最佳分类方法 | 第52-53页 |
| 4.5 高分一号和Landsat-8 影像分类精度对比 | 第53-54页 |
| 4.6 本章小节 | 第54-56页 |
| 5 大蒜面积最佳遥感解译方案 | 第56-60页 |
| 5.1 最佳遥感数据 | 第56-57页 |
| 5.2 最佳分类时间 | 第57页 |
| 5.3 最佳监督分类方法 | 第57-58页 |
| 5.4 杞县大蒜面积最佳解译方案及结果 | 第58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 不足与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
