| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 引言 | 第12-30页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究进展 | 第14-26页 |
| 1.2.1 时间序列遥感数据分类 | 第14-17页 |
| 1.2.2 时间序列分类特征 | 第17-18页 |
| 1.2.3 时间序列分类方法 | 第18-22页 |
| 1.2.4 时间序列数据的重建 | 第22-26页 |
| 1.3 研究内容和技术路线 | 第26-30页 |
| 1.3.1 湿地分类体系 | 第26-27页 |
| 1.3.2 时间序列数据重建方法 | 第27页 |
| 1.3.3 时间序列湿地分类方法 | 第27页 |
| 1.3.4 技术路线 | 第27-30页 |
| 第2章 研究区概况与数据处理 | 第30-40页 |
| 2.1 研究区概述 | 第30-31页 |
| 2.1.1 区域研究区 | 第30-31页 |
| 2.1.2 全国研究区 | 第31页 |
| 2.2 数据源 | 第31-35页 |
| 2.2.1 MODIS时间序列数据 | 第31-33页 |
| 2.2.2 MODIS质量控制数据 | 第33-34页 |
| 2.2.3 辅助数据 | 第34-35页 |
| 2.3 数据预处理 | 第35-40页 |
| 2.3.1 指数提取 | 第35-36页 |
| 2.3.2 时间序列数据重建 | 第36-40页 |
| 第3章 基于时间序列方法的洞庭湖湿地动态研究 | 第40-50页 |
| 3.1 湿地类型划分 | 第40-41页 |
| 3.2 EVI参考特征曲线建立 | 第41-42页 |
| 3.3 洞庭湖湿地分类方法 | 第42-44页 |
| 3.4 基于时间序列方法的洞庭湖湿地分类结果 | 第44-46页 |
| 3.5 洞庭湖湿地分类结果精度评价 | 第46-47页 |
| 3.6 讨论 | 第47-50页 |
| 3.6.1 SMMD在分类中的优势 | 第47-48页 |
| 3.6.2 SMMD在分类中的不确定 | 第48-50页 |
| 第4章 基于时间序列方法的中国水稻田信息提取 | 第50-78页 |
| 4.1 识别水稻的依据 | 第50-53页 |
| 4.1.1 利用积温数据识别水稻范围的依据 | 第51页 |
| 4.1.2 利用地形数据识别水稻范围的依据 | 第51-52页 |
| 4.1.3 利用时间序列水体指数与植被指数的关系识别水稻的依据 | 第52页 |
| 4.1.4 利用时间序列EVI作为识别水稻的依据 | 第52-53页 |
| 4.2 提取水稻的方法 | 第53-58页 |
| 4.2.1 非水稻田分布区掩膜 | 第53-55页 |
| 4.2.2 基于EVI与LSWI关系模型的水稻田潜在分布区识别 | 第55页 |
| 4.2.3 基于水稻田时间序列曲线特征对水稻田进行识别 | 第55-56页 |
| 4.2.4 使用决策树对不同的分类结果进行合并 | 第56-58页 |
| 4.3 基于MODIS数据提取的2015年中国水稻分布图 | 第58-60页 |
| 4.4 精度评价 | 第60-75页 |
| 4.4.1 误差矩阵评价 | 第61-62页 |
| 4.4.2 基于中高分辨率Landsat的验证结果 | 第62-69页 |
| 4.4.3 与NLCD对比 | 第69-75页 |
| 4.5 时间序列MODIS数据提取水稻的结果分析 | 第75-78页 |
| 4.5.1 时间序列MODIS数据提取水稻信息的优势 | 第75-76页 |
| 4.5.2 时间序列MODIS数据提取水稻信息的不确定因素 | 第76-78页 |
| 第5章 结论和展望 | 第78-82页 |
| 5.1 结论 | 第78-80页 |
| 5.1.1 时间序列遥感数据的湿地分类方法研究 | 第78-79页 |
| 5.1.2 基于时间序列方法的湿地分类结果 | 第79-80页 |
| 5.2 展望 | 第80-82页 |
| 5.2.1 提高时间序列数据的空间分辨率和时间分辨率 | 第80-81页 |
| 5.2.2 综合利用非遥感数据提高的分类精度 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第90页 |
