| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究意义及背景 | 第10页 |
| 1.2 农业种植区信息提取的研究现状 | 第10-13页 |
| 1.2.1 以光谱信息为基础的自动提取法 | 第11页 |
| 1.2.2 以时间序列与光谱信息相结合的自动提取法 | 第11-12页 |
| 1.2.3 多源数据、多种方法相结合的自动提取法 | 第12-13页 |
| 1.3 研究目标和研究内容 | 第13-14页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.4 技术路线 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 第二章 研究区概况及数据处理 | 第17-26页 |
| 2.1 研究区概况 | 第17-18页 |
| 2.2 研究区主要作物物候特征 | 第18页 |
| 2.3 数据源及预处理 | 第18-25页 |
| 2.3.1 MERSI数据 | 第18-19页 |
| 2.3.2 地面数据 | 第19-22页 |
| 2.3.3 MERSI数据预处理 | 第22-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 基于分层构建决策树的冬小麦种植区提取 | 第26-47页 |
| 3.1 光谱特征分析与选择 | 第26页 |
| 3.2 提取方法研究 | 第26-35页 |
| 3.3 验证与分析 | 第35-45页 |
| 3.3.1 特征组合与精度分析 | 第35-36页 |
| 3.3.2 融合前后的精度验证与分析 | 第36-37页 |
| 3.3.3 LANDSAT 8 影像的精度验证与分析 | 第37-39页 |
| 3.3.4 其他分类算法的精度验证与分析 | 第39-45页 |
| 3.4 小结 | 第45-47页 |
| 第四章 基于NDVI时序的多作物种植区提取 | 第47-55页 |
| 4.1 NDVI时间序列构建 | 第47-49页 |
| 4.1.1 春玉米模式 | 第48页 |
| 4.1.2 冬小麦—夏玉米—冬小麦模式 | 第48-49页 |
| 4.1.3 棉花模式 | 第49页 |
| 4.2 提取模型研究 | 第49-50页 |
| 4.3 结果与分析 | 第50-54页 |
| 4.3.1 结果 | 第50-51页 |
| 4.3.2 LANDSAT 8 影像的精度验证与分析 | 第51-53页 |
| 4.3.3 野外采集数据的精度验证与分析 | 第53-54页 |
| 4.4 小结 | 第54-55页 |
| 第五章 分类系统设计与实现 | 第55-67页 |
| 5.1 分类方法理论基础 | 第55-61页 |
| 5.1.1 随机森林分类算法 | 第55-56页 |
| 5.1.2 决策树分类算法 | 第56-57页 |
| 5.1.3 RBF神经网络分类算法 | 第57-59页 |
| 5.1.4 Bagging分类算法 | 第59-60页 |
| 5.1.5 AdaBoost分类算法 | 第60-61页 |
| 5.2 系统需求分析 | 第61-62页 |
| 5.3 系统设计 | 第62-64页 |
| 5.3.1 系统基本设计思路 | 第62-63页 |
| 5.3.2 系统各个模块设计 | 第63-64页 |
| 5.4 系统开发与实现 | 第64-66页 |
| 5.5 小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 论文总结 | 第67-68页 |
| 6.2 不足与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表的学术论文及软件著作权 | 第74-75页 |
