云计算环境下农作物遥感监测方法研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 相关技术综述 | 第14-30页 |
| 2.1 云计算简介 | 第14-18页 |
| 2.1.1 云计算技术 | 第14-15页 |
| 2.1.2 Hadoop简介 | 第15-18页 |
| 2.2 卫星遥感技术 | 第18-21页 |
| 2.2.1 卫星遥感介绍 | 第19-20页 |
| 2.2.2 遥感影像 | 第20-21页 |
| 2.3 遥感影像处理 | 第21-24页 |
| 2.3.1 预处理 | 第21-22页 |
| 2.3.2 特征提取 | 第22-23页 |
| 2.3.3 影像分类 | 第23-24页 |
| 2.3.4 分类结果评价 | 第24页 |
| 2.4 农作物遥感监测技术 | 第24-28页 |
| 2.4.1 农作物植被指数 | 第25-26页 |
| 2.4.2 农作物种植面积、长势监测及产量估算 | 第26-27页 |
| 2.4.3 农作物土壤墒情与旱情监测 | 第27-28页 |
| 2.4.4 农作物病虫害监测与预报 | 第28页 |
| 2.5 小结 | 第28-30页 |
| 第3章 影像分类算法研究 | 第30-42页 |
| 3.1 最小距离分类法 | 第30-33页 |
| 3.2 平行六面体分类法 | 第33页 |
| 3.3 最大似然分类法 | 第33-34页 |
| 3.4 支持向量机 | 第34-37页 |
| 3.5 实验结果与分析 | 第37-41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 基于Hadoop的SVM改进与实现 | 第42-54页 |
| 4.1 SVM算法的改进 | 第42-46页 |
| 4.1.1 SVM算法介绍 | 第42-43页 |
| 4.1.2 一种新型SVM算法 | 第43-46页 |
| 4.2 基于Hadoop的新型SVM实现 | 第46-52页 |
| 4.2.1 基于Hadoop的新型SVM实现 | 第46-48页 |
| 4.2.2 实验与结果分析 | 第48-52页 |
| 4.3 小结 | 第52-54页 |
| 第5章 农作物监测应用 | 第54-70页 |
| 5.1 遥感监测模型的建立 | 第54-60页 |
| 5.1.1 农作物遥感监测 | 第54-55页 |
| 5.1.2 农作物面积遥感监测模型 | 第55-57页 |
| 5.1.3 农作物产量遥感监测模型 | 第57-60页 |
| 5.2 基于分布式计算的农作物监测实现 | 第60-69页 |
| 5.2.1 数据获取与前期准备 | 第62-64页 |
| 5.2.2 辽中县部分地区玉米面积遥感监测 | 第64-67页 |
| 5.2.3 辽中县部分地区玉米产量估算 | 第67-68页 |
| 5.2.4 实验结果分析 | 第68-69页 |
| 5.3 小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 本文工作总结 | 第70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |
