| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 缩写和术语表 | 第18-19页 |
| 1 绪论 | 第19-29页 |
| 1.1 研究背景、目的及意义 | 第19-22页 |
| 1.2 国内外遥感监测大型海藻的研究现状及趋势 | 第22-26页 |
| 1.2.1 国际遥感监测大型海藻研究的现状 | 第22-23页 |
| 1.2.2 国内遥感监测大型海藻研究的现状 | 第23-25页 |
| 1.2.3 大型海藻遥感监测的趋势 | 第25-26页 |
| 1.3 研究内容与技术路线设计 | 第26-27页 |
| 1.3.1 研究内容 | 第26-27页 |
| 1.3.2 技术路线图 | 第27页 |
| 1.4 研究重难点与创新点 | 第27-29页 |
| 1.4.1 研究重难点 | 第27-28页 |
| 1.4.2 研究创新点 | 第28-29页 |
| 2 研究区域概况及数据处理 | 第29-37页 |
| 2.1 研究区概况 | 第29-30页 |
| 2.2 数据来源及预处理 | 第30-37页 |
| 2.2.1 遥感数据来源及预处理 | 第30-34页 |
| 2.2.1.1 遥感影像数据 | 第30-32页 |
| 2.2.1.2 遥感数据预处理 | 第32-34页 |
| 2.2.2 公报、统计数据来源及预处理 | 第34-35页 |
| 2.2.3 其他数据及预处理 | 第35-37页 |
| 3 面向对象与基于像元分类法在大型海藻养殖区域应用的比较 | 第37-53页 |
| 3.1 面向对象与基于像元分类法研究现状介绍 | 第37-38页 |
| 3.2 大渔湾紫菜养殖区域面向对象与基于像元法分类过程及结果 | 第38-51页 |
| 3.2.1 紫菜养殖区域光谱特征 | 第38-39页 |
| 3.2.2 面向对象法分类 | 第39-42页 |
| 3.2.2.1 影像分割 | 第39-41页 |
| 3.2.2.2 分类方法 | 第41-42页 |
| 3.2.3 基于像元法分类 | 第42-43页 |
| 3.2.3.1 样本选择 | 第42-43页 |
| 3.2.3.2 分类方法 | 第43页 |
| 3.2.4 精度评估及结果讨论 | 第43-51页 |
| 3.2.4.1 面向对象法分类结果及精度评估 | 第43-47页 |
| 3.2.4.2 基于像元法分类结果及精度评估 | 第47页 |
| 3.2.4.3 分析与讨论 | 第47-51页 |
| 3.3 小结 | 第51-53页 |
| 4 大型海藻养殖的时空动态变化监测 | 第53-72页 |
| 4.1 拟合决策树分类法研究现状介绍 | 第53-54页 |
| 4.2 拟合决策树分类过程及结果 | 第54-61页 |
| 4.2.1 传统决策树分类 | 第54-56页 |
| 4.2.2 拟合决策树分类 | 第56-57页 |
| 4.2.3 精度评估及比较 | 第57-59页 |
| 4.2.4 结果验证及讨论 | 第59-61页 |
| 4.3 1985-2016年大渔湾紫菜养殖的时空动态变化情况 | 第61-70页 |
| 4.3.1 紫菜养殖面积的提取 | 第61-63页 |
| 4.3.2 紫菜养殖面积及其分布变化 | 第63-65页 |
| 4.3.3 紫菜养殖面积变化相关因素分析 | 第65-70页 |
| 4.4 小结 | 第70-72页 |
| 5 大型海藻养殖的环境效益评估 | 第72-84页 |
| 5.1 大型海藻养殖分布及其各项环境指标计算 | 第72-79页 |
| 5.2 大型海藻养殖的环境效益总量及分布情况 | 第79-83页 |
| 5.2.1 氮和磷的吸收 | 第79页 |
| 5.2.2 碳的固定和氧气的释放 | 第79-80页 |
| 5.2.3 碘的吸收 | 第80页 |
| 5.2.4 肥料、农药和土地资源的节省 | 第80-81页 |
| 5.2.5 空间分布分析 | 第81-83页 |
| 5.3 小结 | 第83-84页 |
| 6 结论与展望 | 第84-87页 |
| 6.1 总结与主要结论 | 第84-85页 |
| 6.2 不足与展望 | 第85-87页 |
| 参考文献 | 第87-100页 |
| 附录 | 第100-109页 |
| 作者简介 | 第109-110页 |
