| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 选题背景及研究意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-17页 |
| 1.2.1 混合像元分解方法 | 第14-15页 |
| 1.2.2 决策树分类方法 | 第15-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 技术路线与方法 | 第18-19页 |
| 第2章 研究区与数据预处理 | 第19-28页 |
| 2.1 研究区概况 | 第19-20页 |
| 2.2 数据源 | 第20页 |
| 2.3 研究区边界提取 | 第20-22页 |
| 2.3.1 无洼地DEM生成 | 第20-21页 |
| 2.3.2 基于SWAT模型的流域边界提取 | 第21-22页 |
| 2.4 遥感数据预处理 | 第22-25页 |
| 2.4.1 大气校正 | 第22页 |
| 2.4.2 正射校正 | 第22-23页 |
| 2.4.3 影像融合 | 第23-24页 |
| 2.4.4 影像拼接与裁剪 | 第24-25页 |
| 2.5 GF-1 数据土地利用/覆被目视解译 | 第25-28页 |
| 第3章 基于混合像元分解决策树分类方法构建 | 第28-47页 |
| 3.1 技术流程 | 第28-29页 |
| 3.2 混合像元分解 | 第29-37页 |
| 3.2.1 实测光谱数据波谱库的创建 | 第29页 |
| 3.2.2 MNF变换 | 第29-30页 |
| 3.2.3 端元选取 | 第30-32页 |
| 3.2.4 线性波谱分离 | 第32-33页 |
| 3.2.5 最小二乘混合像元分解 | 第33-37页 |
| 3.3 光谱、纹理、地形等特征提取 | 第37-43页 |
| 3.3.1 光谱特征 | 第37-38页 |
| 3.3.2 纹理特征 | 第38-41页 |
| 3.3.3 地形特征 | 第41-43页 |
| 3.4 决策树特征数据集构建及编码 | 第43-44页 |
| 3.5 影像融合DEM的三维地形选取训练样本及辅助分类 | 第44-47页 |
| 第4章 基于混合像元分解决策树的土地利用/覆被分类 | 第47-62页 |
| 4.1 分类方案确定与决策树分类规则挖掘 | 第47页 |
| 4.2 基于专家知识的决策树分类 | 第47-55页 |
| 4.2.1 QUEST算法决策树分类 | 第47-49页 |
| 4.2.2 CRUISE算法决策树分类 | 第49-53页 |
| 4.2.3 See5.0/C5.0 算法决策树分类 | 第53-55页 |
| 4.3 分类精度验证及评价 | 第55-60页 |
| 4.3.1 总体精度、kappa系数 | 第55-57页 |
| 4.3.2 分类精度误差分析 | 第57-60页 |
| 4.4 分类后处理 | 第60-62页 |
| 第5章 结论与展望 | 第62-64页 |
| 5.1 结论与讨论 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读学位期间发表的学术论文和研究成果 | 第69-70页 |
| 致谢 | 第70页 |
