基于大数据思维的干旱监测方法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 引言 | 第15-23页 |
| 1.1 选题背景及意义 | 第15-16页 |
| 1.2 国内外研究进展 | 第16-21页 |
| 1.2.1 基于气象数据的干旱监测 | 第16-18页 |
| 1.2.2 基于遥感数据的干旱监测 | 第18-20页 |
| 1.2.3 综合多源数据的农业干旱监测 | 第20-21页 |
| 1.3 研究目标与研究内容 | 第21-22页 |
| 1.4 技术路线 | 第22-23页 |
| 第二章 大数据干旱监测体系结构 | 第23-27页 |
| 2.1 大数据干旱监测体系结构 | 第23-26页 |
| 2.1.1 数据采集 | 第23页 |
| 2.1.2 数据的集成与存储 | 第23-25页 |
| 2.1.3 数据分析 | 第25-26页 |
| 2.2 大数据干旱监测的应用展望 | 第26-27页 |
| 第三章 基于多源数据的土壤水分估算模型研究 | 第27-38页 |
| 3.1 数据及预处理 | 第27-29页 |
| 3.1.1 研究区介绍 | 第27-28页 |
| 3.1.2 遥感数据 | 第28页 |
| 3.1.3 气象数据 | 第28页 |
| 3.1.4 其他数据 | 第28页 |
| 3.1.5 数据预处理 | 第28-29页 |
| 3.2 分类回归树模型 | 第29-30页 |
| 3.3 “金字塔”型土壤水分估算框架构建 | 第30-34页 |
| 3.3.1 土壤水分估算框架提出背景 | 第30-32页 |
| 3.3.2 土壤水分估算框架的设计及构建 | 第32-34页 |
| 3.4 模型验证 | 第34-36页 |
| 3.4.1 基于站点实测数据的K折交叉验证 | 第34-35页 |
| 3.4.2 基于TVDI监测结果的验证 | 第35-36页 |
| 3.5 中国土壤水分信息数据集的建立 | 第36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 中国干旱时空演化特征分析 | 第38-48页 |
| 4.1 研究方法 | 第38-39页 |
| 4.1.1 SMCI指数 | 第38页 |
| 4.1.2 线性趋势分析法 | 第38-39页 |
| 4.2 中国干旱空间分布特征 | 第39-41页 |
| 4.3 基于线性趋势法的时空变化特征分析 | 第41-45页 |
| 4.3.1 干旱时间变化特征 | 第41-42页 |
| 4.3.2 干旱空间变化特征 | 第42-45页 |
| 4.4 干旱发生的频率特征分析 | 第45-46页 |
| 4.5 本章小结 | 第46-48页 |
| 第五章 微博数据在干旱监测中的应用前景探讨 | 第48-54页 |
| 5.1 研究区介绍 | 第48-49页 |
| 5.2 研究方法与技术路线 | 第49-51页 |
| 5.2.1 数据获取 | 第49-50页 |
| 5.2.2 数据处理 | 第50页 |
| 5.2.3 旱情信息分级 | 第50-51页 |
| 5.2.4 空间插值 | 第51页 |
| 5.3 结果分析 | 第51-53页 |
| 5.3.1 微博位置点数据分布特征 | 第51页 |
| 5.3.2 微博数据对干旱发展过程的响应特征 | 第51-52页 |
| 5.3.3 微博数据的干旱监测结果 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 主要结论 | 第54-55页 |
| 6.2 创新点 | 第55页 |
| 6.3 不足与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 作者简历 | 第62页 |
