基于时间序列遥感数据的冬小麦分类和监测研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.1.1 研究的背景 | 第9-10页 |
| 1.1.2 研究的意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 研究方法与技术路线 | 第13-14页 |
| 1.5 研究区与采用数据 | 第14-19页 |
| 1.5.1 研究区概况 | 第14-15页 |
| 1.5.2 采用数据 | 第15-19页 |
| 2 农作物遥感分类和监测的理论与方法 | 第19-27页 |
| 2.1 农作物遥感分类和监测的理论 | 第19-21页 |
| 2.1.1 概述 | 第19-20页 |
| 2.1.2 农作物遥感分类和监测的基本原理 | 第20-21页 |
| 2.2 农作物遥感分类和监测的方法 | 第21-25页 |
| 2.2.1 遥感图像分类的方法 | 第21-24页 |
| 2.2.2 农作物遥感监测的方法 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 3 冬小麦种植区区划研究与遥感数据预处理 | 第27-43页 |
| 3.1 冬小麦种植区区划研究 | 第27-30页 |
| 3.2 遥感数据预处理 | 第30-42页 |
| 3.2.1 数据镶嵌和裁剪 | 第31-32页 |
| 3.2.2 几何校正 | 第32页 |
| 3.2.3 辐射校正 | 第32-33页 |
| 3.2.4 多种植被指数图像增强研究 | 第33-35页 |
| 3.2.5 多种图像滤波方法研究 | 第35-42页 |
| 3.3 本章小结 | 第42-43页 |
| 4 冬小麦识别分类研究与精度分析 | 第43-54页 |
| 4.1 多个单期影像分类结果逻辑判断综合分类 | 第45-46页 |
| 4.2 时间序列数据相似度分类 | 第46-51页 |
| 4.2.1 冬小麦的识别 | 第46页 |
| 4.2.2 冬小麦的像元分解 | 第46-51页 |
| 4.3 冬小麦种植面积验证 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 冬小麦长势监测与产量预报方法研究 | 第54-66页 |
| 5.1 冬小麦长势监测的方法研究 | 第55-63页 |
| 5.1.1 通过云概率计算植被吸收的光合有效辐射 | 第56-58页 |
| 5.1.2 冬小麦植被指数反演生物物理参数 | 第58-62页 |
| 5.1.3 冬小麦生物量的计算 | 第62-63页 |
| 5.2 冬小麦产量预报方法研究 | 第63-65页 |
| 5.3 本章小结 | 第65-66页 |
| 6 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74页 |
