县级土地沙化信息遥感动态监测与分析--以陕西省横山县为例
| 第一章 绪论 | 第1-17页 |
| 1．1 土地荒漠化与沙漠化 | 第8-10页 |
| 1．2 沙漠化遥感监测研究现状及进展 | 第10-14页 |
| 1．2．1 评价指标体系研究 | 第10-11页 |
| 1．2．2 监测与评价方法研究 | 第11-14页 |
| 1．3 研究的目的和研究内容 | 第14页 |
| 1．4 研究方法与技术路线 | 第14-16页 |
| 1．4．1 沙化土地的提取方法 | 第14-15页 |
| 1．4．2 多源信息复合综合评价沙化程度 | 第15页 |
| 1．4．3 BP神经网络法评价沙化程度 | 第15-16页 |
| 1．4．4 技术路线 | 第16页 |
| 1．5 论文组织结构 | 第16-17页 |
| 第二章 研究区域概况 | 第17-22页 |
| 2．1 横山县的自然地理环境 | 第17-20页 |
| 2．1．1 地貌与地形 | 第17-18页 |
| 2．1．2 气候特征 | 第18页 |
| 2．1．3 水文水资源条件 | 第18页 |
| 2．1．4 土壤分布 | 第18-20页 |
| 2．1．5 植被 | 第20页 |
| 2．2 横山县的社会经济状况 | 第20-22页 |
| 第三章 数据预处理 | 第22-27页 |
| 3．1 几何精校正 | 第22页 |
| 3．2 将灰度值图像转换为反射率图像 | 第22-25页 |
| 3．3 亮温图像的生成 | 第25-26页 |
| 本章小结 | 第26-27页 |
| 第四章 沙化土地专题信息的提取与分析 | 第27-44页 |
| 4．1 沙化指数方法提取沙化土地 | 第27-33页 |
| 4．1．1 土壤特性、植被覆盖率与反射率的关系 | 第28-29页 |
| 4．1．2 沙化特征指数的提取方法 | 第29-33页 |
| 4．1．3 精度评价 | 第33页 |
| 4．2 线性光谱混合模型方法提取沙化土地 | 第33-38页 |
| 4．2．1 线性光谱混合模型 | 第34页 |
| 4．2．2 线性光谱混合模型方法提取沙地的应用 | 第34-36页 |
| 4．2．3 结果与精度评价 | 第36-38页 |
| 4．3 温度植被指数方法提取沙化土地 | 第38-39页 |
| 4．3．1 温度植被指数 | 第38-39页 |
| 4．3．2 结果与精度评价 | 第39页 |
| 4．4 三种沙化土地提取方法的比较 | 第39-41页 |
| 4．5 横山县沙化土地监测结果的分析 | 第41-44页 |
| 第五章 土地沙化程度的评价 | 第44-57页 |
| 5．1 多源信息综合评价土地沙化程度 | 第44-51页 |
| 5．1．1 横山县沙化土地程度评价的指标 | 第44-49页 |
| 5．1．2 层次分析法确定评价指标的权重 | 第49-51页 |
| 5．1．3 多源信息复合方法评估土地沙化程度 | 第51页 |
| 5．2 BP人工神经网络的分类法评价沙化程度 | 第51-56页 |
| 5．2．1 人工神经元网络简介 | 第51页 |
| 5．2．2 BP人工神经网络的建模原理 | 第51-53页 |
| 5．2．3 应用 BP神经网络进行沙化程度评价 | 第53-56页 |
| 本章小结 | 第56-57页 |
| 第六章 结论与讨论 | 第57-61页 |
| 参考目录 | 第61-64页 |
| 致谢 | 第64页 |
