| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-20页 |
| 1.1 研究背景与目的意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 研究目的意义 | 第11-12页 |
| 1.2 国内外研究动态 | 第12-15页 |
| 1.2.1 土壤高光谱技术研究进展 | 第12-13页 |
| 1.2.2 基于室内高光谱的土壤分类研究进展 | 第13-14页 |
| 1.2.3 基于遥感影像的土壤分类研究进展 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 研究的重点、难点及创新点 | 第16页 |
| 1.4.1 研究重点 | 第16页 |
| 1.4.2 研究难点 | 第16页 |
| 1.4.3 创新点 | 第16页 |
| 1.5 研究方法 | 第16-19页 |
| 1.5.1 K均值聚类 | 第16-17页 |
| 1.5.2 多层感知器神经网络 | 第17页 |
| 1.5.3 支持向量机 | 第17页 |
| 1.5.4 决策树 | 第17-18页 |
| 1.5.5 最大似然分类法 | 第18页 |
| 1.5.6 精度评价方法 | 第18-19页 |
| 1.6 技术路线 | 第19-20页 |
| 2 理论基础 | 第20-23页 |
| 2.1 遥感理论基础 | 第20-21页 |
| 2.2 土壤发生学理论 | 第21页 |
| 2.3 土壤遥感理论 | 第21-23页 |
| 3 研究区概况与数据获取 | 第23-32页 |
| 3.1 研究区概况 | 第23-26页 |
| 3.1.1 松嫩平原北部 | 第23-25页 |
| 3.1.2 明水县 | 第25-26页 |
| 3.2 数据获取 | 第26-28页 |
| 3.2.1 土壤样品采集 | 第26页 |
| 3.2.2 室内高光谱数据获取 | 第26-27页 |
| 3.2.3 遥感影像获取 | 第27页 |
| 3.2.4 数字高程模型获取 | 第27页 |
| 3.2.5 土地利用数据获取 | 第27-28页 |
| 3.2.6 基于遥感影像土壤分类的土壤训练样点获取 | 第28页 |
| 3.3 数据预处理 | 第28-32页 |
| 3.3.1 室内高光谱数据处理 | 第28-30页 |
| 3.3.2 Sentinel-2A遥感影像处理 | 第30-32页 |
| 4 基于土壤反射光谱特性的土壤分类 | 第32-46页 |
| 4.1 松嫩平原典型土壤反射光谱特征分析 | 第32-36页 |
| 4.1.1 黑土反射光谱特征分析 | 第32-33页 |
| 4.1.2 黑钙土反射光谱特征分析 | 第33-34页 |
| 4.1.3 风沙土反射光谱特征分析 | 第34-35页 |
| 4.1.4 草甸土反射光谱特征分析 | 第35-36页 |
| 4.2 光谱特征参数提取 | 第36-38页 |
| 4.3 基于土壤反射光谱特性的土壤分类模型 | 第38-45页 |
| 4.3.1 K均值聚类土壤分类模型 | 第38-39页 |
| 4.3.2 多层感知器神经网络土壤分类模型 | 第39-40页 |
| 4.3.3 支持向量机土壤分类模型 | 第40-41页 |
| 4.3.4 决策树土壤分类模型 | 第41-45页 |
| 4.3.5 分类结果对比 | 第45页 |
| 4.4 小结 | 第45-46页 |
| 5 基于遥感影像土壤分类及制图 | 第46-55页 |
| 5.1 地形因子分析 | 第46-49页 |
| 5.1.1 坡度因子分析 | 第46-47页 |
| 5.1.2 坡向因子分析 | 第47-48页 |
| 5.1.3 曲率因子分析 | 第48-49页 |
| 5.2 土壤类型的可分性分析 | 第49-50页 |
| 5.3 基于最大似然法的土壤分类模型 | 第50-54页 |
| 5.3.1 最大似然法的土壤分类结果 | 第50-51页 |
| 5.3.2 精度验证 | 第51-52页 |
| 5.3.3 误差分析 | 第52-53页 |
| 5.3.4 土壤制图及土地利用建议 | 第53-54页 |
| 5.4 小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65页 |