| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 湿地植被多光谱遥感自动化信息提取方法研究现状 | 第13-14页 |
| 1.3.2 湿地植被高光谱遥感自动化信息提取方法研究现状 | 第14-16页 |
| 1.3.3 基于遥感影像变化检测的湿地信息提取方法研究现状 | 第16页 |
| 1.4 本文的研究内容 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 研究区概况及数据处理 | 第19-32页 |
| 2.1 研究区域概况 | 第19-20页 |
| 2.2 数据及预处理 | 第20-31页 |
| 2.2.1 数据源 | 第20-25页 |
| 2.2.2 数据预处理 | 第25-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于高分数据的互花米草信息自动化提取方法 | 第32-40页 |
| 3.1 基于湿度信息的互花米草生长的向陆边界提取 | 第32-36页 |
| 3.2 结合空间地理位置与决策树分类的互花米草提取 | 第36-39页 |
| 3.3 精度验证 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 互花米草光谱特征分析和高光谱遥感分类方法 | 第40-49页 |
| 4.1 光谱可分性分析 | 第40-44页 |
| 4.1.1 包络线去除前后均值光谱对比 | 第40-42页 |
| 4.1.2 特征波段选择方法 | 第42页 |
| 4.1.3 特征波段提取 | 第42-44页 |
| 4.2 基于人工神经网络的互花米草提取 | 第44-47页 |
| 4.3 精度验证 | 第47页 |
| 4.4 本章小结 | 第47-49页 |
| 第五章 互花米草变化信息自动检测与提取方法 | 第49-63页 |
| 5.1 黄河口保护区湿地信息人工提取 | 第49-54页 |
| 5.1.1 湿地分类体系的建立 | 第49-51页 |
| 5.1.2 基于国产高分数据的湿地信息人工解译 | 第51-54页 |
| 5.2 互花米草信息变化检测及提取 | 第54-59页 |
| 5.2.1 变化检测 | 第55-56页 |
| 5.2.2 支持向量机分类 | 第56-58页 |
| 5.2.3 精度验证 | 第58-59页 |
| 5.3 互花米草动态变化分析 | 第59-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 攻读硕士学位期间取得的学术成果 | 第73-74页 |
| 致谢 | 第74-75页 |
