基于遥感时空融合的作物旱灾面积提取--以辽宁西北部玉米种植区为例
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-22页 |
| 1.1 选题依据及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-17页 |
| 1.2.1 遥感技术监测干旱的研究现状 | 第11-14页 |
| 1.2.2 时空融合算法的研究现状 | 第14-16页 |
| 1.2.3 时间序列数据监测干旱的研究现状 | 第16-17页 |
| 1.3 研究内容和技术路线 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18-20页 |
| 1.4 论文组织结构 | 第20页 |
| 1.5 本章小结 | 第20-22页 |
| 2 时空融合数据的生成 | 第22-40页 |
| 2.1 实验区概况 | 第22-23页 |
| 2.1.1 地理位置与气候 | 第22-23页 |
| 2.1.2 农业 | 第23页 |
| 2.2 数据收集与处理 | 第23-24页 |
| 2.3 面向作物干旱的时空融合原理 | 第24-29页 |
| 2.4 融合数据适用性分析 | 第29-38页 |
| 2.4.1 不同年份的融合数据适用性分析 | 第29-33页 |
| 2.4.2 不同地类的融合数据适用性分析 | 第33-38页 |
| 2.5 本章小结 | 第38-40页 |
| 3 面向玉米旱灾的高时空植被指数构建 | 第40-50页 |
| 3.1 植被指数对植被受干旱胁迫的敏感性分析 | 第40-45页 |
| 3.1.1 数据准备 | 第40页 |
| 3.1.2 不同水分含量的植被光谱变化分析 | 第40-42页 |
| 3.1.3 不同水分含量的植被指数变化分析 | 第42-45页 |
| 3.2 高时空EVI数据的重构 | 第45-49页 |
| 3.2.1 时间序列数据的重构算法 | 第45-47页 |
| 3.2.2 重构算法的适用性分析 | 第47-49页 |
| 3.3 本章小结 | 第49-50页 |
| 4 基于高时空EVI的地物精细分类 | 第50-60页 |
| 4.1 数据准备 | 第50-51页 |
| 4.1.1 EVI时间序列数据 | 第50页 |
| 4.1.2 分类验证数据 | 第50-51页 |
| 4.2 精细分类 | 第51-58页 |
| 4.2.1 典型地物的EVI时序曲线 | 第52-53页 |
| 4.2.2 主要地物类别的特征提取 | 第53-54页 |
| 4.2.3 分类结果分析与精度验证 | 第54-58页 |
| 4.3 本章小结 | 第58-60页 |
| 5 玉米旱灾面积的提取 | 第60-70页 |
| 5.1 数据准备 | 第60-62页 |
| 5.1.1 气象资料 | 第60-61页 |
| 5.1.2 DEM数据 | 第61-62页 |
| 5.2 受灾玉米特征提取 | 第62-63页 |
| 5.3 旱灾玉米面积提取分析与验证 | 第63-69页 |
| 5.3.1 受灾玉米面积的提取结果 | 第63-64页 |
| 5.3.2 基于降水数据的受灾玉米面积分析 | 第64-67页 |
| 5.3.3 基于坡度信息的受灾玉米面积分析 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 创新点 | 第71页 |
| 6.3 存在问题与展望 | 第71页 |
| 6.4 本章小结 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 作者简历 | 第77-78页 |
| 学位论文数据集 | 第78页 |
