| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语表 | 第8-11页 |
| 1 绪论 | 第11-22页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 矿山遥感分类研究动态 | 第12-16页 |
| 1.2.2 遥感变化检测研究现状 | 第16-17页 |
| 1.3 研究内容及技术路线 | 第17-21页 |
| 1.3.1 研究内容 | 第17-19页 |
| 1.3.3 技术路线 | 第19-21页 |
| 1.4 论文结构安排 | 第21-22页 |
| 2 研究区概况与数据预处理 | 第22-32页 |
| 2.1 研究区概况 | 第22-24页 |
| 2.1.1 自然地理概况 | 第22-23页 |
| 2.1.2 地质矿产概况 | 第23-24页 |
| 2.2 数据预处理 | 第24-31页 |
| 2.2.1 数据源 | 第24-27页 |
| 2.2.2 图像预处理 | 第27-31页 |
| 2.3 小结 | 第31-32页 |
| 3 矿山地表要素解译标志的构建 | 第32-41页 |
| 3.1 矿山地表要素现状特征 | 第32-36页 |
| 3.2 矿山地表要素遥感影像解译标志构建 | 第36-40页 |
| 3.2.1 铅锌矿矿山地表要素遥感影像解译标志构建 | 第36-38页 |
| 3.2.2 锰矿矿山地表要素遥感影像解译标志构建 | 第38-40页 |
| 3.3 小结 | 第40-41页 |
| 4 矿山占地时空变化及其驱动力分析 | 第41-55页 |
| 4.1 实验区位置概况 | 第41页 |
| 4.2 研究方法 | 第41-44页 |
| 4.2.1 决策树分类及分类模型构建 | 第41-43页 |
| 4.2.2 采矿用地变化检测方法模型 | 第43-44页 |
| 4.3 结果分析 | 第44-53页 |
| 4.3.1 分类结果精度评价 | 第44-46页 |
| 4.3.2 采矿用地的动态变化 | 第46-50页 |
| 4.3.3 采矿用地变化驱动力分析 | 第50-53页 |
| 4.4 小结 | 第53-55页 |
| 5 典型矿区地表要素分层提取—以芭茅寨铅锌矿区为例 | 第55-71页 |
| 5.1 典型铅锌矿矿山地表要素特征发现 | 第55-63页 |
| 5.1.1 矿山地表要素光谱特征发现 | 第55-58页 |
| 5.1.2 矿山地表要素纹理特征发现 | 第58-63页 |
| 5.2 基于知识辅助的影像多尺度分割 | 第63-66页 |
| 5.2.1 多尺度分割方法 | 第63-64页 |
| 5.2.2 研究区多尺度分割实验 | 第64-66页 |
| 5.3 基于知识和面向对象的矿山要素提取 | 第66-70页 |
| 5.3.1 矿山地物分类规则的建立 | 第66-67页 |
| 5.3.2 芭茅寨实验区影像分类及结果分析 | 第67-70页 |
| 5.4 小结 | 第70-71页 |
| 6 基于知识的矿山信息提取功能模块的构建 | 第71-79页 |
| 6.1 信息提取功能模块构建平台及思路介绍 | 第71-72页 |
| 6.1.1 构建平台介绍 | 第71-72页 |
| 6.1.2 功能模块构建思路介绍 | 第72页 |
| 6.2 功能模块简介与示例 | 第72-78页 |
| 6.2.1 模块简介 | 第72-74页 |
| 6.2.2 功能示例——以花垣县锰矿采矿区为例 | 第74-78页 |
| 6.3 小结 | 第78-79页 |
| 7 结论与展望 | 第79-83页 |
| 7.1 结论 | 第79-81页 |
| 7.2 展望 | 第81-83页 |
| 参考文献 | 第83-89页 |
| 附录(一) | 第89-91页 |
| 附录(二) | 第91-93页 |
| 致谢 | 第93页 |