基于DEM的林业小班区域坡向提取方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 单像元坡向提取方法 | 第12-13页 |
| 1.2.2 区域坡向提取方法 | 第13-14页 |
| 1.3 研究现状分析与存在的问题 | 第14页 |
| 1.4 研究内容 | 第14-16页 |
| 1.5 技术路线 | 第16-17页 |
| 1.6 论文结构安排 | 第17-18页 |
| 2 研究区概况和数据预处理 | 第18-24页 |
| 2.1 研究区概况 | 第18页 |
| 2.2 数据规范 | 第18-21页 |
| 2.2.1 二类小班数据规范 | 第18-19页 |
| 2.2.2 DEM数据规范 | 第19-21页 |
| 2.3 实验数据预处理 | 第21-23页 |
| 2.3.1 二类小班数据 | 第21-22页 |
| 2.3.2 DEM数据 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 常用小班坡向算法研究及其不足分析 | 第24-32页 |
| 3.1 单像元坡向算法研究 | 第24-27页 |
| 3.1.1 单像元坡向算法原理 | 第24-25页 |
| 3.1.2 误差分析 | 第25-27页 |
| 3.2 区域坡向算法研究 | 第27-28页 |
| 3.2.1 区域坡向算法原理 | 第27-28页 |
| 3.2.2 误差分析 | 第28页 |
| 3.3 小班坡向矢量法研究 | 第28-30页 |
| 3.3.1 小班坡向矢量法原理 | 第28-29页 |
| 3.3.2 误差分析 | 第29-30页 |
| 3.4 小班坡向最大特征值法研究 | 第30-31页 |
| 3.4.1 最大特征值法算法原理 | 第30页 |
| 3.4.2 误差分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 4 基于矢量代数与模糊模式识别的小班坡向方法 | 第32-44页 |
| 4.1 基于矢量代数的小班坡向提取方法 | 第32-36页 |
| 4.1.1 方法原理 | 第32-33页 |
| 4.1.2 小班坡向主方向加权矢量法 | 第33-36页 |
| 4.2 基于模糊模式识别的小班坡向提取方法 | 第36-43页 |
| 4.2.1 模糊数学研究现状 | 第36页 |
| 4.2.2 模糊模式识别概述 | 第36-39页 |
| 4.2.3 小班坡向模糊模式识别法 | 第39-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 算法验证与分析 | 第44-55页 |
| 5.1 小班坡向提取方法实现 | 第44-45页 |
| 5.2 小班坡向提取方法比较 | 第45-49页 |
| 5.2.1 分布情况统计 | 第45-46页 |
| 5.2.2 差异性比较 | 第46-48页 |
| 5.2.3 准确度比较 | 第48-49页 |
| 5.3 算法适应性分析 | 第49-53页 |
| 5.3.1 检验因子 | 第49-50页 |
| 5.3.2 检验方法 | 第50-51页 |
| 5.3.3 结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-58页 |
| 6.1 本文总结 | 第55页 |
| 6.2 本文创新点 | 第55-56页 |
| 6.3 讨论 | 第56-58页 |
| 6.3.1 应用展望 | 第56页 |
| 6.3.2 今后的研究重点 | 第56-57页 |
| 6.3.3 关于本次研究的思考 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 个人简介 | 第65-66页 |
| 致谢 | 第66页 |
