| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究概述 | 第9-15页 |
| 1.2.1 植被覆盖度算法研究进展 | 第9-11页 |
| 1.2.2 植被覆盖度产品研究进展 | 第11-13页 |
| 1.2.3 时空融合方法研究进展 | 第13-14页 |
| 1.2.4 土壤侵蚀定量研究进展 | 第14-15页 |
| 1.3 研究内容及技术路线 | 第15-16页 |
| 1.4 章节安排 | 第16-18页 |
| 2 研究区域及数据预处理 | 第18-26页 |
| 2.1 研究区介绍 | 第18-19页 |
| 2.2 数据获取与预处理 | 第19-25页 |
| 2.2.1 Landsat8数据 | 第20-22页 |
| 2.2.2 MODIS09A1数据 | 第22页 |
| 2.2.3 FROM-GLC数据 | 第22-24页 |
| 2.2.4 Geoland2数据 | 第24页 |
| 2.2.5 降雨数据 | 第24-25页 |
| 2.2.6 土壤类型数据 | 第25页 |
| 2.2.7 DEM数据 | 第25页 |
| 2.3 本章总结 | 第25-26页 |
| 3 高时空植被覆盖度融合方法 | 第26-38页 |
| 3.1 遥感数据植被覆盖度的获取 | 第26-31页 |
| 3.1.1 像元二分法的概念 | 第26-27页 |
| 3.1.2 利用NDVI估算植被覆盖度 | 第27-28页 |
| 3.1.3 Landsat8影像的植被覆盖度获取 | 第28页 |
| 3.1.4 MODIS影像的植被覆盖度获取 | 第28-31页 |
| 3.2 ESTARFM模型介绍 | 第31-35页 |
| 3.2.1 窗口大小确定 | 第32-33页 |
| 3.2.2 搜索相似像元 | 第33页 |
| 3.2.3 计算权重 | 第33-34页 |
| 3.2.4 计算转换系数 | 第34页 |
| 3.2.5 获得预测值 | 第34-35页 |
| 3.3 生成高时空的植被覆盖度数据 | 第35-37页 |
| 3.4 本章总结 | 第37-38页 |
| 4 高时空植被覆盖度融合结果有效性分析 | 第38-46页 |
| 4.1 融合结果初步检验 | 第38-39页 |
| 4.2 基于Landsat8 FVC的数据有效性分析 | 第39-41页 |
| 4.3 基于Geoland2 FVC的数据有效性分析 | 第41-42页 |
| 4.4 植被覆盖度空间特征分析 | 第42-44页 |
| 4.5 本章总结 | 第44-46页 |
| 5 高时空植被覆盖度在土壤侵蚀中的应用 | 第46-58页 |
| 5.1 土壤侵蚀量估算模型 | 第46页 |
| 5.2 模型因子估算 | 第46-55页 |
| 5.2.1 降雨侵蚀因子R估算 | 第46-48页 |
| 5.2.2 植被与作物管理因子C估算 | 第48-49页 |
| 5.2.3 土壤可蚀性因子K估算 | 第49-50页 |
| 5.2.4 地形因子LS估算 | 第50-54页 |
| 5.2.5 水土保持因子P估算 | 第54-55页 |
| 5.3 西安地区土壤侵蚀量估算及分析 | 第55-57页 |
| 5.3.1 土壤侵蚀量计算 | 第55页 |
| 5.3.2 土壤侵蚀量空间分布特征分析 | 第55-57页 |
| 5.4 本章总结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 主要结论 | 第58-59页 |
| 6.2 不足与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间取得的成果 | 第65页 |