農(nóng)作物類型遙感識(shí)別方法與應(yīng)用
定 價(jià):168 元
- 作者:朱秀芳等著
- 出版時(shí)間:2018/8/1
- ISBN:9787040508765
- 出 版 社:高等教育出版社
- 中圖法分類:S5
- 頁碼:410
- 紙張:膠版紙
- 版次:1
- 開本:16K
本書以農(nóng)業(yè)遙感中最基礎(chǔ)的工作——農(nóng)作物類型識(shí)別為主題,系統(tǒng)闡述了農(nóng)作物遙感識(shí)別的方法,介紹了基于不同數(shù)據(jù)源,包括可見光影像、高光譜影像、雷達(dá)影像,以及不同分類策略,包括非監(jiān)督分類、監(jiān)督分類和半監(jiān)督分類,基于像元、亞像元的和面向?qū)ο蟮姆诸,單分類器分類和多分類器集成分類,單特征分類和多特征組合分類的作物識(shí)別方法。此外,還討論了樣本數(shù)量和質(zhì)量、數(shù)據(jù)特征和尺度對作物識(shí)別精度的影響。可為從事遙感分類及相關(guān)領(lǐng)域的科研人員和技術(shù)人員,特別是從事農(nóng)作物遙感識(shí)別的工作者和遙感數(shù)據(jù)處理工程師參考。包含22個(gè)真實(shí)研究案列,可供作物識(shí)別方法借鑒,也可作為土地利用/覆蓋分類方法參考
第1章 作物識(shí)別方法概述
1.1 引言
1.2 非監(jiān)督、監(jiān)督和半監(jiān)督分類
1.3 單分類器與多分類器集成分類
1.4 硬分類與軟分類
1.5 面向?qū)ο笈c基于像元的分類
1.6 單時(shí)相、多時(shí)相與時(shí)序數(shù)據(jù)分類
1.6.1 基于單時(shí)相數(shù)據(jù)的分類
1.6.2 基于多時(shí)相數(shù)據(jù)的分類
1.6.3 基于時(shí)序數(shù)據(jù)的分類
1.7 單特征分類與多特征分類
1.8 小結(jié)
參考文獻(xiàn)
第2章 農(nóng)作物識(shí)別精度的影響因素
2.1 引言
2.2 樣本數(shù)量對識(shí)別精度的影響
2.2.1 研究背景
2.2.2 研究區(qū)與數(shù)據(jù)
2.2.3 研究方法與技術(shù)路線
2.2.4 結(jié)果分析
2.2.5 結(jié)論與討論
2.3 樣本質(zhì)量對識(shí)別精度的影響
2.3.1 研究背景
2.3.2 研究方法與技術(shù)路線
2.3.3 結(jié)果分析
2.3.4 結(jié)論與討論
2.4 數(shù)據(jù)特征對識(shí)別精度的影響
2.4.1 研究背景
2.4.2 研究方法與技術(shù)路線
2.4.3 評價(jià)指標(biāo)的選擇
2.4.4 結(jié)果分析
2.4.5 結(jié)論與討論
2.5 數(shù)據(jù)尺度對識(shí)別精度的影響
2.5.1 研究背景
2.5.2 研究區(qū)與數(shù)據(jù)
2.5.3 研究方法與技術(shù)路線
2.5.4 結(jié)果分析
2.5.5 結(jié)論與討論
參考文獻(xiàn)
第3章 基于可見光遙感影像的作物類型識(shí)別
3.1 引言
3.2 基于單時(shí)相數(shù)據(jù)的作物識(shí)別
3.2.1 基于變端元混合像元分解的冬小麥提取
3.2.2 軟硬分類相結(jié)合農(nóng)作物制圖研究
3.2.3 SVDD單目標(biāo)分類器的作物識(shí)別研究
3.2.4 基于集成學(xué)習(xí)的農(nóng)作物識(shí)別研究
3.3 基于多時(shí)相數(shù)據(jù)的作物識(shí)別
3.3.1 支持向量機(jī)與分類后驗(yàn)概率空間變化向量分析法結(jié)合的冬小麥識(shí)別方法
3.3.2 通過軟硬變化檢測識(shí)別冬小麥
3.3.3 圖斑與變化向量分析相結(jié)合的秋糧作物遙感提取
3.3.4 構(gòu)建時(shí)空融合模型進(jìn)行水稻遙感識(shí)別
3.4 基于時(shí)間序列數(shù)據(jù)的作物識(shí)別
3.4.1 基于相似性分析的中低分辨率復(fù)合水稻種植面積測量法
3.4.2 基于典型物候特征的MODIS-EVI時(shí)間序列數(shù)據(jù)冬小麥種植面積提取方法
3.4.3 中低分辨率小波融合的玉米種植面積遙感估算
3.4.4 Landsat 8和MODIS融合構(gòu)建高時(shí)空分辨率數(shù)據(jù)識(shí)別秋糧作物
參考文獻(xiàn)
第4章 基于高光譜影像的作物類型識(shí)別
4.1 引言
4.2 基于高光譜遙感數(shù)據(jù)的相似性測度方法評價(jià)
4.2.1 研究背景
4.2.2 研究數(shù)據(jù)
4.2.3 研究方法與技術(shù)路線
4.2.4 結(jié)果分析
4.2.5 結(jié)論與討論
4.3 基于隨機(jī)森林的高光譜遙感數(shù)據(jù)降維與分類
4.3.1 研究背景
4.3.2 研究區(qū)與數(shù)據(jù)
4.3.3 研究方法與技術(shù)路線
4.3.4 結(jié)果分析
4.3.5 結(jié)論與討論
4.4 基于人工蜂群算法優(yōu)化的SVM高光譜遙感影像分類
4.4.1 研究背景
4.4.2 數(shù)據(jù)
4.4.3 研究方法與實(shí)驗(yàn)設(shè)計(jì)
4.4.4 結(jié)果分析
4.4.5 結(jié)論與討論
4.5 變端元秋糧作物高光譜識(shí)別
4.5.1 研究背景
4.5.2 研究區(qū)與數(shù)據(jù)
4.5.3 研究方法與技術(shù)路線
4.5.4 結(jié)果分析
4.5.5 結(jié)論與討論
參考文獻(xiàn)
第5章 雷達(dá)作物識(shí)別
5.1 引言
5.2 基于多時(shí)相RADARSAT-2的秋糧作物識(shí)別
5.2.1 研究背景
5.2.2 研究區(qū)與數(shù)據(jù)
5.2.3 研究方法與技術(shù)路線
5.2.4 結(jié)果分析
5.2.5 結(jié)論與討論
5.3 光學(xué)影像圖斑支持下多時(shí)相雷達(dá)旱地秋糧作物提取
5.3.1 研究背景
5.3.2 研究區(qū)與數(shù)據(jù)
5.3.3 研究方法與技術(shù)路線
5.3.4 結(jié)果分析
5.3.5 結(jié)論與討論
參考文獻(xiàn)
附表
索引