一、多时相NOAA-AVHRR数据主成分分析的生物学意义（论文文献综述）
吴炳伦[1]（2020）在《深圳市植被覆盖度动态变化及驱动力分析》文中研究表明随着全球生态环境变化问题日益严峻,地表植被覆盖越鲜明地成为区域生态健康的指示因子。通过进行长时序植被覆盖度（VFC）的监测,可掌握其动态变化规律及驱动因素,这对未来生态环境的改善具有深远意义。论文选用2000～2018年Landsat系列生长季（5～11月）多时相遥感影像来探讨深圳市植被覆盖度时空变化特征、与气候因子的响应及驱动力分析和预测。在研究植被覆盖度时空变化特征中,在空间上利用重心空间迁移模型,在时间上利用线性回归分析和F检验、动态稳定性模型。在探究与气候因子的响应时,采用偏相关分析和T检验、复相关分析和F检验来了解气温或降水对植被覆盖度（Vegetation Fractional Coverage,VFC）的单独及复合影响。在剖析植被覆盖度动态变化驱动和预测中,结合区域年鉴数据利用主成分分析（PCA）进行驱动分析,并利用CA-Markov模型对研究区2024年地表植被覆盖情况进行预测。研究得到主要结论如下:（1）长时间序列影像动态分析表明,深圳市2000～2018年多年来植被覆盖度均值为0.50,主要分布在东南部、西部以及北部少数地区,占研究区总面积78.47%。结合地形变化,主要适生于H=300～800m、Slope=0～20°、Aspect=西南（SW）、东北（NE）以及东南坡（SE）。其迁移特征由西北-东南-西北,迁移速率为551.21m·a-1。在时间轴上,19年来:深圳市年生长季VFC均值整体呈现上升趋势(2.8×10-3yr-1,P<0.1),这与区域注重绿色发展的素质有关。观察其稳定性,整体呈现稳定特征,高波动较弱,仅占总面积的0.73%。（2）深圳市植被覆盖度与气候因子的响应分析表明,气温对植被覆盖变化的影响高于降水。多年来,深圳市年气温、累积降水均值分别为23.34℃、2234.05mm,由于城市化拓展,VFC分布区域温度低于人口密集区,降水反之。在时间上以2011年为节点,气温、降水均呈现“先减少、后增加”的趋势,但在速率上不及前者,故整体表现为“干冷化”,相关降低速率为0.083℃·a-1、66.01mm·a-1。分析气象因子单独影响,气温和VFC的偏相关系数均值为-0.081,达到显着水平（P<0.05）正负相关面积比例分别为2.81%、4.97%,故呈现较弱负相关影响。降水和VFC的偏相关系数均值为-0.042,达到显着水平（P<0.05）正负相关面积比例分别为1.10%、2.16%,故呈现微弱负相关影响。分析气温、降水对VFC的复合影响,气温、降水和VFC的偏相关系数均值为0.302,其中仅与气温显着相关、仅与降水显着相关、与气温、降水均显着相关所占面积比例分别为6.61%、2.09%、1.35%,故气温为影响研究区VFC变化的主要因子。（3）植被覆盖度动态变化驱动分析表明,深圳是植被覆盖变化主要受企业数量、政府财政收支及第三产业发展的驱动影响。其次,在人口基数庞大的背景下,全民受教育水平（各级各类职工、在校学生人数）是次要的驱动因素。仅次于全民素质的,科技创新发展是社会经济发展的“助推器”。最后,区域交通运输（公路、铁路、水运、航空等）的发展及政府的宏观调控,是植被覆盖变化的重要因子。（4）研究采用CA-Markov模型分两种情景（理论情景及自然情景）对深圳市2024年土地覆盖类型进行模拟预测,预测结果所得植被类型所占比例相差不显着,但在地理表达方面解释能力方面存在差异,其差异阈值为0%～1.22%。理论情景虽然能刻画土地覆盖细节信息,但模拟结果在地理表达方面解释能力不强。自然情景下2014～2024年间,发生变动面积为6967.68hm2。其中,乔木林、耕地、草地及水体呈现减少趋势,而灌丛、裸地及建筑用地呈增加趋势。88.94%乔木主要演变为建筑用地、灌丛及裸地,905.83 hm2耕地主要演变为建筑用地及乔木林,变化的草地中53.51%的量主要演变为建筑用地。
李成蹊[2]（2017）在《基于集成优化的多时相遥感图像山区积雪识别》文中进行了进一步梳理作为冰冻圈的重要组成部分,积雪是地表最为活跃的自然要素之一,能够调节地表能量平衡,对水循环和地表气体交换也有较大的影响。此外,积雪覆盖信息是水文模型及气象模型的重要输入参数,在气候变化研究、区域水资源管理以及雪灾预警等方面作用重大。近十年来,遥感对地观测技术快速发展,越来越多的遥感数据可以用来提供多种时空分辨率的积雪覆盖信息。因此,如何快速、准确地从高时空遥感分辨率遥感图像中识别积雪具有重要的意义。论文根据国家高分辨率对地观测系统重大专项项目“新疆天山中部高分载荷雪冰系统评价”（项目编号95-Y40B02-9001-13/15-04）和国家自然科学基金面上项目“SAR与高分辨率光学遥感联合反演雪水当量”（项目编号41271353）对山区积雪识别的研究需求,以新疆天山中段典型区域作为本文的研究区,基于多时相 GF-1 PMS（Panchromatic and Multispectral Sensor）数据,利用多时相山区积雪的表征偏移,引入多时相积雪视图概念,构建面向多时相的多分类器并进行集成优化,探讨快速、准确识别多时相山区积雪的方法。论文的主要研究内容与结论包括:（1）多时相积雪视图构建。引入多视图（multi-view）的概念,通过对积雪在单一时相上的光谱特征分析,并分析与度量多时相积雪的表征偏移,为将单一时相多视图向多时相积雪视图扩展奠定基础,进而完成积雪多视图的构建。结果表明:波段运算特征和变换特征对积雪与非积雪具有一定可分性,是原始光谱空间的有效补充;不同图像中的积雪表征存在差异,基于单一时相构建的积雪识别模型无法完成多时相积雪识别,但是基于积雪表征偏移可以为积雪多视图的构建提供差异信息。（2）多时相积雪视图集成优化。基于构建的多时相积雪视图,利用多视图特征选择策略对多视图特征空间进行集成优化,并基于多时相积雪视图的一致性与差异性,对面向多时相的多分类器进行集成优化。结果表明:多视图特征选择能有效平衡各个视图间充分性与之间的差异性,权重参数取值范围在0.3～0.5范围内效果最佳。（3）多时相积雪识别结果评价。基于多视图特征空间优化的结果以及多分类集成优化得到的参数组合,得到优化后的多个SMO模型,进而实现多时相山区积雪的同时识别。对集成优化前后的识别结果进行精度评价,同时分析时相数量的影响。结果表明:基于集成优化的积雪识别方法通过一次样本选取可以完成多时相积雪的同时识别,在精度和效率上均具有一定的优势;时相数量对识别精度有一定影响,总体上时相越多,多时相积雪识别效果越好。论文基于多时相GF-1 PMS图像,通过对多时相山区积雪的图像表征与表征偏移的分析,引入多视图的概念并将其拓展到多时相积雪视图,并对多视图特征空间以及多分类器进行集成优化,在一次样本选取的情况下能够同时识别多时相积雪。为解决多时相遥感图像积雪识别中遇到的光谱分辨率低和数据偏移问题提供了新思路,具有一定的技术方法创新性与实际应用价值。
崔晓临[3]（2013）在《秦岭地区土地利用/覆被变化及水热环境响应》文中进行了进一步梳理秦岭山系是我国南北重要的地理分界线,处于亚热带和暖温带的过渡区域。本文选择陕西省境内的秦岭地区作为研究对象,通过查阅国内外相关文献和多次试验,设计了适合秦岭山地土地利用/覆被变化的以遥感与GIS技术结合为主线的研究方法。利用MODIS NDVI、TM影像、DEM、气温、降水、径流等数据,深入分析了秦岭地区LUCC （Land use and land cover change,土地利用／土地覆被变化）时空变化特征及气温、降水、径流的环境响应,对秦岭地区生态环境变化的定量研究具有重要意义,并获得如下主要成果与进展：（1）采用AG （Asymmetric Gaussians）算法对MODIS NDVI数据进行时间序列重建,结合DEM数据及变异系数、线性趋势线斜率方法,分析了2000-2011年秦岭地区植被覆盖时空变化情况,结果表明,①在水平空间上,区域内植被时序稳定性与其离人类聚集区远近呈逆向分布,山区森林和山间灌木林时序稳定性较高,居民地周边农田和山间沟谷农林混合植被年际波动较大。②2000-2011年秦岭地区植被生长状况,整体呈现改善趋势,山区腹地和远离城市的农田改善趋势明显,山区森林和沟谷灌木林相对稳定。③秦岭地区NDVI随海拔升高先增加后降低,最大值在海拔1500-2000m范围内,最小值在海拔<500m范围内,海拔>2000m的区域NDVI值较低。NDVI值除在海拔1500～2000m和>2700m范围内增加不明显外,其他海拔范围内均呈显着增加态势,且增加速率随海拔升高而减小。（2）利用AG算法重建后的MODIS NDVI数据,通过使用变化矢量法、决策树分类法、及分类后的土地利用数据,分析和揭示了中等尺度秦岭地区的土地利用/覆被变化情况,结果表明,①秦岭地区土地覆被变化较高的区域位于太白山周围、以及嘉陵江、汉江、丹江、洛河沿线,所占比例较小；农田和建设用地变化较高,但变化数量较小；低山区变化程度低,所占比例较大；高海拔区域的森林类型保持持续稳定状态。秦岭地区土地覆被变化稳定类型的面积占79.99%,呈增加趋势；土地覆被发生变化的区域主要分布在嘉陵江、丹江、洛河谷地及汉江盆地。②秦岭地区土地覆被分类决策树分类总体精度为81.92%,Kappa系数为0.79。2000～2011年,秦岭地区落叶林持续增长；农田和草地减少速率增加；建设用地增加迅速；常绿林先增加后减少。③2000～2011年,秦岭地区水域和建设用地面积增加,耕地和未利用地面积减少。水域、耕地、建设用地和未利用地在不同坡度条件下均表现出明显变化,林地、灌木林在坡度≥20°区域,才有明显变化。（3）以1970～2009年逐月气温数据为基础,并选择取2000～2009年MODIS NDVI时序重建数据,结合DEM数据,分析秦岭地区气温变化及NDVI在不同海拔、不同季节对气温变化的响应。结果表明：①年平均气温及春、冬季平均气温增加显着,分别于1994、1997和2000年出现增暖突变,春季增温速率高于冬季,且高于年平均增温速率。②年平均NDVI与年平均气温的相关性较小,而多年平均NDVI与多年平均气温的相关性在垂直方向上呈增加趋势。>2700m区域相关系数最高,表明高海拔区域对气温变化的高敏感性。在季节方面,春季平均NDVI在高程<500m区域增加显着,夏、秋季平均NDVI在高程<2000m区域增加显着,其他区域变化不明显。夏季平均NDVI随高程升高而增加的速率逐渐降低,即在高程<500m区域平均NDVI增加速率最高,1500～2000m区域最低。秋季平均NDVI增加速率最高值在500～1500m区域,增加速率最低值在1500～2000m区域。（4）选择位于秦岭地区南北坡的典型流域—金钱河和灞河流域,对比分析秦岭地区南北坡径流变化差异,并探寻金钱河流域径流对降水、LUCC的响应。结果表明,1960～2009年,金钱河和灞河年平均径流量呈减少趋势,金钱河的径流减少量多于灞河流域。从径流的季节变化来看,春、秋季金钱河与灞河流域平均径流量均显着减少,而金钱河流域在冬季也显着减少。金钱河流域年平均径流量减少主要受人类活动（LUCC过程）的影响,人类活动对季节平均径流量的影响程度表现为春季高于秋季。秋季平均径流量减少受到降水量变化与人类活动双重作用。
王慧芳[4]（2013）在《基于多源数据冬小麦冻害遥感监测研究》文中指出近年来,随着全球极端气候的频繁出现,冬小麦冻害发生的复杂性、不可预知性,受灾程度影响之严重性,使得冬小麦冻害的实时监测和防灾减灾任务更加艰巨。随着卫星技术、地理信息技术、全球定位系统技术、计算机网络技术为主要内容的信息技术的迅速发展,遥感灾害监测技术在农业领域也得到了广泛的应用。近年来随着国产卫星数据源在时空分辨率与光谱分辨率上的提升,更带动了国内在相关领域研究的进展。然而目前在冬小麦冻害灾情遥感监测方面尚不系统,而在技术上如何最大限度的利用多源数据挖掘数据中的有效信息进而对不同时期的冻害特征参数进行有效提取是一个重要问题。本研究首先以人工控制条件下冬小麦越冬冻害与早春冻害为例,分别获取叶片、冠层尺度高光谱,研究冬小麦冻害光谱特征响应机制。继而以河北省示范区2009-2010年度典型冬小麦冻害实况为例,在地面样点调查基础上,综合多时相光学与热红外数据等多源遥感数据,利用GIS空间分析等技术手段,开展区域尺度上冬小麦冻害监测模型与方法研究,具体研究内容和结果如下：（1）在大田种植耐冻、不耐冻小麦品种发生越冬冻害自然条件下,获取了叶片与冠层尺度高光谱数据。在叶片尺度,首先研究了冻害在原始光谱与一阶微分光谱上的相应波段响应机制并提取了敏感波段；其次提取了叶片高光谱特征参量,通过分析叶片尺度冻害程度DAI与高光谱特征参量关系,建立了叶片尺度DAI与高光谱特征的拟合方程,筛选以R2达0.750以上的777nm一阶微分值、SDr/SDb、（SDr-SDb）/（SDr+SDb）为变量建模,其中SDr/SDb精度最高,验证结果R2为0.799,对DAI有很好的预测能力。冠层尺度上,通过主成分分析法提取前6个主成分估算冬小麦冻害严重度,其模型精度R2达到了0.6309。基于冠层高光谱数据提取了20个能敏感表征小麦叶绿素及含水量植被指数进行与冻害严重度相关分析,其中16个植被指数都与冻害严重度达显着水平。最后通过ANOVA进行产量影响指标与冻害严重度关系分析,4个与产量相关的考种指标都与冻害胁迫程度达到了极显着相关,说明不同的越冬冻害胁迫程度对最后产量影响较大。（2）在人工模拟霜箱模拟北方麦区（北京地区）春季越冬后早春冻害胁迫处理,观察其对冬小麦生长及产量的影响,同步获取了对小麦早春冻害叶片及冠层高光谱信息提取数据。通过研究了单叶水平与冠层水平冬小麦早春冻害的高光谱特征响应,表明经过不同温度处理后,叶片尺度与冠层尺度冬小麦呈现了不同的高光谱特征,文章分析了叶片及冠层尺度的四个不同处理T0,T1,T2,T3下原始高光谱、一阶微分光谱、“红边”等特征的信息,同时分析了在时间维度上的光谱变化信息。根据早春冻害低温胁迫后,植株光合作用的变化,文章使采用连续小波分析法（CWA）进行了叶绿素相对含量SPAD值反演研究,以相关程度最高的Feature E建立反演模型,并取得了较好的精度R2达到0.786。研究同时还进行了早春冻害不同温度条件处理下,造成长势指标（株高、LAI）差异与最后影响产量因素的/（?）NOVA分析,其结果为早春冻害对株高与LAI的影响达到了显着相关,说明不同程度的早春冻害对小麦长势与及最后收获产量影响较大。（3）大尺度监测冬小麦冻害灾情,需要结合受冻后长势监测,以提高冻害监测精度。以河北省示范区藁城市2009-2010年度发生的冬小麦冻害为典型案例,以三景环境减灾小卫星座HJ-CCDs小卫星影像为数据源进行了冬小麦冻害监测研究。文章引用入变化向量分析理论,分别对冬小麦冻害灾情及灾后长势恢复进行监测。利用多时相环境小卫星数据提取的多种植被指数,构建变化向量并分析其动态变化趋势,结合冬小麦冻害光谱特征敏感性分析,建立冻害灾情遥感监测模型,并展开长势恢复程度监测。结果表明变化向量分析法能有效地反映冬小麦受冻和长势恢复程度及空间分布,在基于多种植被指数建立的变化向量监测模型中,基于光谱结构不敏感指数SIPI建立的模型较精度最高,其冻害监测及长势恢复监测模型精度分别达83.3%、88.9%。（4）为了系统地评价冬小麦冻害严重程度并筛选与影响其冻害受灾程度的有效评价指标,文章将灰色理论系统知识模型与遥感技术（RS）、地理信息系统（GIS）技术相结合,在确立评价指标体系原则及要求的基础上,建立大尺度多源信息融合的冻害综合评价模型,并用于空间分布专题图生成。文章以河北省藁城、晋州市小麦冻害监测应用为例,开展冬小麦冻害受灾程度进行定量评价方法研究,首先对河北省藁城与晋州市小麦2009-2010年度实测冻害严重度群体指标——茎蘖存活率与地表温度、土壤各养分含量、土壤热惯量和土壤含水量等空间数据信息进行灰色关联分析（GRA）,并确定其权重；继而利用空间插值技术构建了研究区小麦冻害胁迫多因子空间矩阵,最后通过灰色聚类评估分析（GCA）建立冬小麦冻害严重度评估模型,将研究区可划分为重灾、中灾、轻灾或未受灾3种受灾片区。结果表明：藁城市重度受灾面积占全市小麦总面积的23.9%,中度受灾面积占40.71%,轻微或未受灾面积占35.39%；晋州市重度受灾面积占全市小麦总面积的17.12%,中度受灾面积占41.12%,轻微或未受灾面积占41.76%。评价结果经kappa模型验证后,总精度（overall accuracy）达78.82%,kappa coefficient为0.6754。因此,灰色聚类分析数学模型与遥感、GIS地理信息系统空间分析有效的整合,可以客观、准确地对冬小麦受冻害灾情定量评估研究,使得评价模型更具科学性和应用前景。同时此方法也为生态环境变化评价,作物长势及灾害监测提供了另外一种新途径。
杨争[5]（2012）在《临安市山核桃遥感估产研究》文中提出山核桃是浙江省临安市的重要经济树种，是当地农民的主要收入来源。及时准确了解山核桃种植面积、长势、产量信息，对于政策的制定、价格的宏观调控等都具有非常重要的意义。目前山核桃遥感监测研究在我国并不成熟的情况，本文应用遥感技术，结合样地调查，利用山核桃冠层光谱特征和主要农学参数、气象因子建立遥感估产模型，主要研究内容如下：1.提取山核桃面积本文以浙江省临安市为研究区，利用冬夏两个不同时相的CBERS-02卫星数据与实地调查资料，采用主成分分析与监督分类相结合的方法，提取浙江省临安市的山核桃空间分布及面积信息。2．建立单产模型分析不同生育期植被指数（NDVI、PVI、RVI、DVI）、气象因子与山核桃产量的相关性，确定开花期的NDVI为最佳估产遥感因子，与山核桃产量有显着性相关的气温、降雨量等18个气象因子中，有10个为十分显着的气象因子，其中7月的旬平均降水量对产量的影响最大。采用相关分析和线性回归的方法，建立以植被指数NDVI和气象因子为变量的复合遥感估产模型，并用实际统计的产量数据作为参照数据，采用相关系数评价和根均方差（RMSE）评价方法对建立的模型进行精度分析，筛选最佳单产模型。通过研究，本文主要得到以下结论：1.根据山核桃冬夏两季的林相差异，利用遥感变化检测方法提取山核桃空间分布及面积信息，提取的精度为83.71%，Kappa系数为0.81。提取山核桃总面积为3.11万公顷，与统计数据对比分析，总面积误差为1.3%。该方法是可行的，满足山核桃遥感信息提取的需要。2.经精度分析知，遥感因子植被指数与气象因子获取的多元线性回归模型精度高，其拟合R2为0.851，检验R2为0.820，F值为52.536，残差RMSE为7.78，模型易于使用，且稳定性较好，是山核桃估产的有效工具。
李聪,曹占洲,丁林,石玉,盛晓琼[6]（2012）在《新疆地区多时相MODIS-NDVI数据主成分分析》文中研究表明利用EOS/MODIS的250 m卫星遥感数据,对新疆2010年全年36个旬的数据,用最大值合成方法将每3旬NDVI数据合成每月NDVI数据,对每月NDVI数据进行主成分分析,提取了不同主成分分量,分析了不同主分量累积方差。结果表明,主成分变换的前4个主分量包含了大部分信息:第一主分量反映了NDVI在全年的空间分布和累积值。第二、三、四主分量反映的是冬夏、春夏、春秋等季节性的变化情况。
宗玮[7]（2012）在《上海海岸带土地利用/覆盖格局变化及驱动机制研究》文中指出海岸带土地利用/覆盖变化（LUCC）研究是全球变化研究及土地科学研究的核心内容之一。上海海岸带位于长江三角洲最东端,是支撑上海经济持续发展的重要区域。自上世纪九十年代开始,上海进入重要的经济转型期,随着上海经济持续快速发展、产业结构调整、工业化、城市化进程加快、一系列国家重大发展战略与重大工程（开放浦东、兴建浦东国际机场、建设临海新城、成立金山、奉贤工业开发区等）的实施,海岸带区域土地利用/覆盖格局也发生着迅速而深刻的变化。本文选择上海海岸带作为研究区域,以土地科学、景观生态学以及遥感与地理信息系统等理论与方法作为支撑,建立海岸带土地利用/覆盖格局变化分析的理论与方法体系,研究了1990年至2009年期间,上海海岸带土地利用/覆盖变化过程及其驱动机制。研究中,从土地利用分类角度及湿地分类角度分别研究了上海海岸带大堤内外不同区域土地利用/覆盖变化格局、过程及驱动机制,并以崇明东滩为样区,对滨海湿地盐沼植被的地上生物量进行估算,为后期快速评估湿地生态系统碳储量提供依据。本文的研究具有理论与实践的双重意义,方面为海岸带土地利用/覆盖变化研究提供了新的视角,丰富了土地利用研究的理论与方法；另一方面,研究成果揭示了在经济转型期上海海岸带土地利用/覆盖格局变化特征与规律,为上海海岸带综合利用与管理提供了数据支持,对推动上海乃至长三角地区经济发展具有重要意义。通过上述系列研究,本文获得以下主要结论：（1）1990-2009年的19年间上海海岸带土地利用状况发生了显着变化,主要体现在“一增一减”和圈围土地的现象。“一增”是指建设用地面积显着增加,“一减”是指耕地面积大幅度减少,圈围土地是指19年间上海海岸带共圈围土地511.71kmm2,成为自1950年以来上海海岸带圈围土地的新高峰。（2）1990-2009年上海海岸带土地利用/覆盖变化类型主要表现为新圈围土地→其他用地、其他用地→建设用地、新圈围土地→耕地、水产养殖→其他用地、耕地→建设用地5种变化类型。其中,其他用地是该区建设用地增加的主要来源,占转移面积的29.8%,其次为耕地,占转移面积的22.37%。建设用地为耕地主要的转移去向,占耕地总面积的26%。其次为其他用地,占11%。新圈围土地的去处主要是其他用地,约占新圈围土地的一半,其次转化为耕地,占新圈围土地21%。（3）1990-2009年研究区景观格局变化表现为海岸带中部及北部区域景观异质性逐步减少、破碎度逐步降低；海岸带西南部区域景观异质性有所增大,破碎度逐步增加。从斑块类型水平来看,上海海岸带景观逐渐从耕地与其他用地为基质,水域、水产养殖为镶嵌体的景观格局过渡到耕地、建设用的、其他用地、林草地等多种类型斑块均衡分布的格局。（4）1990-2009年上海海岸带湿地面积逐步减少,19年里共减少面积483.8km2。其中,近海及海岸湿地面积由1990年2938.74km2减少到2005年2368.51km2,内陆湿地则有小幅增加。（5）利用SPOT5高空间分辨率卫星遥感数据,结合野外实测数据、实验室测定分析,对崇明东滩湿地典型盐沼植被——芦苇、互花米草、海三棱蔗草的地上生物量进行估算。结果表明,崇明东滩湿地盐沼植被地上生物量表现为：互花米草>芦苇>海三棱藨草。（6）采用定性与定量相结合的方法分析了1990-2009年海岸带土地利用／覆盖变化的驱动机制。圈围土地和大型工程项目的建设是近海及海岸湿地减少的主要人为因素。通过主成分分析及灰色关联度方法对海岸带不同土地利用类型的驱动因子进行分析,结果表明,农业状况、经济状况及新圈围土地面积是影响各类土地利用类型面积分布的重要驱动因子。采用典型相关分析模型定量分析了驱动因子和土地利用变化两组变量整体之间的相关关系,结果显示,人口因素和经济因素是影响海岸带LUCC变化的主要人文驱动因素。（7）采用GM（1,1）模型及线性内插方法预测海岸带主要土地利用类型数量变化趋势。预测结果表明,2010-2030年里,建设用地需求仍将保持较高增长趋势,耕地面积将呈缓慢减少趋势。最后,结合本文研究成果,论文给出了上海海岸带土地利用可持续发展的八条建议及对策。
梁松[8]（2010）在《城市规划动态监管卫星遥感关键技术研究》文中研究表明近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
乔红波[9]（2007）在《麦蚜和白粉病遥感监测技术研究》文中提出农作物病虫害是影响粮食生产安全和产量的重要因素之一，防治病虫害大量使用的杀虫和杀菌剂可导致生态环境恶化，影响食品安全。病虫害频繁发生除与作物品种，气候变暖等因素有关外，病虫害监测及预警技术手段滞后仍是病虫害大面积发生的主要原因。遥感实时、动态、无损的技术特点在病虫害监测预警中具有重要作用。本文在实地调查和田间高光谱测量、对麦蚜和白粉病发生特点及不同源遥感机理深入理解的基础上，研究遥感反演病虫害发生环境要素可行性，探讨遥感影像光谱与实测病虫害光谱的关系，利用麦蚜和白粉病地物光谱特性在卫星遥感图像上的反映进行危害信息提取。主要内容如下：利用ASD手持式高光谱仪测定不同病虫害的光谱反射率，对测得的反射率数据进行一阶微分变换、对数变换、归一化变换等变换，利用逐步判别分析、线性判别分析和分层聚类法对不同病虫害进行识别。结果表明：逐步判别分析法选择的波段主要位于红、绿、蓝、和近红外区；分层聚类法选择的波段除了红、绿、蓝、和近红外波段外，还增加了蓝-绿边缘、绿-红边缘和红边区的波段。所选择的波段比原始波段在病虫害识别时具有更高的精度，最高识别精度达90.6％；边缘区波段对病虫害的识别有重要作用；用对数微分变换处理较其他方法处理对病虫害识别有更好的效果。利用手持式高光谱仪和基于数字技术的低空遥感系统，对不同严重度小麦白粉病冠层光谱反射率进行了测定，同时调查病情指数，分析不同时期地面平台光谱反射率与病情指数及低空遥感平台反射率与病情指数、归一化植被指数相关性。结果表明，地面光谱测量冠层光谱反射率和低空遥感数字图像反射率与小麦白粉病病情指数在灌浆期有显着的相关关系，就地面测量结果而言，近红外波段的相关性高于绿光波段，相关系数分别为-0.79和-0.54；低空遥感数字图像红、绿、蓝三波段中，相关性依次降低，相关系数分别为-0.79、-0.75和-0.62；而且低空遥感图像与归一化植被指数也存在较好的相关关系，蓝、红、绿波段，相关系数依次为0.70、0.68和0.54。使用分裂窗算法对NOAA图像进行地表温度反演，将地面实测获得的日最高温度与反演地面温度一一对应进行比较，结果表明遥感反演地温与地面实测的线性关系相关系数最高为0.89，最低为0.51，说明遥感反演地温数据与地面实测地温有显着的相关关系，但反演的值普遍高。对时间序列NDVI分析表明，冬小麦生育期序列曲线具有明显的规律。根据调查地面蚜虫数量和实地光谱测量，建立蚜虫危害与NDVI相关方程：NDVI=-3×1.0-3X+0.623，R=0.918（P<0.01），达到极显着水平，X为百株蚜量。根据此方程对NOAA-NDVI图像进行分析，对蚜虫危害进行监测。并利用NOAA图像对其它植被要素和冬小麦分布进行研究。根据分裂窗算法对MODIS遥感图像进行地表温度和各种植被要素反演，并与NOAA反演结果对比分析，同时对植被要素和冬小麦面积分布进行监测。从反演的系列变化可以看出，河南省地表温度变化在260-320K之间。MODIS反演地表温度与实测温度相关性分析结果表明，MODIS反演结果更接近于实测值。并对反演结果进行精度分析，结果NOAA和MODIS卫星反演温度的平均误差分别为0.90℃和0.41℃。MODIS-NDVI和NOAA-NDVI直方图分析结果表明，MODIS-NDVI的最大值和平均值均比NOAA-NDVI的大，而且，NOAA-NDVI的动态范围小，因此MODIS-NDVI对植被的响应比NOAA-NDVI更敏感。根据麦蚜和白粉病的发生机理与光谱特征，分别采用TM-NDVI和MPH技术提取危害信息。根据调查点GPS信息在TM-NDVI图像上分别定位健康和受害区两个调查点，信息提取结果表明受害前小麦田块的NDVI相近，而受害后小麦田NDVI值明显降低。对TM图像的DN值进行统计分析，发现健康小麦在第4波段近红外谱段会出现一个反射峰，到第5波段下降，而受病虫害为害的小麦在近红外谱段的光谱值降低，反射峰值出现在第5波段。根据主成分变换的特征向量矩阵，利用第3主分量来提取病虫害危害的特征信息。掩膜图像经主成分变换后的第3主分量在4月30日灰度值接近，而到5月16日健康小麦田的灰度值为比受害小麦田灰度值明显降低。主成分变换的第3分量比较集中地表现病虫为害的特征信息。本论文在对麦蚜和白粉病发生机理和为害特征深入研究基础上，通过实测地面高光谱数据和病虫害发生实地调查，利用不同源的遥感数据对麦蚜和白粉病的危害特征和遥感信息提取技术进行研究。该研究对于运用遥感等高新技术快速、及时获取大面积病虫害发生动态信息，建立病虫害的预测及监测体系，提高病虫灾害防治能力具有重要意义。
韩贵锋[10]（2007）在《中国东部地区植被覆盖的时空变化及其人为因素的影响研究》文中研究指明植被是陆地生态系统的重要组成部分，是生态系统中物质循环与能量流动的中枢，也是对人类社会经济活动有重要贡献的资源。选择我国东部地区作为研究区（113°-123°E，21.5°-35.5°N），以SPOT／VGT-NDVI时间序列影像为主要数据源（1998-2005），分析植被覆盖的时空变化及其人为因素的影响。从1998到2005年，我国东部地区植被的总面积有缓慢下降趋势，但是植被活动在增强。植被减少趋势与经济发展呈正相关的关系。在植被分布较多的地区，植被活动呈现出明显的下降趋势；植被较少的地区，呈现出明显的增加趋势。长江以北地区的植被增加趋势明显，尤其在安徽北部的阜阳和毫州地区以及鄱阳湖周边地区；长江以南地区植被减少趋势十分显着，尤其在江苏和上海接壤地区、上海市、浙江东南沿海地区、广州周边地区、南昌西南地区、福建厦-漳-泉地区以及湖南长-株-潭地区。东部各省（市）的植被活动变化差异十分显着：上海表现出明显的下降趋势；福建、浙江和江西有轻微的下降；安徽和江苏两省的植被表现出了相似的上升趋势。东部地区的植被重心1998到2005年均位于江西北部的上饶境内，向西北方向移动的趋势明显。植被的年内变化表明，东部地区植被的生长期为240-320天，生长期最长的位于北纬28-30度之间的低海拔地区，NDVI峰值出现的时间最早为第18旬即6月下旬，最晚为第28旬即10月上旬。8年平均的年积分NDVI的大小顺序为，福建＞浙江＞江西＞安徽＞江苏＞上海；低值区的植被增加趋势明显，而高值区的增加不明显。为了提取不同植被类型的NDVI年内变化曲线，使用主成份分析和ISODATA非监督分类方法对东部地区的植被进行了分类，分类kappa指数高达0.82，得到了18类主要的植被类型，其中一年两熟农作物和亚热带常绿阔叶林所占面积较大，每类植被均有其特殊的NDVI年内变化曲线。东部地区人口密度大，经济比较发达，城市扩张明显。植被分布与人口、GDP和建设用地GDP之间有明显的负相关关系，相关性在空间上有显着的异质性，在经济发达地区负相关性较高，而在河流、湖泊以及近海岸周围，存在正相关性。结合城市化的统计数据，应用面板数据分析方法，分析得出植被和城市化率之间的负相关性逐年增强，植被和城市化率之间有对数关系。采用多环缓冲带取样，研究发现城市化对植被物候的影响也是明显的；在长三角的上海市、杭州市、南京市、苏州市、无锡市和常州市等6个城市中，除杭州市外，城市化使植被的减少在10km缓冲带内表现得十分显着；城市化提前了始率期（SOS），延后了终绿期（EOS），从而延长了生长期（GSL），但是使NDVI年内极差(NDVIamp)降低幅度更大；从6个城市的平均水平看，城区植被和8-10km缓冲带植被相比，生长季节延长了5天，NDVIamp减少了0.21。利用TM影像，使用变化轨迹方法对典型快速城市化地区——上海市植被的研究表明：14年来，上海市的植被面积呈现持续下降趋势，浦东新区植被减少最多；三期（1989、1997、2003）均为植被的面积占总面积的一半以上，其次是三期均为非植被的面积占总面积的1／5。早期植被转化为非植被的地区主要在城区周围，而近期的转化发生在距城区较远的地区；非植被向植被的转化面积很小。Logistic回归分析发现，14个影响因子对植被变化轨迹的影响强度大小依次是，离道路的距离＞离行政中心的距离＞离植被—非植被边界的距离＞离商业中心的距离=1990年人口密度＞离河流的距离＞离高速公路的距离＞土地利用多样性＞人口密度差（2003-1990）=离上海市中心的距离。其中，离高速公路的距离对植被变化的影响反常，即离高速公路越近，植被分布越多或者转化为非植被的概率越小。经过检验，回归模型的精度是满意的，其中二分类Logistic模型精度高于多分类Logistic模型。
二、多时相NOAA-AVHRR数据主成分分析的生物学意义（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、多时相NOAA-AVHRR数据主成分分析的生物学意义（论文提纲范文）
（1）深圳市植被覆盖度动态变化及驱动力分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 国内外研究现状 |
| 1.4 课题来源 |
| 1.5 研究内容与研究技术路线 |
| 2 研究区概况与研究方法 |
| 2.1 研究区概况 |
| 2.2 数据获取与处理 |
| 2.3 研究方法 |
| 3 深圳市植被覆盖度时空动态变化特征 |
| 3.1 深圳市植被覆盖度空间分布特征 |
| 3.2 随地形因素的影响 |
| 3.3 深圳市植被覆盖度时间变化特征 |
| 3.4 小结 |
| 4 深圳市植被覆盖度与气候因子的响应 |
| 4.1 气候时空变化规律 |
| 4.2 植被覆盖度与气候因子的响应 |
| 4.3 小结 |
| 5 植被覆盖度动态变化驱动分析和预测 |
| 5.1 植被覆盖度动态变化驱动分析 |
| 5.2 土地覆盖预测 |
| 5.3 小结 |
| 6 结论与讨论 |
| 6.1 主要研究结论 |
| 6.2 创新点 |
| 6.3 讨论 |
| 参考文献 |
| 附录 攻读学位期间的主要学术成果 |
| 致谢 |
（2）基于集成优化的多时相遥感图像山区积雪识别（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题依据与背景 |
| 1.1.1 选题依据 |
| 1.1.2 选题背景 |
| 1.2 国内外研究进展 |
| 1.2.1 遥感图像积雪识别 |
| 1.2.2 多时相遥感图像识别 |
| 1.2.3 研究切入点 |
| 1.3 研究内容与论文组织 |
| 1.3.1 研究内容与技术路线 |
| 1.3.2 论文组织 |
| 第二章 研究区与数据资料 |
| 2.1 研究区概况 |
| 2.2 数据资料 |
| 2.2.1 遥感数据 |
| 2.2.2 DEM数据 |
| 2.3 数据预处理 |
| 2.3.1 图像几何配准 |
| 2.3.2 DEM数据处理 |
| 第三章 多时相积雪视图构建 |
| 3.1 山区积雪多时相图像表征 |
| 3.1.1 单一时相图像表征 |
| 3.1.2 多时相积雪表征偏移 |
| 3.2 积雪的多视图表达 |
| 3.2.1 多时相积雪视图概念 |
| 3.2.2 多视图的生成 |
| 第四章 多时相积雪视图集成优化 |
| 4.1 特征空间集成优化 |
| 4.1.1 综合指标设计 |
| 4.1.2 最优特征子集组合选取 |
| 4.2 多分类器集成优化 |
| 4.2.1 目标函数设计 |
| 4.2.2 参数优化过程 |
| 第五章 多时相积雪识别结果评价 |
| 5.1 基于优化SMO模型的积雪识别 |
| 5.1.1 识别结果生成 |
| 5.1.2 识别结果分析 |
| 5.2 识别结果影响因素分析 |
| 5.2.1 优化效果评价 |
| 5.2.2 时相数量影响 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 硕士期间科研工作 |
| 致谢 |
（3）秦岭地区土地利用/覆被变化及水热环境响应（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 图目录 |
| 表目录 |
| 第一章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 LUCC相关研究 |
| 1.2.2 LUCC环境效应研究 |
| 1.2.3 LUCC研究技术与方法 |
| 1.2.4 LUCC研究尺度 |
| 1.3 研究内容及拟解决的关键问题 |
| 1.3.1 研究内容 |
| 1.3.2 本研究拟解决关键问题 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究思路及方法 |
| 1.4.2 研究技术路线 |
| 第二章 研究区概况及数据预处理 |
| 2.1 研究区概况 |
| 2.1.1 地理位置及范围 |
| 2.1.2 自然环境条件 |
| 2.2 数据来源及处理方法 |
| 2.2.1 LUCC数据集 |
| 2.2.2 MODIS数据集 |
| 2.2.3 其它数据 |
| 第三章 植被覆盖变化时间序列分析 |
| 3.1 归一化植被指数及其应用 |
| 3.1.1 NDVI特征及其在地表覆盖研究中应用 |
| 3.1.2 NDVI变化分析方法 |
| 3.2 秦岭地区植被NDVI变化分析 |
| 3.2.1 NDVI变化参数提取 |
| 3.2.2 NDVl年内生长季均值和生长季多年均值分析 |
| 3.2.3 基于变异系数的秦岭地区NDVI时序稳定性分析 |
| 3.2.4 植被变化趋势分析 |
| 3.3 秦岭地区NDVI垂直分布与海拔梯度 |
| 3.3.1 NDVI垂直分布特征 |
| 3.3.2 NDVI海拔梯度差异 |
| 3.4 小结 |
| 第四章 土地覆被空间格局变化分析 |
| 4.1 土地覆被变化监测方法 |
| 4.1.1 变化矢量分析法 |
| 4.1.2 决策树遥感影像分类法 |
| 4.2 秦岭地区土地覆被变化矢量分析 |
| 4.2.1 NDVI矢量变化强度 |
| 4.2.2 NDVI矢量变化类型 |
| 4.2.3 主要地表覆盖类型变化分析 |
| 4.3 基于决策树的秦岭地区土地覆被分类 |
| 4.3.1 土地覆被分类与验证数据 |
| 4.3.2 秦岭地区土地覆被分类系统 |
| 4.3.3 基于决策树的土地覆被分类 |
| 4.4 秦岭地区土地覆被景观结构变化 |
| 4.4.1 土地覆被景观格局变化分析 |
| 4.4.2 土地覆被景观结构变化分析 |
| 4.5 小结 |
| 第五章 LUCC时空变化及其区域差异 |
| 5.1 秦岭地区土地利用变化 |
| 5.1.1 秦岭地区土地利用时空变化 |
| 5.1.2 土地利用变化区域差异 |
| 5.2 秦岭地区植被覆盖变化区域差异 |
| 5.3 秦岭地区不同坡度条件下的LUCC时空变化 |
| 5.3.1 土地利用变化分析 |
| 5.3.2 植被覆盖变化分析 |
| 5.4 小结 |
| 第六章 植被覆盖对气温变化的响应 |
| 6.1 数据与研究方法 |
| 6.1.1 数据源 |
| 6.1.2 研究方法 |
| 6.2 秦岭地区气温年际和季节变化 |
| 6.2.1 气温年际变化分析 |
| 6.2.2 气温季节变化分析 |
| 6.3 秦岭地区植被覆盖对气温变化的响应 |
| 6.3.1 植被覆盖季节变化分析 |
| 6.3.2 秦岭地区植被覆盖对气温变化的响应 |
| 6.4 小结 |
| 第七章 典型流域径流变化及其LUCC响应 |
| 7.1 研究区与数据 |
| 7.2 研究方法 |
| 7.3 秦岭地区降水年际和季节变化 |
| 7.3.1 降水年际变化分析 |
| 7.3.2 降水季节变化分析 |
| 7.4 秦岭南坡金钱河与北坡灞河流域径流变化 |
| 7.4.1 金钱河流域径流变化分析 |
| 7.4.2 灞河流域径流变化分析 |
| 7.4.3 秦岭南北坡径流变化差异性 |
| 7.5 金钱河与灞河流域径流与降水相关性 |
| 7.5.1 金钱河流域径流与降水相关性 |
| 7.5.2 灞河流域径流与降水相关性 |
| 7.5.3 秦岭南北坡径流与降水关系的差异性 |
| 7.6 金钱河流域径流对土地利用/覆被变化的响应 |
| 7.6.1 金钱河流域土地利用变化 |
| 7.6.2 金钱河流域植被覆盖变化 |
| 7.6.3 金钱河流域LUCC的径流响应 |
| 7.7 小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 致谢 |
| 作者简介 |
（4）基于多源数据冬小麦冻害遥感监测研究（论文提纲范文）
| 致谢 |
| 全文目录 |
| 表目录 |
| 图目录 |
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景、目的及意义 |
| 1.2 植被波谱遥感原理 |
| 1.2.1 植被反射光谱特征 |
| 1.2.2 植被受胁迫光谱特征 |
| 1.3 关于小麦越冬冻害的研究 |
| 1.4 关于小麦早春冻害的研究 |
| 1.5 冻害监测国内外研究进展 |
| 1.5.1 冬小麦冻害机理研究 |
| 1.5.2 调查分析方法 |
| 1.5.3 统计分析法 |
| 1.5.4 数理统计预报模型法 |
| 1.5.5 农业气象灾害区划 |
| 1.5.6 高光谱分析法 |
| 1.5.7 遥感监测法 |
| 1.6 研究目标 |
| 1.7 研究主要内容 |
| 1.7.1 冬小麦越冬、早春冻害高光谱遥感机理与识别方法研究 |
| 1.7.2 冬小麦越冬冻害与早春冻害高光谱遥感监测方法与模型研究 |
| 1.7.3 冬小麦冻害卫星遥感监测方法研究 |
| 1.7.4 综合多源数据冬小麦冻害严重度评价研究 |
| 1.8 冬小麦冻害遥感监测研究趋势及存在的问题 |
| 第二章 试验设计、数据获取及技术路线 |
| 2.1 试验设计 |
| 2.1.1 试验1-冬小麦越冬冻害叶片及冠层光谱试验 |
| 2.1.2 试验2-冬小麦早春冻害叶片及冠层光谱试验 |
| 2.1.3 试验3-基于多时相遥感数据冬小麦冻害监测试验 |
| 2.1.4 试验4-耦合Grey system、RS、GIS数据及技术进行大尺度冻害监测试验 |
| 2.2 测定项目与方法 |
| 2.2.1 叶片高光谱数据的获取 |
| 2.2.2 冠层高光谱数据的获取 |
| 2.2.3 霜箱设备 |
| 2.2.4 遥感数据获取 |
| 2.3 数据预处理方法 |
| 2.3.1 高光谱数据处理 |
| 2.3.2 遥感影像数据处理 |
| 2.3.3 植株生理生化参数获取方法 |
| 2.4 本研究总体技术路线 |
| 2.5 本章小结 |
| 第三章 冬小麦越冬冻害叶片、冠层遥感信息提取研究 |
| 3.1 高光谱数据光谱变换及特征参数提取 |
| 3.1.1 越冬冻害叶片原始高光谱响应特征 |
| 3.1.2 越冬冻害叶片一阶微分光谱特征 |
| 3.1.3 基于光谱敏感度分析的敏感波段选择 |
| 3.2 高光谱与叶片冻害严重度相关性分析 |
| 3.2.1 高光谱特征参量提取 |
| 3.2.2 高光谱特征参量与冻害程度相关性分析 |
| 3.3 冬小麦冻害单叶严重度反演研究 |
| 3.4 越冬冻害冠层尺度高光谱响应特征 |
| 3.4.1 冬小麦冻害冠层敏感波段的选择 |
| 3.4.2 基于原始光谱的敏感波段的选择 |
| 3.5 基于主成分分析冬小麦冠层尺度冻害程度反演研究 |
| 3.5.1 主成分定义描述 |
| 3.5.2 基于冠层光谱主成分得分值的冬小麦冻害程度反演多元线性模型建立 |
| 3.5.3 模型检验 |
| 3.6 基于植被指数相似法冬小麦冻害研究 |
| 3.7 冻害胁迫与产量相关指标的关系 |
| 3.8 本章小结与讨论 |
| 第四章 冬小麦早春冻害叶片、冠层高光谱信息提取研究 |
| 4.1 不同冻害处理冬小麦叶片高光谱响应特点 |
| 4.1.1 不同处理冬小麦单叶原始光谱响应特征 |
| 4.1.2 不同程度早春冻害一阶微分光谱响应特征 |
| 4.1.3 “红边”位置响应特征分析 |
| 4.2 基于连续小波分析的SPAD反演研究 |
| 4.2.1 SPAD值与高光谱反射率相关性研究 |
| 4.2.2 光谱连续小波分析简介 |
| 4.2.3 光谱连续小波特征提取 |
| 4.3 冠层尺度冻害胁迫高光谱特征提取 |
| 4.4 不同冻害处理下冬小麦长势指标冻害胁迫关系 |
| 4.5 冻害与产量相关指标的关系 |
| 4.6 本章结论与讨论 |
| 第五章 多时相遥感影像冬小麦冻害遥感监测研究 |
| 5.1 冬小麦冻害特征及冻害季相分析 |
| 5.2 研究区2009-2010年度气候特征 |
| 5.3 冬小麦冻害监测遥感数据源与预处理方法 |
| 5.4 冬小麦种植面积提取 |
| 5.5 研究区冻害监测研究背景 |
| 5.6 研究区样本数据 |
| 5.7 变化向量分析原理 |
| 5.7.1 植被指数变化向量的构建 |
| 5.7.2 变化向量敏感性分析及模型的确定 |
| 5.7.3 闽值划定 |
| 5.8 结果与分析 |
| 5.8.1 冬小麦冻害监测结果 |
| 5.8.2 冬小麦受冻后长势恢复监测结果 |
| 5.8.3 验证结果 |
| 5.9 本章结论与讨论 |
| 第六章 基于多因子综合评判冬小麦冻害监测研究 |
| 6.1 小麦冻害程度评价体系建立 |
| 6.1.1 影响冬小麦冻害因子 |
| 6.1.2 评价指标选取 |
| 6.2 研究区概况 |
| 6.3 研究区冬小麦种植面积提取 |
| 6.4 数据获取与预处理 |
| 6.4.1 遥感数据 |
| 6.5 评价体系建立 |
| 6.5.1 研究方法描述 |
| 6.5.2 灰色关联分析及评价指标权重确定 |
| 6.5.3 冬小麦冻害严重度灾害等级灰色聚类分析 |
| 6.6 结果与分析 |
| 6.7 精度验证 |
| 6.8 本章结论与讨论 |
| 第七章 结论、创新与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望及论文不足 |
| 参考文献 |
| 作者简介与攻读博士研究生期间的科研成果 |
（5）临安市山核桃遥感估产研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的与意义 |
| 1.1.1 山核桃简要介绍 |
| 1.1.2 研究目的和意义 |
| 1.2 传统估产方法研究进展 |
| 1.2.1 农学方法 |
| 1.2.2 统计方法 |
| 1.2.3 气象预报方法 |
| 1.2.4 遥感估产方法研究进展 |
| 1.2.4.1 遥感估产的优势 |
| 1.2.4.2 遥感估产进展 |
| 1.3 遥感估产技术 |
| 1.3.1 作物面积提取 |
| 1.3.1.1 农作物的面积提取 |
| 1.3.1.2 经济林的面积提取 |
| 1.3.1.3 作物面积提取的影响因素 |
| 1.3.2 作物长势监测 |
| 1.3.2.1 作物长势遥感监测研究进展 |
| 1.3.2.2 作物长势遥感监测存在的问题 |
| 1.3.3 模型建立 |
| 1.3.3.1 遥感估产模型 |
| 1.3.3.2 常用遥感数据 |
| 1.3.3.3 植被指数 |
| 1.3.3.4 模型建立存在的问题 |
| 1.4 小结 |
| 1.5 研究主要内容及技术路线 |
| 1.5.2 研究主要内容 |
| 1.5.3 技术路线 |
| 2 研究数据 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地质地貌 |
| 2.1.3 气候 |
| 2.1.4 土壤 |
| 2.1.5 植被 |
| 2.2 研究数据获取 |
| 2.2.1 样地数据 |
| 2.2.2 遥感数据 |
| 2.2.2.1 遥感数据的获取 |
| 2.2.2.2 遥感影像数据特征介绍 |
| 2.2.3 非遥感数据 |
| 2.3 数据处理 |
| 2.3.1 遥感影像预处理 |
| 2.3.1.1 几何校正 |
| 2.3.1.2 大气校正 |
| 2.3.1.3 图像的裁剪 |
| 2.4 遥感信息的提取 |
| 2.4.1 植被指数选择 |
| 2.4.2 植被指数的提取 |
| 3 山核桃面积提取与精度评价 |
| 3.1 主成分分析 |
| 3.2 面积提取 |
| 3.2.1 土地覆盖分类方案 |
| 3.2.2 训练样地 |
| 3.2.3 监督分类 |
| 3.3 精度评价 |
| 3.4 结果分析 |
| 4 单产模型建立 |
| 4.1 估产因子分析与选取 |
| 4.1.1 山核桃关键生育期植被指数与产量的相关性分析 |
| 4.1.2 多时相植被指数 NDVI 与产量的相关分析 |
| 4.1.3 气象因子与产量的相关分析 |
| 4.2 模型构建 |
| 4.2.1 基于植被指数的山核桃单产模型 |
| 4.2.2 单时相多因子山核桃单产模型 |
| 4.2.3 多时相组合山核桃单产模型 |
| 4.2.4 多时相多因子山核桃单产模型 |
| 4.3 小结 |
| 5 遥感估产单产模型精度分析 |
| 5.1 模型检验 |
| 5.1.1 回代检验 |
| 5.1.2 各乡镇产量检验 |
| 5.2 误差分析 |
| 6 讨论与总结 |
| 6.1 讨论 |
| 6.2 主要结论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
（6）新疆地区多时相MODIS-NDVI数据主成分分析（论文提纲范文）
| 引 言 |
| 1 EOS/MODIS数据 |
| 2 主成分分析 |
| 2.1 计算每月的归一化植被指数NDVI |
| 2.2 计算每月NDVI图像的均值 |
| 2.3 主成分变换 |
| 2.4 由MODIS多时相NDVI计算出的4个相关参数 |
| 2.5 计算前4个主分量与4个相关参数的相关系数 |
| 3 结果与分析 |
（7）上海海岸带土地利用/覆盖格局变化及驱动机制研究（论文提纲范文）
| 论文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.1.1 全球变化的背景 |
| 1.1.2 区域发展的背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 相关理论及研究进展 |
| 1.3.1 LUCC研究理论与背景 |
| 1.3.2 LUCC时空过程探测研究 |
| 1.3.3 LUCC驱动机制研究 |
| 1.3.4 LUCC预测研究进展 |
| 1.3.5 LUCC与植被生物量研究 |
| 1.3.6 上海海岸带LUCC研究及面临的问题 |
| 1.4 研究内容 |
| 第2章 研究思路及方法 |
| 2.1 研究区的选择 |
| 2.2 数据源的选择 |
| 2.2.1 遥感数据 |
| 2.2.2 海图数据 |
| 2.2.3 地形图及其他数据 |
| 2.3 研究方法及技术 |
| 2.3.1 上海海岸带LUCC分类体系的建立 |
| 2.3.2 上海海岸带湿地分类 |
| 2.4 技术路线及章节安排 |
| 第3章 上海海岸带区域概况 |
| 3.1 自然环境 |
| 3.1.1 地质 |
| 3.1.2 地貌 |
| 3.1.3 气候 |
| 3.1.4 水文 |
| 3.1.5 土壤 |
| 3.1.6 植物 |
| 3.1.7 海岸线 |
| 3.2 社会经济状况 |
| 3.2.1 人口 |
| 3.2.2 经济概况 |
| 3.3 上海海岸带围垦历史 |
| 第4章 上海海岸带土地利用/覆盖变化研究 |
| 4.1 遥感数据处理 |
| 4.1.1 遥感数据预处理 |
| 4.1.2 面向对象方法的土地利用分类 |
| 4.1.3 人机交互核查 |
| 4.1.4 土地利用分类精度验证 |
| 4.2 上海海岸带LUCC概述 |
| 4.2.1 土地利用类型空间分布及其变化特点 |
| 4.2.2 土地利用数量、土地利用结构及其变化 |
| 4.3 上海海岸带土地利用时空变化分析 |
| 4.3.1 土地利用速度变化分析 |
| 4.3.2 土地利用程度变化分析 |
| 4.3.3 土地利用结构特征分析 |
| 4.3.4 土地利用空间变化分析 |
| 4.3.5 土地利用类型转移矩阵分析 |
| 4.4 新圈围土地时空变化特征分析 |
| 4.4.1 新圈围土地时空变化状况及特征 |
| 4.4.2 圈围区土地利用状况及结构变化 |
| 4.5 小结 |
| 第5章 上海海岸带土地利用/覆盖景观格局分析 |
| 5.1 上海海岸带土地利用景观格局分析模型 |
| 5.1.1 景观格局指数选择 |
| 5.1.2 景观格局指数计算软件 |
| 5.1.3 景观尺度与粒度的选择 |
| 5.2 上海海岸带土地利用景观格局演变分析 |
| 5.2.1 景观水平的景观格局动态特征 |
| 5.2.2 斑块类型水平的景观格局动态变化特征 |
| 5.3 小结 |
| 第6章 上海海岸带湿地时空变化与植被地上生物量估算 |
| 6.1 上海海岸带湿地资源的时空变化分析 |
| 6.1.1 上海海岸带湿地资源概况 |
| 6.1.2 上海海岸带内陆湿地变化特征 |
| 6.1.3 上海海岸带近海及海岸湿地变化特征 |
| 6.2 滨海湿地盐沼植被地上生物量估算 |
| 6.2.1 材料与方法 |
| 6.2.2 结果与分析 |
| 6.3 小结 |
| 第7章 上海海岸带土地利用/覆盖变化驱动机制研究 |
| 7.1 海岸带近海及海岸湿地演变人为驱动因素分析 |
| 7.1.1 工程因素 |
| 7.1.2 圈围土地因素 |
| 7.2 海岸带LUCC社会经济驱动因素的定性分析 |
| 7.2.1 人口因素 |
| 7.2.2 经济因素 |
| 7.2.3 政策因素 |
| 7.2.4 大型建设项目因素 |
| 7.3 海岸带LUCC社会经济驱动因素的定量分析 |
| 7.3.1 驱动因子的选取 |
| 7.3.2 单因子相关分析 |
| 7.3.3 海岸带LUCC社会经济因素的主成分分析 |
| 7.3.4 海岸带土地利用类型分布的灰色关联度分析 |
| 7.3.5 海岸带土地利用变化的典型相关分析 |
| 7.4 小结 |
| 第8章 上海海岸带土地利用变化趋势及对策建议 |
| 8.1 上海海岸带土地利用变化趋势分析 |
| 8.1.1 GM(1,1)模型步骤 |
| 8.1.2 基于GM(1,1)模型的土地利用变化预测 |
| 8.1.3 结果与分析 |
| 8.2 海岸带土地利用可持续发展的若干建议 |
| 8.2.1 加强保护耕地,严格控制耕地转为建设用地 |
| 8.2.2 继续加强湿地保护 |
| 8.2.3 加快海岸带经济转型 |
| 8.2.4 提高圈围土地利用效率 |
| 8.2.5 编制目标统一,协调发展的各区县土地利用规划 |
| 8.2.6 结合地域优势发展特色产业 |
| 8.2.7 加强海岸带新城区的内涵建设 |
| 8.2.8 注重公众参与,加强环境教育 |
| 8.3 小结 |
| 第9章 结论与展望 |
| 9.1 主要结论 |
| 9.2 创新点 |
| 9.3 不足与展望 |
| 攻读博士学位期间的主要成果 |
| 参考文献 |
| 致谢 |
（8）城市规划动态监管卫星遥感关键技术研究（论文提纲范文）
| 摘要 Abstract 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 相关研究发展现状 |
| 1.2.1 国内方面 |
| 1.2.2 国外方面 |
| 1.3 主要研究内容 |
| 1.3.1 相关的研究课题 |
| 1.3.2 特色和重点研究问题 |
| 1.3.3 研究目标和主要研究内容 |
| 1.3.4 技术路线 |
| 1.3.5 研究方法 |
| 1.4 论文的组织 2 城市规划遥感监测业务与技术流程 |
| 2.1 概述 |
| 2.1.1 城市规划相关概念 |
| 2.1.2 城市规划遥感监测业务流程 |
| 2.1.3 城市规划遥感监测技术流程 |
| 2.2 数据获取 |
| 2.2.1. 城市规划监管数据需求 |
| 2.2.2. 城市规划监管数据源分析 |
| 2.3 面向城市规划监管的遥感数据处理 |
| 2.4 变化信息提取与识别 |
| 2.5 核查与成果发布 |
| 2.5.1 核查 |
| 2.5.2 成果发布 |
| 2.6 小结 3 遥感图像处理核心技术 |
| 3.1 图像纠正与配准 |
| 3.2 遥感影像的数字镶嵌 |
| 3.3 图像变换 |
| 3.4 图像增强 |
| 3.5 多源遥感图像数据融合 |
| 3.5.1 融合的概念 |
| 3.5.2 融合的基本理论 |
| 3.5.3 主要融合方法 |
| 3.5.4 融合方法的应用比较 |
| 3.6 改进型小波融合算法 |
| 3.6.1 小波理论的发展 |
| 3.6.2 基于小波变换的融合算法 |
| 3.6.3 基于PCA变换、小波变换与高通滤波的遥感影像融合方法 |
| 3.7 实例分析 |
| 3.8 小结 4 变化信息检测(提取)分类的理论和方法 |
| 4.1 概述 |
| 4.2 变化检测的地物及其遥感图像特征分析 |
| 4.2.1 变化检测中地物的地学特征 |
| 4.2.2 遥感图像的分辨率 |
| 4.2.3 地物与遥感图像间的对应关系 |
| 4.2.4 地物遥感信息空间 |
| 4.3 变化检测的主要方法及其特点 |
| 4.3.1 分类后比较法 |
| 4.3.2 代数运算方法 |
| 4.3.3 可视化分析法 |
| 4.3.4 光谱特征变异法 |
| 4.3.5 主成分分析法 |
| 4.3.6 变换向量分析法 |
| 4.3.7 小波变换法 |
| 4.3.8 面向对象法 |
| 4.3.9 变化检测方法分析 |
| 4.4 面向对象的变化检测分类方法 |
| 4.4.1 高分辨率遥感图像特点 |
| 4.4.2 面向对象分类的概念 |
| 4.4.3 面向对象分类的优点 |
| 4.4.4 面向对象分类的难点 |
| 4.4.5 面向对象分类的流程 |
| 4.4.6 城市规划遥感监测专题对象分析 |
| 4.5 实例分析及评价 |
| 4.5.1 Definiens分类软件 |
| 4.5.2 实例分析 |
| 4.6 小结 5 城市规划遥感专题监测模型研究 |
| 5.1 概述 |
| 5.2 遥感信息模型 |
| 5.2.1 遥感信息模型的概念 |
| 5.2.2 遥感信息模型的建立 |
| 5.3 城市规划遥感监测专题目标的光谱、空间和纹理等特征 |
| 5.3.1 建设工程监测目标的特征 |
| 5.3.2 城市道路监测目标的特征 |
| 5.3.3 城市水系监测目标的特征 |
| 5.3.4 城市绿地监测目标的特征 |
| 5.3.5 建设用地监测目标的特征 |
| 5.3.6 历史文化名城保护监测目标的特征 |
| 5.4 城市规划遥感监测专题应用模型 |
| 5.4.1 面向对象的遥感模型建立方法 |
| 5.4.2 城市规划遥感监测专题模型 |
| 5.5 遥感信息模型的数学表达 |
| 5.6 实例分析 |
| 5.7 小结 6 基于WEB服务的GIS监测分析研究 |
| 6.1 概述 |
| 6.1.1 Web Services简介 |
| 6.1.2 Web Services的工作原理 |
| 6.2 基于WEB服务的监测系统设计 |
| 6.2.1 监测系统技术框架 |
| 6.2.2 基于Web服务的监测系统功能设计 |
| 6.2.3 系统的运行环境 |
| 6.3 基于GIS技术的监测分析 |
| 6.3.1 监测数据管理 |
| 6.3.2 基于GIS技术的监测分析 |
| 6.4 实例分析 |
| 6.4.1 变化提取 |
| 6.4.2 GIS辅助监测分析 |
| 6.5 小结 7 结论与展望 |
| 7.1 主要研究成果和创新点 |
| 7.1.1 主要研究成果 |
| 7.1.2 主要创新点 |
| 7.2 城市规划遥感监测发展展望 参考文献 致谢 作者简介 在学期间发表论文及参加科研工作情况 |
（9）麦蚜和白粉病遥感监测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 近地光谱监测病虫害 |
| 1.2.2 低空和航空遥感 |
| 1.2.3 卫星遥感 |
| 1.2.4 植被指数研究进展 |
| 1.2.5 地表温度遥感反演研究进展 |
| 1.3 研究目标、内容与解决的关键问题 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 拟解决的关键问题 |
| 1.4 技术路线 |
| 第二章 数据采集与预处理 |
| 2.1 研究区概况 |
| 2.1.1 气候特点 |
| 2.1.2 地貌特征 |
| 2.1.3 土壤类型 |
| 2.1.4 病虫害发生情况 |
| 2.2 数据调查与资料收集 |
| 2.2.1 地面光谱数据采集 |
| 2.2.2 低空遥感图像 |
| 2.2.3 卫星遥感图像获取 |
| 2.2.4 非遥感信息数据 |
| 2.3 数据预处理 |
| 2.3.1 高光谱反射率数据 |
| 2.3.2 遥感图像预处理 |
| 2.3.3 气象数据处理 |
| 第三章 不同病虫害的高光谱识别 |
| 3.1 材料与方法 |
| 3.1.1 冬小麦病虫害反射率数据采集 |
| 3.1.2 高光谱数据处理 |
| 3.1.3 波段选择方法 |
| 3.1.4 烟蚜调查与叶绿素测定 |
| 3.1.5 棉枯萎病调查与光谱测定 |
| 3.1.6 统计分析 |
| 3.2 结果与分析 |
| 3.2.1 烟蚜危害后烟草冠层光谱反射率和一阶导数变化 |
| 3.2.2 不同病情棉花冠层光谱特性分析 |
| 3.2.3 不同波段反射率和病情指数的模型建立 |
| 3.2.4 高光谱数据变换结果 |
| 3.2.5 逐步判别分析结果 |
| 3.2.6 分层聚类识别结果 |
| 3.3 讨论 |
| 第四章 低空遥感监测白粉病 |
| 4.1 材料与方法 |
| 4.1.1 材料 |
| 4.1.2 试验设计 |
| 4.1.3 接种方法与病害调查 |
| 4.1.4 低空遥感图像采集 |
| 4.1.5 数据处理 |
| 4.2 结果与分析 |
| 4.2.1 不同时期地面光谱与病情指数相关性 |
| 4.2.2 低空遥感真彩图和波段分解 |
| 4.2.3 低空遥感各波段反射率与病情指数相关性 |
| 4.2.4 低空遥感各波段反射率与归一化植被指数相关性 |
| 4.3 讨论 |
| 第五章 基于气象卫星的环境要素及危害监测 |
| 5.1 材料与方法 |
| 5.1.1 数据准备 |
| 5.1.2 卫星图像预处理 |
| 5.1.3 地面温度反演算法 |
| 5.1.4 植被指数计算 |
| 5.1.5 NDVI的变异系数变化 |
| 5.1.6 冬小麦面积监测 |
| 5.1.7 其它数据集 |
| 5.2 结果与分析 |
| 5.2.1 图像预处理结果 |
| 5.2.2 地表温度反演结果 |
| 5.2.3 反演地面温度与实测值比较 |
| 5.2.4 时间序列的植被指数变化分析 |
| 5.2.5 时间序列NDVI像元统计分析 |
| 5.2.6 冬小麦面积分布 |
| 5.2.7 基于NDVI麦蚜为害监测 |
| 5.3 讨论 |
| 第六章 基于 MODIS卫星的环境要素监测 |
| 6.1 材料与方法 |
| 6.1.1 MODIS图像数据获取 |
| 6.1.2 MODIS数据产品的文件格式 |
| 6.1.3 MODIS数据预处理 |
| 6.1.4 地表温度反演 |
| 6.1.5 冬小麦面积提取方法 |
| 6.1.6 其它植被要素 |
| 6.2 结果与分析 |
| 6.2.1 基于MODIS地表温度反演结果 |
| 6.2.2 NOAA和 MODIS反演地表温度对比 |
| 6.2.3 NOAA和 MODIS温度反演精度评价 |
| 6.2.4 不同时间序列MODIS-NDVI分析 |
| 6.2.5 NOAA和 MODIS NDVI差异性比较 |
| 6.2.6 基于MODIS-NDVI河南省冬小麦面积提取 |
| 6.2.7 其它植被要素提取结果 |
| 6.3 讨论 |
| 第七章 麦蚜和白粉病危害TM图像信息提取 |
| 7.1 材料与方法 |
| 7.1.1 研究区位置 |
| 7.1.2 遥感数据准备 |
| 7.1.3 TM图像预处理 |
| 7.1.4 TM图像的主成分分析 |
| 7.1.5 麦蚜和白粉病危害特征信息提取方法 |
| 7.1.6 非遥感源数据 |
| 7.1.7 麦蚜和白粉病危害信息提取流程图 |
| 7.2 结果与分析 |
| 7.2.1 研究区6个波段影像特征分析 |
| 7.2.2 研究区各波段影像相关性分析 |
| 7.2.3 健康小麦和受害麦田实测光谱分析 |
| 7.2.4 基于实测光谱曲线的麦蚜和白粉病特征信息提取 |
| 7.2.5 遥感像元 DN值分析 |
| 7.2.6 基于像元 DN值的麦蚜和白粉病特征信息提取 |
| 7.2.7 方法验证 |
| 7.3 讨论 |
| 第八章 全文结论 |
| 8.1 病虫害地面高光谱监测与识别 |
| 8.2 低空遥感监测白粉病 |
| 8.3 气象卫星监测病虫害环境要素及危害监测 |
| 8.4 基于 MODIS病虫害环境要素监测 |
| 8.5 麦蚜和白粉病危害TM图像信息提取 |
| 8.6 本论文的创新之处 |
| 8.7 下一步研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）中国东部地区植被覆盖的时空变化及其人为因素的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与选题意义 |
| 1.2 基于时间序列NDVI的国内外研究现状 |
| 1.3 研究目标、研究内容和解决的关键问题 |
| 1.4 本研究的技术路线 |
| 1.5 本文的特色与创新之处 |
| 第2章 研究方法与数据来源 |
| 2.1 植被遥感的基本原理 |
| 2.2 植被指数 |
| 2.3 高时间分辨率NDVI数据集的对比及选择 |
| 2.4 时间序列NDVI的数据平滑处理 |
| 2.5 植被动态变化研究的主要方法 |
| 2.6 研究区域的选择 |
| 2.7 本章小结 |
| 第3章 植被覆盖的时空变化 |
| 3.1 植被年际变化(Inter-annual Variability) |
| 3.2 植被年内变化(Intra-annual Variability) |
| 3.3 本章小结 |
| 第4章 植被覆盖类型特征分析 |
| 4.1 基于时间序列NDVI的分类思路与方法 |
| 4.2 基于时间序列NDVI的植被分类 |
| 4.3 植被典型的NDVI年内变化曲线 |
| 4.4 本章小结 |
| 第5章 人为因素对植被的影响 |
| 5.1 人口和GDP对植被的影响 |
| 5.2 城市化对植被分布影响的统计分析 |
| 5.3 城市化对植被物候的影响 |
| 5.4 本章小结 |
| 第6章 植被变化轨迹分析 |
| 6.1 引言 |
| 6.2 研究区域和数据来源 |
| 6.3 结果与分析 |
| 6.4 本章小结 |
| 第7章 结束语 |
| 7.1 主要结论 |
| 7.2 研究展望 |
| 参考文献 |
| 读博士期间发表的论文 |
| 后记 |
四、多时相NOAA-AVHRR数据主成分分析的生物学意义（论文参考文献）
- [1]深圳市植被覆盖度动态变化及驱动力分析[D]. 吴炳伦. 中南林业科技大学, 2020(02)
- [2]基于集成优化的多时相遥感图像山区积雪识别[D]. 李成蹊. 南京大学, 2017(05)
- [3]秦岭地区土地利用/覆被变化及水热环境响应[D]. 崔晓临. 西北大学, 2013(11)
- [4]基于多源数据冬小麦冻害遥感监测研究[D]. 王慧芳. 浙江大学, 2013(05)
- [5]临安市山核桃遥感估产研究[D]. 杨争. 浙江农林大学, 2012(12)
- [6]新疆地区多时相MODIS-NDVI数据主成分分析[J]. 李聪,曹占洲,丁林,石玉,盛晓琼. 气象与环境科学, 2012(02)
- [7]上海海岸带土地利用/覆盖格局变化及驱动机制研究[D]. 宗玮. 华东师范大学, 2012(11)
- [8]城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学（北京）, 2010(10)
- [9]麦蚜和白粉病遥感监测技术研究[D]. 乔红波. 中国农业科学院, 2007(05)
- [10]中国东部地区植被覆盖的时空变化及其人为因素的影响研究[D]. 韩贵锋. 华东师范大学, 2007(02)