农作物类型遥感识别方法与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

农作物类型遥感识别方法与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 作物识别方法概述1

1.1 引言1

1.2 非监督、监督和半监督分类2

1.3 单分类器与多分类器集成分类4

1.4 硬分类与软分类6

1.5 面向对象与基于像元的分类8

1.6 单时相、多时相与时序数据分类11

1.6.1 基于单时相数据的分类11

1.6.2 基于多时相数据的分类12

1.6.3 基于时序数据的分类19

1.7 单特征分类与多特征分类22

1.8 小结25

参考文献27

第2章 农作物识别精度的影响因素41

2.1 引言41

2.2 样本数量对识别精度的影响43

2.2.1 研究背景43

2.2.2 研究区与数据44

2.2.3 研究方法与技术路线46

2.2.4 结果分析49

2.2.5 结论与讨论55

2.3 样本质量对识别精度的影响56

2.3.1 研究背景56

2.3.2 研究方法与技术路线57

2.3.3 结果分析60

2.3.4 结论与讨论63

2.4 数据特征对识别精度的影响64

2.4.1 研究背景64

2.4.2 研究方法与技术路线65

2.4.3 评价指标的选择69

2.4.4 结果分析69

2.4.5 结论与讨论73

2.5 数据尺度对识别精度的影响74

2.5.1 研究背景74

2.5.2 研究区与数据75

2.5.3 研究方法与技术路线76

2.5.4 结果分析81

2.5.5 结论与讨论92

参考文献93

第3章 基于可见光遥感影像的作物类型识别97

3.1 引言97

3.2 基于单时相数据的作物识别98

3.2.1 基于变端元混合像元分解的冬小麦提取98

3.2.2 软硬分类相结合农作物制图研究110

3.2.3 SVDD单目标分类器的作物识别研究128

3.2.4 基于集成学习的农作物识别研究143

3.3 基于多时相数据的作物识别151

3.3.1 支持向量机与分类后验概率空问变化向量分析法结合的冬小麦识别方法151

3.3.2 通过软硬变化检测识别冬小麦161

3.3.3 图斑与变化向量分析相结合的秋粮作物遥感提取172

3.3.4 构建时空融合模型进行水稻遥感识别180

3.4 基于时间序列数据的作物识别200

3.4.1 基于相似性分析的中低分辨率复合水稻种植面积测量法200

3.4.2 基于典型物候特征的MODIS-EVI时间序列数据冬小麦种植面积提取方法209

3.4.3 中低分辨率小波融合的玉米种植面积遥感估算223

3.4.4 Landsat 8和MODIS融合构建高时空分辨率数据识别秋粮作物232

参考文献249

第4章 基于高光谱影像的作物类型识别262

4.1 引言262

4.2 基于高光谱遥感数据的相似性测度方法评价268

4.2.1 研究背景268

4.2.2 研究数据269

4.2.3 研究方法与技术路线272

4.2.4 结果分析276

4.2.5 结论与讨论279

4.3 基于随机森林的高光谱遥感数据降维与分类280

4.3.1 研究背景280

4.3.2 研究区与数据280

4.3.3 研究方法与技术路线281

4.3.4 结果分析285

4.3.5 结论与讨论291

4.4 基于人工蜂群算法优化的SVM高光谱遥感影像分类292

4.4.1 研究背景292

4.4.2 数据293

4.4.3 研究方法与实验设计295

4.4.4 结果分析300

4.4.5 结论与讨论304

4.5 变端元秋粮作物高光谱识别304

4.5.1 研究背景304

4.5.2 研究区与数据306

4.5.3 研究方法与技术路线311

4.5.4 结果分析322

4.5.5 结论与讨论328

参考文献329

第5章 雷达作物识别337

5.1 引言337

5.2 基于多时相RADARSAT-2的秋粮作物识别340

5.2.1 研究背景340

5.2.2 研究区与数据342

5.2.3 研究方法与技术路线345

5.2.4 结果分析358

5.2.5 结论与讨论361

5.3 光学影像图斑支持下多时相雷达旱地秋粮作物提取361

5.3.1 研究背景361

5.3.2 研究区与数据362

5.3.3 研究方法与技术路线363

5.3.4 结果分析365

5.3.5 结论与讨论374

参考文献375

附表381

索引409