一、QuickBird卫星成功发射（论文文献综述）
李瑞金[1]（2021）在《卫星遥感点光源辐射标校方法与系统研究》文中研究指明卫星遥感在国民经济、社会生活和国家安全等诸多方面得到广泛应用,其应用效能很大程度上取决于遥感数据定量化水平,而卫星遥感器MTF在轨检测和辐射定标是卫星遥感定量化基础。以场地为观测目标的替代定标作为卫星定标三类手段之一,具有对在轨卫星整个生命周期进行高精度检测与定标的技术优势。替代定标主要以大面积均匀场、人工靶标或点光源作为参照目标。基于自然环境的大面积均匀场较为偏远、人工靶标存在铺设费力和表面易老化等问题,难以作为高频次、常规化的长期定标参照目标,而点光源法由凸面镜组构成,具有克服上述不足的潜在优势,在未来卫星在轨定标中具有重要应用前景。由凸面镜构成的点光源,其指向精度决定着凸面镜口径和重量需求;对点光源指向的网络化远程控制是定标常规化的基础,因此,基于点光源定标与MTF检测的高频次、常规化问题主要就是指向精度与网络化控制问题。本论文就点光源网络化远程控制系统研制和高精度指向标校方法等问题开展研究。依据点光源的多能级梯度阵列特点和高频次、常规化定标需求,提出了基于网络化远程控制、高精度点光源阵列指向跟踪的设想,进行了相应点光源辐射定标系统软硬件方案设计,研制了一套场地替代定标点光源系统,使其具有自动化跟踪、网络化协同工作特点,具备在不同纬度、不同季节、不同分辨率卫星条件下,均可作为在轨辐射定标和MTF检测参照目标的普适性功能。针对点光源系统面临着相机、点光源、大地和太阳等单元相互独立、而又应具备高精度指向的应用需求问题,研发了基于太阳矢量,将反射镜坐标系下的任意矢量通过坐标变换关系转换到当地坐标系的算法,以此形成坐标体系的整体性。在此基础上构建了高精度标校模型,并通过反解模型求解法、太阳图像质心比对法和坐标旋转变换矩阵法,验证与完善了标校模型,实现所研点光源定标系统在当地坐标体系下的高精度指向能力。在实现点光源系统高精度标校能力基础上,为达到基于点光源MTF检测与定标的高频次、常规化、自动化应用目标,本文进一步提出了在点光源系统上增设自动相机的构想,并开展了基于反射镜与相机几何关系的自动化标校模型研究,以此确定太阳图像质心与反射镜法向之间的定量联系,并通过实验,检验并完善了该系统指向太阳的高精度自动调节能力。在点光源辐射定标系统研制、点光源系统的高精度标校和标校过程自动化研究的基础上,开展了一系列点光源指向实验。模型分析与跟踪太阳实验比对结果表明,俯仰角误差标准差为0.017°,方位角误差标准差为0.031°,质心对比均方根误差分别为X轴像素均方根误差为2.099 pixel,Y轴像素均方根误差0.868 pixel,对应像素角分辨率误差为0.037°、0.014°,综合角分辨率误差为0.040°。实验结果显示模型解算值与实际测量数据具有较好的一致性,能够满足基于点光源系统的MTF检测与辐射定标需求。
夏元平[2]（2020）在《基于InSAR/GIS的矿区地下非法开采监测关键技术研究》文中进行了进一步梳理我国的矿产资源属于国家所有。国家根据战略发展的需要,给有关单位或个人发放矿产资源开采许可证,通过进行合理有序的开采,更好地服务国家的经济发展。近年来,由于受到经济的利益驱动,部分非法开采分子在未取得矿产资源开采许可证的情况下,私自盗采国家的矿产资源,且开采手段又极具破坏性。有关部门为制止此类行为,采取了多种防范措施。但由于现有的非法采矿监督大多采用“逐级统计上报、群众举报、现场巡查”的“地毯式”方法进行,周期长、时效性差、人为因素影响大、准确度低,以致一些非法采矿监管困难,尽管采取了防范措施,但屡禁不止,影响矿山正常开采秩序,形成安全事故隐患并严重破坏了生态环境。因此,为了实现在人无需进入井下或井下实测空间的条件下确定地下开采区域,进而进行非法采矿识别成为可能,本文在总结地下非法采矿类型和识别途径的基础上,从解决“地表形变信息的获取、地表形变信息与地下开采位置的关联、合法与非法开采的甄别”三个关键技术问题入手,综合运用空间对地观测技术、GIS、采矿工程等技术的理论成果,解决矿区范围内In SAR获取地表形变信息的问题,以煤炭地下开采引起的地表沉陷为研究对象,在揭示地表形变信息与地下开采面的关联机理的基础上,构建能融合数据多源、反映多层次时空变化过程中地质空间与分布特征的GIS时空数据模型,建立地下合法开采和非法开采的甄别模型,并集成In SAR和GIS技术来实现矿区地下非法采矿的快速高效监测。论文的研究内容和和取得的主要成果总结如下:（1）总结了当前利用In SAR技术进行矿区地表形变监测的研究发展现状,进一步梳理了SAR成像原理以及D-In SAR、PS-In SAR、SBAS-In SAR的基本原理和数据处理流程,分析了In SAR形变探测的主要误差来源,并从形变梯度、失相关等方面剖析了In SAR在矿区形变监测中的主要影响因素。同时,综述了当前国内外In SAR与GIS技术集成应用以及地下非法采矿监测研究现状。（2）提出了一种面向地下非法采矿识别的GIS时空数据模型。针对矿山地下开采诱发的地质现象和动态过程,结合地下非法采矿监测的实际需求,介绍了支持地质事件多因素驱动GIS时空数据模型的基本概念和框架结构,定义了各种地质对象及相关的地质事件。同时,通过对矿山开采沉陷时空变化过程进行模拟与描述,构建了支持地质时空过程动态表达的GIS数据模型,并对矿山开采沉陷各个类的详细结构和时空数据库表结构进行了描述,在此基础上,提出了集成In SAR与GIS技术进行地下非法采矿识别的方法,并搭建非法采矿识别平台体系结构,为不同类型非法采矿事件的识别和监测提供平台保障。（3）提出了一种基于D-In SAR开采沉陷特征的地下无证开采识别方法。针对引起地表较大量级形变的地下无证开采事件,构建了自动圈定地表开采沉陷区的算法模型,设计了一种“时序相邻式”的双轨D-In SAR监测方案。通过精化D-In SAR数据处理的流程、方法和相关参数,精准地获取了区域范围内的差分干涉图,再根据由地下开采引起地表沉陷区域独特的空间、几何、形变特征,构建了从分布范围较大的差分干涉图中快速、准确圈定地表开采沉陷区的算法模型,在此基础上,实现了从圈定的开采沉陷区中进行非法采矿事件的识别,并对识别结果进行了对比分析和实地验证。通过资料对比和实地调查验证了地下非法开采的识别结果与实际情况基本一致,具有较好的识别效果,且定位出的采矿点的位置较准确,与实际位置的差距一般都小于20m。（4）提出了一种融合PS-In SAR和光学遥感的地下无证开采识别方法。针对引起地表小量级形变且隐蔽在房屋下的无证开采事件,鉴于这些非法事件开采的都是浅层煤炭资源,且地面上的房屋在较长时间序列中能够保持较强且稳定的雷达散射特性,通过联合PS-In SAR技术和高分光学遥感,提取出地表建筑物（居民地）对应PS点集的沉陷信息,并对提取出的建筑物沉陷信息进行形变时空特征分析,提出了一种从覆盖范围较大的建筑物沉陷信息中快速、准确探测出疑似非法开采点的方法。以山西省阳泉市郊区山底村为研究对象,选用Quick Bird02和Worldview02高分辨率数据以及20景PALSAR影像数据来进行实验研究,探测出该村2006年12月29日至2011年1月9日间发生过的2个非法采煤点,并将探测出的非法采煤点与历史查处资料进行对比分析,发现局部区域的准确率达到40%,探测率达到66.67%,且在开采时间上也基本吻合。表明了该方法是可行的,具有一定的工程适用性和实际应用价值。（5）结合In SAR地表形变监测技术和开采沉陷预计方法,提出了一种面向越界开采识别的地下采空区位置反演方法。首先依据开采沉陷原理建立起地表沉陷和地下开采面的时空关系模型,然后利用In SAR技术精确获取地表形变信息,最后根据时空关系模型反演出地下倾斜煤层开采的具体位置参数。与其他同类方法相比,该方法由于不依赖复杂非线性模型,因此具有较高的工程应用价值。为了验证所提出方法的可靠性和适用性,使用FLAC3D软件进行了模拟实验和分析,选用峰峰矿区132610工作面和11景Radarsat-2影像数据进行实验研究,结果表明,反演出的采空区位置平均相对误差为6.35%,相比于同类基于复杂非线性模型的算法,平均相对误差缩小了1.75%,相比于忽略煤层倾角的算法,平均相对误差缩小了6.25%,本文提出的方法可为进一步甄别和发现深藏在地下的越界开采事件提供一种新的监测方式与途径。该论文有图94幅,表12个,参考文献220篇。
廖亚琴[3]（2020）在《惠东红树林的高分辨率遥感监测与特征分析研究》文中研究指明红树林湿地是世界四大高生产力海洋生态系统之一,在沿海地区保护和维持多样性海洋生态系统方面起着至关重要的作用。同时也是重要的生态湿地和物种栖息地,可以实现保护生物多样性和保岸护堤等多种生态功能。论文的主要工作如下:基于16年多源数据、三时相的高分辨率遥感数据基础上,使用3S技术结合现场调查相结合的监测方式,开展惠东的蟹洲、好招楼和白沙的红树林物种信息提取,以高分二号（GF-2）遥感影像为基准,配准SPOT5、IKONOS、World View2、Quickbird影像,分别建立研究区典型地物遥感解译标志;针对高分二号建立红树林桐花树、白骨壤、红海榄和秋茄等主要红树种类的遥感解译标志;针对IKONOS、World View2、Quickbird影像在色调和纹理方面建立解译标志。发展了GF-2影像的监督分类最大似然值分类方法的红树林物种识别技术,并完善对提取的信息进行二次分类方法研究;利用KNN监督分类方法和基于规则分类方法分别提取IKONOS、World View2、Quickbird和SPOT5影像的红树林群落信息,以及做最大似然值方法和KNN及规则分类对照试验,精度评价表明最大似然值结合目视解译重分类步骤效果良好。开展红树林遥感监测技术研究,监测实验结果表明,SPOT5、IKONOS、World View2、Quickbird、GF-2影像的监测总体分类精度分别为90.1%、90.1%、86.77%、89.04%、93.3%,最后提取出桐花、秋茄和海漆、白骨壤和木榄、红海榄和无瓣海桑红树林物种信息,在此基础上采用数理统计方法分析惠东红树林时空特征变化和物种信息变化,包括动态度计算、景观格局指数法和红树林物种重心迁移的特征规律。定量研究惠东各海湾大面积的红树林人工种植区,实现惠东红树林物种特征研究分析。通过以上试验工作得出结论:（1）红树林提取提取惠州红树林物种信息选择高分辨率多源数据影像里蓝波段、绿波段、红波段和近红外波段变换产生NDVI、HSV、PCA用于组合,SPOT5影像使用红波段平均光谱值有良好区分性,亮度和饱和度可以区分红树群落。Quickbird、IKONOS、Worldview和GF-2影像使用NIR、PC1、PC2三个波段信息组合的波段信息量最大,用于提取2010和2018年红树林物种信息。针对高分辨率初提取红树群落较为破碎,采用目视解译结合重分类语句模块,针对现场勘探的样本点信息进行再次分类,建立样本点与影像上红树群落信息的点对点分类机制,最后精度验证此方法对红树群落监测和识别效果最佳。（2）红树林面积变化2002年惠东红树林面积为45.86ha,2010年红树林面积为55.94ha,2018年红树林总面积为130ha。其中,蟹洲和好招楼红树林面积最大,各占惠东红树林53%和43%,白沙红树林面积最少,仅占惠东红树林的3.8%。惠东红树林在2010年面积开始变化,到2018年面积成翻倍增长。具体表现在2010-2018年,蟹洲白骨壤和木榄的动态度从2002-2010年期间的负增长变为239.15%,红海榄和无瓣海桑的面积变化也呈现翻倍增长。（3）红树林的群落变化特征惠东蟹洲红树林群落景观最为破碎,好招楼和白沙次之,目前蟹洲和好招楼的白骨壤和木榄群落破碎程度最大。桐花树属于优势林种,红海榄次之,秋茄和海漆在景观中优势较小。蟹洲桐花树群落重心迁移距离最短,好招楼和白沙的白骨壤和木榄群落的重心迁移角度最大,最不稳定。另外惠州各类红树在逐年增加,但分布的范围在减少,由原来的海岸分散分布后趋于自然保护区集中分布;由于围塘养殖的人类活动较为严重,使得天然林面积不断减少,人工林面积增加,红树林的生境下降,这主要体现在红海榄和无瓣海桑红树物种中,其的迁移方向受人为活动影响较为严重。
杜如钧[4]（2020）在《基于遥感卫星影像的输电线路塔基隐患巡检方法研究》文中进行了进一步梳理输电线路规模不断扩增加大了巡检的工作量,长距离线路往往因为巡检周期过长,隐患发现不及时导致电力设备损坏,造成大规模停电,带来巨额经济损失。遥感卫星和合成孔径雷达（SAR）技术的发展为输电线路巡检提供了新手段。本文针对输电线路塔基隐患,选择相应的卫星数据影像,研究了基于SAR影像的塔基洪水隐患识别算法和基于高分光学影像的典型地物识别算法,并根据实验数据对算法进行验证,主要研究工作及取得的成果如下:1)对国内外卫星数据分辨率、重访周期、轨道、幅宽等指标的研究结果表明,高分三号卫星及其搭载的SAR的影像数据识别线路塔基洪水故障隐患的性价比好,高分二号卫星光学影像数据识别输电线路走廊典型地物外力破坏故障隐患的具有优势,确定了洪水故障隐患和外力破坏故障卫星数据。2)以灾害水体与杆塔的距离、洪水占比和塔基与洪水水面高程差为水灾故障隐患的评价指标,提出了基于线路杆塔中心距离和塔基距离的输电杆塔水灾故障的识别算法,利用分辨率为lOm的卫星SAR影像数据,通过仿真计算证明了识别算法的可行性和有效性。结果表明,高分三号卫星识别水灾故障隐患的精度可达7m的水平,可用于识别杆塔的水灾故障隐患。3)针对输电线路的外力破坏故障隐患,以输电线路安全距离设计规范为依据,基于高分二号卫星的光学影像数据,构建了利用能量函数定位典型地物拐角点和轮廓的方法,提出了典型地物到输电杆塔及线路最短距离的算法,利用高分二号卫星的蒙东地区数据完成了算法验证。结果表明,计算结果与实地测量的误差在5%以内,证明了所提算法的可靠性和灵敏性。本文针对高分三号SAR影像对塔基洪水隐患巡检和基于高分二号光学影像对输电线路塔基典型地物故障巡检技术开展了研究,研究的结果表明,卫星巡检的精细程度与航空巡检有很大的差距,但卫星巡检不受航空管制、续航能力等条件的限制,适合在大范围远距离输电线路巡检中采用。
张过,蒋永华,李立涛,邓明军,赵瑞山[5]（2019）在《高分辨率光学/SAR卫星几何辐射定标研究进展》文中认为介绍了国内外高分辨率光学/SAR观测卫星进展与发展特点,归纳总结了星载光学/SAR几何辐射定标的基本原理,综述了几何辐射定标研究进展,最后梳理了卫星几何辐射定标的前沿问题。
吴宪[6]（2019）在《基于对象分割的卫星图像中物体变化检测与识别算法研究》文中提出遥感变化检测技术是以多源遥感数据为基础,以知识库为辅助对不同时段的目标、现象、过程状态的变化进行探测、识别及分析的计算机图像处理技术,包括多源数据的获取、原始数据预处理、变化信息提取及变化性质确定、变化信息后处理及检测精度评价等内容,其主要目的是通过判断目标是否发生变化,确定发生变化的区域,鉴定变化的类别,评价变化的时间和空间分布模式。随着机器学习以及深度学习的发展,以大数据为核心的深度学习算法已经从传统的自然图像处理,并逐渐扩展到遥感图像处理。本文结合机器学习及深度学习算法,对基于对象分割的卫星图像中物体变化检测和识别的算法开展深入研究,选题具有重要的意义和实用价值。本文将机器学习算法和深度学习算法相结合,以建筑物为研究对象,对卫星影像的建筑物变化检测和识别开展一系列研究,论文主要的研究内容和创新点包括以下几点:（1）对现有的遥感图像数据集进行分析,得到现有的数据集有物体变化检测和识别。针对遥感图像变化检测包含前后时相影像的特征,以前时相为参考,对后时相影像进行图像规定化。针对不同样本库分布不均衡、类间距离过近等问题,提出样本库均衡模块;为了解决样本量不足的问题,提出针对卫星图像的数据扩增算法。（2）针对从高分辨率遥感影像中识别出建筑物变化困难的问题,本文提出了一种基于堆栈降噪自编码器（Stacked Denoising Auto Encoders,SDAE）的建筑物变化检测方法。首先,对于遥感影像匹配误差,对不同时相同一场景图利用尺度不变特征变换（Scale-invariant feature transform,SIFT）算法提取出他们的特征点,进行图像对齐。然后,使用堆栈降噪自编码器提取图像的特征,并采用模糊C均值（Fuzzy C-means,FCM）算法获取发生变化的区域。算法检测效率高,能适应不同源影像的光谱差异。（3）根据建筑物空间特性具有一定规律性的特点,在U-net模型的基础上提出了一种新的模型Widenet（W-net）。并且针对建筑物集群分布和零散分布这两种情况造成的正样本和负样本分布不均衡问题,采用混合损失函数来解决训练数据的不平衡问题。连接两个U-net模型,将其命名为W-net,第一个U-net输出辅助信息,如建筑物拓扑和像素距离。第二个U-net通过将每个像素划分为建筑物或非建筑物来生成建筑物掩码。（4）针对遥感图像覆盖场景大,背景复杂,需要检测算法鲁棒性高,检测效率高,并且克服不同源影像间的光谱差异问题,本文结合上述提出的基于SDAE和FCM的无监督变化检测算法检测出变化区域,然后在变化区域的基础上利用W-net网络进行建筑物识别,结果表明,本文提出针对建筑物的变化检测算法可靠性高,检测速度快。
宋荣杰[7]（2019）在《基于高分辨率遥感影像的果园与设施农业用地提取方法研究》文中研究说明精准农业是我国现代农业生产的主要发展方向。快速、准确地从高空间分辨率遥感影像中获取果园和设施农业用地空间分布信息,对于实现果园和设施农业精准管理、促进产业布局优化以及可持续发展具有重要意义。针对目前遥感影像农业生产用地信息提取研究中果园和设施农业用地提取研究偏少、高空间分辨率遥感影像面临的光谱混淆以及现有方法提取精度不高等亟待解决的问题,本文以提高小尺度区域果园和设施农业用地提取精度为主要目标,采用QuickBird、SPOT-7和GeoEye-1卫星影像数据,对高空间分辨率遥感影像的光谱特征可区分性、纹理特征提取、分类特征选取、遥感分类和信息提取模型构建和影像预处理等关键技术及原理进行研究。论文取得的主要结果如下:（1）为明确不同遥感系统高分辨率影像的光谱特性以及研究区不同地物的可区分性,开展基于光谱特征和SVM算法的高空间分辨率遥感影像分类研究。针对不同地物的光谱特征统计结果表明,研究区植被类别之间、非植被类别之间存在一定程度的光谱混淆。不同光谱波段的统计结果表明,近红外波段的均值和标准差最大,与其他3个光谱波段的相关性最小,这表明近红外波段的亮度最大且变化明显,所含信息量最为丰富且与其他波段之间的信息重叠少,有利于增加不同地物之间的光谱可区分性。常规光谱分类结果表明,基于光谱特征的高空间分辨率遥感影像分类精度普遍较低,近红外波段在光谱分类中的贡献高于其他3个波段。其中苹果园研究区的OA（总体分类精度）和Fa（苹果园提取精度）最高分别为86.62%和85.05%、猕猴桃园研究区的OA和Fk（猕猴桃园提取精度）最高分别为83.37%和79.90%,设施农业研究区的OA和Fg（温室大棚提取精度）最高分别为85.91%和82.32%（SPOT-7影像）、92.22%和91.27%（GeoEye-1影像）。（2）果园在高空间分辨率遥感影像中呈现显着的纹理特性。针对苹果园、猕猴桃园与研究区其他植被类别之间的光谱混淆问题,分别开展基于GLCM、小波变换、分形模型和空间自相关分析的纹理特征提取方法研究。结合苹果园的种植特点及其影像特征,设计基于GLCM的苹果园纹理特征提取方法。结果表明GLCM纹理能够显着提升研究区的OA和Fa,SF+GLCM TF特征的Fa和OA最高,比光谱特征（SF）分类大幅提升14.17%和12.39%,比SF+fractal TF特征分类分别提高0.63%和1.56%,比SF+correlation TF特征分类显着提高11.92%和9.20%;SF+GLCM TF和SF+fractal TF分类的Fa和OA均高于94%,表明这2种纹理特征均能较好的识别苹果园。结合猕猴桃园种植特点及其影像特征,提出基于小波变换的猕猴桃园纹理提取方法。采用coif5小波函数对QuickBird全色影像进行2级小波分解,并统计小波系数的能量特征作为纹理特征。结果显示仅采用小波纹理（wavelet TF）分类时Fk即达到87.61%且明显高于光谱和其他纹理分类结果;SF+wavelet TF特征分类的OA和Fk最高且均超过94%,与SF分类相比Fk和OA大幅提升15.03%和8.94%,与SF+GLCM TF特征分类相比Fk和OA分别提高6.70%和2.88%,与SF+fractal TF特征相比Fk和OA显着提高13.43%和6.98%,表明小波纹理能有效增加不同地物之间的区分能力,SF+wavelet TF特征识别猕猴桃园的效果最好。（3）为提升QuickBird高空间分辨率遥感影像中苹果园的提取精度,提出综合光谱特征、GLCM纹理特征和SVM分类的苹果园自动提取方法（SF+GLCM TFSVM）。该方法首先提取QuickBird全色影像的GLCM纹理特征,然后综合利用GLCM纹理特征和光谱特征构建分类特征,最后通过SVM分类实现苹果园分类识别。试验结果表明,采用4种分类特征（SF、SF+GLCM TF、SF+fractal TF、SF+correlation TF）时,SVM分类的总体分类精度和苹果园提取精度均高于相同分类特征下的MLC分类和ANN分类。SF+GLCM TFSVM分类模型的分类精度最高,Fa和OA分别达到96.99%和96.16%。与SF+GLCM TFMLC分类相比Fa和OA分别提高0.93%和2.57%,与SF+GLCM TFANN分类相比Fa和OA大幅提高14.67%和8.78%,这表明利用SVM算法构建的苹果园提取模型优于MLC和ANN。利用该方法估算的苹果园面积与目视解译结果的一致性超过98%。（4）针对复杂种植环境下猕猴桃园的有效识别问题,提出结合小波变换纹理分析和RF分类的QuickBird影像猕猴桃园提取方法（SF+wavelet TFRF）。该方法首先提取QuickBird全色影像的小波纹理特征,然后将小波纹理与光谱特征组合构建分类特征,最后利用RF分类实现土地利用分类和猕猴桃园空间分布提取。试验结果表明,采用4种分类特征（SF、SF+GLCM TF、SF+fractal TF、SF+wavelet TF）时,RF分类结果均优于相同分类特征下的SVM分类和MLC分类。SF+wavelet TFRF分类模型的Fk和OA分别达到95.30%和94.46%,与SF+wavelet TFSVM分类相比Fk和OA分别提升1.65%和3.38%,与SF+wavelet TFMLC分类相比Fk和OA分别提升6.07%和4.13%。该方法对苹果园提取也有较好的适用性,利用此方法针对苹果园提取的试验结果Fa和OA分别达到97.77%和96.43%。（5）构建了融合高空间分辨率遥感影像光谱信息、小波纹理信息和RF分类的温室大棚遥感提取模型,利用该模型实现GeoEye-1和SPOT-7影像中温室大棚的有效提取。不同影像结果表明,单一光谱分类时,2种影像RF分类的Fg和OA均在85%以上;光谱与纹理特征组合分类时,GeoEye-1、SPOT-7影像的Fg和OA最高分别达到94.29%和94.58%、92.67%和92.52%,说明2种影像均可用于温室大棚的有效识别,且GeoEye-1影像提取精度高于SPOT-7影像。在分类特征方面,光谱与小波纹理组合能够有效提升温室大棚识别精度。对于SPOT-7影像,SF+wavelet TF分类较SF分类、SF+GLCM TF分类的Fg和OA分别对应提升8.21%和5.47%、2.11%和1.82%;对于GeoEye-1影像,SF+wavelet TF分类较SF分类、SF+GLCM TF分类的Fg和OA分别对应提升2.01%和1.97%、1.16%和1.06%。在分类方法选取方面,RF分类在2种影像的3种不同分类特征中较SVM分类的Fg提升幅度为1.01%4.74%,表明RF具有更好的分类精度和稳定性。
王敏[8]（2019）在《基于遥感技术的红树林生态系统多层次评估 ——以九龙江河口红树林为例》文中研究表明红树林生态系统为人类提供了大量的生态、经济和社会效益。在福建省九龙江河口,由于人为活动等原因,大量红树林已遭受破坏,同时为恢复和重建红树林的生态功能,红树林造林计划也已展开。然而,该区域红树林的总体状况仍有待进一步了解。实地调查红树林的状态需要花费大量人力物力;遥感技术则提供了一个有效的手段来准确评估红树林的分布、地上生物量和生态系服务价值等。利用遥感技术的红树林研究在该地区鲜有报道。本研究基于遥感技术对九龙江河口红树林生态系统进行多层次综合评估:利用Landsat影像研究了红树林分布和地上生物量（AGB）在三个时期（1995-2004、2004-2014和1995-2014年）的变化情况;综合评估了高分辨率遥感影像（PLEIADES）不同窗口大小下的纹理指数量化红树林地上碳储量的潜在能力,并对地上碳储量进行了精确估算;结合高分辨率卫星数据（PLEIADES）、市场价格法和替代成本法,提出了一个基于像元的生态系统服务价值计算方法,估算了九龙江河口红树林潜在生态系统服务价值（海岸保护、碳固定、营养去除和重金属去除）及其空间变异性。本研究旨在基于遥感技术深入了解红树林状态,探究其变化的原因,为该地区红树林管理提供科学的依据。主要研究结果如下:（1）1995-2014年,红树面积和AGB均呈增加趋势,其中,红树林面积和AGB净增加速率分别为5.5%和7.2%。红树林扩张是面积和AGB增加的主要原因。此外,在不扩大面积的情况下,红树林自身生长对AGB的增加也有很大的贡献潜力。与AGB相似,地上碳储量从1995年的57t C/ha增加到2014年的79 t C/ha,这说明该地区的红树林在缓解全球气候变暖中发挥着积极的作用。然而,由于人类活动的不断增加,红树林的面积仍存在减少的情况,此外,潮差变化也可能是红树林减少的另一个重要原因。（2）基于纹理的模型具有更好的地上碳储量（AGC）估算潜力,其R2值可达0.934,RMSE值为3.76 t C/ha。研究表明,随着纹理计算窗口大小的增大,R2值增大,RMSE值减小。根据验证结果,最佳模型为模型7（R2=0.878）,最终运用模型7对该地区AGC进行了准确量化。利用该模型计算得到的选定区域的AGC值范围从1到153 t C/ha。（3）由于红树林离海岸距离差异以及红树林所处生长阶段不同,红树林生态系统服务价值具有很大的变异性。研究区红树林生态系统服务的总估值为287,993 US$/a（约 1,650 US$/ha/a,174.58 ha）。海岸保护提供的价值最高（239,683 US$/a）,占生态系统服务总价值的83.23%,其次是营养盐去除（25,283 US$/a）,占生态系统服务总价值的8.78%,与沿海保护和营养盐去除相比,重金属去除（10,289 US$/a）和碳汇（2015 年 12,738 US$/a）价值相对较低。
郭鹏[9]（2019）在《黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究》文中提出黑方台位于我国甘肃省永靖县盐锅峡镇,由于长期采用大水漫灌的农业灌溉方式,导致台塬地下水位不断上升,诱发了数百起黄土滑坡,被称为“现代滑坡天然试验室”,大量滑坡的产生严重制约了当地的经济发展。目前国内外学者的对黑方台灌溉水入渗机理、滑坡机理等进行了大量研究,但忽视了不同农作物灌溉分区对地下水分布特征的影响,已有的防控建议大多是改变灌溉方式和建立排水设施,未充分考虑地下水补给源头即农作物的种植结构和分布特征对地下水的影响。因此,本文以农作物不均匀灌溉为切入点,研究农作物灌溉特征与地下水分布特征之间的关系。首先,收集黑方台地区多期高空间分辨率遥感影像,在实地调查基础上,采用面向对象的遥感影分类方法提取黑方台地区多年农作物种植数据;然后,利用核密度估算法得出农作物灌溉特征,找出黑方台灌溉聚集区并分析该区各种类农作物灌溉量所占比重,确定导致灌溉聚集区的主要因素;在此基础上,将农作物灌溉特征与水位监测数据和高密度电法反演地下水分布特征进行对比分析;随后建立黑方台滑坡数据库并进行时空演化规律分析,最后以地下水分布为衔接点,通过研究地下水分布特征对滑坡演化的影响,侧面说明农作物灌溉特征对滑坡演化的影响,为后期黑方台地区科学种植提供依据。通过研究,本论文主要得到如下结论:⑴采用面向对象的多层次规则遥感影像分类方法对黑方台地区14景高空间分辨率遥感影像进行农作物提取,得到20102017年黑方台地区玉米、小麦、蔬菜等农作物分区种植特征,结果表明:黑方台各种类农作物种植具有不同的种植热区,小麦主要种植在北部,玉米主要种植在西部和北部,蔬菜主要种植在中部和东部。各种类农作物虽然单次灌溉量相差不大,但年灌溉次数相差较大,具体为:蔬菜>小麦>玉米,最终导致台塬存在四个灌溉聚集区,蔬菜是最主要的影响因素。⑵水位监测数据显示,黑方台地区地下水是不均匀上升的,台塬中部上升速率大于塬边水位上升速率;通过在黑方台布设50余条、累计长度38km的高密度剖面线反演得出的地下水位分布结果表明:黑方台地区地下水位分布不均匀,存在3个地下水位拱顶。⑶采用核密度估算得到的黑方台地区20142017年农作物灌溉特征与地下水分布特征对比发现,灌溉聚集区与地下水位拱顶能够较好的吻合,表明农作物的不均匀灌溉影响着地下水的不均匀分布。⑷建立了19722019年黑方台滑坡数据库,结果表明:黑方台地区共发育滑坡82处,其中方台发育滑坡8处,黑台74处,已累计发生滑坡215起。其中,黄土基岩型滑坡14处,累计发生滑坡21起;浅层崩滑型滑坡39处,累计发生滑坡106起;黄土泥流型滑坡6处,累计发生滑坡17起;静态液化型滑坡23处,累计发生滑坡72起。⑸根据农作物提取的时间跨度,选取黑方台党川段进行时空演化分析,结果表明:时间分布上,党川段滑坡经历着由浅层崩滑型滑坡→静态液化型滑坡这一斜坡破坏类型转变的过程;空间分布上,党川段静态液化型滑坡整体上由西向东发育。地下水累计上升是党川段近期滑坡频发和斜坡破坏类型转变的主要因素,地下水的分布特征则影响党川段静态液化型滑坡整体由西向东发育。⑹农作物灌溉特征影响地下水位分布分布特征,地下水位分布特征则影响滑坡的发育和演化,即农作物灌溉特征可影响着滑坡的演化。依据研究成果提出了黑方台农作物灌溉方式调整、种植结构调整和产业结构调整的建议,以减缓该地区滑坡的进一步发生。
傅锋[10]（2018）在《高分二号影像树种识别及龄组划分研究》文中研究指明本研究以福建将乐国有林场为研究区,以南方集体林区的重要经营树种:杉木、马尾松和毛竹为研究对象,探索我国首颗“亚米”级高空间分辨率的高分二号（简称GF-2）卫星在树种识别和龄组划分上的应用潜力,研究结果对促进国产GF-2卫星影像在森林资源调查和管理的应用提供借鉴。研究结果如下:（1）结合树种分类的需求和预处理研究较少的实际,探索了适宜GF-2影像的预处理流程和融合方法。结果表明:Gram-Schmidt和HCS融合方法最适合GF-2影像,融合效果最佳。（2）实测树种（龄组）的冠层光谱曲线,各树种在光谱上反射差异明显,光谱曲线“红边”高度和斜率均存在差异。结合GF-2波段设置,表明绿波段和近红外波段是马尾松、毛竹和杉木龄组区分的关键。（3）光谱结合四方向纹理的分类方案总体精度最高为87.4%（Kappa=0.85）,优于光谱结合全方向纹理方案的85.2%（Kappa=0.82）。仅利用光谱的分类方案总体精度为78.4%（Kappa=0.75）优于仅利用纹理属性的分类方案低于65%的总体精度。结果表明:结合影像丰富的纹理信息能极大提高分类精度。（4）基于最大似然法、支持向量机和随机森林法三种分类器进行树种分类对比实验。结果表明:在属性筛选下,随机森林法在树种分类上能取得较好分类效果,总体精度为87.4%（Kappa=0.85）;支持向量机在高维属性特征时表现最好,总体精度为86.1%（Kappa=0.86）;而最大似然法导致“休斯”现象表现一般。（5）树种的生长形态和冠层特征决定纹理属性对分类的影响。纹理属性对马尾松的分类精度影响很小,对杉木幼龄林和中龄林的分类精度提高很大。杉木相邻龄组存在混分现象,幼龄林和成熟林完全区分。表明GF-2在树种识别及龄组划分上具有重大潜力,是林分尺度森林资源调查理想的数据源。
二、QuickBird卫星成功发射（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、QuickBird卫星成功发射（论文提纲范文）
（1）卫星遥感点光源辐射标校方法与系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星辐射定标与在轨MTF检测 |
| 1.2.2 点光源定标设备的发展现状 |
| 1.2.3 点光源标校方法发展现状 |
| 1.2.4 文献调研小结 |
| 1.3 论文研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 第2章 辐射定标及在轨检测原理 |
| 2.1 光学辐射度量与传递函数 |
| 2.1.1 光学辐射度量 |
| 2.1.2 光学传递函数 |
| 2.2 场地定标原理 |
| 2.2.1 场地定标方法 |
| 2.2.2 辐射传输过程 |
| 2.2.3 遥感数据定标 |
| 2.3 镜反射原理 |
| 2.4 点光源MTF检测原理 |
| 2.5 本章小结 |
| 第3章 点光源辐射定标原理与系统研究 |
| 3.1 点光源辐射定标原理 |
| 3.1.1 点源阵列在轨辐射定标理论 |
| 3.1.2 点光源等效辐亮度物理意义 |
| 3.1.3 点光源反射镜组合设计原理 |
| 3.1.4 点光源阵列定标系数解算 |
| 3.2 点光源定标系统总体方案 |
| 3.2.1 需求分析与总体方案 |
| 3.2.2 主要性能参数 |
| 3.3 点光源定标系统硬件设计 |
| 3.3.1 光机系统关键技术分析 |
| 3.3.2 电子学系统硬件设计 |
| 3.3.3 多设备网络架构 |
| 3.3.4 光机系统装调 |
| 3.4 点光源定标系统软件设计 |
| 3.4.1 电子学系统软件方案 |
| 3.4.2 上位机软件设计及网络通信 |
| 3.4.3 标校控制算法与标校验证方法 |
| 3.4.4 反射镜法向矢量控制算法 |
| 3.5 性能测试与分析 |
| 3.5.1 凸面镜多角度光谱反射率性能测试与分析 |
| 3.5.2 太阳敏感器性能测试与分析 |
| 3.5.3 系统低频驱动性能测试与分析 |
| 3.5.4 运动控制性能测试与分析 |
| 3.6 本章小结 |
| 第4章 点光源定标系统标校建模研究 |
| 4.1 概述 |
| 4.2 几何误差描述及坐标系的建立与变换 |
| 4.2.1 空间参考坐标系 |
| 4.2.2 空间坐标系变换 |
| 4.3 点光源标校建模原理 |
| 4.4 基于太阳矢量的点光源标校模型的建立 |
| 4.4.1 标校模型的建立 |
| 4.4.2 模型的验证与解算 |
| 4.5 基于相机的反射镜法向标校模型的建立 |
| 4.5.1 反射镜法向标校模型的建立 |
| 4.5.2 模型已知参数求解算法 |
| 4.6 基于相机的高精度自动化标校模型的建立 |
| 4.6.1 基本标校模型的建立 |
| 4.6.2 高精度标校模型的建立 |
| 4.6.3 标校模型的解算与反解目标值算法 |
| 4.7 本章小结 |
| 第5章 点光源定标系统跟踪能力实验与分析 |
| 5.1 概述 |
| 5.2 模型的实验验证分析 |
| 5.2.1 基于太阳矢量的标校模型实验验证分析 |
| 5.2.2 反射镜法向标校模型实验验证分析 |
| 5.2.3 高精度自动化标校模型的验证分析 |
| 5.3 系统精度分析 |
| 5.3.1 系统精度评估方法 |
| 5.3.2 系统运动控制精度评估 |
| 5.3.3 图像质心算法精度分析 |
| 5.3.4 相机标校精度分析 |
| 5.3.5 系统标校不确定度分析 |
| 5.4 点光源在轨辐射定标实验设计 |
| 5.4.1 大气透过率 |
| 5.4.2 镜面反射率 |
| 5.4.3 系统PSF检测 |
| 5.4.4 反射镜响应DN值 |
| 5.4.5 辐射定标理论精度评估 |
| 5.4.6 MTF数据处理算法 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文总结 |
| 6.2 论文创新点 |
| 6.3 存在的问题与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（2）基于InSAR/GIS的矿区地下非法开采监测关键技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文结构安排 |
| 2 InSAR技术理论基础 |
| 2.1 SAR成像原理及影像特征 |
| 2.2 InSAR技术原理 |
| 2.3 D-InSAR技术原理 |
| 2.4 时序InSAR技术 |
| 2.5 本章小结 |
| 3 面向地下非法采矿识别的GIS时空数据模型 |
| 3.1 矿山开采沉陷时空变化分析与表达 |
| 3.2 矿山开采沉陷动态过程模拟与描述 |
| 3.3 面向非法采矿识别GIS时空数据模型的逻辑组织 |
| 3.4 地下非法采矿识别平台体系结构 |
| 3.5 本章小结 |
| 4 基于D-InSAR开采沉陷特征的地下无证开采识别 |
| 4.1 矿山地表与图层对象动态关系构建 |
| 4.2 矿山地表形变D-InSAR监测 |
| 4.3 开采沉陷特征提取和沉陷区圈定 |
| 4.4 实例分析与验证 |
| 4.5 本章小结 |
| 5 融合PS-InSAR和光学遥感的地下无证开采识别 |
| 5.1 矿山地表与传感器对象动态关系构建 |
| 5.2 联合PS-InSAR和光学遥感提取地表建筑物的沉陷信息 |
| 5.3 基于建筑物沉陷时空特征的地下无证开采识别方法 |
| 5.4 实例分析与验证 |
| 5.5 本章小结 |
| 6 面向越界开采识别的地下开采面位置反演 |
| 6.1 矿山地表与开采面对象动态关系构建 |
| 6.2 地下开采引起的地表沉陷规律 |
| 6.3 开采沉陷预计原理和模型 |
| 6.4 基于InSAR和沉陷预计理论的地下开采面反演 |
| 6.5 工程实例及分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 主要创新点 |
| 7.3 不足和展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（3）惠东红树林的高分辨率遥感监测与特征分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 研究框架 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 论文章节安排 |
| 第二章 研究区与研究方法 |
| 2.1 研究区范围 |
| 2.2 研究方法 |
| 2.2.1 数据获取 |
| 2.2.1.1 历史资料获取 |
| 2.2.1.2 遥感影像获取 |
| 2.2.2 数据预处理 |
| 2.3 本章小节 |
| 第三章 遥感解译 |
| 3.1 现场踏勘 |
| 3.2 建立解译标志 |
| 3.3 本章小结 |
| 第四章 红树林信息提取 |
| 4.1 波谱分析及图像增强 |
| 4.1.1 光谱分析 |
| 4.1.2 图像增强 |
| 4.2 红树林提取方法 |
| 4.2.1 基于最大似然值的监督分类的红树林群落信息提取 |
| 4.2.1.1 红树林群落信息提取 |
| 4.2.1.2 最大似然值提取结果及精度分析 |
| 4.2.2 基于KNN监督分类的红树林群落信息提取 |
| 4.2.2.1 红树林群落解译影像分析 |
| 4.2.2.2 红树林群落信息提取 |
| 4.2.2.3 KNN分类结果分析 |
| 4.2.3 基于规则分类红树林群落信息提取 |
| 4.2.3.1 规则分类参数分析 |
| 4.2.3.2 红树林群落信息提取 |
| 4.2.3.3 规则分类结果分析 |
| 4.3 方法总结 |
| 4.3.1 精度评价对照 |
| 4.3.2 分类方法比对 |
| 4.4 本章小结 |
| 第五章 红树林群落变化特征分析 |
| 5.1 红树林群落特征分析方法 |
| 5.1.1 动态度计算方法 |
| 5.1.2 景观格局指数 |
| 5.1.3 重心迁移模型 |
| 5.2 红树林群落演变过程 |
| 5.3 红树林形态特征 |
| 5.4 红树林群落空间关系 |
| 5.5 惠东红树林变化驱动因素分析 |
| 5.5.1 自然因素 |
| 5.5.2 人为因素 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 附录 遥感解译现场踏勘图集 |
| 攻读学位期间发表的论文与科研成果清单 |
| 致谢 |
（4）基于遥感卫星影像的输电线路塔基隐患巡检方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题提出背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的主要工作 |
| 第2章 基于塔基隐患的遥感卫星影像数据比选 |
| 2.1 合成孔径雷达卫星数据特征 |
| 2.1.1 高分三号卫星 |
| 2.1.2 TerraSAR-X卫星 |
| 2.1.3 COSMO-SkyMed卫星 |
| 2.1.4 Sentinel-1卫星 |
| 2.2 高分光学遥感卫星数据特征 |
| 2.2.1 高分二号卫星 |
| 2.2.2 高景一号卫星 |
| 2.2.3 QuickBird卫星 |
| 2.2.4 worldview系列 |
| 2.3 遥感卫星原始数据预处理方法 |
| 2.3.1 遥感卫星几何校正 |
| 2.3.2 遥感卫星影像配准 |
| 2.3.3 遥感卫星辐射校正 |
| 2.3.4 遥感大气校正 |
| 2.3.5 遥感卫星地理编码 |
| 2.4 基于目标的卫星数据的选定 |
| 2.5 本章小结 |
| 第3章 基于SAR影像的塔基洪水隐患识别算法 |
| 3.1 SAR图像的预处理 |
| 3.2 洪水目标范围提取 |
| 3.3 洪水杆塔最短距离算法 |
| 3.3.1 杆塔中心距离搜索算法 |
| 3.3.2 塔基网格距离搜索算法 |
| 3.4 杆塔洪水灾害隐患决策 |
| 3.5 本章小结 |
| 第4章 基于高分光学影像的典型地物识别算法 |
| 4.1 高分图像的预处理 |
| 4.2 输电走廊典型地物提取 |
| 4.2.1 目标斑块获取 |
| 4.2.2 角点检测与获取 |
| 4.2.3 目标边界提取 |
| 4.3 地物到杆塔最短距离算法 |
| 4.4 典型地物故障决策 |
| 4.5 本章小结 |
| 第5章 识别算法在洪水和地物隐患巡检中的应用 |
| 5.1 实验影像数据 |
| 5.1.1 SAR实验数据 |
| 5.1.2 高分光学卫星影像数据 |
| 5.2 塔基洪水故障识别 |
| 5.3 塔基地物故障识别 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其他成果 |
| 攻读硕士学位期间参加的科研工作 |
| 致谢 |
（5）高分辨率光学/SAR卫星几何辐射定标研究进展（论文提纲范文）
| 1 星载光学几何定标基本原理与研究进展 |
| 1.1 外方位元素定标 |
| 1.1.1 场地外方位元素定标 |
| 1.1.2 无场外方位元素定标 |
| 1.2 内方位元素定标 |
| 1.2.1 场地内方位元素定标 |
| 1.2.2 交叉内方位元素定标 |
| 1.2.3 无场内方位元素定标 |
| 1.3 光学几何定标研究进展 |
| 2 星载光学辐射定标基本原理与研究进展 |
| 2.1 光学辐射定标基本原理 |
| 2.2 相对辐射定标研究进展 |
| 2.2.1 暗电流定标 |
| 2.2.2 相对增益定标 |
| 2.3 绝对辐射定标方法 |
| 3 星载SAR几何定标原理与研究进展 |
| 3.1 场地几何定标 |
| 3.2 交叉几何定标 |
| 3.3 无场几何定标 |
| 3.4 SAR几何定标研究进展 |
| 4 星载SAR辐射定标原理与研究进展 |
| 4.1 SAR辐射定标基本原理 |
| 4.1.1 方向图测量 |
| 4.1.1.1 标准点目标(角反射器或有源定标器)测量法 |
| 4.1.1.2 分布目标法测量法 |
| 4.1.2 绝对辐射定标常数计算 |
| 4.2 星载SAR辐射定标研究进展 |
| 4.2.1 方向图测量 |
| 4.2.2 绝对辐射定标常数 |
| 5 前沿问题 |
（6）基于对象分割的卫星图像中物体变化检测与识别算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 目标对象提取研究现状 |
| 1.2.2 变化检测研究现状 |
| 1.3 研究内容和论文组织架构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文组织结构 |
| 2 数据集介绍及数据处理 |
| 2.1 数据集介绍 |
| 2.1.1 Stone-Gate数据集 |
| 2.1.2 撒丁岛数据集 |
| 2.1.3 INRIA Aerial Image数据集 |
| 2.1.4 QuickBird卫星影像数据 |
| 2.1.5 IKONOS数据集 |
| 2.2 数据处理 |
| 2.2.1 影像拉伸 |
| 2.2.2 数据均衡 |
| 2.2.3 数据增强 |
| 2.3 本章小结 |
| 3 基于无监督特征提取算法的变化区域检测 |
| 3.1 图像配准 |
| 3.2 SDAE算法 |
| 3.3 模糊C均值 |
| 3.4 实验分析 |
| 3.4.1 实验步骤 |
| 3.4.2 实验结果与分析 |
| 3.5 对比实验与分析 |
| 3.5.1 实验设置 |
| 3.5.2 对比算法简介 |
| 3.5.3 评估标准 |
| 3.5.4 Stone-Gate数据集结果与分析 |
| 3.5.5 撒丁岛数据集结果与分析 |
| 3.6 本章小结 |
| 4 目标建筑物识别 |
| 4.1 基于特征的建筑物识别算法 |
| 4.2 基于深度学习的建筑物识别 |
| 4.2.1 U-net模型 |
| 4.2.2 模型优化——W-net模型 |
| 4.2.3 损失函数 |
| 4.2.4 后处理边缘精细化 |
| 4.3 实验分析 |
| 4.3.1 实验步骤 |
| 4.3.2 对比算法 |
| 4.3.3 评估标准 |
| 4.3.4 INRIA Aerial Image数据集结果与分析 |
| 4.4 本章小结 |
| 5 基于对象的建筑物变化检测算法 |
| 5.1 对象级差分变化检测算法简介 |
| 5.2 基于SDAE+FCM+W-net的建筑物变化检测算法 |
| 5.3 实验分析 |
| 5.3.1 实验步骤 |
| 5.3.2 对比算法 |
| 5.3.3 评估标准 |
| 5.3.4 QuickBird数据集结果与分析 |
| 5.3.5 IKONOS数据集结果与分析 |
| 5.3.6 常用方法对比实验分析 |
| 5.4 本章小结 |
| 6 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录A |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（7）基于高分辨率遥感影像的果园与设施农业用地提取方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究进展 |
| 1.2.1 遥感影像分类方法 |
| 1.2.2 高分辨率遥感影像纹理特征提取方法 |
| 1.2.3 农作物类型遥感提取 |
| 1.2.4 文献总结 |
| 1.3 研究内容和技术路线 |
| 1.3.1 研究目标与内容 |
| 1.3.2 技术路线 |
| 1.4 论文组织结构 |
| 第二章 材料与方法 |
| 2.1 研究区概况 |
| 2.1.1 自然地理概况 |
| 2.1.2 作物种植结构 |
| 2.1.3 果业发展概况 |
| 2.1.4 设施农业概况 |
| 2.2 基础数据 |
| 2.2.1 遥感数据 |
| 2.2.2 地面调查数据 |
| 2.2.3 其他数据 |
| 2.3 纹理特征提取方法 |
| 2.3.1 GLCM纹理 |
| 2.3.2 分形纹理 |
| 2.3.3 空间自相关纹理 |
| 2.3.4 小波纹理 |
| 2.4 监督分类方法 |
| 2.4.1 SVM分类 |
| 2.4.2 RF分类 |
| 2.4.3 MLC分类 |
| 2.4.4 ANN分类 |
| 2.5 分类结果评价 |
| 2.5.1 分类精度总体评价 |
| 2.5.2 单一类别识别精度评价 |
| 2.5.3 不同分类模型显着性差异 |
| 第三章 高分辨率遥感影像光谱特征分析与分类 |
| 3.1 影像预处理 |
| 3.1.1 正射校正 |
| 3.1.2 辐射校正 |
| 3.1.3 影像配准 |
| 3.1.4 数据融合 |
| 3.2 光谱特征分析 |
| 3.2.1 影像光谱统计特征 |
| 3.2.2 典型地物的影像特征 |
| 3.2.3 不同地物的光谱特征 |
| 3.3 光谱特征分类结果与分析 |
| 3.3.1 苹果园研究区 |
| 3.3.2 猕猴桃园研究区 |
| 3.3.3 设施农业研究区 |
| 3.4 讨论与结论 |
| 3.4.1 讨论 |
| 3.4.2 结论 |
| 第四章 面向果园提取的高分辨率遥感影像纹理特征分析 |
| 4.1 研究区与遥感数据 |
| 4.1.1 研究区概况 |
| 4.1.2 遥感数据 |
| 4.2 纹理特征提取 |
| 4.2.1 GLCM纹理特征提取 |
| 4.2.2 小波纹理特征提取 |
| 4.2.3 分形纹理特征提取 |
| 4.2.4 空间自相关纹理特征提取 |
| 4.3 基于GLCM的苹果园纹理特征分析 |
| 4.3.1 最佳纹理窗口选择 |
| 4.3.2 纹理特征提取结果 |
| 4.3.3 不同地物的纹理统计特征 |
| 4.3.4 不同纹理特征分类结果对比 |
| 4.4 基于小波变换的猕猴桃园纹理特征分析 |
| 4.4.1 小波纹理特征提取过程 |
| 4.4.2 小波纹理提取结果与分析 |
| 4.4.3 GLCM与分形纹理特征提取 |
| 4.4.4 不同纹理特征分类结果比较 |
| 4.4.5 小波纹理对苹果园提取的适用性分析 |
| 4.5 讨论与结论 |
| 4.5.1 讨论 |
| 4.5.2 结论 |
| 第五章 QuickBird影像果园用地信息提取研究 |
| 5.1 研究区与数据 |
| 5.1.1 研究区和遥感数据 |
| 5.1.2 样本数据 |
| 5.2 技术路线和方法 |
| 5.2.1 技术流程 |
| 5.2.2 特征提取 |
| 5.2.3 分类模型构建 |
| 5.2.4 分类结果评价 |
| 5.3 基于SVM的苹果园用地信息提取 |
| 5.3.1 SVM核函数选取与分类模型优化 |
| 5.3.2 提取结果对比 |
| 5.3.3 苹果园提取精度分析 |
| 5.4 基于RF的猕猴桃园用地信息提取 |
| 5.4.1 RF参数选取与分类模型构建 |
| 5.4.2 提取结果对比 |
| 5.4.3 提取精度分析 |
| 5.5 讨论 |
| 5.5.1 不同分类方法分类精度分析 |
| 5.5.2 建模样本对分类精度的影响 |
| 5.5.3 数据融合对果园提取精度的影响 |
| 5.6 结论 |
| 第六章 基于GeoEye-1和SPOT-7 影像的设施农业用地提取 |
| 6.1 研究区与数据 |
| 6.1.1 研究区 |
| 6.1.2 遥感数据 |
| 6.1.3 样本数据 |
| 6.2 技术路线和方法 |
| 6.2.1 特征提取 |
| 6.2.2 遥感图像监督分类方法 |
| 6.2.3 分类精度评价 |
| 6.3 结果与分析 |
| 6.3.1 小波纹理特征提取结果 |
| 6.3.2 RF分类参数选取及分类模型构建 |
| 6.3.3 不同分类特征分类精度分析 |
| 6.3.4 不同分类方法分类精度分析 |
| 6.3.5 不同影像的温室大棚提取结果 |
| 6.4 讨论与结论 |
| 6.4.1 讨论 |
| 6.4.2 结论 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（8）基于遥感技术的红树林生态系统多层次评估 ——以九龙江河口红树林为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题依据 |
| 1.2 国内外研究进展 |
| 1.2.1 红树林遥感分类 |
| 1.2.2 红树林地上生物量/碳储量遥感估算 |
| 1.2.3 红树林生态系统服务价值评估 |
| 1.3 研究目标和意义 |
| 1.4 主要研究内容 |
| 1.5 拟解决的科学问题 |
| 1.6 技术路线 |
| 第二章 研究区概况与数据收集处理 |
| 2.1 研究区域概况 |
| 2.2 数据收集与处理 |
| 2.2.1 野外数据收集 |
| 2.2.2 遥感数据收集和处理 |
| 第三章 基于Landsat的红树林分布及其地上生物量变化研究 |
| 3.1 引言 |
| 3.2 研究方法 |
| 3.2.1 基于Landsat的红树林分类 |
| 3.2.2 基于Landsat的红树林地上生物量建模 |
| 3.2.3 基于Landsat的红树林分布和AGB的变化研究 |
| 3.3 结果 |
| 3.3.1 实地调查结果 |
| 3.3.2 红树林分布变化 |
| 3.3.3 模型结果 |
| 3.3.4 红树林AGB的变化 |
| 3.4 讨论 |
| 3.4.1 九龙江河口红树林覆盖的变化 |
| 3.4.2 九龙江河口红树林AGB的变化 |
| 3.4.3 不确定性 |
| 3.5 小结 |
| 第四章 基于PLEIADES的红树林地上碳储量估算的潜力研究 |
| 4.1 引言 |
| 4.2 研究方法 |
| 4.2.1 基于PLEIADES的AGC模型率定 |
| 4.2.2 基于PLEIADES的AGC模型验证 |
| 4.3 结果 |
| 4.3.1 野外调查结果 |
| 4.3.2 AGC模型校正结果 |
| 4.3.3 AGC模型验证结果 |
| 4.4 讨论 |
| 4.5 小结 |
| 第五章 基于PLEIADES的红树林潜在生态系统服务价值评估 |
| 5.1 引言 |
| 5.2 研究方法 |
| 5.2.1 基于PLEIADES的红树林分类 |
| 5.2.2 模型建立 |
| 5.2.3 基于PLEIADES的红树林生态系统服务价值评估 |
| 5.3 结果 |
| 5.3.1 分类结果 |
| 5.3.2 模型结果 |
| 5.3.3 红树林生态系统服务价值评估结果 |
| 5.4 讨论 |
| 5.5 小结 |
| 第六章 总结 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 不足与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 所获荣誉与奖励 |
| 参与科研项目 |
| 致谢 |
（9）黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状现状 |
| 1.2.1 黄土滑坡分类研究现状 |
| 1.2.2 灌溉诱发型黄土滑坡研究现状 |
| 1.2.3 遥感影像在滑坡调查中的研究现状 |
| 1.2.4 遥感技术在农作物分类的应用现状 |
| 1.3 研究内容以及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 拟解决的关键科学问题 |
| 1.3.3 研究思路及技术路线 |
| 1.3.4 主要创新点 |
| 第2章 研究区地质环境条件 |
| 2.1 研究区概况 |
| 2.2 气象水文 |
| 2.2.1 气象 |
| 2.2.2 水文 |
| 2.3 地形地貌 |
| 2.3.1 地形 |
| 2.3.2 地貌 |
| 2.4 地层岩性 |
| 2.5 水文地质条件 |
| 2.6 地质构造 |
| 2.7 人类工程活动 |
| 2.8 本章小结 |
| 第3章 数据源预处理及影像分类方法 |
| 3.1 遥感数据来源 |
| 3.1.1 历史航片 |
| 3.1.2 卫星影像 |
| 3.1.3 无人机航拍影像 |
| 3.2 遥感数据处理 |
| 3.2.1 航片数据处理 |
| 3.2.2 卫星影像预处理 |
| 3.2.3 无人机航拍影像处理 |
| 3.3 遥感影像分类 |
| 3.3.1 基于像元的遥感影像分类方法 |
| 3.3.2 面向对象的遥感影像分类方法 |
| 3.3.3 精度评价 |
| 3.4 本章小结 |
| 第4章 面向对象的黑方台农作物分类 |
| 4.1 黑方台农作物野外调查及解译标志建立 |
| 4.1.1 野外调查 |
| 4.1.2 解译标志建立 |
| 4.2 数据筛选及分类体系建立 |
| 4.2.1 数据筛选 |
| 4.2.2 分类体系建立 |
| 4.3 多层次影像分割 |
| 4.3.1 影像分割试验 |
| 4.3.2 多层次的最优分割尺度参数 |
| 4.4 对象特征选取 |
| 4.4.1 光谱特征 |
| 4.4.2 纹理特征 |
| 4.4.3 形状(几何)特征 |
| 4.5 影像分类 |
| 4.6 精度验证 |
| 4.7 小结 |
| 第5章 农作物灌溉特征对地下水分布特征的影响研究 |
| 5.1 农作物灌溉特征研究 |
| 5.1.1 农作物时空分布变化特征研究 |
| 5.1.2 基于灌溉次数的农作物灌溉特征研究 |
| 5.1.3 农作物灌溉分区 |
| 5.2 地下水分布特征研究 |
| 5.2.1 水位监测数据 |
| 5.2.2 高密度电法数据 |
| 5.3 小结 |
| 第6章 地下水分布特征对滑坡灾害的影响研究 |
| 6.1 黑方台黄土滑坡解译及编目 |
| 6.1.1 黑方台滑坡解译 |
| 6.1.2 黑方台滑坡编目 |
| 6.2 地下水分布特征与滑坡灾害演化关系研究 |
| 6.2.1 黑方台滑坡时空演化规律研究 |
| 6.2.2 党川段滑坡时空演化规律研究 |
| 6.2.3 地下水分布特征对党川段滑坡灾害演化的影响研究 |
| 6.3 防治措施建议 |
| 6.3.1 农业灌溉方式改变 |
| 6.3.2 种植结构调整 |
| 6.3.3 产业结构调整 |
| 6.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位论文期间取得学术成果 |
（10）高分二号影像树种识别及龄组划分研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 基于像元的遥感影像分类 |
| 1.2.2 面向对象的遥感影像分类 |
| 1.2.3 随机森林法遥感分类研究现状 |
| 1.3 存在问题及发展趋势 |
| 1.4 研究目的及内容 |
| 1.4.1 目的意义 |
| 1.4.2 研究内容 |
| 1.5 研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 2 研究区概况与数据准备 |
| 2.1 研究区概况 |
| 2.2 地面数据获取 |
| 2.2.1 标准地调查 |
| 2.2.2 冠层光谱测定 |
| 2.3 遥感影像 |
| 2.3.1 影像基本情况 |
| 2.3.2 统计特征分析 |
| 2.4 影像预处理 |
| 2.4.1 辅助数据的提取 |
| 2.4.2 辐射定标与大气校正 |
| 2.4.3 正射校正 |
| 2.4.4 图像融合 |
| 2.4.5 地形校正 |
| 2.4.6 研究区裁剪 |
| 3 图像分割及属性选择 |
| 3.1 面向对象的多尺度分割 |
| 3.1.1 异质性最小准则 |
| 3.1.2 分割参数设置 |
| 3.2 属性提取 |
| 3.3 分类方案 |
| 3.4 属性选择及参数优化 |
| 3.4.1 属性选择 |
| 3.4.2 参数优化 |
| 3.5 精度评价 |
| 4 基于GF-2影像的树种分类 |
| 4.1 随机森林算法 |
| 4.2 属性选择及参数优化结果 |
| 4.3 随机森林分类结果 |
| 4.3.1 分类精度及定量分析 |
| 4.3.2 混淆矩阵和分类结果 |
| 4.4 多分类器精度对比 |
| 5 结论和讨论 |
| 5.1 结论 |
| 5.2 特色与创新 |
| 5.3 讨论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 致谢 |
四、QuickBird卫星成功发射（论文参考文献）
- [1]卫星遥感点光源辐射标校方法与系统研究[D]. 李瑞金. 中国科学技术大学, 2021(09)
- [2]基于InSAR/GIS的矿区地下非法开采监测关键技术研究[D]. 夏元平. 中国矿业大学, 2020
- [3]惠东红树林的高分辨率遥感监测与特征分析研究[D]. 廖亚琴. 湖南科技大学, 2020(06)
- [4]基于遥感卫星影像的输电线路塔基隐患巡检方法研究[D]. 杜如钧. 华北电力大学(北京), 2020(06)
- [5]高分辨率光学/SAR卫星几何辐射定标研究进展[J]. 张过,蒋永华,李立涛,邓明军,赵瑞山. 测绘学报, 2019(12)
- [6]基于对象分割的卫星图像中物体变化检测与识别算法研究[D]. 吴宪. 北京交通大学, 2019(01)
- [7]基于高分辨率遥感影像的果园与设施农业用地提取方法研究[D]. 宋荣杰. 西北农林科技大学, 2019(07)
- [8]基于遥感技术的红树林生态系统多层次评估 ——以九龙江河口红树林为例[D]. 王敏. 厦门大学, 2019(08)
- [9]黑方台农作物分区种植对地下水分布特征及滑坡灾害影响的研究[D]. 郭鹏. 成都理工大学, 2019(02)
- [10]高分二号影像树种识别及龄组划分研究[D]. 傅锋. 北京林业大学, 2018(04)