幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

農業土地系統遙感製圖(精)

  • 作者：吳文斌//胡瓊//陸苗//宋茜//楊鵬|責編:朱麗//李秋艷//張力群
  • 出版社：科學
  • ISBN：9787030667274
  • 出版日期：2020/11/01
  • 裝幀：精裝
  • 頁數：334
人民幣：RMB 198 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書全面介紹了農業土地系統遙感製圖的理論和技術方法。首先，從土地系統科學的角度出發，系統總結了國內外農業土地系統學科的研究動態，提出了農業土地系統遙感製圖的研究框架；然後，介紹了耕地遙感製圖，灌溉耕地遙感製圖，農業種植制度遙感製圖，基於低、中、高空間解析度影像的農作物遙感製圖，農作物遙感製圖的特徵優選，以及協同多源遙感數據的農作物製圖的原理和方法，並結合具體應用案例對有關技術流程和應用成效進行了描述；最後，探討和展望了大數據和人工智慧背景下農業土地系統遙感製圖的未來發展方向。
    本書可供從事土地利用科學、農業遙感、自然資源監測等領域的科研人員和管理人員參考使用，也可作為高等院校相關專業的本科生及研究生教材。
作者介紹
吳文斌//胡瓊//陸苗//宋茜//楊鵬|責編:朱麗//李秋艷//張力群
目錄
序
前言
第1章  緒論
  1.1  土地系統科學
    1.1.1  土地利用
    1.1.2  從土地變化科學到土地系統科學
  1.2  農業土地系統科學
    1.2.1  農業土地系統科學研究框架
    1.2.2  農業土地系統科學研究動態
  1.3  農業土地系統遙感製圖
    1.3.1  遙感製圖
    1.3.2  農業土地系統遙感製圖總體框架
    1.3.3  農業土地系統遙感製圖研究動態
  1.4  結語
  參考文獻
第2章  耕地遙感製圖
  2.1  引言
  2.2  已有耕地遙感數據產品
    2.2.1  GlobeLand30
    2.2.2  GlobCover
    2.2.3  MODIS Collection 5/6
    2.2.4  GLC2000
    2.2.5  CCI-LC
  2.3  不同耕地遙感數據產品的一致性分析
    2.3.1  數據預處理
    2.3.2  對比方法
    2.3.3  結果與分析
    2.3.4  結論
  2.4  耕地遙感製圖方法
    2.4.1  基於遙感影像的耕地提取方法
    2.4.2  基於遙感產品與統計數據融合方法
  2.5  案例1：基於多套耕地產品和地理加權回歸模型的中國耕地製圖
    2.5.1  多源數據收集與預處理
    2.5.2  地理加權回歸模型運行
    2.5.3  中國耕地空間分佈製圖結果與精度評定
  2.6  案例2：基於多源數據分層優化方法的全球耕地製圖
    2.6.1  多源數據收集與預處理
    2.6.2  多源數據分層優化融合方法
    2.6.3  融合結果與分析
  參考文獻
第3章  灌溉耕地遙感製圖
  3.1  引言
  3.2  主要灌溉耕地數據集
    3.2.1  GMIA和MIRCA2000
    3.2.2  GIAM和GMRCA
    3.2.3  GRIPC
    3.2.4  其他產品
    3.2.5  數據產品的對比
  3.3  灌溉耕地製圖理論依據
  3.4  灌溉耕地製圖特徵參量

    3.4.1  地理特徵參量
    3.4.2  植被與土壤特徵參量
    3.4.3  時間特徵參量
  3.5  灌溉耕地製圖方法
    3.5.1  監督分類
    3.5.2  非監督分類
    3.5.3  數據融合
  3.6  案例：融合遙感與非遙感數據的中國灌溉耕地製圖
    3.6.1  理論依據
    3.6.2  數據準備
    3.6.3  技術流程
    3.6.4  製圖結果與精度評價
  參考文獻
第4章  農業種植制度遙感製圖
  4.1  引言
    4.1.1  耕地複種指數
    4.1.2  耕地物候參數
  4.2  農業種植制度遙感提取的理論基礎
  4.3  時間序列植被指數重構方法
    4.3.1  非對稱高斯函數擬合法
    4.3.2  雙邏輯斯諦函數擬合法
    4.3.3  Savitzky-Golay濾波法
    4.3.4  時間序列諧波分析法
  4.4  農業種植制度關鍵參數提取方法
    4.4.1  閾值法
    4.4.2  時間序列法
    4.4.3  物候累計頻率法
    4.4.4  主成分分析法
    4.4.5  曲線擬合法
  4.5  案例1：基於MODIS和GF數據融合的耕地複種頻率提取——以鄱陽湖區域為例
    4.5.1  MODIS和GF數據融合
    4.5.2  基於二次差分法提取種植頻率
    4.5.3  種植頻率提取結果和精度驗證
    4.5.4  種植頻率提取的時空不確定性比較
  4.6  案例2：基於MODIS雙星的耕地物候參數提取——以中國北方區域為例
    4.6.1  MODIS雙星數據協同
    4.6.2  基於閾值法提取關鍵物候參數
    4.6.3  耕地物候提取結果
    4.6.4  耕地物候提取結果的精度驗證
  參考文獻
第5章  農作物遙感製圖的特徵選擇策略
  5.1  引言
  5.2  農作物遙感識別特徵類型
    5.2.1  光譜特徵
    5.2.2  時相特徵
    5.2.3  空間特徵
  5.3  農作物遙感識別特徵利用方式
    5.3.1  基於單一特徵
    5.3.2  基於多特徵參量
    5.3.3  基於特徵量的統計模型

  5.4  農作物遙感識別特徵自動優選方法
    5.4.1  基於分離指數的特徵優選方法
    5.4.2  光譜-時相特徵自動優選方法
    5.4.3  基於隨機森林分類模型的特徵優選方法
  5.5  光譜和時相特徵對農作物識別的影響評估
    5.5.1  特徵情景設計
    5.5.2  基於不同特徵的農作物識別
    5.5.3  特徵質量對農作物識別影響
    5.5.4  特徵數量對農作物識別影響
  5.6  案例1：基於STAFS方法的玉米最優特徵篩選
    5.6.1  STAFS方法參數化過程
    5.6.2  玉米最優特徵和識別結果
    5.6.3  玉米最優特徵解釋性
    5.6.4  STAFS泛化應用分析
    5.6.5  STAFS擴展性分析
  5.7  案例2：基於隨機森林模型的農作物特徵選擇
    5.7.1  隨機森林模型構建與參數優化
    5.7.2  隨機森林特徵重要性打分
    5.7.3  基於不同特徵組合的農作物識別結果
  參考文獻
第6章  基於中低空間解析度影像的農作物製圖
  6.1  引言
  6.2  中低空間解析度遙感數據
    6.2.1  MODIS衛星影像
    6.2.2  VIIRS衛星影像
    6.2.3  AVHRR衛星影像
    6.2.4  SPOT-VEGETATION衛星影像
  6.3  長時間序列遙感影像處理
    6.3.1  長時序遙感影像收集與預處理
    6.3.2  長時序植被指數構建
    6.3.3  長時序多光譜特徵優選
  6.4  亞像元農作物面積百分比提取方法
    6.4.1  硬分類與軟分類定義
    6.4.2  光譜線性分解方法
    6.4.3  光譜非線性分解方法
    6.4.4  時相線性分解方法
    6.4.5  地理加權回歸模型方法
    6.4.6  隨機森林回歸模型方法
  6.5  案例1：基於MODIS和地理加權回歸模型的大豆丰度製圖
    6.5.1  候選特徵變數構建
    6.5.2  地理加權回歸模型構建與優化
    6.5.3  黑龍江大豆丰度分佈圖與精度評估
  6.6  案例2：基於MODIS和隨機森林回歸模型的作物丰度製圖
    6.6.1  候選特徵變數構建
    6.6.2  隨機森林回歸模型構建與優化
    6.6.3  黑龍江農作物丰度分佈圖與精度評估
  參考文獻
第7章  基於中高空間解析度影像的農作物製圖
  7.1  引言
  7.2  中高空間解析度遙感數據

    7.2.1  美國陸地資源（Landsat）系列衛星
    7.2.2  歐盟哨兵（Sentinel）系列衛星
    7.2.3  中國環境（HJ）系列衛星
    7.2.4  中國高分（GF）系列衛星
  7.3  基於像素分類方法
  7.4  面向對象分類方法
    7.4.1  面向對象的定義
    7.4.2  圖像分割方法
  7.5  逐月優化的農作物製圖策略
  7.6  案例：基於GF-1數據與面向對象分類方法的多階段農作物製圖
    7.6.1  數據準備
    7.6.2  多尺度分割
    7.6.3  多特徵選擇
    7.6.4  隨機森林分類模型參數化
    7.6.5  農作物識別結果及精度驗證
  參考文獻
第8章  基於高空間解析度影像的農作物製圖
  8.1  引言
  8.2  高空間解析度遙感影像
    8.2.1  QuickBird衛星影像
    8.2.2  Google Earth衛星影像
    8.2.3  無人機航拍影像
  8.3  針對高空間解析度影像的特徵構建
    8.3.1  農作物可見光植被指數提取分析
    8.3.2  農作物可見光紋理特徵提取分析
    8.3.3  農作物空間高度特徵提取分析
  8.4  機器學習分類演算法
    8.4.1  SVM演算法介紹
    8.4.2  深度學習演算法
    8.4.3  卷積神經網路演算法
  8.5  案例：基於無人機影像和SVM演算法的農作物識別
    8.5.1  研究區與數據
    8.5.2  技術路線
    8.5.3  農作物分類特徵的選取
    8.5.4  農作物分類流程及結果
  參考文獻
第9章  基於多源數據融合的農作物製圖研究
  9.1  引言
  9.2  多源數據融合技術
    9.2.1  提高空間解析度
    9.2.2  提高時間解析度
  9.3  多源遙感數據融合模式
    9.3.1  光學遙感數據的融合
    9.3.2  光學遙感與微波遙感數據的融合
  9.4  遙感數據與統計數據融合
    9.4.1  SPAM模型
    9.4.2  GAEZ模型
  9.5  遙感數據與其他數據融合
  9.6  案例：基於SPAM模型提取東北地區玉米種植面積
    9.6.1  數據來源及處理

    9.6.2  SPAM模型參數化過程
    9.6.3  東北地區玉米分佈圖及精度評定
  參考文獻
第10章  農作物空間分佈遙感製圖發展方向探討
  10.1  引言
  10.2  農作物空間分佈遙感製圖策略
    10.2.1  製圖目標呈現多元化
    10.2.2  製圖單元從像元到地塊
    10.2.3  樣本信息採集從線下到線上
    10.2.4  製圖方法從自動學習到深度學習
    10.2.5  遙感數據源的協同利用
  10.3  農作物空間分佈遙感數據產品研製
  10.4  農作物空間分佈數據產品的共享與服務
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032