掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
農作物類型遙感識別方法與應用 版權信息
- ISBN：9787040508765
- 條形碼：9787040508765 ; 978-7-04-050876-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
農作物類型遙感識別方法與應用 本書特色
本書以農業遙感中*基礎的工作——農作物類型識別為主題，系統闡述了農作物遙感識別的方法，介紹了基于不同數據源，包括可見光影像、高光譜影像、雷達影像，以及不同分類策略，包括非監督分類、監督分類和半監督分類，基于像元、亞像元的和面向對象的分類，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別方法。此外，還討論了樣本數量和質量、數據特征和尺度對作物識別精度的影響。可為從事遙感分類及相關領域的科研人員和技術人員，特別是從事農作物遙感識別的工作者和遙感數據處理工程師參考。 ?包含22個真實研究案列，可供作物識別方法借鑒，也可作為土地利用/覆蓋分類方法參考 ?核心技術方法按所用到的數據源分別介紹，內容相互獨立，方便讀者根據自身興趣有選擇地閱讀
農作物類型遙感識別方法與應用 內容簡介
本書以農業遙感中很基礎的工作——農作物類型識別為主題，系統闡述了農作物遙感識別的方法，介紹了基于不同數據源，包括可見光影像、高光譜影像、雷達影像，以及不同分類策略，包括非監督分類、監督分類和半監督分類，基于像元、亞像元的和面向對象的分類，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別方法。此外，還討論了樣本數量和質量、數據特征和尺度對作物識別精度的影響。可為從事遙感分類及相關領域的科研人員和技術人員，特別是從事農作物遙感識別的工作者和遙感數據處理工程師參考。 包含22個真實研究案列，可供作物識別方法借鑒，也可作為土地利用/覆蓋分類方法參考 核心技術方法按所用到的數據源分別介紹，內容相互獨立，方便讀者根據自身興趣有選擇地閱讀。
農作物類型遙感識別方法與應用 目錄
第1章 作物識別方法概述
1.1 引言
1.2 非監督、監督和半監督分類
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 面向對象與基于像元的分類
1.6 單時相、多時相與時序數據分類
1.6.1 基于單時相數據的分類
1.6.2 基于多時相數據的分類
1.6.3 基于時序數據的分類
1.7 單特征分類與多特征分類
1.8 小結
參考文獻
第2章 農作物識別精度的影響因素
2.1 引言
2.2 樣本數量對識別精度的影響
2.2.1 研究背景
2.2.2 研究區與數據
2.2.3 研究方法與技術路線
2.2.4 結果分析
2.2.5 結論與討論
2.3 樣本質量對識別精度的影響
2.3.1 研究背景
2.3.2 研究方法與技術路線
2.3.3 結果分析
2.3.4 結論與討論
2.4 數據特征對識別精度的影響
2.4.1 研究背景
2.4.2 研究方法與技術路線
2.4.3 評價指標的選擇
2.4.4 結果分析
2.4.5 結論與討論
2.5 數據尺度對識別精度的影響
2.5.1 研究背景
2.5.2 研究區與數據
2.5.3 研究方法與技術路線
2.5.4 結果分析
2.5.5 結論與討論
參考文獻
第3章 基于可見光遙感影像的作物類型識別
3.1 引言
3.2 基于單時相數據的作物識別
3.2.1 基于變端元混合像元分解的冬小麥提取
3.2.2 軟硬分類相結合農作物制圖研究
3.2.3 SVDD單目標分類器的作物識別研究
3.2.4 基于集成學習的農作物識別研究
3.3 基于多時相數據的作物識別
3.3.1 支持向量機與分類后驗概率空間變化向量分析法結合的冬小麥識別方法
3.3.2 通過軟硬變化檢測識別冬小麥
3.3.3 圖斑與變化向量分析相結合的秋糧作物遙感提取
3.3.4 構建時空融合模型進行水稻遙感識別
3.4 基于時間序列數據的作物識別
3.4.1 基于相似性分析的中低分辨率復合水稻種植面積測量法
3.4.2 基于典型物候特征的MODIS-EVI時間序列數據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融合構建高時空分辨率數據識別秋糧作物
參考文獻
第4章 基于高光譜影像的作物類型識別
4.1 引言
4.2 基于高光譜遙感數據的相似性測度方法評價
4.2.1 研究背景
4.2.2 研究數據
4.2.3 研究方法與技術路線
4.2.4 結果分析
4.2.5 結論與討論
4.3 基于隨機森林的高光譜遙感數據降維與分類
4.3.1 研究背景
4.3.2 研究區與數據
4.3.3 研究方法與技術路線
4.3.4 結果分析
4.3.5 結論與討論
4.4 基于人工蜂群算法優化的SVM高光譜遙感影像分類
4.4.1 研究背景
4.4.2 數據
4.4.3 研究方法與實驗設計
4.4.4 結果分析
4.4.5 結論與討論
4.5 變端元秋糧作物高光譜識別
4.5.1 研究背景
4.5.2 研究區與數據
4.5.3 研究方法與技術路線
4.5.4 結果分析
4.5.5 結論與討論
參考文獻
第5章 雷達作物識別
5.1 引言
5.2 基于多時相RADARSAT-2的秋糧作物識別
5.2.1 研究背景
5.2.2 研究區與數據
5.2.3 研究方法與技術路線
5.2.4 結果分析
5.2.5 結論與討論
5.3 光學影像圖斑支持下多時相雷達旱地秋糧作物提取
5.3.1 研究背景
5.3.2 研究區與數據
5.3.3 研究方法與技術路線
5.3.4 結果分析
5.3.5 結論與討論
參考文獻
附表
索引
展開全部
書友推薦
- >
煙與鏡
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
二體千字文
- >
名家帶你讀魯迅:朝花夕拾
- >
推拿
- >
隨園食單
- >
朝聞道
- >
小考拉的故事-套裝共3冊
本類暢銷
