森林樹種高光譜遙感研究
| 定價(jià)： | ￥ 39 | ||
| 作者： | 林輝 等編著 | ||
| 出版： | 中國(guó)林業(yè)出版社 | ||
| 書號(hào)： | 9787503864230 | ||
| 語(yǔ)言： | 簡(jiǎn)體中文 | ||
| 日期： | 2011-12-01 | ||
| 版次： | 1 | 頁(yè)數(shù)： | 162 |
| 開本： | 16開 | 查看： | 0次 |
| 服務(wù)商城 | 客服電話 | 配送服務(wù) | 優(yōu)惠價(jià) | 購(gòu)買 |
 | 400-711-6699 | 滿29至69元，免運(yùn)費(fèi)！ | ￥39 |  |
2000年在森林經(jīng)理學(xué)科的資助下，課題組購(gòu)買了美國(guó)ASD公司生產(chǎn)的高光譜儀，開展了林業(yè)高光譜的先期研究工作，試探性地發(fā)表了一些研究論文。2004年和2008年兩次獲得了國(guó)家自然科學(xué)基金面上項(xiàng)目（湖南省主要針葉樹種高光譜遙感研究30471391、森林樹種波譜特及生化成分相關(guān)性研究30871962）的資助，其間還獲得了教育部博士點(diǎn)專項(xiàng)基金（南方喬木樹種高光譜遙感測(cè)定與分析200805380001）的支持，這些都大大鼓舞了課題組的士氣，使得課題組能夠克服重重困難，順利完成了對(duì)南方主要樹種特別是鄉(xiāng)土樹種杉木、馬尾松的定點(diǎn)定位、定期的觀測(cè)，取得了寶貴的第一手資料。在此基礎(chǔ)上開展了一系列的數(shù)據(jù)處理和分析工作，取得了一些初步的結(jié)果。《森林樹種高光譜遙感研究》，正是介紹了課題組十余年來(lái)，開展森林樹種高光譜研究的一些方法和研究結(jié)果。
第一章 緒論
第一節(jié) 高光譜遙感的概念
第二節(jié) 高光譜遙感的發(fā)展現(xiàn)狀
第三節(jié) 典型地物的光譜特征
一、植被
二、土壤
三、巖石
四、水體和雪
五、城市目標(biāo)
第四節(jié) 地面光譜測(cè)量方法
一、實(shí)驗(yàn)室測(cè)量
二、野外測(cè)量
第二章 數(shù)據(jù)采集與數(shù)據(jù)處理
第一節(jié) 野外光譜數(shù)據(jù)的測(cè)定
一、野外光譜測(cè)量的影響因素
二、地物光譜測(cè)試時(shí)的規(guī)范和測(cè)量要求
第二節(jié) 生物化學(xué)參數(shù)的測(cè)定
第三節(jié) 基于光譜位置變量的分析
第四節(jié) 地物光譜數(shù)據(jù)預(yù)處理
一、高光譜數(shù)據(jù)平滑去噪
二、高光譜數(shù)據(jù)變換
第五節(jié) 高光譜數(shù)據(jù)分類技術(shù)
一、支持向量機(jī)原理
二、BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
三、光譜角度制圖法原理
四、馬氏距離分類法原理
五、樸素貝葉斯分類法原理
六、Fisher判別法原理
第三章 喬木樹種主要生化參數(shù)估算模型研究
第一節(jié) 杉木色素含量的估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第二節(jié) 馬尾松色素含量估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第三節(jié) 樟樹幼林色素含量的估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第四章 喬木樹種高光譜數(shù)據(jù)降維分類對(duì)比分析
第一節(jié) 喬木樹種光譜數(shù)據(jù)采集
第二節(jié) 高光譜數(shù)據(jù)的主成分降維
一、主成分降維原理
二、光譜數(shù)據(jù)降維分類測(cè)試
第三節(jié) 高光譜數(shù)據(jù)的獨(dú)立主成分降維
一、獨(dú)立主成分降維原理
二、獨(dú)立主成分降維分類結(jié)果對(duì)比
第五章 基于群體算法結(jié)合支持向量機(jī)的高光譜數(shù)據(jù)降維分類研究
第一節(jié) 遺傳算法結(jié)合支持向量機(jī)的降維算法
一、降維算法原理
二、降維分類結(jié)果分析
第二節(jié) 粒子群算法結(jié)合SVM的高光譜數(shù)據(jù)降維算法
一、粒子群算法原理
二、粒子群算法結(jié)合支持向量機(jī)降維原理
三、降維數(shù)據(jù)分類結(jié)果與分析
第六章 成像高光譜影像特征分析與LAl反演
第一節(jié) 數(shù)據(jù)獲取與研究區(qū)概況
一、研究區(qū)概況
二、成像光譜數(shù)據(jù)獲取
三、地面數(shù)據(jù)測(cè)量
第二節(jié) 影像數(shù)據(jù)處理與植被指數(shù)提取
一、Hyperion數(shù)據(jù)讀取與有效波段選擇
二、壞線修復(fù)與條紋去除
三、大氣校正與幾何校正
四、校正結(jié)果與同步觀測(cè)數(shù)據(jù)比較分析
五、植被指數(shù)提取
第三節(jié) 基于植被指數(shù)的LAI反演模型
一、基于單因子的LAI反演模型
二、LAI的逐步回歸模型
三、基于偏最小二乘回歸的LAI反演模型
四、研究區(qū)LAI反演制圖
參考文獻(xiàn)
第一節(jié) 高光譜遙感的概念
第二節(jié) 高光譜遙感的發(fā)展現(xiàn)狀
第三節(jié) 典型地物的光譜特征
一、植被
二、土壤
三、巖石
四、水體和雪
五、城市目標(biāo)
第四節(jié) 地面光譜測(cè)量方法
一、實(shí)驗(yàn)室測(cè)量
二、野外測(cè)量
第二章 數(shù)據(jù)采集與數(shù)據(jù)處理
第一節(jié) 野外光譜數(shù)據(jù)的測(cè)定
一、野外光譜測(cè)量的影響因素
二、地物光譜測(cè)試時(shí)的規(guī)范和測(cè)量要求
第二節(jié) 生物化學(xué)參數(shù)的測(cè)定
第三節(jié) 基于光譜位置變量的分析
第四節(jié) 地物光譜數(shù)據(jù)預(yù)處理
一、高光譜數(shù)據(jù)平滑去噪
二、高光譜數(shù)據(jù)變換
第五節(jié) 高光譜數(shù)據(jù)分類技術(shù)
一、支持向量機(jī)原理
二、BP神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介
三、光譜角度制圖法原理
四、馬氏距離分類法原理
五、樸素貝葉斯分類法原理
六、Fisher判別法原理
第三章 喬木樹種主要生化參數(shù)估算模型研究
第一節(jié) 杉木色素含量的估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第二節(jié) 馬尾松色素含量估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第三節(jié) 樟樹幼林色素含量的估算模型研究
一、研究區(qū)概況
二、數(shù)據(jù)收集及處理
三、模型及精度評(píng)價(jià)
四、結(jié)果與分析
第四章 喬木樹種高光譜數(shù)據(jù)降維分類對(duì)比分析
第一節(jié) 喬木樹種光譜數(shù)據(jù)采集
第二節(jié) 高光譜數(shù)據(jù)的主成分降維
一、主成分降維原理
二、光譜數(shù)據(jù)降維分類測(cè)試
第三節(jié) 高光譜數(shù)據(jù)的獨(dú)立主成分降維
一、獨(dú)立主成分降維原理
二、獨(dú)立主成分降維分類結(jié)果對(duì)比
第五章 基于群體算法結(jié)合支持向量機(jī)的高光譜數(shù)據(jù)降維分類研究
第一節(jié) 遺傳算法結(jié)合支持向量機(jī)的降維算法
一、降維算法原理
二、降維分類結(jié)果分析
第二節(jié) 粒子群算法結(jié)合SVM的高光譜數(shù)據(jù)降維算法
一、粒子群算法原理
二、粒子群算法結(jié)合支持向量機(jī)降維原理
三、降維數(shù)據(jù)分類結(jié)果與分析
第六章 成像高光譜影像特征分析與LAl反演
第一節(jié) 數(shù)據(jù)獲取與研究區(qū)概況
一、研究區(qū)概況
二、成像光譜數(shù)據(jù)獲取
三、地面數(shù)據(jù)測(cè)量
第二節(jié) 影像數(shù)據(jù)處理與植被指數(shù)提取
一、Hyperion數(shù)據(jù)讀取與有效波段選擇
二、壞線修復(fù)與條紋去除
三、大氣校正與幾何校正
四、校正結(jié)果與同步觀測(cè)數(shù)據(jù)比較分析
五、植被指數(shù)提取
第三節(jié) 基于植被指數(shù)的LAI反演模型
一、基于單因子的LAI反演模型
二、LAI的逐步回歸模型
三、基于偏最小二乘回歸的LAI反演模型
四、研究區(qū)LAI反演制圖
參考文獻(xiàn)
粵公網(wǎng)安備 44030902003195號(hào)