目录
译者序
前言
1 雷达和光学数据耦合在农业地区土壤湿度反演中的应用 1
1.1 概述 1
1.2 研究区和卫星数据 2
1.2.1 雷达影像 2
1.2.2 光学影像 4
1.2.3 土地覆盖图 4
1.3 方法 5
1.3.1 估计土壤湿度的雷达信号反演方法 5
1.3.2 作物和草地区域的分割 6
1.3.3 制作土壤湿度图 7
1.4 在QGIS中实现制作土壤湿度图 8
1.4.1 布局 8
1.4.2 雷达影像 12
1.4.3 光学影像 16
1.4.4 土地覆盖图 20
1.4.5 作物区和草地的分割 20
1.4.6 消除小的空间单元 22
1.4.7 绘制土壤湿度图 25
1.4.8 土壤湿度图 33
1.5 参考文献 34
2 热成像分解 35
2.1 定义和背景 35
2.2 分解方法 36
2.2.1 影像预处理 36
2.2.2 分解 38
2.3 分解方法的实际应用 40
2.3.1 导入数据 40
2.3.2 预处理 41
2.3.3 分解 49
2.4 结果分析 59
2.5 参考文献 60
3 使用QGIS/OTB从遥感影像和RPG数据库中自动提取农用地块 62
3.1 概述 62
3.2 AP提取方法 63
3.2.1 格式化RPG数据 63
3.2.2 SPOT卫星影像分类 65
3.2.3 根据作物检验提取的AP和FB之间的交叉叠置 65
3.3 AP提取的实际应用 66
3.3.1 软件和数据 67
3.3.2 设置Python脚本 70
3.3.3 格式化RPG数据 73
3.3.4 SPOT卫星影像分类 82
3.3.5 在提取的AP和FB之间进行交叉叠置及作物验证 93
3.4 致谢 99
3.5 参考文献 99
4 利用S2影像和半自动分类插件进行土地覆盖制图：布基纳法索北部案例研究 101
4.1 概述 101
4.2 绘制土地覆盖地图的工作流程 102
4.2.1 SCP 和S2 影像简介 103
4.2.2 预处理 103
4.2.3 土地覆盖分类 107
4.2.4 分类精度评估和后处理 109
4.3 使用QGIS和SCP插件进行实现 110
4.3.1 软件和数据 111
4.3.2 数据预处理 112
4.3.3 土地覆盖分类 116
4.3.4 分类精度评估和后处理 121
4.4 参考文献 125
5 利用光学卫星影像进行皆伐检测和制图 127
5.1 概述 127
5.2 皆伐检测方法 128
5.2.1 变化检测-几何和辐射预处理 129
5.2.2 森林定界 132
5.2.3 皆伐区分类 133
5.2.4 以矢量形式输出 135
5.2.5 统计评估 137
5.2.6 方法的局限性 138
5.3 实际应用 138
5.3.1 软件和数据 139
5.3.2 创建变化影像 140
5.3.3 创建、合并和集成掩膜 141
5.3.4 皆伐检测 145
5.3.5 矢量转换 147
5.4 参考文献 150
6 Sentinel-1雷达影像植被制图 151
6.1 概述 151
6.2 遥感影像分类 153
6.3 S1 数据处理 154
6.3.1 辐射校正 155
6.3.2 校正数据的正射校正 155
6.3.3 裁剪公共区域 155
6.3.4 滤波以减少散斑效应 156
6.3.5 基于不同极化方式的彩色合成 156
6.4 在QGIS中实现处理 158
6.4.1 下载数据 162
6.4.2 Sentinel-1数据在公共区域的校正、正射校正与叠加 166
6.4.3 散斑滤波 168
6.4.4 其他工具 170
6.5 数据分类 172
6.6 参考文献 177
7 圭亚那亚马孙公园特有植被的遥感分析 179
7.1 背景和定义 179
7.1.1 全球背景 179
7.1.2 物种 179
7.1.3 可用的遥感影像 181
7.1.4 软件 181
7.1.5 实现方法 182
7.2 软件的安装 183
7.2.1 使用OsGeo安装可用的依赖项 183
7.2.2 安装机器学习算法库 185
7.2.3 Dzetsaka安装 185
7.3 方法 185
7.3.1 影像处理 187
7.3.2 创建云层掩膜 188
7.4 处理 190
7.4.1 创建训练集 190
7.4.2 使用Dzetsaka插件进行分类 192
7.4.3 分类后处理 198
7.5 最后处理 200
7.5.1 分类后影像合成 201
7.5.2 全局合成和多余区域的删除 202
7.5.3 统计验证及局限性 204
7.6 总结 205
7.7 参考文献 205
8 自然植被地貌图 207
8.1 概述 207
8.2 方法 207
8.2.1 单个日期VHSR影像分割 208
8.2.2 时间变异指数计算 209
8.2.3 利用时间序列提取自然植被 210
8.2.4 植被密度 212
8.2.5 草本植物区域的最大可生产指数 213
8.3 应用实现 215
8.3.1 研究区域 215
8.3.2 软件和数据 216
8.3.3 VHSR 影像处理 217
8.3.4 计算时间序列的变异指数 222
8.3.5 利用阈值法从Sentinel-2影像时间序列中提取自然植被 225
8.3.6 利用监督分类中的支持向量机法对植被密度进行分类 230
8.3.7 提取草地生产率水平 232
8.3.8 最终地图 234
8.4 参考文献 237
9 面向对象分类在山地植被地貌制图中的应用 238
9.1 定义和背景 238
9.2 山地植被地貌的检测方法 239
9.2.1 影像预处理 239
9.2.2 影像分割 244
9.2.3 分割影像、采样、学习和分类 245
9.2.4 分类统计验证 248
9.2.5 方法的局限性 250
9.3 QGIS中的应用 251
9.3.1 预处理 251
9.3.2 分割 261
9.3.3 分类 268
9.4 参考文献 285
展开
