一、卫星遥感TM及SAR数据用于山区构造格局分析——以西藏墨脱地区为例（论文文献综述）
杨羽彤[1]（2021）在《基于遥感技术和三维地质模型在山西天镇一带的成矿远景区预测》文中认为晋东北地区大地构造属华北板块北缘活动带,燕山期岩浆热液活动较为强烈,是山西重要的多金属成矿区。经过多年的地质研究,不同比例尺的基础地质调查及重点区域的地质矿产调查已相继完成,积累了丰富的地质资料,但由于以往工作以解决基础的地质问题为主要目的,在区内虽有矿床的发现,但对成矿规律、成矿物质来源等研究较为欠缺,因此,在该区进一步应用新方法、新理论对其成矿机制、空间耦合等研究将对下一步找矿具有一定的指导意义。本次研究依托于山西省地质调查院所承担山西省国土资源厅2017年度地质勘查项目（项目编号:SXZDF20170820）。利用遥感数据对山西天镇地区进行地质构造解译和蚀变异常等信息的提取,综合区域地球化学异常特征和典型矿床特征,建立区内找矿模型,将多源成矿信息叠加分析,进行成矿远景区预测。基于区域地质特征,以专业三维地质建模软件Surpac为平台,对重点区作三维可视化处理,增强成矿远景区预测的可靠性。主要得出结论如下:（1）对Landsat8数据做影像融合、数据增强等预处理,DEM数据进行裁剪,建立构造解译标志,通过目视解译进行研究区的线性、环形构造解译及定量分析。（2）对经过辐射定标、大气校正和去干扰因素等预处理的Landsat8数据进行主成分分析,提取研究区的羟基异常和铁染异常,利用均值+偏度×标准差确定异常阈值,将蚀变信息划分等级,获得较为良好的效果。结合区域地球化学异常特征,对区内典型矿床做出研究与分析,进行由已知到未知的探索,构建最终找矿模型,验证了遥感找矿信息的有效性。在GIS平台上,将遥感和化探等找矿信息综合分析,最终圈定出成矿远景区,为下一步地质找矿工作的开展起到指导性作用。（3）对重点成矿远景区进行了多次野外地质调查和采样,对采集样品进行室内岩石地球化学特征分析和薄片鉴定分析等。依据基础地质、实测剖面等资料建立重点区三维地表模型、地层模型和断层模型等,通过地质特征、物化探信息与异常信息的耦合分析,分析成矿规律与成矿部位等。通过野外验证表明,遥感解译信息在找矿中起到重要作用,证实了找矿模型的准确性,认为成矿远景区的预测具有较高的参考价值。
梁峰[2]（2021）在《基于遥感技术与深度学习的四川高陡山区典型地质灾害识别》文中认为滑坡、崩塌、泥石流是高陡山区最常见的、最典型的三大地质灾害,发生次数占地质灾害总数的98%。这三类地质灾害受地形地貌因素影响较大,在我国四川高陡山区频繁发生。该区域是我国发生地质灾害频率最高、受灾损失最惨重的区域,也是我国地质灾害防治工作的重点区域,四川高陡山区典型的地质灾害识别对地质灾害防治、减少人民生命财产损失具有重要意义。传统地质灾害调查方法大多基于点观测,在广域范围内识别费时费力,效率低下。遥感技术的快速发展,为我们提供了基于遥感影像对地质灾害快速、精确识别的手段,不仅大大提高了地质灾害的判别效率,也通过遥感影像的高分辨率、覆盖范围广等特点实现了对“人不易至”的隐蔽、高位远程地质灾害点的识别与监测,成为了我国地质灾害监测与防治上工作中的重要手段。在实际应用中,一线技术人员面临诸多遥感技术的选择,对各种技术适用场景、识别隐患类型不明了。另外,在大范围的地质灾害识别,主要以人工目视判读遥感影像为主,该方法虽然精度较高,但是极其耗时耗力。随着现代测绘遥感技术的推广应用,越来越多的半自动识别方法出现,有效的节约了人力物力,但是由于半自动程度低、通用性较差,无法准确获取大规模地质灾害识别。针对以上问题,本文选择地质灾害频发的四川高陡山区为研究对象,开展地质灾害识别研究工作,本文主要创新点如下:（1）本文创新采用了多种遥感技术方法融合对典型地质灾害进行识别,探讨了不同方法对不同地灾的识别特点,揭示不同遥感技术的适用场景与隐患识别类型。（2）本文创新提出基于深度卷积神经网络的多层次泥石流堆积扇识别方法,构建多层次地质灾害堆积扇识别框架,并讨论了场景影像大小与卷积层数对识别精度的影响,建立精度更高,能够满足识别地质灾害场景需求的自动识别方法。本文主要研究内容和结论如下:（1）基于InSAR（InSAR:Interferometric Synthetic Aperture Radar）、无人机三维航拍、地面三维激光和机载Li DAR（Light:Detection and Ranging）等对地观测遥感技术,对四川高陡山区的地质灾害进行识别,通过对比解译结果,分析不同遥感技术的优缺点,揭示不同遥感技术的适用场景、识别隐患类型。对于识别难度较大的不稳定斜坡,需要将传统地质勘测与现代技术（Li DAR等）有机结合,通过多种技术手段的综合应用,一方面通过发挥各种技术手段的优势,实现对灾害隐患最全面的扫描和识别;另一方面把多种技术手段所获结果,进行相互比对、补充、检验和校核,最终实现对地质灾害隐患进行全面而准确地识别。（2）本文以九寨沟同震滑坡群为例,基于Sentinel-2影像,通过四种方法,监督分类（最大似然监督分类法、神经网络分类法）、变化检测以及面向对象分类法对滑坡体分布进行自动识别与提取,并进行方法对比与精度评估。研究发现,基于像元的分类始终存在椒盐效应,影响提取精度,而面向对象分类法则不存在此问题。在对遥感影像的地物波谱反射可区分性较大时,几种方法对于震后滑坡新生成地物的识别精度相差不大。总体识别精度均大于94.00%,Kappa系数均大于0.800。在此基础上,基于像素矩阵差值运算和二值图像分割等变化检测原理实现震后滑坡自动识别。（3）针对地质灾害自动识别方法,以泥石流堆积扇识别为例,引入深度学习技术,以求实现地质灾害隐患的自动识别。利用本文提出的深度卷积神经网络的多层次泥石流堆积扇识别方法,能够自动识别泥石流堆积扇,提高了地质灾害识别场景的精度。研究结果能够为区域地质灾害监测预警、工程治理、防灾减灾和城乡规划提供数据支撑和可靠的技术支持,以此来有效的指导经济建设和经济发展,同时也为其他类型的地质灾害基于神经网络技术进行高精度识别潜在隐患研究提供了参考。
王翔[3]（2020）在《藏西南地区冰碛湖灾害遥感监测评价与模拟分析》文中研究指明位于喜马拉雅山脉中部的中国藏西南地区,是我国乃至世界冰碛湖溃决灾害频发的重灾区之一。同时,该地区作为国家“一带一路”战略面向南亚的重要通道之一,各项发展规划正在逐步实施。因此,面对日益严峻的冰碛湖溃决灾害威胁,开展藏西南地区冰碛湖溃决灾害防灾减灾的应用研究势在必行。目前在全球气候变暖的背景下,关于冰碛湖灾害的研究多集中于冰碛湖溃决致灾机制、致灾诱因、冰碛湖溃决评价方法、区域冰碛湖识别及变化监测、冰碛湖溃决灾害链、冰碛湖溃决洪水泥石流流量模拟等方面。但不同的研究方向由于其独特性存在各自为战的局面,使得冰碛湖溃决灾害缺乏一套行之有效的系统性防灾减灾应用体系。本文选取藏西南地区冰碛湖为研究对象,从冰碛湖动态变化遥感监测、冰碛湖溃决灾害易发性评价及冰碛湖溃决洪水泥石流灾害模拟这三个独立的研究方向出发,提出构建“监测-评价-模拟”的冰碛湖溃决灾害防灾减灾体系,实现防灾减灾应用体系在理论和方法上的系统性与独立性统一。基于文献数据,采用遥感解译与文献资料推算分别获取冰碛湖与母冰川的面积信息、相关评价因子及模拟参数。运用空间信息技术、数学模型、水文动力模型,分别开展研究区典型冰碛湖动态变化的监测与分析、冰碛湖溃决评价因子的优化和易发性评价模型的建立及冰碛湖溃决泥石流灾害的数值模拟研究。以期为地区冰碛湖灾害防治提供合理的应用理论与方法体系。本文主要开展如下工作:（1）首先,基于近40年的长时间序列遥感动态监测结果得知,典型冰碛湖整体扩张趋势明显,其面积增长率和扩张速率相对较高,典型冰碛湖的溃决风险不断增大,其中龙巴萨巴、绒辖藏布冰湖、强宗克措、杠西措及吉莱普措尤为突出。而由于母冰川面积和储量较小导致水补给很少的缘故,甚至已无母冰川补给,吓曲措及宗克错的面积变化微弱。通过母冰川影响因素的分析,母冰川的规模和退缩状况是影响典型冰碛湖动态变化的重要因素之一。（2）其次,基于灰色关联度模型与逻辑回归模型的结合,开展冰碛湖溃决评价参数的选取和评价模型的建立。得到冰碛湖两岸及后侧崩滑发育程度、母冰川积雪区平均坡度、母冰川冰舌坡度、母冰川裂隙发育程度及冰碛湖面积5个评价参数,并建立了冰碛湖溃决易发性评价模型,且模型可信度高。结果表明该评价模型在冰啧湖溃决灾害易发性评价方面具有较好的适用性。（3）最后,运用FLO-2D模型对历史溃决典型冰碛湖（次仁玛措冰碛湖）进行溃决泥石流灾害模拟。将模拟区域内溃决灾害模拟结果与现场实际测算数据对比得知,模拟误差较小,这与实际溃决情况吻合度较好。结果表明FLO-2D模型较好的适用于典型冰碛湖溃决泥石流灾害的模拟工作。（4）本文建立了“监测-评价-模拟”的冰碛湖灾害防灾减灾应用流程体系,实现了冰碛湖灾害遥感监测、易发性评价、数值模拟的有机结合。为藏西南区域风险防治与应对提供一种新的应用思路。
张静潇[4]（2019）在《基于遥感数据的藏东南冰川和湖泊动态变化监测及其对气候变化的响应研究》文中进行了进一步梳理青藏高原拥有丰富的水资源,被誉为亚洲水塔。冰川和湖泊是青藏高原地表系统的两个重要组成部分,同时也是重要的淡水资源。冰川和湖泊的变化对气候环境变化具有极为敏感的响应,并与水资源变化和地质灾害密切相关。在全球气候变暖背景下,青藏高原及周围地区的冰川出现了加剧退缩的趋势。其中,青藏高原东南部是冰川变化幅度最大地区之一。藏东南地区海洋性冰川是气候变化的敏感指示器。冰川退缩会引起下游湖泊发生相应变化,在一定条件下会增大冰湖溃决的危险性。由于冰川退缩和湖泊变化与气候环境变化之间具有较强的关联性,对藏东南地区冰川和湖泊进行长时间序列的动态监测,揭示二者之间的协同演变规律及对气候环境变化的响应关系具有重要意义。卫星遥感技术的快速发展为冰川和湖泊的大范围和长时间监测提供了有效的技术手段。本文以青藏高原东南地区作为研究区,利用1995、2005和2015年共三个时期的遥感影像数据提取研究区的冰川和湖泊分布信息,对冰川与湖泊的分布和变化特征进行分析,并结合1995-2014年藏东南地区气象站观测资料,初步探讨藏东南地区冰川和湖泊变化的原因。主要研究成果如下:（1）本文发展了基于多地表特征并利用多时相和多源遥感数据的藏东南地区冰川和湖泊信息自动提取方法。采用多时相Landsat影像和多源数字高程模型数据,结合地物光谱、地形特征、地表温度和纹理特征等多种地表信息,基于机器学习方法实现无表碛覆盖冰川和表碛覆盖冰川边界的自动分类;并通过融合多期影像结果,减小云和季节性积雪对分类结果的影响。与此同时,以多时相Landsat影像数据为主,结合同时期冰川提取结果和数字高程模型数据,采用改进的基于水体指数的全局-局部迭代方法,实现非结冰湖和结冰湖边界的自动阈值分割和提取,并将多期影像结果进行叠加,有效降低云、山体阴影和冰川等因素对湖泊边界提取的影响。（2）分析了1995-2015年间研究区的冰川分布情况和变化特征。基于提取的三期冰川边界结果,从冰川规模、高程、坡向和表碛覆盖程度等方面对研究区的冰川分布和变化特征进行分析。结果表明,藏东南地区冰川总体呈现退缩趋势,退缩总面积为2842.08 km2,面积变化比例为29.9%,退缩速率在近十年呈现加快趋势。研究区冰川规模等级越大,所占总面积越大,条数越少;冰川规模大小对冰川面积的相对变化和绝对变化有重要的影响,冰川规模越大,绝对面积变化越大,相对面积变化越小。研究区冰川分布面积随着海拔的升高呈现正态分布特征,主要分布在海拔4400 m-6000 m范围内,且在5200 m-5400 m处冰川面积最大;近20年来,各海拔高度带的冰川面积均呈现退缩趋势,并呈现退缩最大程度向高海拔地区转移的趋势;海拔高于4800 m的冰川在近10年（2005-2015年）退缩速度加快。研究区冰川主要分布在北坡,而且各坡向冰川均表现为退缩趋势,其中东南坡向冰川的面积变化最大。与无表碛覆盖冰川相比,表碛覆盖冰川主要分布在低海拔的冰川消融区,在4600 m-4800 m处面积达到最大;1995-2015年间,表碛覆盖冰川和无表碛覆盖冰川均呈现退缩趋势;稀疏表碛覆盖冰川的绝对面积退缩速率最高,并且近十年来呈现加快退缩趋势。（3）分析了1995-2015年间研究区的湖泊分布情况和变化特征。基于提取的三期湖泊边界结果,从湖泊规模、高程、坡向和湖泊类型等方面对研究区的湖泊分布和变化特征进行分析。结果显示,20年内研究区湖泊总体呈现增长趋势,总体面积增加27.13 km2,面积增长比例为6.0%。研究区内湖泊增加主要以规模介于0.05-0.1 km2之间的小湖泊为主,湖泊减少主要以规模介于0.4-0.5 km2之间的湖泊为主。20年间研究区共存湖泊面积总体呈增长趋势。扩张湖泊和新增湖泊的增加面积最显着的海拔分布相近（4200 m-4600 m）,然而退缩湖泊和消失湖泊面积在海拔上的峰值呈现分离态势。研究区湖泊增加主要以朝北坡为主,湖泊减少主要以朝南坡为主。研究区冰川湖和非冰川湖在20年内均在增长,冰川湖增长速率更快,近10年来冰川湖呈现加快增长而非冰川湖呈现减缓增长的趋势;研究区内冰川相连冰湖和冰川非相连冰湖均在增长,冰川相连冰湖的增长速率更快,而且二者均呈现近10年加快增长的趋势。（4）结合研究区历史气象资料数据,分析藏东南地区气候变化特征,初步研究冰川和湖泊的变化原因。结果显示,在全球变暖的背景下,研究区在1995-2015年间的年平均气温整体呈明显上升趋势,年降水量总体呈波动下降趋势。研究区在近15年（2000-2015年）的年蒸发量呈波动增加趋势。结合气象数据分析可知,气温持续升高和降水减少是引起冰川消融退缩的主要气候因素。研究区湖泊增加数量和冰川退缩面积具有很好的相关性。气温升高以及由此导致的冰川融水增加是冰湖面积扩张的主要原因。
魏梦莹[5]（2018）在《林芝地区森林植被分布及动态变化监测研究》文中研究说明森林是人类和各种生物赖以生存的基础,是自然界最丰富和最稳定的资源与能源库,对维护生态环境、维持生态平衡和人类生存发展的基本环境起着无以代之的作用。遥感技术的飞速发展对森林资源信息的获取带来了新的变革,为森林资源调查提供了有力的探测手段,已经成为分析、监测和评价大尺度区域森林资源变化和生态环境的最为有力的工具。林芝地区地处我国西南边陲,拥有丰富的垂直自然带体系,许多珍稀植物与留存完好的原始森林让这里成为“天然的自然博物馆”。本文基于国家森林资源调查行业的应用需求以及国家科技92基础性工作专项“中国森林植被调查”项目,对西藏自治区林芝地区的森林植被类型提取以及森林资源和土地利用变化进行了近25年内三期动态变化监测。以期为林业工程的实施以及森林资源的优化配置提供参考。本文主要成果和结论如下:（1）对林芝地区森林植被进行了定量和定性的研究与分析。研究结果表明:林芝地区森林植被具有明显的垂直分布特征,森林植被多样化,主要以针叶林为主,同时森林植被的分布具有明显的地域特征和区域差别。林芝地区森林总面积为217.05万公顷,森林植被类型主要11类,分类总精度为78.2%。其中冷杉林面积占总体面积的44.7%;云杉林面积约占6.3%;高山松林约占总面积的12.5%;云南松林占15%;桦类约占3.4%;柏木约占总面积的1.9%;栎类占4.7%;墨脱青冈和刺栲林约占总面积的0.05%;中平树和大果榕占0.4%;高山松和阔叶混交林约占4.2%;其他硬阔类占总面积的16%。（2）对林芝地区近25年的森林及土地利用进行时空动态变化监测,研究结果表明:以2000年为分界线,林地面积减少后基本维持不变,草地面积大幅度减少后又小幅度减少,耕地面积以11倍之多大幅度增加后又小幅度减少,水体面积大幅度增加后基本维持不变,而未利用土地大幅度增加后基本维持不变。森林资源减少较多的区域集中于察隅县、波密县及工布江达县,大多分布于林地与其他地类交界处,林地的边缘部分变化尤其突出。林地减少的大致原因主要为自然环境变化和人类活动。
汤沛,邱玉宝,赵志芳[6]（2012）在《合成孔径雷达（SAR）在地质、灾害应用研究中的新进展》文中指出针对地质应用的需求,从SAR成像原理及发展现状,阐述了雷达在地质中的应用前景,总结了SAR方法在地质研究、地质灾害监测中的应用和特点,结合近年来国内外研究人员的最新研究成果,总结了SAR在地面目标的识别与分类、InSAR在地质遥感中对地面形变、地震及地质灾害监测中的优势和特点、地质研究与应用中常用的SAR处理方法.通过合理利用雷达数据,不断改进算法和模型,就能获得更加丰富的地质、地物的表象,为地质研究提供新的信息,克服人们难以达到或者由于客观条件而造成的地区数据缺乏的困难.
张王菲[7]（2011）在《星载SAR遥感反演中地形辐射校正的关键技术研究》文中认为SAR数据在山区农林业资源调查、山区生态环境监测等领域被越来越广泛应用,在崎岖的山区,由于地形起伏,使得对应SAR影像每一像元的地面所接收的回波有很大差别,因此,对于同样的地表覆盖类型,不同坡度、坡向形成不同的辐射值。即使相同的地物、获取的图像可能有不同的亮度值,而不同类型的地物却有可能有相近的亮度值。地形效应成为SAR数据进一步应用的主要障碍之一。相比光学影像,SAR影像的地形效应尤为明显,去除地形对SAR影像的影响即所谓的地形辐射校正。我国近70%的国土是山地,因此,SAR影像地形辐射校正的研究不仅是遥感科学理论上的热点问题,而且在我国林业调查、资源环境、生态领域都有重要的实用意义。本研究结合国家自然科学基金项目选取香格里拉地区作为研究区域,目的是以西南高原地区为例,研究地形SAR影像造成的影响,并探讨其影像机制、校正方法,预期提高在地形起伏地区采用SAR数据进行遥感反演的可能性和精度。论文的创新性主要体现在：首次在地形变化大（最大坡度大于50度）的区域应用有效散射面积校正方法,并比较其适用性,其次研究对象为云南松、高山松为天然林；再次对根据研究区域特点,对水云模型进行了发展,并以此为基础构建了入射角校正模型。本文的研究内容及其成果体现在以下六个方面：1.本文分析了星载SAR构像几何关系、影响SAR图像的SAR系统参数和地面参数等特征,分析了地形对SAR影像造成的影响,得出地形对SAR影像进行遥感反演的影响主要包括两个方面：有效散射面积的影响和入射角的影响。2.通过建立SAR定位模型,分析DEM和SAR元数据,构建DEM和SAR数据的坐标对照表,在此基础上生成SAR模拟影像,通过模拟影像,对SAR影像进行了正射校正。3.从星载SAR的成像机制出发,分析地形引起的有效散射面积的变化,并对对其面积加以校正。通过分析SAR构象几何关系,从理论分析出发,拓展了有效散射面积校正的三种模型,并对其算法进行了实现,在此基础上对模型的校正结果进行评价。为了对比三种校正方法的效果,本文对比了不同起伏区域三种方法校正前后后向散射系数与入射角的关系,同时引入不同校正结果的差值直方图对校正结果加以评价,为了验证校正结果对遥感反演的,有效性,讨论了校正结果与高山松生物量之间相关性在校正前后的变化,在这些基础上确定了投影角法更适合研究区域有效散射面积校正。4.分析了入射角对不同地表后向散射系数的影响,在此基础上以森林作为研究对象,以水云模型和一阶传输模型为基础,构建了适合研究区域和研究数据的改进后的水云模型。5.以构建的模型为基础分析了入射角对森林微波散射机制的影响,通过假设树木直立生长和后向散射系数主要受冠层影响的条件,构建了半经验型的入射角校正模型,为了提高模型中n值的精度,提出了采用线性模型来加以预测的方法,并以HV数据为例,以云南松作为研究对象,首次构建了不同龄级云南松的入射角校正模型。6.由于地形辐射校正的最终目的多数用于植被参数的反演,因此本文以校正前后云南松反演的精度对模型的有效性加以评价,实验表明,经过地形辐射校正后的后向散射系数与云南松生物量之间的相关性显着提高,且反演模型的精度和方差参数等也有明显改善。
丁辉[8]（2011）在《基于遥感技术滑坡灾害区划研究》文中认为20世纪90年代,高空间分辨率卫星遥感技术已经成为研究滑坡灾害有效手段之一在滑坡灾害调查、监测和评价中,基于航片和中、低分辨率卫星遥感数据,利用目视、人机交互解译和面向像素的分类,已取得许多成功的经验,但遥感技术在滑坡灾害领域的应用潜力远未被充分挖掘和采用,传统的解译技术、分类算法与海量卫星遥感数据发展现状不相适应,特别是滑坡灾害解译关键问题研究不足,成为制约遥感技术应用的瓶颈。因此,深入研究滑坡灾害遥感解译关键理论与方法,系统的利用遥感技术开展滑坡灾害区划评价,为滑坡灾害风险评估与管理提供科学的依据,对于加快减灾、防灾具有重要的研究意义。本文以西北黄土高原区为研究区,查阅国内外滑坡灾害遥感文献,利用不同分辨率卫星遥感数据,通过理论方法和实验研究取得了如下成果及创新：（1）滑坡灾害遥感解译关键问题研究。利用四种不同的卫星遥感数据源,分析研究滑坡灾害遥感解译的不确定性、尺度效应和解译、成图效果等关键问题,基于研究结果提出了西北黄土高原区滑坡灾害区划遥感数据选择原则、系统建立了西北黄土高原区滑坡灾害重要解译标志；（2）滑坡灾害面向对象计算机解译研究。针对滑坡灾害遥感解译数据分辨率要求较高、解译标志复杂的问题,对比不同空问分辨率卫星数据特点,研究分析面向像素分类和面向对象分类技术,基于分析结果,依据滑坡灾害解译标志进行滑坡灾害影像特征描述,通过集合分解和特征抽取,利用Spot5数据采用面向对象分类技术进行区域滑坡灾害识别；（3）开展基于多源、多波段卫星遥感数据大、中比例尺滑坡灾害编目研究,建立了滑坡灾害编目方法,在此基础上研究基于遥感数据滑坡灾害稳定性分析和易发区划方法,解决了基础数据和信息资料缺乏、地形地质条件复杂区域滑坡编目、区划的问题,为滑坡灾害区划研究提供重要的替代手段;（4）基于滑坡灾害解译、编目和稳定性、易发区划的研究结果,提出基于遥感技术滑坡灾害区划研究思路,为缓解海量遥感数据和滑坡灾害区划基础资料数据信息缺乏的矛盾提供依据；（5）以RS为获取和更新数据源,构建基于GIS滑坡灾害危险、风险区划预测和评价系统框架,实现RS和GIS技术集成在区划中的应用。
张明,张研霞,廖祥春[9]（2010）在《摄影测量与遥感学》文中进行了进一步梳理
李晓铃[10]（2010）在《基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究》文中进行了进一步梳理随着遥感技术的发展,越来越多不同类型的传感器被用于对地观测。光学传感器获取的数据光谱信息丰富,但易受大气条件的干扰。SAR是一种主动式相干微波遥感系统,可以全天时、全天候工作,并且对地物具有一定的穿透力,SAR图像纹理信息丰富,但存在大量的斑点噪声。因此有必要综合两类影像的信息,达到优势互补、改善图像的空间分辨率和光谱信息的目的。本文以CBERS多光谱影像和TerraSAR-X影像为数据源,进行融合算法的研究,并采用分类的方法提取水体信息。所做的主要工作包括：（1）分析了影像融合预处理中的关键技术,针对本文数据源的特点采取不同的辐射增强方法。（2）归纳和分析了基于像素级的多源遥感影像数据融合算法。重点研究了小波及小波包变换法,包括分解层数、小波基和融合规则的确定。定性、定量地评价各种算法的性能,结果表明小波变换法能较好地保持源图像的光谱信息和纹理细节。（3）将小波边缘检测与融合算法相结合,对增强边缘特征的影像融合方法进行了初步探索。并结合边缘增强算子与像素级融合算法,研究了突出边缘特征融合的改进方案。试验结果表明边缘增强算法在突出地物边缘特征的同时也丢失了部分细节。（4）通过对不同融合算法的定量评价发现,图像的细节和光谱信息是两个相互消长的因素,结果影像的优劣不能只依据某个指标来判定,更重要的是应用目的。因此本文采用水体提取的结果来评价何种融合算法更为有效。（5）采用最大似然法和支持向量机分别对原CBERS多光谱影像和各融合影像进行分类,进而提取水体信息,结果与定性和定量评价的结果并不一致,光谱和细节均保持较好的小波变换融合影像的水体错判率较高,光谱扭曲较大的Brovey变换法、HIS变换法和加权法提取的水体精度反而较好。
二、卫星遥感TM及SAR数据用于山区构造格局分析——以西藏墨脱地区为例（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、卫星遥感TM及SAR数据用于山区构造格局分析——以西藏墨脱地区为例（论文提纲范文）
（1）基于遥感技术和三维地质模型在山西天镇一带的成矿远景区预测（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 研究现状 |
| 1.2.1 遥感技术找矿研究现状 |
| 1.2.2 三维地质模型应用研究现状 |
| 1.2.3 研究区研究现状及存在问题 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 主要成果及工作量 |
| 第2章 研究区概况 |
| 2.1 研究区自然地理概况 |
| 2.2 区域地质概况 |
| 2.2.1 地层 |
| 2.2.2 构造 |
| 2.2.3 岩浆岩 |
| 第3章 遥感数据介绍与预处理 |
| 3.1 数据介绍 |
| 3.2 数据预处理 |
| 3.2.1 辐射定标 |
| 3.2.2 大气校正 |
| 3.2.3 波段组合 |
| 3.2.4 影像裁剪 |
| 3.2.5 影像增强 |
| 3.2.6 三维显示 |
| 3.3 本章小结 |
| 第4章 遥感地质构造解译与蚀变信息提取 |
| 4.1 地质构造解译标志及提取 |
| 4.1.1 构造解译标志 |
| 4.1.2 地质构造信息提取 |
| 4.2 构造解译结果定量分析 |
| 4.3 遥感蚀变信息提取理论 |
| 4.3.1 遥感蚀变信息提取依据 |
| 4.3.2 典型矿物波谱特征 |
| 4.4 遥感蚀变信息提取 |
| 4.4.1 去干扰处理 |
| 4.4.2 羟基蚀变异常信息提取 |
| 4.4.3 铁染蚀变异常信息提取 |
| 4.5 遥感蚀变信息定量分析 |
| 4.6 蚀变异常信息与构造信息叠加 |
| 4.7 本章小结 |
| 第5章 找矿模型建立与成矿远景区预测 |
| 5.1 区域地球化学特征 |
| 5.1.1 1:5 万地球化学特征 |
| 5.1.2 1:1 万地球化学特征 |
| 5.2 堡子湾金矿床特征分析 |
| 5.3 找矿模型建立 |
| 5.4 成矿远景区的圈定 |
| 5.4.1 成矿远景区圈定原理 |
| 5.4.2 成矿远景区圈定方法 |
| 5.4.3 成矿远景区圈定 |
| 5.5 本章小结 |
| 第6章 重点远景区三维地质模型与分析 |
| 6.1 Surpac介绍 |
| 6.2 远景区三维地质模型 |
| 6.2.1 地表模型 |
| 6.2.2 地质体实体模型 |
| 6.2.3 断层模型 |
| 6.3 三维成矿信息分析 |
| 6.4 野外验证 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（2）基于遥感技术与深度学习的四川高陡山区典型地质灾害识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于遥感技术的滑坡、泥石流识别国内外研究现状 |
| 1.2.2 基于遥感影像提取滑坡体的国内外研究现状 |
| 1.2.3 深度学习及其在图像识别中应用的国内外研究进展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究成果与创新点 |
| 1.4.1 研究成果: |
| 1.4.2 创新点 |
| 第2章 研究区概况 |
| 2.1 研究区总体概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候气象特征 |
| 2.1.3 地形地貌 |
| 2.1.4 构造与地震 |
| 2.2 典型重点实验区域泸定县研究区概况 |
| 2.2.1 地理位置 |
| 2.2.2 气候气象特征 |
| 2.2.3 地形地貌 |
| 2.3 典型重点实验区域九寨沟研究区概况 |
| 2.3.1 自然地理情况 |
| 2.3.2 气候气象特征 |
| 2.3.3 地形地貌 |
| 2.3.4 地层岩性 |
| 2.3.5 地质构造与地震活动 |
| 2.4 典型重点实验区域茂县研究区概况 |
| 2.4.1 地理位置 |
| 2.4.2 气候气象特征 |
| 2.4.3 地形地貌 |
| 2.4.4 构造与地震 |
| 2.5 本章小结 |
| 第3章 高陡山区地质灾害遥感识别原理与方法 |
| 3.1 SAR技术原理与方法 |
| 3.1.1 InSAR基本原理 |
| 3.1.2 D-InSAR基本原理 |
| 3.2 无人机遥感技术原理与方法 |
| 3.2.1 无人机技术原理与特点 |
| 3.2.2 数据采集流程 |
| 3.3 三维激光技术原理与方法 |
| 3.3.1 三维激光技术简介 |
| 3.3.2 数据处理 |
| 3.4 LiDAR技术原理与方法 |
| 3.4.1 激光测距原理 |
| 3.4.2 机载Li DAR系统对地定位原理 |
| 3.5 基于遥感影像的滑坡体识别方法 |
| 3.5.1 监督分类 |
| 3.5.2 变化检测 |
| 3.5.3 面向对象分类法 |
| 3.6 本章小结 |
| 第4章 基于多源遥感技术的高陡山区典型地质灾害识别 |
| 4.1 基于InSAR技术的高陡山区典型地质灾害识别 |
| 4.1.1 技术路线 |
| 4.1.2 InSAR识别标志 |
| 4.1.3 InSAR监测形变区实例分析 |
| 4.1.4 InSAR山地地区地灾识别适用性总结 |
| 4.2 基于无人机遥感技术的高陡山区典型地质灾害识别 |
| 4.2.1 无人机航测实例分析 |
| 4.2.2 无人机适用性总结 |
| 4.3 基于三维激光扫描技术的高陡山区滑坡识别 |
| 4.3.1 三维激光技术与应用 |
| 4.3.2 三维激光技术运用实例分析 |
| 4.3.3 三维激光扫描适用性总结 |
| 4.4 基于LiDAR技术的高陡山区典型地质灾害识别 |
| 4.4.1 LiDAR运用实例分析 |
| 4.4.2 LiDAR适用性总结 |
| 4.5 小结与建议 |
| 第5章 基于Sentinel-2 重点区域同震滑坡体遥感识别 |
| 5.1 数据获取 |
| 5.1.1 Sentinel-2 影像 |
| 5.1.2 数字高程模型 |
| 5.2 基于Sentinel-2 影像的滑坡体识别与提取 |
| 5.2.1 目视解译滑坡体 |
| 5.2.2 基于监督分类的滑坡体识别 |
| 5.2.3 基于变化检测技术进行滑坡体识别提取 |
| 5.2.4 基于面向对象进行滑坡体识别提取 |
| 5.3 精度评价与结果分析 |
| 5.3.1 精度评价与分析 |
| 5.3.2 滑坡变化空间分布特征分析 |
| 5.4 本章小结 |
| 第6章 基于深度卷积神经网络的多层次泥石流堆积扇识别 |
| 6.1 方法思路 |
| 6.1.1 影像解译:场景解译与像素解译 |
| 6.1.2 从人工设计特征到学习特征 |
| 6.1.3 多层次解译 |
| 6.2 基于卷积神经网络的多层次泥石流堆积扇识别方法 |
| 6.2.1 多层次泥石流堆积扇识别框架 |
| 6.2.2 卷积神经网络框架:场景解译 |
| 6.2.3 全卷积神经网络框架:像素解译 |
| 6.2.4 网络训练与推断 |
| 6.2.5 迁移学习 |
| 6.3 实验与分析 |
| 6.3.1 场景解译实验 |
| 6.3.2 像素解译实验 |
| 6.3.3 多层次泥石流堆积扇识别结果 |
| 6.4 讨论 |
| 6.4.1 场景影像大小对卷积神经网络识别精度的影响 |
| 6.4.2 卷积层数对卷积神经网络识别精度的影响 |
| 6.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
（3）藏西南地区冰碛湖灾害遥感监测评价与模拟分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 冰湖信息提取研究进展 |
| 1.2.2 冰湖溃决监测研究进展 |
| 1.2.3 冰湖溃决评估研究进展 |
| 1.2.4 冰湖溃决洪水/泥石流演进数值模拟研究进展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第2章 研究区概况与数据源 |
| 2.1 研究区概况 |
| 2.1.1 地理位置 |
| 2.1.2 地质地貌 |
| 2.1.3 水文气象 |
| 2.1.4 冰川冰湖 |
| 2.2 数据源 |
| 2.2.1 遥感数据 |
| 2.2.2 数字高程模型 |
| 2.2.3 其他数据 |
| 第3章 冰碛湖时空变化及影响因素分析 |
| 3.1 冰碛湖与冰川边界提取 |
| 3.1.1 边界提取方法 |
| 3.1.2 边界精度检验 |
| 3.2 冰碛湖时空变化分析 |
| 3.3 母冰川影响因素分析 |
| 第4章 冰碛湖溃决灾害易发性评价 |
| 4.1 分析与评价方法 |
| 4.1.1 灰色关联度模型 |
| 4.1.2 逻辑回归模型 |
| 4.2 评价因子与样本冰碛湖 |
| 4.2.1 预评价因子选取 |
| 4.2.2 预评价因子提取 |
| 4.2.3 冰碛湖样本选取 |
| 4.3 冰碛湖溃决灾害分析与评价 |
| 4.3.1 基于灰色关联模型评价因子分析 |
| 4.3.2 基于逻辑回归法易发性评估 |
| 第5章 典型冰碛湖溃决洪水泥石流灾害模拟分析 |
| 5.1 冰碛湖溃决泥石流数值模拟方法 |
| 5.2 次仁玛措溃决泥石流灾害数值模拟 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（4）基于遥感数据的藏东南冰川和湖泊动态变化监测及其对气候变化的响应研究（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 冰川变化遥感监测研究进展 |
| 1.2.2 湖泊变化遥感监测进展 |
| 1.2.3 冰川和湖泊变化对气候变化的响应研究进展 |
| 1.2.4 科学问题的提出 |
| 1.3 论文研究内容及技术路线 |
| 1.3.1 论文研究目标和研究内容 |
| 1.3.2 论文技术路线 |
| 1.4 论文章节安排 |
| 第2章 研究区概况与数据处理 |
| 2.1 研究区概况 |
| 2.1.1 研究区地理位置及地形地貌 |
| 2.1.2 研究区气候与水文 |
| 2.2 数据来源及数据处理 |
| 2.2.1 数据来源 |
| 2.2.2 数据预处理 |
| 2.3 本章小结 |
| 第3章 基于机器学习方法融合多时相信息的冰川边界提取 |
| 3.1 机器学习方法 |
| 3.2 基于机器学习理论和多时相信息的冰川边界提取 |
| 3.2.1 分类系统确定 |
| 3.2.2 选取分类样本 |
| 3.2.3 光谱、地形和纹理特征计算及分析 |
| 3.2.4 随机森林分类 |
| 3.2.5 分类特征重要性估计 |
| 3.2.6 多期冰川分类结果叠加 |
| 3.2.7 精度评价 |
| 3.3 后期处理 |
| 3.4 本章小结 |
| 第4章 基于改进的全局-局部迭代理论融合多时相信息的湖泊边界提取 |
| 4.1 湖泊边界自动提取 |
| 4.1.1 水体光谱特征 |
| 4.1.2 基于改进的全局-局部迭代理论融合多时相信息的水体信息提取方法 |
| 4.2 后期处理 |
| 4.3 精度评价与分析 |
| 4.3.1 精度评价方法 |
| 4.3.2 精度评价结果 |
| 4.4 本章小结 |
| 第5章 青藏高原东南地区冰川和湖泊分布及变化特征研究 |
| 5.1 藏东南地区冰川概况及变化 |
| 5.1.1 冰川分布情况分析 |
| 5.1.2 冰川变化特征分析 |
| 5.2 藏东南地区湖泊概况及变化 |
| 5.2.1 藏东南地区湖泊分布情况分析 |
| 5.2.2 藏东南地区湖泊变化特征分析 |
| 5.3 本章小结 |
| 第6章 冰川和湖泊变化原因分析 |
| 6.1 研究区气候变化特征分析 |
| 6.1.1 年平均气温和年降水量变化特征分析 |
| 6.1.2 春季均温和降水量变化特征分析 |
| 6.1.3 夏季均温和降水量变化特征分析 |
| 6.1.4 冬季均温和降水量变化特征分析 |
| 6.1.5 蒸散发变化特征分析 |
| 6.2 冰川和湖泊变化对气候变化的响应分析 |
| 6.2.1 冰川变化对气候变化的响应 |
| 6.2.2 湖泊变化对气候变化的响应 |
| 6.2.3 冰川和冰川湖变化对比 |
| 6.3 本章小结 |
| 第7章 总结与展望 |
| 7.1 主要研究成果 |
| 7.2 论文创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）林芝地区森林植被分布及动态变化监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 研究背景 |
| 1.1.2 研究现状 |
| 1.1.2.1 遥感影像在林业中的应用现状 |
| 1.1.2.2 森林类型精细分类研究现状及发展趋势 |
| 1.1.2.3 森林资源动态变化监测研究现状及发展趋势 |
| 1.2 研究目标和主要研究内容 |
| 1.2.1 存在问题与研究目标 |
| 1.2.2 主要研究内容 |
| 1.3 研究技术路线 |
| 第二章 实验区与数据 |
| 2.1 研究区概况 |
| 2.1.1 自然概况 |
| 2.1.2 森林资源概况 |
| 2.2 数据获取 |
| 2.2.1 遥感数据 |
| 2.2.2 辅助数据 |
| 2.2.3 外业数据 |
| 第三章 分类与监测的基本方法 |
| 3.1 分类方法 |
| 3.1.1 最大似然法 |
| 3.1.2 人工神经网络 |
| 3.1.3 支持向量机 |
| 3.2 变化监测方法 |
| 第四章 林芝地区森林类型精细分类 |
| 4.1 遥感数据预处理 |
| 4.2 分类系统 |
| 4.3 森林类型精细分类方法 |
| 4.3.1 植被指数 |
| 4.3.2 地形特征 |
| 4.3.3 森林树种类型分类 |
| 4.4 结果与分析 |
| 4.4.1 精度验证 |
| 4.4.2 面积统计 |
| 4.4.3 林芝地区森林植被分类结果梳理 |
| 4.5 本章小结 |
| 第五章 森林资源及土地利用时空动态变化遥感监测 |
| 5.1 数据预处理 |
| 5.2 分类系统 |
| 5.3 分类方法及结果 |
| 5.3.1 NDVI和EVI |
| 5.3.2 分类结果 |
| 5.4 森林动态变化监测 |
| 5.5 景观格局指数分析 |
| 5.6 本章小结 |
| 第六章 结论与讨论 |
| 6.1 结论 |
| 6.2 讨论与展望 |
| 参考文献 |
| 附录A：林芝县森林资源分布图及林相图 |
| 致谢 |
（6）合成孔径雷达（SAR）在地质、灾害应用研究中的新进展（论文提纲范文）
| 1 雷达原理及特点 |
| 1.1 雷达的基本原理 |
| 1.2 SAR的干涉技术及成像特点 |
| 1.3 SAR的发展概况 |
| 1.4 近年来SAR的研究概况 |
| 2 雷达早期的地质应用 |
| 3 当今SAR在地质领域的应用 |
| 3.1 利用SAR识别地形及地貌 |
| 3.2 利用SAR识别岩性地层及地质构造 |
| 3.3 SAR的穿透能力识别隐伏活动构造及其他隐伏地质现象 |
| 3.4 SAR在地表变形观测及地质灾害监测中的应用 |
| 3.4.1 SAR干涉技术在监测地面形变及沉降的应用 |
| 3.4.2 SAR干涉技术在地震灾害中的应用 |
| 3.4.3 SAR干涉技术在滑坡塌陷地质灾害及火山监测中的应用 |
| 3.5 讨论 |
| 4 结 语 |
（7）星载SAR遥感反演中地形辐射校正的关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的依据及研究背景 |
| 1.2 研究的背景 |
| 1.2.1 星载SAR技术及其发展概况 |
| 1.2.2 合成孔径雷达 |
| 1.2.3 星载SAR技术应用现状 |
| 1.3 星载SAR地形辐射校正研究现状 |
| 1.3.1 地形对星载SAR影像的影响 |
| 1.3.2 国内外研究情况 |
| 1.3.3 国内外研究情况总结及本论文研究目标提出 |
| 1.4 研究意义 |
| 1.5 本文研究方法与技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 研究思路与技术路线 |
| 1.6 本论文研究工作 |
| 1.6.1 本文研究内容 |
| 1.6.2 本文章节安排 |
| 1.7 研究创新 |
| 1.8 本章小结 |
| 第二章 SAR成像原理及影像特征分析 |
| 2.1 SAR成像原理 |
| 2.1.1 SAR工作原理 |
| 2.1.2 雷达方程及后向散射系数 |
| 2.2 雷达系统参数 |
| 2.2.1 入射角 |
| 2.2.2 波长与频率 |
| 2.2.3 极化方式 |
| 2.2.4 斑点和视数 |
| 2.3 地物目标参数 |
| 2.3.1 地表粗糙度 |
| 2.3.2 复介电常数 |
| 2.4 SAR图像特征 |
| 2.4.1 SAR图像几何特性 |
| 2.4.2 SAR图像辐射特性 |
| 2.4.3 SAR图像色调特性 |
| 2.5 本章小结 |
| 第三章 地物微波散射机制影响的分析 |
| 3.1 典型植被的散射特性 |
| 3.1.1 农作物的散射特性 |
| 3.1.2 草地的散射特性 |
| 3.1.3 森林的散射特性 |
| 3.2 地形对地物微波散射机制的影响 |
| 3.3 微波散射模型分析 |
| 3.3.1 微波遥感散射模型概述 |
| 3.3.2 植被覆盖地表微波散射模型 |
| 3.4 本章小结 |
| 第四章 研究区域数据分析 |
| 4.1 研究区域概况 |
| 4.1.1 自然条件 |
| 4.1.2 植被概况 |
| 4.2 数据获取与分析 |
| 4.2.1 ENVISAT卫星介绍 |
| 4.2.2 ENVISAT ASAR数据 |
| 4.2.3 DEM数据 |
| 4.2.4 2002年森林资源清查数据 |
| 4.2.5 样地调查数据 |
| 4.3 研究区域数据分析 |
| 4.4 本章小结 |
| 第五章 雷达数据正射校正 |
| 5.1 雷达影像数据的预处理 |
| 5.1.1 辐射定标 |
| 5.1.2 雷达图像滤波处理 |
| 5.2 雷达图像正射校正 |
| 5.2.1 生成DEM参数文件 |
| 5.2.2 生成地理编码查询列表 |
| 5.2.3 精化编码查询列表 |
| 5.2.4 最终编码 |
| 5.2.5 正射校正结果精度评价 |
| 5.3 本章小结 |
| 第六章 有效散射面积校正理论与方法 |
| 6.1 有效散射面积的计算模型的构建 |
| 6.1.1 地形辐射校正原理分析 |
| 6.2 有效散射面积校正结果评价 |
| 6.2.1 计算方法比较 |
| 6.2.2 定性和定量综合评价 |
| 6.3 本章小结 |
| 第七章 入射角对地物微波散射机制的影响及校正 |
| 7.1 入射角对森林后向散射影响机制分析 |
| 7.2 简单的水云模型 |
| 7.3 入射角校正方法研究 |
| 7.4 实验及其结果分析 |
| 7.4.1 云南松校正模型研究 |
| 7.4.2 云南松生物量反演模型的建立与反演效果评价 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 攻读博士学位期间发表的论文 |
（8）基于遥感技术滑坡灾害区划研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 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 |
| 1.2.3 存在问题与不足 |
| 1.3 研究思路与主要内容 |
| 1.4 主要工作与创新成果 |
| 1.4.1 博士期间主要工作 |
| 1.4.2 主要创新成果 |
| 1.5 论文章节安排 |
| 第二章 滑坡灾害目视解译 |
| 2.1 遥感地质目视解译 |
| 2.1.1 目视解译 |
| 2.1.2 人机交互解译 |
| 2.1.3 地质解译标志 |
| 2.2 滑坡灾害遥感解译不确定性 |
| 2.2.1 滑坡灾害遥感解译 |
| 2.2.2 不确定性分析 |
| 2.3 滑坡灾害遥感尺度效应 |
| 2.4 四种卫星遥感数据滑坡解译效果对比研究 |
| 2.4.1 遥感数据及数据处理 |
| 2.4.2 解译效果对比分析 |
| 2.4.3 数据性能分析比较 |
| 2.4.4 卫星遥感数据对比结果 |
| 2.5 西北黄土高原区滑坡解译标志 |
| 2.5.1 地貌解译标志 |
| 2.5.2 滑坡灾害解译标志 |
| 2.5.3 承灾体解译标志 |
| 2.6 本章小结 |
| 第三章 滑坡灾害计算机解译 |
| 3.1 计算机遥感解译 |
| 3.1.1 高空间分辨率卫星遥感数据 |
| 3.1.2 面向像素遥感数据分类 |
| 3.1.3 面向对象遥感数据分类 |
| 3.1.4 滑坡灾害影像特征描述 |
| 3.2 面向对象分类技术 |
| 3.2.1 图像预处理 |
| 3.2.2 图像分割 |
| 3.2.3 特征选择 |
| 3.2.4 图像分类 |
| 3.3 分类与尺度效应 |
| 3.4 基于多特征面向对象滑坡识别 |
| 3.4.1 原始图像预处理 |
| 3.4.2 图像分割 |
| 3.4.3 特征选择和提取 |
| 3.4.4 图像分类 |
| 3.5 滑坡灾害影像地学分析与智能图解 |
| 3.5.1 滑坡灾害遥感地学分析 |
| 3.5.2 滑坡灾害图像理解 |
| 3.5.3 基于地面特征遥感信息模型 |
| 3.5.4 进一步研究的构想 |
| 3.6 本章小结 |
| 第四章 多源、多波段卫星遥感数据滑坡编目 |
| 4.1 滑坡编目 |
| 4.2 卫星遥感数据预处理 |
| 4.2.1 正射校正 |
| 4.2.2 多源数据波段选择 |
| 4.2.3 遥感数据辐射增强 |
| 4.2.4 数据融合 |
| 4.3 多源数据编目制图 |
| 4.4 基于IKONOS数据大比例尺滑坡编目 |
| 4.4.1 研究区概况 |
| 4.4.2 立体像对提取DEM研究 |
| 4.4.3 波段组合及分辨率融合 |
| 4.4.4 影像特征及解译结果 |
| 4.5 基于Spot 5数据中比例尺滑坡编目 |
| 4.5.1 研究区概况 |
| 4.5.2 数据源校正与精度分析 |
| 4.5.3 数据波段选择与融合对比 |
| 4.5.4 子长县滑坡灾害发育特点 |
| 4.6 本章小结 |
| 第五章 基于遥感数据稳定性和易发区划研究 |
| 5.1 滑坡易发区划 |
| 5.1.1 滑坡灾害易发概述 |
| 5.1.2 坡体稳定性影响因素 |
| 5.1.3 区域易发区划评价 |
| 5.2 基于遥感技术坡体稳定性分析 |
| 5.2.1 黄上坡坡型及提取 |
| 5.2.2 稳定性分析方法 |
| 5.2.3 模型建立与简化 |
| 5.2.4 稳定性计算 |
| 5.3 基于遥感数据易发区划 |
| 5.3.1 评价单元划分 |
| 5.3.2 评价指标提取 |
| 5.3.3 易发区划方法 |
| 5.4 子长玉家湾易发区划 |
| 5.4.1 研究区斜坡单元划分 |
| 5.4.2 评价指标分析及提取 |
| 5.4.3 基于GIS信息量法评价 |
| 5.5 本章小结 |
| 第六章 基于GIS滑坡灾害区划管理与分析预测系统构建 |
| 6.1 GIS概述 |
| 6.1.1 GIS特征及功能 |
| 6.1.2 RS和GIS一体化 |
| 6.2 滑坡灾害危险性和风险区划 |
| 6.2.1 滑坡灾害危险区划 |
| 6.2.2 滑坡灾害风险区划 |
| 6.3 遥感在滑坡灾害区划中应用 |
| 6.3.1 基础数据资料 |
| 6.3.2 滑坡灾害的变形监测 |
| 6.3.3 滑坡灾害的空间和时间预测 |
| 6.3.4 承灾体价值估计 |
| 6.3.5 基于遥感数据滑坡灾害区划 |
| 6.4 滑坡灾害数据管理与区划系统构建 |
| 6.4.1 滑坡灾害数据管理 |
| 6.4.2 滑坡灾害区划分析预测 |
| 6.4.3 风险管理决策支持 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士期间概况 |
| 致谢 |
（10）基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 中巴资源卫星数据应用现状 |
| 1.2.2 光学和SAR影像融合的发展现状 |
| 1.2.3 水体信息自动提取的国内外现状 |
| 1.3 本文的研究工作 |
| 1.4 本章小结 |
| 第2章 遥感影像融合的理论基础 |
| 2.1 多源遥感数据融合的定义 |
| 2.2 多源遥感数据融合的层次 |
| 2.2.1 像素级融合 |
| 2.2.2 特征级融合 |
| 2.2.3 决策级融合 |
| 2.3 影像融合的关键技术问题 |
| 2.3.1 数据配准 |
| 2.3.2 融合模型的建立与优化 |
| 2.3.3 融合方法的选择 |
| 2.4 影像融合的效果评价 |
| 2.4.1 融合影像的主观评价 |
| 2.4.2 融合影像的客观评价 |
| 2.5 本章小结 |
| 第3章 数据准备及预处理 |
| 3.1 实验数据 |
| 3.1.1 CBERS卫星介绍 |
| 3.1.2 TerraSAR-X卫星介绍 |
| 3.1.3 本文实验数据 |
| 3.2 图像融合前预处理 |
| 3.2.1 辐射量增强 |
| 3.2.2 几何纠正与配准 |
| 3.2.3 图像的裁剪 |
| 3.3 本章小结 |
| 第4章 基于像素级的影像融合研究 |
| 4.1 概述 |
| 4.2 代数运算方法 |
| 4.2.1 加权融合法 |
| 4.2.2 高通滤波法 |
| 4.2.3 Brovey变换法 |
| 4.3 基于空间变换的方法 |
| 4.3.1 HIS变换融合法 |
| 4.3.2 PCA变换融合法 |
| 4.4 基于塔式分解与重构的方法 |
| 4.4.1 小波变换融合法 |
| 4.4.2 小波包变换融合法 |
| 4.5 改进算法 |
| 4.6 试验结果与分析 |
| 4.7 本章小结 |
| 第5章 基于边缘增强的影像融合研究 |
| 5.1 经典的边缘增强及检测算子 |
| 5.1.1 Roberts算子 |
| 5.1.2 Prewitt算子 |
| 5.1.3 Sobel算子 |
| 5.1.4 Log算子 |
| 5.1.5 Canny算子 |
| 5.2 基于小波变换的图像边缘检测 |
| 5.3 基于边缘增强的小波变换融合 |
| 5.4 基于边缘增强算子的影像融合 |
| 5.5 试验结果与分析 |
| 5.6 本章小结 |
| 第6章 水体信息的自动提取 |
| 6.1 单波段法 |
| 6.2 多波段法 |
| 6.3 分类后提取法 |
| 6.3.1 最大似然法 |
| 6.3.2 支持向量机分类 |
| 6.4 试验结果与分析 |
| 6.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
四、卫星遥感TM及SAR数据用于山区构造格局分析——以西藏墨脱地区为例（论文参考文献）
- [1]基于遥感技术和三维地质模型在山西天镇一带的成矿远景区预测[D]. 杨羽彤. 太原理工大学, 2021(01)
- [2]基于遥感技术与深度学习的四川高陡山区典型地质灾害识别[D]. 梁峰. 成都理工大学, 2021
- [3]藏西南地区冰碛湖灾害遥感监测评价与模拟分析[D]. 王翔. 成都理工大学, 2020(04)
- [4]基于遥感数据的藏东南冰川和湖泊动态变化监测及其对气候变化的响应研究[D]. 张静潇. 中国科学院大学(中国科学院遥感与数字地球研究所), 2019(06)
- [5]林芝地区森林植被分布及动态变化监测研究[D]. 魏梦莹. 长安大学, 2018(01)
- [6]合成孔径雷达（SAR）在地质、灾害应用研究中的新进展[J]. 汤沛,邱玉宝,赵志芳. 云南大学学报(自然科学版), 2012(S2)
- [7]星载SAR遥感反演中地形辐射校正的关键技术研究[D]. 张王菲. 昆明理工大学, 2011(01)
- [8]基于遥感技术滑坡灾害区划研究[D]. 丁辉. 长安大学, 2011(05)
- [9]摄影测量与遥感学[J]. 张明,张研霞,廖祥春. 测绘文摘, 2010(03)
- [10]基于TerraSAR-X和CBERS影像融合的水体信息自动提取研究[D]. 李晓铃. 西南交通大学, 2010(10)