扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
C Primer Plus 第6版 中文版
-
>
深度学习
-
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码
QGIS遥感应用丛书QGIS农林业应用 版权信息
- ISBN：9787030662248
- 条形码：9787030662248 ; 978-7-03-066224-8
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
QGIS遥感应用丛书QGIS农林业应用 本书特色
遥感应用和地理空间分析领域相关研究、应用人和开发人员
QGIS遥感应用丛书QGIS农林业应用 内容简介
利用开源软件QGIS实现遥感影像分析在地学领域应用，应用场景主要在：农业、森林、陆地水文以及环境和风险等。册介绍了QGIS的基本功能及其插件的使用方法；第二册介绍QGIS在农业和林业领域的应用，包括土壤水分提取、热图像分解、土地分类、植被制图等；第三册介绍QGIS在土地规划领域的应用，包括土地利用率、城市气候模型、电场安装选址、生态系统服务评估、生物多样性评估等；第四册介绍QGIS在水和风险领域的应用，包括沿海水深数据提取、沿海湿地演变、水库水文监测、网络分析、干旱制图、害虫调控空间抽样设计、侵蚀风险分析等。
QGIS遥感应用丛书QGIS农林业应用 目录
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 *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*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 *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
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 *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*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 *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
展开全部
书友推荐
本类畅销
-
2022图书×抽奖盲袋
¥9.9¥25 -
2023读书月阅读盲盒——天黑，闭眼，刀谁？
¥42.3¥158 -
-
2022读者节纪念徽章-三星会员专属
¥45¥45.6 -
2023读书月阅读盲盒——我什么场面没见过？
¥42.3¥158 -
2023读书月阅读盲盒——去码头整点什么薯条？
¥42.3¥158
