多时相Sentinel--1/2和谷歌云服务支持下的面向对象土地覆被制图--以杭州市为例

目录

声明

致谢

图目录

表目录

1. 绪论

1.1. 选题背景及意义

1.2. 研究状况和文献综述

1.3. 研究内容和技术路线

2.1. 研究区概况

2.2. 遥感数据

2.3. 数据处理基础设施

2.3.1. 谷歌地球引擎

2.3.2. 谷歌云平台

3.1. 面向对象最优分割尺度选择

3.2. 图像解译

3.3. 特征生成

4. 基于机器学习的土地覆被制图

4.1. 特征选择

4.2. 机器学习算法

4.2.1. 支持向量机

4.2.2. 随机森林

4.2.3. K近邻

4.3. 调参优化

4.4. 集成分析

4.4.1. 原理

4.4.2. 结果

4.5. 精度评价

5.1. 场景设计

5.2. 交叉验证t检验

5.3. 结果

6.1. 总结与创新

6.2. 局限与改进

参考文献

8. 作者简介