描述
包 装: 平装是否套装: 否国际标准书号ISBN: 9787030465023
编辑推荐
水利遥感,卫星遥感
内容简介
《卫星遥感水利监测模型及其应用》共分6章。第1章介绍水利监测与卫星遥感技术结合的必要性、常用水利监测方法及卫星遥感水利监测研究进展。第2章论述卫星遥感大数据并行处理技术，旨在提高海量遥感数据和各监测模型的处理效率。第3章论述水体遥感监测方法，适用于对洪涝、水土保持和水资源监测中的水体进行提取。第4章论述旱情遥感监测方法，重点分析干旱时空特征，论述基于短波红外光谱特征空间的旱情监测方法和基于BP神经网络的旱情监测方法。第5章论述卫星遥感水利监测应用系统设计技术。第6章阐述旱情、水体、冰凌等遥感监测的典型应用案例。
目 录
目录
前言
第1章 概述 1
1.1 卫星遥感水利监测需求 1
1.2 常用的水利监测方法 5
1.2.1 旱情监测方法 6
1.2.2 洪涝监测方法 8
1.2.3 冰凌监测方法 10
1.2.4 水土保持监测方法 12
1.2.5 水资源监测方法 14
1.3 卫星遥感水利监测研究进展 15
1.3.1 旱情监测进展 16
1.3.2 洪涝监测进展 18
1.3.3 冰凌监测进展 21
1.3.4 水土保持监测进展 23
1.3.5 水资源监测进展 25
参考文献 29
第2章 卫星遥感大数据并行处理 35
2.1 遥感大数据并行算法设计模式 35
2.1.1 遥感大数据并行处理概述 35
2.1.2 基于MapReduce的并行算法设计模式 39
2.2 全局型遥感影像聚类初始化并行算法 45
2.2.1 遥感影像聚类初始化与Kaufman聚类初始化算法 45
2.2.2 Kaufman算法的MapReduce并行策略 47
2.2.3 基于MapReduce的Kaufman聚类初始化并行算法 51
2.3 迭代式ISODATA聚类算法并行方法 59
2.3.1 遥感影像非监督分类与ISODATA聚类算法 59
2.3.2 MapReduce并行化方法及其改进策略 62
2.3.3 基于MapReduce的遥感ISODATA并行聚类算法 65
2.4 分布式遥感信息SOLAP立方体模型 73
2.4.1 SOLAP概述 73
2.4.2 遥感信息SOLAP立方体逻辑模型 84
2.4.3 TileCube度量的多维聚集方法 95
2.4.4 基于BigTable的TileCube可扩展物理存储 103
2.5 基于MapReduce的TileCube高性能聚集计算方法 111
2.5.1 基于MapReduce的Tile立方体格网化方法 112
2.5.2 基于MapReduce的SOLAP多维聚集计算 119
2.5.3 实验与性能分析 133
参考文献 140
第3章 水体遥感监测方法 143
3.1 水体遥感监测基础 143
3.1.1 光谱指数法水体提取 144
3.1.2 影像分割法水体提取 145
3.1.3 水体提取方法适应性分析 148
3.1.4 洪水遥感监测 153
3.1.5 冰雪监测方法 155
3.2 光谱指数水体提取方法的改进 156
3.2.1 可见光影像预处理 157
3.2.2 光谱决策树水体提取方法 158
3.2.3 多指数融合水体提取方法 160
3.3 基于主动轮廓搜索的水体提取 167
3.3.1 主动轮廓模型 168
3.3.2 固定网格正交T-Snake模型水体提取 170
3.3.3 可变网格正交T-Snake模型水体提取 182
3.4 冰凌遥感监测模型 188
3.4.1 冰凌监测的目视解译 188
3.4.2 基于MODIS数据的冰凌监测 192
3.4.3 基于环境减灾卫星数据的冰凌监测 195
3.4.4 MODIS与环境减灾卫星数据结合的冰凌监测 198
参考文献 200
第4章 旱情遥感监测方法 204
4.1 传统旱情监测方法 205
4.2 旱情遥感监测常用方法 212
4.2.1 热惯量方法 212
4.2.2 基于可见光、近红外波段的植被指数法 213
4.2.3 热红外遥感监测方法 215
4.2.4 微波遥感监测方法 216
4.2.5 集成多源数据的遥感旱情监测方法 217
4.3 干旱时空特征分析 218
4.3.1 数据介绍 218
4.3.2 气象因子时空特征分析 219
4.3.3 SPI与SPEI时序变化特征及分析 222
4.3.4 旱情变化趋势分析 226
4.4 基于短波红外光谱特征空间的旱情监测方法 229
4.4.1 研究区与数据 229
4.4.2 MODIS短波红外特征空间 232
4.4.3 短波红外水分胁迫指数构建方法 234
4.4.4 短波红外水分胁迫指数空间分布 235
4.4.5 相关性验证及不同指数敏感性对比分析 239
4.5 基于BP神经网络的旱情监测方法 241
4.5.1 研究区介绍 242
4.5.2 数据及预处理 242
4.5.3 基于BP神经网络的旱情指数构建方法 244
4.5.4 综合旱情状态指数验证与应用 246
4.6 基于TileCube模型的旱情监测方法 250
4.6.1 面向旱情主题的TileCube结构设计 251
4.6.2 旱情时空聚集模型及应用 253
4.6.3 交互式旱情多维分析应用 257
参考文献 261
第5章 卫星遥感水利监测应用系统设计与实现 268
5.1 卫星遥感水利监测应用系统需求分析 268
5.1.1 卫星遥感水利数据存储与交换子系统需求分析 268
5.1.2 卫星遥感水利业务处理与分析子系统需求分析 270
5.1.3 卫星遥感水利服务管理与发布子系统需求分析 271
5.2 卫星遥感水利监测应用系统总体设计 273
5.3 卫星遥感水利监测应用系统设计与实现 274
5.3.1 卫星遥感水利数据存储与交换子系统设计与实现 274
5.3.2 卫星遥感水利业务处理与分析子系统设计与实现 279
5.3.3 卫星遥感水利服务管理与发布子系统设计与实现 287
第6章 卫星遥感水利监测典型应用 290
6.1 旱情遥感监测业务应用 290
6.1.1 湖北省旱情遥感监测应用 290
6.1.2 贵州省旱情遥感监测应用 293
6.2 水体遥感监测业务应用 297
6.2.1 鄱阳湖水体遥感监测应用 297
6.2.2 洞庭湖水体遥感监测应用 302
6.2.3 云南楚雄旱期水体变化遥感监测 307
6.2.4 黑龙江特大洪水遥感监测应用 308
6.2.5 长江中下游洪水遥感监测应用 320
6.3 冰凌遥感监测业务应用 330
前言
第1章 概述 1
1.1 卫星遥感水利监测需求 1
1.2 常用的水利监测方法 5
1.2.1 旱情监测方法 6
1.2.2 洪涝监测方法 8
1.2.3 冰凌监测方法 10
1.2.4 水土保持监测方法 12
1.2.5 水资源监测方法 14
1.3 卫星遥感水利监测研究进展 15
1.3.1 旱情监测进展 16
1.3.2 洪涝监测进展 18
1.3.3 冰凌监测进展 21
1.3.4 水土保持监测进展 23
1.3.5 水资源监测进展 25
参考文献 29
第2章 卫星遥感大数据并行处理 35
2.1 遥感大数据并行算法设计模式 35
2.1.1 遥感大数据并行处理概述 35
2.1.2 基于MapReduce的并行算法设计模式 39
2.2 全局型遥感影像聚类初始化并行算法 45
2.2.1 遥感影像聚类初始化与Kaufman聚类初始化算法 45
2.2.2 Kaufman算法的MapReduce并行策略 47
2.2.3 基于MapReduce的Kaufman聚类初始化并行算法 51
2.3 迭代式ISODATA聚类算法并行方法 59
2.3.1 遥感影像非监督分类与ISODATA聚类算法 59
2.3.2 MapReduce并行化方法及其改进策略 62
2.3.3 基于MapReduce的遥感ISODATA并行聚类算法 65
2.4 分布式遥感信息SOLAP立方体模型 73
2.4.1 SOLAP概述 73
2.4.2 遥感信息SOLAP立方体逻辑模型 84
2.4.3 TileCube度量的多维聚集方法 95
2.4.4 基于BigTable的TileCube可扩展物理存储 103
2.5 基于MapReduce的TileCube高性能聚集计算方法 111
2.5.1 基于MapReduce的Tile立方体格网化方法 112
2.5.2 基于MapReduce的SOLAP多维聚集计算 119
2.5.3 实验与性能分析 133
参考文献 140
第3章 水体遥感监测方法 143
3.1 水体遥感监测基础 143
3.1.1 光谱指数法水体提取 144
3.1.2 影像分割法水体提取 145
3.1.3 水体提取方法适应性分析 148
3.1.4 洪水遥感监测 153
3.1.5 冰雪监测方法 155
3.2 光谱指数水体提取方法的改进 156
3.2.1 可见光影像预处理 157
3.2.2 光谱决策树水体提取方法 158
3.2.3 多指数融合水体提取方法 160
3.3 基于主动轮廓搜索的水体提取 167
3.3.1 主动轮廓模型 168
3.3.2 固定网格正交T-Snake模型水体提取 170
3.3.3 可变网格正交T-Snake模型水体提取 182
3.4 冰凌遥感监测模型 188
3.4.1 冰凌监测的目视解译 188
3.4.2 基于MODIS数据的冰凌监测 192
3.4.3 基于环境减灾卫星数据的冰凌监测 195
3.4.4 MODIS与环境减灾卫星数据结合的冰凌监测 198
参考文献 200
第4章 旱情遥感监测方法 204
4.1 传统旱情监测方法 205
4.2 旱情遥感监测常用方法 212
4.2.1 热惯量方法 212
4.2.2 基于可见光、近红外波段的植被指数法 213
4.2.3 热红外遥感监测方法 215
4.2.4 微波遥感监测方法 216
4.2.5 集成多源数据的遥感旱情监测方法 217
4.3 干旱时空特征分析 218
4.3.1 数据介绍 218
4.3.2 气象因子时空特征分析 219
4.3.3 SPI与SPEI时序变化特征及分析 222
4.3.4 旱情变化趋势分析 226
4.4 基于短波红外光谱特征空间的旱情监测方法 229
4.4.1 研究区与数据 229
4.4.2 MODIS短波红外特征空间 232
4.4.3 短波红外水分胁迫指数构建方法 234
4.4.4 短波红外水分胁迫指数空间分布 235
4.4.5 相关性验证及不同指数敏感性对比分析 239
4.5 基于BP神经网络的旱情监测方法 241
4.5.1 研究区介绍 242
4.5.2 数据及预处理 242
4.5.3 基于BP神经网络的旱情指数构建方法 244
4.5.4 综合旱情状态指数验证与应用 246
4.6 基于TileCube模型的旱情监测方法 250
4.6.1 面向旱情主题的TileCube结构设计 251
4.6.2 旱情时空聚集模型及应用 253
4.6.3 交互式旱情多维分析应用 257
参考文献 261
第5章 卫星遥感水利监测应用系统设计与实现 268
5.1 卫星遥感水利监测应用系统需求分析 268
5.1.1 卫星遥感水利数据存储与交换子系统需求分析 268
5.1.2 卫星遥感水利业务处理与分析子系统需求分析 270
5.1.3 卫星遥感水利服务管理与发布子系统需求分析 271
5.2 卫星遥感水利监测应用系统总体设计 273
5.3 卫星遥感水利监测应用系统设计与实现 274
5.3.1 卫星遥感水利数据存储与交换子系统设计与实现 274
5.3.2 卫星遥感水利业务处理与分析子系统设计与实现 279
5.3.3 卫星遥感水利服务管理与发布子系统设计与实现 287
第6章 卫星遥感水利监测典型应用 290
6.1 旱情遥感监测业务应用 290
6.1.1 湖北省旱情遥感监测应用 290
6.1.2 贵州省旱情遥感监测应用 293
6.2 水体遥感监测业务应用 297
6.2.1 鄱阳湖水体遥感监测应用 297
6.2.2 洞庭湖水体遥感监测应用 302
6.2.3 云南楚雄旱期水体变化遥感监测 307
6.2.4 黑龙江特大洪水遥感监测应用 308
6.2.5 长江中下游洪水遥感监测应用 320
6.3 冰凌遥感监测业务应用 330
评论
还没有评论。