遙感大數據與云計算支持下的自然資源監(jiān)測與應用

目錄
第1章 緒論 1
1.1 全球社會生態(tài)系統(tǒng)的危機 1
1.2 自然資源治理的進展 8
1.3 自然資源監(jiān)測的挑戰(zhàn)與機遇 15
本章參考文獻 21
第2章 自然資源治理的需求與挑戰(zhàn) 24
2.1 自然資源變化特點 24
2.2 自然資源治理現狀與需求 32
2.3 自然資源治理挑戰(zhàn)與趨勢 41
2.4 大數據賦能自然資源治理的分析框架 45
本章參考文獻 50
第3章 遙感大數據 53
3.1 遙感衛(wèi)星技術概述 53
3.2 主要的衛(wèi)星計劃與數據特點 56
3.3 商業(yè)衛(wèi)星計劃 67
3.4 遙感大數據的特點 69
3.5 遙感大數據的價值挖掘與應用前景 70
本章參考文獻 71
第4章 遙感云計算與發(fā)展 73
4.1 遙感云計算概述 73
4.2 遙感云計算平臺 80
4.3 GEE平臺 90
4.4 遙感云計算分析 97
本章參考文獻 103
第5章 機器學習和深度學習原理與方法 105
5.1 機器學習的發(fā)展和劃分 106
5.2 隨機森林算法 109
5.3 支持向量機 112
5.4 深度學習 113
5.5 遙感領域的應用和未來 118
本章參考文獻 119
第6章 變化檢測原理與算法 122
6.1 變化檢測原理 122
6.2 變化檢測算法的發(fā)展和分類 123
6.3 突變檢測算法 126
6.4 漸變檢測算法 135
6.5 算法發(fā)展及展望 137
本章參考文獻 139
第7章 城市擴張與效率評價 142
7.1 城市ISA擴張 142
7.2 城市三維擴張的監(jiān)測 150
7.3 城市建設用地利用效率 158
本章參考文獻 168
第8章 水稻種植監(jiān)測 172
8.1 背景與需求 172
8.2 技術與方法 174
8.3 結果與討論 178
8.4 展望 180
本章參考文獻 181
第9章 耕地“非糧化”監(jiān)測 183
9.1 研究背景 184
9.2 技術與方法 185
9.3 結果與討論 189
9.4 小結與展望 194
本章參考文獻 195
第10章 耕地撂荒監(jiān)測 197
10.1 耕地撂荒的理論基礎 197
10.2 耕地撂荒的提取方法 199
10.3 基于CCDC算法的山區(qū)耕地撂荒監(jiān)測 204
10.4 基于時序NDVI變化的耕地撂荒風險評價與驗證 214
本章參考文獻 227
第11章 高潛水位煤礦區(qū)開采擾動監(jiān)測 232
11.1 背景與需求 232
11.2 技術與方法 235
11.3 結果與討論 252
11.4 小結與展望 267
本章參考文獻 268
第12章 露天煤礦山開采損毀監(jiān)測 272
12.1 背景與需求 272
12.2 技術與方法 279
12.3 結果與討論 287
12.4 總結與展望 294
本章參考文獻 298