一直以来，人们对遥感估产的不确定性研究大都停留在对典型的十分有限的样本，实地调查验证得到一个估产精度，只是作为零散和独立事件来认识和分析不确定性。可喜的是浙江大学黄敬峰教授率领他的团队埋头十几年，不辞劳苦收集海量卫星遥感资料，通过水稻卫星遥感信息提取分区，利用数据挖掘和知识发现的水稻种植面积遥感估算，在水稻主要发育期的遥感估算、水稻主要发育期的遥感识别、水稻产品遥感预测模型研发以及水稻估产遥感系统的建立和试验应用的基础上，一丝不苟地开展水稻遥感估产不确定性的系统研究。由黄敬峰、王秀珍、王福民近期完成的《水稻卫星遥感不确定性研究(精)》一书使水稻遥感估产一直处于有些混沌或模糊边缘的不确定现象在理论和方法层面上有了完整、清晰的认识。

一直以来，人们对遥感估产的不确定性研究大都停留在对典型的十分有限的样本，实地调查验证得到一个估产精度，只是作为零散和独立事件来认识和分析不确定性。可喜的是浙江大学黄敬峰教授率领他的团队埋头十几年，不辞劳苦收集海量卫星遥感资料，通过水稻卫星遥感信息提取分区，利用数据挖掘和知识发现的水稻种植面积遥感估算，在水稻主要发育期的遥感估算、水稻主要发育期的遥感识别、水稻产品遥感预测模型研发以及水稻估产遥感系统的建立和试验应用的基础上，一丝不苟地开展水稻遥感估产不确定性的系统研究。由黄敬峰、王秀珍、王福民近期完成的《水稻卫星遥感不确定性研究(精)》一书使水稻遥感估产一直处于有些混沌或模糊边缘的不确定现象在理论和方法层面上有了完整、清晰的认识。在我国水稻遥感技术的发展道路上又跨出了十分可喜的一大步，可歌可贺。

与国内外相关著作和成果相比，该书在以下几个方面很有特色，具有显著进展：①将知识发现的思路和数据挖掘方法引入水稻面积提取，通过分析水稻整个发育期的植被指数特征，提炼出能用于水稻面积提取的知识和规则，并用于大范围水稻面积提取，提高水稻面积提取的科学性、客观性和可重复性；②实现水稻面积遥感提取的不确定性可视化表达，提出利用分类图主图、最大概率值图、熵值图和水稻类概率值图等系列图件表达硬分类法的水稻面积遥感估测结果的不产方法确定性，使得用户不仅可以获得感兴趣地物的分类结果信息，还可以判断分类结果在像元水平的可信度；③利用全局敏感性分析方法，分析水稻叶面积指数（LAI）和叶片氮素含量（NFLV）遥感估算数据误差及耦合时间对水稻生长模型ORYZA2000输出结果的影响；④研发具有自主知识产权的水稻遥感信息提取系统，能够提高数据处理效率，为开展水稻遥感业务服务提供良好基础。

该书是浙江大学农业遥感与信息技术应用研究所继《水稻遥感估产》《水稻卫星遥感不确定性研究(精)》又一本关于水稻遥感研究与应用的专著。著者集众贤之能，承实践之上，总结经验，挥笔习书，言理论、话技术、摆范例。作为一本内容丰富、集系统性与实用性于一体的佳作，该书不仅可为遥感从业者提供重要参考，还可作为农学、摄影测量学和卫星遥感学研究生的有益参考书籍，亦值得我国农业方面相关的专家和政府工作人员一览。

第1章 水稻卫星遥感不确定性分析

1．1 空间信息科学不确定性的概念和研究进展

1．1．1 空间信息科学不确定性的概念

1．1．2 空间信息科学不确定性的研究进展

1．2 遥感影像获取的不确定性

1．2．1 不同空间分辨率引起的不确定性

1．2．2 遥感影像获取时间引起的不确定性

1．2．3 不同传感器的波谱响应特征引起的不确定性

1．2．4 目标物本身及其背景参数光谱特征引起的不确定性

1．2．5 其他数据获取的不确定性

1．3 遥感数据预处理的不确定性

1．3．1 辐射定标引起的不确定性

1．3．2 大气校正引起的不确定性

1．3．3 几何校正引起的不确定性

1．4 水稻卫星遥感信息提取的不确定性

1．4．1 水稻种植面积遥感估算的不确定性

1．4．2 水稻单产遥感预报的不确定性

1．4．3 水稻遥感专题制图的不确定性

1．5本章小结

第2章 水稻卫星遥感信息提取分区

2．1 中国水稻卫星遥感信息提取分区

2．1．1 分区指标

2．1．2 分区方法

2．1．3 分区结果

2．2 湖南省水稻卫星遥感信息提取分区

2．2．1 分区指标

2．2．2 分区方法

2．2．3 分区结果

2．3本章小结

第3章 基于数据挖掘的水稻种植面积遥感估算

3．1 研究区数据获取与处理

3．1．1 研究区数据获取

3．1．2 遥感影像预处理

3．2 基于穗帽变换的水稻面积遥感估算

3．2．1 遥感影像分类特征变量的确定

3．2．2 基于穗帽变换的水稻面积遥感估算结果

3．2．3 基于穗帽变换的水稻面积遥感估算精度验证

3．3 基于神经网络和支持向量机的水稻种植面积遥感信息提取

3．3．1 遥感影像分类特征变量的确定

3．3．2 基于神经网络和支持向量机的水稻种植面积遥感估算与精度检验

3．4本章小结

第4章 基于知识发现的水稻种植面积遥感估算

4．1 水稻生长发育期光谱特征分析 

4．2 基于知识发现的水稻种植面积遥感估算方法与技术路线

4．3 时间序列M()DIS数据去噪处理

4．4 基于多时相MODIS数据提取的中国水稻空间分布 

4．5 基于多时相MODIS数据提取的中国水稻种植面积精度检验 

4．5．1 基于统计数据的中国水稻种植面积遥感估算精度验证

4．5．2 基于中等空间分辨率遥感解译结果的空间位置匹配检验

4．6本章小结

第5章 水稻面积遥感估算的不确定性研究

5．1 研究区分类影像数据和研究方法

5．1．1 遥感模拟影像

5．1．2 训练样本和分类参数选择

5．1．3 分类结果评价

5．1．4 分类不确定性可视化表达

5．2 分类方法引起的水稻面积遥感估算的不确定性

5．2．1 基于不同分类器单独硬分类的水稻面积遥感估算结果比较

5．2．2 基于部分模糊分类和全模糊分类水稻面积估算结果比较

5．2．3 基于多分类器结合的水稻面积遥感估算结果比较

5．3 像元纯度引起的水稻面积遥感估算的不确定性

5．3．1 研究区TM影像的像元纯度分析

5．3．2 像元纯度对分类精度的影响

5．4 参考专题图尺度扩展处理后各类别面积的不确定性分析

5．5 水稻面积遥感估算不确定性的可视化表达

5．6 本章小结

第6章 水稻主要发育期的遥感识别

6．1 样点的选择

6．2 增强的植被指数时问序列重构

6．3 水稻主要发育期遥感识别的算法与技术路线

6．4 水稻主要发育期遥感识别的结果

6．5 本章小结

第7章 水稻产量遥感预报模型研究

7．1 湖南省水稻总产遥感预报模型研究

7．1．1 水稻总产遥感预报模型

7．1．2 水稻总产遥感预报模型拟合结果评价

7．1．3 水稻总产遥感预报模型预测结果评价

7．2 基于统计抽样调查地块实割实测数据的水稻单产遥感估算模型

7．2．1 湖南省水稻产量统计抽样地块的空间分布

7．2．2 基于MODl3Q1与MYDl3Ql水稻各发育期的EVI计算

7．2．3 水稻单产遥感预报模型及误差分析

7．3 基于像元水平MO[)IS GPP／NPP的水稻遥感估产模型

7．3．1 研究区概况

7．3．2 基于GPP／NPP的水稻遥感估产方法

7．3．3 水稻像元纯度对估产精度的影响

7．3．4 基于像元水平MODIS GPP／NPP的县级水稻遥感估产结果分析

7．4本章小结

第8章 基于水稻遥感数值模拟模型的产量预报不确定性研究

8．1 ORYZA2000模型

8．2 水稻遥感数值模拟模型的不确定性分析方法

8．2．1 模型的全局敏感性分析方法

8．2．2 输入变量的不确定性和模拟采样

8．3 ORYZA2000的敏感性和不确定性分析

8．3．1 ORYZA2000输出变量对输入变量的敏感性分析

8．3．2 ORYZA2000输出变量的不确定性

8．4 0RYZA2000耦合遥感估算的IAI和NFI．V数据的敏感性和不确定性分析

8．4．1 输出变量WSO和WAGT对ORYZA2000单独耦合遥感估算的LAI和NFLV的敏感性分析

8．4．2 输出变量WSO和WAGT对ORYZA2000同时耦合遥感估算的LAI和NFLV的敏感性分析

8．4．3 输出变量WSO和WAGT对ORYZA2000耦合遥感估算的LAI和NFLV的不确定性分析

8．5本章小结

第9章 水稻遥感信息提取系统设计与实现

9．1 水稻遥感信息提取系统设计

9．1．1 系统数据流程设计

9．1．2 系统功能模块设计

9．1．3 系统界面设计

9．1．4 系统帮助设计

9．1．5 系统主界面

9．2 水稻遥感信息提取数据预处理

9．2．1 图像镶嵌

9．2．2 图像裁剪

9．2．3 参数计算

9．2．4 影像去噪

9．3 水稻面积信息遥感提取

9．3．1 水稻面积信息提取方法1

9．3．2 水稻面积信息提取方法2

9．3．3 精度评价

9．4 水稻生育期遥感识别

9．5 水稻长势遥感监测

9．6 水稻产量遥感预报

9．7 水稻遥感信息提取成果表达

9．8 本章小结

参考文献

索 引