1 绪论
1．1 遥感市场及与GIS关系
1．2 卫星数据处理流程
1．3 常见的遥感卫星数据
1．4 ENVI遥感软件介绍
1．4．1 ENVI的背景
1．4．2 ENVI功能结构与特点
1．4．3 ENVI工程化应用
1．5 ENVI遥感图像处理基础
1．5．1 文件系统和存储
1．5．2 常用系统配置说明
1．5．3 菜单命令及其功能
1．5．4 数据输入与输出

2 多光谱与决策树分类
2．1 遥感图像分类技术
2．2 多光谱遥感影像分类
2．2．1 监督分类
2．2．2 非监督分类
2．2．3 其他分类方法
2．3 基于专家知识的决策树分类
2．3．1 定义分类规则
2．3．2 规则表达式
2．3．3 创建决策树
2．3．4 执行决策树
2．4 分类后处理
2．4．1 小斑块去除
2．4．2 Majority和Minority分析
2．4．3 聚类处理（Clump）
2．4．4 过滤处理（Sieve）
2．5 分类统计
2．6 分类叠加
2．7 分类结果转矢量
2．8 ENVI Classic分类后处理
2．8．1 浏览结果
2．8．2 局部修改
2．8．3 更改类别颜色
2．9 基于HJ-CCD影像的定南县土地利用分类

3 遥感动态监测
3．1 动态监测技术
3．1．1 数据预处理
3．1．2 变化信息检测
3．1．3 变化信息提取
3．2 ENVI中的动态监测工具
3．2．1 Compute Difference Map工具
3．2．2 Image Difference工具
3．3 分类后比较法工具
3．3．1 Change Detection Statistics工具
3．3．2 Thematic Change工具
3．4 赣州地区陆表环境遥感变化监测
3．4．1 变化监测方法
3．4．2 分类处理步骤
3．4．3 精度检验与对比

4 遥感光谱分析技术
4．1 基本光谱分析技术
4．1．1 地物波谱与波谱库
4．1．2 高光谱地物识别
4．2 高级光谱分析
4．2．1 线性波谱分离法（Linear Spectral Unmixing）
4．2．2 匹配滤波（Matched Filtering）
4．2．3 混合调谐匹配滤波（Mixture Tuned MF）
4．2．4 最小能量约束法（Constrained Energy Minimization）
4．2．5 自适应一致性估计法（Adaptive Coherence Estimator）
4．2．6 正交子空间投影法（Orthogonal Subspace Projection）
4．2．7 波谱特征拟合（Spectral Feature Fitting）
4．2．8 多范围波谱特征拟合（Multi Range Spectral Feature Fitting）
4．2．9 线性波段预测法（Linear Band Prediction）
4．2．10 包络线去除（Continuum Removal）
4．3 目标探测与识别
4．3．1 去伪装目标探测
4．3．2 基于波谱沙漏工具的地物识别
4．4 柑橘的光谱混合像元分解识别方法
4．5 复垦植被波段检测与判别方法
4．5．1 T-test法
4．5．2 费希尔判别法
4．5．3 贝叶斯判别法
4．5．4 判别结果分析

5 遥感地形构建与分析
5．1 地形构建方法
5．1．1 DEM建立
5．1．2 我国不同比例尺DEM的特点
5．1．3 DEM数据产品
5．2 微波遥感地形构建
5．2．1 InSAR反演DEM技术流程
5．2．2 三维地形可视化
5．3 地形提取
5．3．1 地形模型提取
5．3．2 地形特征提取
5．4 东江流域边界的提取
5．4．1 无洼地DEM生成
5．4．2 汇流累积量
5．4．3 水流长度
5．4．4 河网提取
5．4．5 流域分割
5．5 东江流域面积提取

6 波段运算与波谱运算工具
6．1 ENVI Band Math及运算条件
6．1．1 Band Math工具
6．1．2 运算条件
6．2 波段运算的IDL知识
．6．2．1 数据类型
6．2．2 数据类型的动态变换
6．2．3 数组运算符
6．2．4 运算符操作顺序
6．2．5 调用IDL函数
6．3 波段运算经典公式
6．3．1 避免整型数据除法
6．3．2 避免整型运算溢出
6．3．3 生成混合图像
6．3．4 使用数组运算符对图像进行选择性更改
6．3．5 最小值和最大值运算符的使用
6．3．6 利用波段运算修改NaN
6．4 调用IDL用户函数
6．4．1 编写函数
6．4．2 编译函数
6．4．3 使用函数
6．5 波谱运算
6．6 利用Band Math计算遥感影像变异系数
6．6．1 Band Math计算陆地植被年NPP值
6．6．2 Band Math计算NDVI的变异系数

7 面向对象分类与识别
7．1 面向对象技术
7．2 ENVI中面向对象方法
7．2．1 ENVI FX简介
7．2．2 基于规则的面向对象信息提取
7．2．3 基于样本的面向对象的分类
7．2．4 分类结果的矢量输出
7．3 eCongnition面向对象方法
7．3．1 eCongnition软件
7．3．2 eCongnition面向对象分类
7．4 面向对象的稀土开采识别
7．4．1 试验区选择及数据来源
7．4．2 稀土矿区遥感影像解译标志
7．4．3 影像的多尺度分割方法
7．4．4 稀土矿点识别方法构建
7．4．5 南方稀土矿点识别提取
7．5 面向对象稀土高分影像识别尺度选择
7．5．1 研究区域及数据来源
7．5．2 稀土矿区沉淀池识别过程
7．5．3 稀土矿点识别精度分析

8 植被覆盖度反演方法
8．1 植被覆盖度及遥感提取方法
8．2 像元二分法
8．3 森林郁闭度制图模型
8．4 光谱像元分解模型
8．5 东江源植被覆盖度提取方法比较
8．5．1 像元二分法
8．5．2 森林郁闭度制图模型
8．5．3 光谱像元分解模型
8．5．4 不同方法的植被覆盖度比较

9 遥感景观格局分析
9．1 景观格局与生态过程
9．2 遥感与景观格局
9．3 景观指数及计算方法
9．3．1 斑块层次
9．3．2 景观类型层次
9．3．3 景观层次
9．4 Fragstats软件
9．4．1 软件安装
9．4．2 软件界面介绍
9．5 稀土矿区植被景观格局分析
9．5．1 数据预处理
9．5．2 植被覆盖度计算
9．5．3 景观格局分析

10 地表温度遥感反演
10．1 地表温度反演方法概述
10．2 辐射传输方程
10．2．1 辐射传输方程（也称大气校正法，Radiative Transfer Equation，RTE）
10．2．2 地表比辐射率
10．2．3 反演流程
10．3 单窗算法
10．3．1 单窗算法（Mono-window Algorithm）
10．3．2 参数计算
10．3．3 反演流程
10．4 Artis算法
10．4．1 Artis算法
10．4．2 反演流程
10．5 单通道算法
10．5．1 单通道算法（Sinde Channel Algorithm）
10．5．2 反演流程
10．6 Landsat8数据反演稀土矿区地表温度
10．6．1 稀土矿区温度反演
10．6．2 稀土矿区温度反演方法比较

11 土壤侵蚀遥感评估
11．1 土壤侵蚀遥感评估方法概述
11．1．1 定性方法
11．1．2 定量方法
11．1．3 土壤侵蚀评价遥感研究存在的问题
11．2 RUSLE模型构建方法
11．2．1 降雨侵蚀因子R值的估算
11．2．2 土壤可蚀性因子K的确定
11．2．3 坡长坡度因子LS的获取
11．2．4 植被覆盖与管理因子C的确定
11．2．5 水土保持措施因子P的确定
11．3 稀土矿区土壤侵蚀遥感评估分析
11．3．1 降雨侵蚀因子R值的估算
11．3．2 土壤可蚀性因子K值的估算
11．3．3 坡长坡度因子LS的获取
11．3．4 植被覆盖与管理因子C的确定
11．3．5 水土保持措施因子P的确定
11．3．6 岭北矿区土壤侵蚀模数计算

12 土地荒漠化遥感监测
12．1 土地荒漠化信息遥感提取方法概述
12．1．1 人工目视解译方法
12．1．2 监督分类方法
12．1．3 非监督分类方法
12．1．4 决策树分层分类方法
12．1．5 人工神经网络分类方法
12．2 荒漠化遥感监测模型
12．2．1 Albedo-NDVI特征空间及其特性
12．2．2 沙漠化遥感监测差值指数模型（DDI）
12．3 稀土矿区荒漠化遥感监测
12．3．1 数据与方法
12．3．2 矿区土地荒漠化制图及变化分析
12．3．3 矿区荒漠化对比分析
参考文献