沈永林、王迪、申克建、孙政著的《基于分形和结构推理的玉米旱情遥感监测方法研究(精)》以玉米作物旱情监测为目标，以时序遥感影像和气象观测站降水数据为基础，建立了一种顾及作物物候特征的多干旱指数联合监测方法。即利用检测的玉米作物物候信息校正以遥感为数据源的植被状态指数(VCI)，利用结构推理的方法融合修正的VCI指数和标准降水指数(SPI)。实现对玉米作物旱情的联合监测。本书介绍了以下几项主要的研究工作和成果。
(1)遥感影像不规则兴趣区的分维估计算法
针对玉米作物耕地呈块区(不规则兴趣区)在遥感影像上分布的特点，利用分形乘积的原理，设计了一种降维一差分计盒维数法(Dimensionality-Re-duction based Differential Box-Counting algoIithm，DR-DBC)，以实现对遥感影像不规则兴趣区的分维估计。
(2)分维与玉米作物物候的相关性检验
针对玉米作物生育期遥感时序影像分维变化的特点，建立了分维时序峰值与玉米作物物候的对应关系，并利用地面调查数据作了实验验证。通过构建一系列的对比因子和对比指标，对分维鲁棒性进行了检验．验证了该指标用于表征玉米作物发育状态的可行性。
(3)玉米作物物候的动态估计算法
针对实际应用中对玉米作物物候信息现时性需求，考虑以NDVI均值、分维值和有效积温为数据输入，以行政区划为目标单元，构建以隐形马尔可夫模型(Hidden Markov Model，HMM)为基础的玉米作物物候信息动态估计框架。通过实例验证，并与常规逐像元物候检测方法对比分析，验证了该方法的有效性。
(4)物候调节植被指数(PA-VCI)及其与SPI指数互相关性检验
针对VCI：指数以日历年为时间基准，忽略了作物本身物候变化的缺陷，提出了一种物候调节植被状态指数(Phenology Adlusted Vegetation ConditionIndex，PA-VCI)。通过与常规VcI指数对比分析和实例验证。验证了利用作物物候信息修正VCI指数的必要性，并检验了PA-VCI指数与SPI指数的互相关性。
(5)PA-VCI指数与SPI指数的融合算法
考虑到对遥感干旱指数和气象干旱指数优劣互补的必要性，提出利用结构推理的方法对PA-VCI指数和月时间尺度SPI指数进行融合处理。实现对玉米作物旱情的监测，从而为防灾减灾、国民经济和社会的可持续发展提供决策支持。
