| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·选题目的和意义 | 第8-9页 |
| ·植被二向反射模型的应用展望 | 第9-10页 |
| ·研究的主要内容 | 第10页 |
| ·技术路线 | 第10-12页 |
| 2 BRDF模型及其反演研究 | 第12-26页 |
| ·BRDF的定义 | 第12-13页 |
| ·BRDF模型的研究 | 第13-22页 |
| ·物理模型 | 第13-20页 |
| ·半经验模型 | 第20-21页 |
| ·经验统计模型 | 第21页 |
| ·模型选择规则 | 第21-22页 |
| ·模型反演的研究 | 第22-25页 |
| ·先验知识的引入 | 第22-23页 |
| ·分阶段目标决策 | 第23-24页 |
| ·最优化方法的应用 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 MODIS的BRDF特征 | 第26-37页 |
| ·EOS/MODIS数据 | 第26-29页 |
| ·美国对地观测系统(EOS)、TERRA和 AQUA卫星系统 | 第26-27页 |
| ·MODIS传感器 | 第27-28页 |
| ·MODIS数据产品 | 第28-29页 |
| ·MODIS数据产品的文件格式 | 第29页 |
| ·MODIS 1B数据处理 | 第29-31页 |
| ·辐射定标和太阳天顶角校正 | 第29-30页 |
| ·几何精校正 | 第30页 |
| ·大气校正 | 第30-31页 |
| ·MODIS数据 BRDF特征分析 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于BRDF模型的叶面积指数反演 | 第37-57页 |
| ·叶面积指数 | 第37-38页 |
| ·研究区域及研究数据 | 第38-39页 |
| ·研究区概况 | 第38页 |
| ·研究数据 | 第38-39页 |
| ·模型介绍 | 第39-45页 |
| ·树的分布概率 | 第40页 |
| ·树冠投影 | 第40-41页 |
| ·树冠孔隙 | 第41页 |
| ·相互遮蔽效应 | 第41-43页 |
| ·树冠孔隙大小和热点 | 第43-45页 |
| ·林冠反射率 | 第45页 |
| ·LIBERTY模型 | 第45页 |
| ·土壤反射指数 | 第45-46页 |
| ·模型敏感性分析 | 第46-49页 |
| ·基于人工神经网络的LAI反演 | 第49-55页 |
| ·人工神经网络介绍 | 第49-51页 |
| ·神经网络选择与构建 | 第51-52页 |
| ·训练数据集的生成 | 第52页 |
| ·神经网络训练 | 第52-53页 |
| ·反演数据集的生成 | 第53-54页 |
| ·利用神经网络反演 LAI与精度评价 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |