基于变换域的植被高光谱遥感综合反演研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-21页 |
| ·研究背景及意义 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·主要研究内容和方法 | 第18-19页 |
| ·技术路线图 | 第19-21页 |
| 2 实验区数据预处理 | 第21-32页 |
| ·实验区数据 | 第21-22页 |
| ·CHRIS 数据简介 | 第22-26页 |
| ·CHRIS 数据特性 | 第22-23页 |
| ·CHRIS 数据产品 | 第23-26页 |
| ·CHRIS 数据预处理 | 第26-31页 |
| ·噪声去除 | 第26-27页 |
| ·大气校正 | 第27-28页 |
| ·几何校正 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 3 模型简介和反演策略 | 第32-38页 |
| ·PROSAIL 模型 | 第32-33页 |
| ·BP 神经网络模型结构 | 第33-35页 |
| ·基于 PROSAIL 模型的模拟数据 | 第35-36页 |
| ·反演策略 | 第36-37页 |
| ·反演策略 | 第36-37页 |
| ·精度评价指标 | 第37页 |
| ·本章小结 | 第37-38页 |
| 4 主成分变换与神经网络相结合的反演 | 第38-46页 |
| ·主成分分析原理 | 第38-39页 |
| ·基于主成分变换的反演算法及结果分析 | 第39-43页 |
| ·土壤未知 | 第41-42页 |
| ·土壤已知 | 第42-43页 |
| ·噪声对反演 LAI 的影响 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 偏最小二乘变换与神经网络相结合的反演 | 第46-56页 |
| ·偏最小二乘回归分析原理 | 第46-48页 |
| ·基于偏最小二乘变换的反演算法及结果分析 | 第48-51页 |
| ·土壤未知 | 第49-50页 |
| ·土壤已知 | 第50-51页 |
| ·训练数据空间维数对反演 LAI 的影响 | 第51-53页 |
| ·抗噪能力分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 6 结论和展望 | 第56-58页 |
| ·结论 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者简介 | 第62-66页 |
| 一、基本情况 | 第62页 |
| 二、学术论文 | 第62页 |
| 三、获奖情况 | 第62页 |
| 四、研究项目 | 第62-66页 |
| 学位论文数据集 | 第66页 |
