符号说明 | 第4-7页 |
中文摘要 | 第7-9页 |
Abstract | 第9-11页 |
1 引言 | 第12-18页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 低山丘陵区遥感研究进展 | 第13-14页 |
1.2.2 基于植被指数反演植被叶绿素含量的研究进展 | 第14-16页 |
1.3 研究内容 | 第16页 |
1.4 技术路线 | 第16-18页 |
2 研究区概况及数据获取 | 第18-23页 |
2.1 研究区概况 | 第18页 |
2.2 数据获取 | 第18-23页 |
2.2.1 样本采集 | 第18-19页 |
2.2.2 近地面光谱数据的获取 | 第19-20页 |
2.2.3 卫星多光谱影像数据获取 | 第20-21页 |
2.2.4 叶绿素含量测定 | 第21-23页 |
3 数据预处理 | 第23-31页 |
3.1 Sentinel-2A遥感影像大气校正 | 第23-24页 |
3.2 遥感影像重采样 | 第24页 |
3.3 遥感影像裁剪 | 第24-25页 |
3.4 地形辐射校正 | 第25-31页 |
3.4.1 余弦校正 | 第25-27页 |
3.4.2 Minnaert模型校正 | 第27-29页 |
3.4.3 余弦校正与Minnaert模型校正结果比较 | 第29-31页 |
4 苹果树冠层反射率反演及精度分析 | 第31-35页 |
4.1 混合像元分解 | 第31-33页 |
4.1.1 端元的选取 | 第31-32页 |
4.1.2 线性混合像元分解 | 第32-33页 |
4.2 苹果树冠层反射率比较及精度分析 | 第33-35页 |
5 基于植被指数的苹果树冠层叶绿素含量反演模型的建立与验证 | 第35-44页 |
5.1 植被指数的构建 | 第35-37页 |
5.2 植被指数的筛选 | 第37-39页 |
5.3 苹果树冠层叶绿素含量反演模型的建立与检验 | 第39-44页 |
5.3.1 BP神经网络反演模型的建立及检验 | 第39-41页 |
5.3.2 支持向量机回归反演模型的建立及检验 | 第41-43页 |
5.3.3 两种反演模型的优选 | 第43-44页 |
6 结论与讨论 | 第44-47页 |
6.1 研究结论 | 第44-45页 |
6.2 讨论 | 第45-47页 |
7 研究特色与展望 | 第47-48页 |
7.1 研究特色 | 第47页 |
7.2 研究展望 | 第47-48页 |
参考文献 | 第48-54页 |
致谢 | 第54-55页 |
攻读学位期间发表论文情况 | 第55页 |