| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状湿地植被LAI估算研究现状 | 第11-13页 |
| 1.2.2 基于高光谱影像估算LAI的研究现状 | 第12页 |
| 1.2.3 基于机载LiDAR估算LAI的研究现状 | 第12-13页 |
| 1.2.4 融合多源遥感数据估算LAI的研究现状 | 第13页 |
| 1.3 研究方案 研究的主要内容 | 第13-16页 |
| 1.3.2 研究技术路线 | 第14-16页 |
| 2 研究区概况及数据 | 第16-24页 |
| 2.1 研究区概况 | 第16-17页 |
| 2.2 实验数据获取 | 第17-20页 |
| 2.2.1 机载高光谱影像与机载LiDAR数据获取 | 第17-19页 |
| 2.2.2 地面实测数据获取 | 第19-20页 |
| 2.3 遥感数据的预处理 | 第20-23页 |
| 2.3.1 高光谱遥感影像预处理 | 第20-21页 |
| 2.3.2 机载LiDAR数据预处理 | 第21-23页 |
| 2.3.3 高光谱影像与机载LiDAR数据的空间配准 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 湿地植被LAI反演参数提取 | 第24-37页 |
| 3.1 反演参数的择优提取技术 | 第24-25页 |
| 3.2 机载LiDAR数据的特征提取 | 第25-27页 |
| 3.2.1 植被冠层高度模型 | 第25-26页 |
| 3.2.2 激光穿透指数 | 第26-27页 |
| 3.3 高光谱影像的特征提取 | 第27-35页 |
| 3.3.1 光谱反射率变换 | 第27-29页 |
| 3.3.2 高光谱波段的选择与计算 | 第29-31页 |
| 3.3.3 植被指数提取 | 第31-35页 |
| 3.4 反演参数筛选结果 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于面向对象随机森林方法的湿地植被精细提取 | 第37-46页 |
| 4.1 面向对象随机森林的分类技术 | 第37-39页 |
| 4.1.1 面向对象分割算法 | 第37-38页 |
| 4.1.2 面向对象随机森林的分类原理 | 第38-39页 |
| 4.1.3 面向对象随机森林分类的特点 | 第39页 |
| 4.2 研究区湿地植被分类实验 | 第39-45页 |
| 4.2.1 分类特征提取 | 第39页 |
| 4.2.2 面向对象分割算法的参数分析 | 第39-41页 |
| 4.2.3 随机森林分类模型的参数分析 | 第41-42页 |
| 4.2.4 湿地植被分类结果与精度评价 | 第42-45页 |
| 4.3 本章小结 | 第45-46页 |
| 5 不同湿地植被LAI反演模型的建立与分析 | 第46-64页 |
| 5.1 LAI反演模型的构建技术 | 第46-51页 |
| 5.1.1 逐步回归反演模型的构建原理 | 第46页 |
| 5.1.2 随机森林回归模型的构建原理 | 第46-47页 |
| 5.1.3 SVR反演模型的构建原理 | 第47-51页 |
| 5.2 研究区不同湿地植被LAI反演模型的构建 | 第51-59页 |
| 5.2.1 不同湿地植被LAI反演模型构建 | 第51-58页 |
| 5.2.2 LAI反演模型的精度分析 | 第58-59页 |
| 5.3 研究区不同湿地植被LAI的反演与制图 | 第59-62页 |
| 5.4 本章小结 | 第62-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
