基于物候分段同化的水稻重金属胁迫遥感监测时间尺度优化
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-23页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 遥感监测作物重金属胁迫研究进展 | 第11-12页 |
| 1.2.2 遥感监测作物物候研究进展 | 第12-14页 |
| 1.2.3 WOFOST模型研究进展 | 第14-15页 |
| 1.2.4 遥感与作物生长模型耦合研究进展 | 第15-18页 |
| 1.3 研究内容与方法 | 第18-21页 |
| 1.3.1 研究内容 | 第18-20页 |
| 1.3.2 研究方法与技术路线 | 第20-21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第2章 研究区概况与数据处理 | 第23-28页 |
| 2.1 研究区概况 | 第23-24页 |
| 2.2 数据获取与处理 | 第24-28页 |
| 2.2.1 影像数据 | 第24-27页 |
| 2.2.2 田间数据 | 第27页 |
| 2.2.3 气象数据 | 第27-28页 |
| 第3章 重金属胁迫下水稻物候期的提取 | 第28-35页 |
| 3.1 计算时间序列植被指数 | 第28-29页 |
| 3.2 时间序列植被指数滤波重构算法 | 第29-30页 |
| 3.3 水稻关键物候期的提取 | 第30-35页 |
| 第4章 遥感-作物生长模型分段同化 | 第35-46页 |
| 4.1 WOFOST模型简介 | 第35-36页 |
| 4.2 WOFOST模型区域适应性调整及改进 | 第36-38页 |
| 4.2.1 WOFOST模型本地化 | 第36-37页 |
| 4.2.2 加入重金属胁迫因子f | 第37-38页 |
| 4.3 同化算法 | 第38-39页 |
| 4.3.1 粒子群优化算法 | 第38-39页 |
| 4.4 同化观测量的选择 | 第39-42页 |
| 4.4.1 植被指数的选择 | 第40-41页 |
| 4.4.2 LAI反演模型的建立 | 第41-42页 |
| 4.5 分段同化模型应用及分析 | 第42-46页 |
| 4.5.1 胁迫因子f优化分析 | 第43-44页 |
| 4.5.2 优化模型水稻生长参数模拟 | 第44-46页 |
| 第5章 遥感-作物生长模型最优时间尺度 | 第46-55页 |
| 5.1 Harris角点检测算法 | 第46-47页 |
| 5.2 最优时间尺度选取 | 第47-53页 |
| 5.3 最优时间尺度评估 | 第53-55页 |
| 第6章 结论与展望 | 第55-58页 |
| 6.1 讨论与结论 | 第55-56页 |
| 6.2 创新点 | 第56-57页 |
| 6.3 不足与展望 | 第57-58页 |
| 参考文献 | 第58-67页 |
| 致谢 | 第67-69页 |
| 附录 | 第69页 |
