基于植被冠层光谱BRDF模型的LAI反演研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 选题背景及研究意义 | 第9-13页 |
| 1.2 LAI遥感反演国内外研究现状 | 第13-17页 |
| 1.2.1 遥感统计模型反演法 | 第13-15页 |
| 1.2.2 物理模型反演法 | 第15-16页 |
| 1.2.3 已有LAI产品数据 | 第16-17页 |
| 1.3 研究内容与技术路线 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 2 实验与数据获取 | 第20-28页 |
| 2.1 实验设计 | 第20-21页 |
| 2.2 实验数据的获取 | 第21-24页 |
| 2.2.1 冠层光谱数据的获取 | 第21-24页 |
| 2.2.2 植被理化参数的获取 | 第24页 |
| 2.3 模拟数据的获取 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 模型与方法 | 第28-40页 |
| 3.1 PROSAIL辐射传输模型 | 第28-32页 |
| 3.2 BRDF模型 | 第32-34页 |
| 3.3 神经网络 | 第34-38页 |
| 3.4 反演精度指标 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于神经网络的LAI遥感反演 | 第40-59页 |
| 4.1 数据预处理 | 第40-44页 |
| 4.1.1 高光谱数据到多光谱数据换算 | 第40-41页 |
| 4.1.2 BRDF核参数的计算 | 第41-43页 |
| 4.1.3 训练样本集及验证样本集的构建 | 第43-44页 |
| 4.2 基于经验统计模型的反演 | 第44-52页 |
| 4.2.1 经验统计模型的构建 | 第44-46页 |
| 4.2.2 经验统计模型反演结果验证 | 第46-52页 |
| 4.3 基于神经网络的反演 | 第52-55页 |
| 4.3.1 神经网络的构建 | 第52-53页 |
| 4.3.2 神经网络反演结果验证 | 第53-55页 |
| 4.4 LAI不同反演模型对比分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
