| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究意义与国内外研究现状 | 第9-13页 |
| ·研究意义 | 第9-10页 |
| ·国内外发展现状 | 第10-13页 |
| ·主要研究目标 | 第13-15页 |
| 2 数据预处理 | 第15-23页 |
| ·试验区简介 | 第15页 |
| ·数据获取与预处理 | 第15-21页 |
| ·地面叶面积指数获取 | 第16-17页 |
| ·遥感影像获取与预处理 | 第17-21页 |
| ·小麦不同生育期理化以及光谱特征 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于植被指数优选与主成分变换的叶面积指数反演方法 | 第23-49页 |
| ·植被指数 | 第24-41页 |
| ·相关性分析 | 第26-28页 |
| ·抗饱和度分析 | 第28-32页 |
| ·权重分析 | 第32-34页 |
| ·回归模型建立与叶面积指数区域反演 | 第34-39页 |
| ·植被指数反演 LAI 精度分析 | 第39-41页 |
| ·主成分方法 | 第41-47页 |
| ·主成分原理与计算过程 | 第41-42页 |
| ·模拟数据与实测数据主成分计算 | 第42-43页 |
| ·相关性及抗饱和性分析 | 第43-44页 |
| ·各个生育期建模及反演 | 第44-47页 |
| ·主成分反演精度分析 | 第47页 |
| ·本章小结 | 第47-49页 |
| 4 基于 PROSAIL 模型的叶面积指数物理模型反演方法 | 第49-61页 |
| ·物理模型原理介绍 | 第49-53页 |
| ·PROSPECT 模型 | 第49-50页 |
| ·SAIL 模型 | 第50-52页 |
| ·PROSAIL 冠层光谱模型反演原理与过程 | 第52-53页 |
| ·反演过程与结果 | 第53-56页 |
| ·误差修正 | 第56-59页 |
| ·反演结果与精度 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 基于 BP 神经网络方法的叶面积指数反演方法 | 第61-65页 |
| ·神经网络简介 | 第61页 |
| ·基于 MATLAB 神经网络工具箱的 BP 神经网络原理与构建 | 第61-63页 |
| ·反演结果与精度 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 6 各种方法在小麦不同生育期的适用性比较与分析 | 第65-66页 |
| 7 结论与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
