| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 基于像元遥感植被参数反演研究进展 | 第13-14页 |
| 1.2.2 面向对象方法遥感植被参数反演研究进展 | 第14-15页 |
| 1.2.3 国产卫星数据定量反演应用研究现状 | 第15-16页 |
| 1.2.4 青海湖流域生态环境遥感监测研究现状 | 第16-17页 |
| 1.2.5 存在问题 | 第17-18页 |
| 1.3 论文的研究内容与组织结构 | 第18-21页 |
| 1.3.1 论文的研究内容 | 第18-19页 |
| 1.3.2 论文的组织结构 | 第19-21页 |
| 第二章 研究区概况与数据准备 | 第21-31页 |
| 2.1 研究区概况 | 第21-23页 |
| 2.1.1 地理位置 | 第21页 |
| 2.1.2 气候条件 | 第21-22页 |
| 2.1.3 植被水文状况 | 第22-23页 |
| 2.2 遥感影像数据 | 第23-29页 |
| 2.2.1 遥感数据信息 | 第23-26页 |
| 2.2.1.1 Landsat-8 数据信息 | 第23-24页 |
| 2.2.1.2 HJ-1A/B数据信息 | 第24-25页 |
| 2.2.1.3 GF-1 数据信息 | 第25-26页 |
| 2.2.2 遥感数据预处理 | 第26-29页 |
| 2.2.2.1 Landsat-8 OLI数据处理 | 第26-27页 |
| 2.2.2.2 HJ-1B数据处理 | 第27-28页 |
| 2.2.2.3 GF-1 WFV数据处理 | 第28-29页 |
| 2.3 地面实测数据 | 第29-30页 |
| 2.3.1 叶面积指数采集 | 第29-30页 |
| 2.3.2 冠层水含量采集 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 面向对象的草原植被参数反演 | 第31-58页 |
| 3.1 植被冠层反射率模型 | 第31-38页 |
| 3.1.1 Suit模型 | 第31-32页 |
| 3.1.2 SAIL模型 | 第32-37页 |
| 3.1.3 MCRM模型 | 第37页 |
| 3.1.4 ACRM模型 | 第37-38页 |
| 3.2 物理模型的选择及敏感性分析 | 第38-43页 |
| 3.2.1 PROSAIL-5B模型 | 第38-39页 |
| 3.2.2 PROSAIL-5B模型敏感性定量分析 | 第39-43页 |
| 3.2.2.1 全局敏感性分析介绍 | 第39-40页 |
| 3.2.2.2 Sobol方法 | 第40-41页 |
| 3.2.2.3 PROSAIL-5B模型参数的Sobol方法敏感性分析 | 第41-43页 |
| 3.3 面向对象反演方法及策略 | 第43-55页 |
| 3.3.1 植被分区 | 第43-45页 |
| 3.3.2 植被参数约束定性分析 | 第45-49页 |
| 3.3.3 植被参数物理反演算法 | 第49-50页 |
| 3.3.3.1 查找表算法 | 第49页 |
| 3.3.3.2 构建查找表 | 第49-50页 |
| 3.3.4 估算草原植被叶面积指数和冠层水含量 | 第50-55页 |
| 3.3.4.1 对象水平参数优化 | 第50-52页 |
| 3.3.4.2 像元水平参数反演 | 第52-54页 |
| 3.3.4.3 查找表解选择评价 | 第54-55页 |
| 3.3.4.4 参数反演结果及制图 | 第55页 |
| 3.4 分析及讨论 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 基于像元的草原植被参数反演 | 第58-65页 |
| 4.1 基于物理模型的草原植被叶面积指数和冠层水含量反演 | 第58-60页 |
| 4.1.1 植被LAI和CWC定量反演 | 第58-60页 |
| 4.1.2 反演结果及验证 | 第60页 |
| 4.2 基于BP神经网络方法的草原叶面积指数和冠层水含量反演 | 第60-63页 |
| 4.2.1 BP神经网络方法简介 | 第60-62页 |
| 4.2.2 BP神经网络方法反演模型构建 | 第62-63页 |
| 4.2.3 反演结果精度评价 | 第63页 |
| 4.3 分析及讨论 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于国产卫星数据的草原植被参数反演 | 第65-75页 |
| 5.1 基于HJ-1B数据的草原叶面积指数反演 | 第65-68页 |
| 5.1.1 面向对象方法反演结果 | 第65-67页 |
| 5.1.2 基于像元的物理模型方法反演结果 | 第67-68页 |
| 5.1.3 基于神经网络方法的反演结果 | 第68页 |
| 5.2 基于GF-1 数据的草原叶面积指数反演 | 第68-70页 |
| 5.2.1 面向对象方法反演结果 | 第68-70页 |
| 5.2.2 基于像元的物理模型和神经网络方法反演结果 | 第70页 |
| 5.3 Landsat-8 与HJ-1B及GF-1 数据比较及分析 | 第70-74页 |
| 5.3.1 光谱响应函数比较分析 | 第71-72页 |
| 5.3.2 反射率和植被指数相关性比较分析 | 第72-73页 |
| 5.3.3 不同传感器的近红外和EVI与LAI相关性比较分析 | 第73页 |
| 5.3.4 叶面积指数的估算性能比较分析 | 第73-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 结论与展望 | 第75-78页 |
| 6.1 结论 | 第75-76页 |
| 6.2 展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |
