| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 作物生物量的研究意义 | 第15-16页 |
| 1.2 遥感估算生物量的优势 | 第16-17页 |
| 1.3 主要研究内容 | 第17-19页 |
| 1.3.1 基于宽波段植被指数的小麦和玉米生物量估算及评价 | 第17-18页 |
| 1.3.2 基于PROBA-V数据的冬小麦生物量估算 | 第18-19页 |
| 1.3.3 基于GF-1 和RADARSAT-2 的水稻生物量估算 | 第19页 |
| 1.4 关键问题与总体路线 | 第19-20页 |
| 1.5 论文结构 | 第20-23页 |
| 第二章 作物生物量遥感估算模型研究进展 | 第23-31页 |
| 2.1 引言 | 第23页 |
| 2.2 国内外模型概述 | 第23-29页 |
| 2.2.1 基于遥感数据的统计模型 | 第23-27页 |
| 2.2.2 基于净生产力模型的估算 | 第27-28页 |
| 2.2.3 基于作物生长模型的估算 | 第28-29页 |
| 2.3 作物生物量遥感估算的发展趋势 | 第29-31页 |
| 第三章 基于宽波段植被指数的小麦和玉米生物量估算及评价 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 研究区与数据 | 第32-34页 |
| 3.2.1 研究区概况 | 第32页 |
| 3.2.2 地面实测数据 | 第32-34页 |
| 3.3 研究方法 | 第34-37页 |
| 3.3.1 光谱数据处理 | 第34-35页 |
| 3.3.2 生物量估算 | 第35-37页 |
| 3.4 研究结果 | 第37-42页 |
| 3.4.1 相关性分析 | 第37-40页 |
| 3.4.2 敏感性分析 | 第40-42页 |
| 3.5 讨论 | 第42页 |
| 3.6 结论 | 第42-45页 |
| 第四章 基于PROBA-V数据的冬小麦生物量估算 | 第45-75页 |
| 4.1 引言 | 第45-47页 |
| 4.2 研究区和数据 | 第47-50页 |
| 4.2.1 研究区概况 | 第47页 |
| 4.2.2 实验数据 | 第47-50页 |
| 4.3 研究方法 | 第50-60页 |
| 4.3.1 时空数据融合 | 第50-55页 |
| 4.3.2 作物类型识别 | 第55-56页 |
| 4.3.3 生物量和单产估算 | 第56-59页 |
| 4.3.4 结果评价 | 第59-60页 |
| 4.4 研究结果 | 第60-70页 |
| 4.4.1 ESTARFM融合结果 | 第60-64页 |
| 4.4.2 冬小麦分类结果 | 第64-67页 |
| 4.4.3 生物量和单产估算结果 | 第67-70页 |
| 4.5 讨论 | 第70-74页 |
| 4.5.1 融合方法 | 第70-71页 |
| 4.5.2 混合像元 | 第71页 |
| 4.5.3 LUE | 第71-72页 |
| 4.5.4 FPAR | 第72-73页 |
| 4.5.5 气象数据 | 第73-74页 |
| 4.6 结论 | 第74-75页 |
| 第五章 基于GF-1 和RADARSAT-2 的水稻生物量估算 | 第75-87页 |
| 5.1 引言 | 第75-76页 |
| 5.2 研究区与数据 | 第76-79页 |
| 5.2.1 研究区概况 | 第76页 |
| 5.2.2 卫星遥感数据 | 第76-78页 |
| 5.2.3 地面测量数据 | 第78-79页 |
| 5.3 研究方法 | 第79-81页 |
| 5.3.1 遥感数据处理 | 第79-80页 |
| 5.3.2 生物量反演 | 第80-81页 |
| 5.4 研究结果 | 第81-85页 |
| 5.4.1 基于GF-1 的生物量估算 | 第81-82页 |
| 5.4.2 基于RADARSAT-2 的生物量估算 | 第82-83页 |
| 5.4.3 基于GF-1 和RADARSAT-2 的生物量估算 | 第83-85页 |
| 5.5 讨论 | 第85-86页 |
| 5.6 结论 | 第86-87页 |
| 第六章 结论与展望 | 第87-91页 |
| 6.1 主要结论 | 第87-88页 |
| 6.2 创新性讨论 | 第88-89页 |
| 6.3 未来研究展望 | 第89-91页 |
| 参考文献 | 第91-103页 |
| 博士期间参与科研项目 | 第103-104页 |
| 博士期间发表文章 | 第104页 |
| 博士期间参加学术交流 | 第104-105页 |
| 致谢 | 第105-106页 |
