基于多源遥感数据的冬小麦植被覆盖度估算研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 国内外研究进展 | 第9-16页 |
| 1.2.1 作物覆盖度地面测量法 | 第9-10页 |
| 1.2.2 作物覆盖度遥感估算法 | 第10-14页 |
| 1.2.2.1 经验模型法 | 第10-11页 |
| 1.2.2.2 半经验模型 | 第11-13页 |
| 1.2.2.3 物理模型 | 第13-14页 |
| 1.2.3 遥感数据的选择 | 第14-15页 |
| 1.2.3.1 多光谱数据 | 第14页 |
| 1.2.3.2 高光谱数据 | 第14页 |
| 1.2.3.3 航空遥感数据 | 第14-15页 |
| 1.2.3.4 LiDAR(激光雷达)数据 | 第15页 |
| 1.2.4 目前作物覆盖度研究存在的问题 | 第15-16页 |
| 1.3 主要研究内容及技术路线 | 第16-19页 |
| 1.3.1 研究目的与内容 | 第16页 |
| 1.3.2 研究技术路线 | 第16-17页 |
| 1.3.3 论文组织结构 | 第17-19页 |
| 2 实验设计与数据预处理 | 第19-29页 |
| 2.1 实验设计 | 第19页 |
| 2.1.1 研究区概况 | 第19页 |
| 2.1.2 试验方案 | 第19页 |
| 2.2 数据获取 | 第19-21页 |
| 2.2.1 地面高光谱数据测定 | 第19-20页 |
| 2.2.2 卫星影像数据获取 | 第20-21页 |
| 2.3 卫星影像的预处理 | 第21-26页 |
| 2.3.1 辐射定标 | 第21-23页 |
| 2.3.2 大气校正 | 第23-25页 |
| 2.3.3 几何校正 | 第25-26页 |
| 2.3.4 波段运算及数据提取 | 第26页 |
| 2.4 本文使用公式 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 3 基于数字照片小麦覆盖度自动提取优化 | 第29-37页 |
| 3.1 照相法的现状 | 第29页 |
| 3.2 小麦覆盖度提取优化 | 第29-32页 |
| 3.2.1 RGB和HSI色彩空间 | 第29-30页 |
| 3.2.2 小麦影像的特征 | 第30页 |
| 3.2.3 分类提取原理 | 第30-31页 |
| 3.2.4 改进后的覆盖度提取算法与程序 | 第31-32页 |
| 3.3 实验与结果分析 | 第32-34页 |
| 3.3.1 实验数据获取 | 第32页 |
| 3.3.2 数据处理 | 第32-34页 |
| 3.3.3 精度评价 | 第34页 |
| 3.4 本章小结 | 第34-37页 |
| 4 基于新型植被指数的小麦覆盖度估算 | 第37-45页 |
| 4.1 小麦冠层光谱特征分析 | 第37-39页 |
| 4.2 新型植被指数 | 第39-40页 |
| 4.3 冬小麦植被覆盖度遥感估算 | 第40-42页 |
| 4.3.1 单一指数估算小麦覆盖度的最佳模型 | 第40-41页 |
| 4.3.2 新型植被指数与小麦覆盖度的相关性 | 第41页 |
| 4.3.3 新型植被指数估算小麦覆盖度的模型 | 第41-42页 |
| 4.4 本章小结 | 第42-45页 |
| 5 基于分段方式估算小麦覆盖度 | 第45-55页 |
| 5.1 单一植被指数估算饱和性问题 | 第45-46页 |
| 5.2 分段点及分段指数确定 | 第46-49页 |
| 5.2.1 分段点确定 | 第46-48页 |
| 5.2.2 分段最佳植被指数确定 | 第48-49页 |
| 5.3 分段模型估算FVC及精度验证 | 第49-50页 |
| 5.4 基于高分一号影像数据的实验结果与分析 | 第50-52页 |
| 5.4.1 基于高分数据数据分析 | 第50-51页 |
| 5.4.2 基于高分数据建模及精度验证 | 第51-52页 |
| 5.5 本章小结 | 第52-55页 |
| 6 结论与展望 | 第55-57页 |
| 6.1 本文研究结论 | 第55-56页 |
| 6.2 研究不足与展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-64页 |
