| 致谢 | 第5-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 绪论 | 第14-26页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 国内外研究进展 | 第15-24页 |
| 1.2.1 发育期遥感识别 | 第15-19页 |
| 1.2.2 农作物遥感估产 | 第19-24页 |
| 1.3 研究内容和论文结构 | 第24-26页 |
| 1.3.1 研究内容 | 第24页 |
| 1.3.2 论文框架结构 | 第24-26页 |
| 2 研究区和数据 | 第26-29页 |
| 2.1 研究区概况 | 第26-27页 |
| 2.2 研究采用的遥感数据及预处理 | 第27-28页 |
| 2.3 其它数据 | 第28-29页 |
| 3 时间序列植被指数数据集重建 | 第29-42页 |
| 3.1 研究需要的数据 | 第29-31页 |
| 3.2 时间序列植被指数数据集重建方法介绍 | 第31-34页 |
| 3.2.1 Savitzky-Golay滤波法 | 第32页 |
| 3.2.2 非对称性高斯函数拟合法 | 第32-33页 |
| 3.2.3 双Logistic函数拟合法 | 第33-34页 |
| 3.3 时间序列植被指数数据处理 | 第34-36页 |
| 3.3.1 软件及算法说明 | 第34-36页 |
| 3.3.2 统计分析方法 | 第36页 |
| 3.4 时间序列植被指数重构结果与分析 | 第36-41页 |
| 3.4.1 时间序列滤波效果定性分析 | 第36-37页 |
| 3.4.2 时间序列滤波效果定量分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 时间序列植被指数水稻关键生育期提取 | 第42-47页 |
| 4.1 水稻关键生育期遥感识别算法 | 第42页 |
| 4.2 不同时间序列重构方法对水稻关键生育期识别精度的影响 | 第42-45页 |
| 4.3 不同质量数据对水稻关键生育期识别精度的影响 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 基于产量去趋势化的水稻遥感估算模型研究 | 第47-65页 |
| 5.1 研究需要的数据 | 第47-48页 |
| 5.2 研究方法 | 第48-54页 |
| 5.2.1 农作物掩膜 | 第48-50页 |
| 5.2.2 估产因子的选择 | 第50-52页 |
| 5.2.3 趋势产量的处理 | 第52-54页 |
| 5.3 估产结果及验证 | 第54-63页 |
| 5.3.1 水稻产量趋势分析 | 第54-57页 |
| 5.3.2 Y_(RS)与NDVI变量的相关性分析 | 第57-60页 |
| 5.3.3 遥感产量估产模型 | 第60-61页 |
| 5.3.4 估产模型的验证 | 第61-63页 |
| 5.4 本章小结 | 第63-65页 |
| 6 总结和展望 | 第65-66页 |
| 6.1 研究取得的主要成果 | 第65页 |
| 6.2 有待进一步研究的问题 | 第65-66页 |
| 参考文献 | 第66-75页 |
| 作者简历 | 第75-76页 |
