| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-22页 |
| ·高光谱遥感简介 | 第12-15页 |
| ·高光谱遥感概念与特征 | 第12页 |
| ·高光谱遥感发展概况 | 第12-13页 |
| ·高光谱遥感在林业研究中的应用 | 第13-15页 |
| ·高光谱遥感提取植被生化组分研究 | 第15-18页 |
| ·高光谱遥感提取植被生化组分原理 | 第15-16页 |
| ·高光谱遥感提取植被生化组分研究方法 | 第16-18页 |
| ·高光谱遥感反演叶绿素含量研究 | 第18-21页 |
| ·提取植被叶绿素含量的意义 | 第18-19页 |
| ·高光谱遥感反演叶绿素含量研究进展 | 第19-21页 |
| ·研究背景、意义和内容 | 第21-22页 |
| ·课题背景 | 第21页 |
| ·研究目的与意义 | 第21页 |
| ·研究内容 | 第21-22页 |
| 2 材料与方法 | 第22-36页 |
| ·试验点概况 | 第22-23页 |
| ·技术路线 | 第23页 |
| ·研究方法 | 第23-36页 |
| ·样本数据采集 | 第23-24页 |
| ·光谱数据采集 | 第24-25页 |
| ·叶绿素含量测定 | 第25页 |
| ·数据预处理 | 第25-26页 |
| ·红边参数定义 | 第26-27页 |
| ·多元线性回归模型简介 | 第27-29页 |
| ·人工神经网络简介 | 第29-30页 |
| ·BP神经网络简介 | 第30-33页 |
| ·遗传算法 | 第33-35页 |
| ·估算模型的精度检验 | 第35-36页 |
| 3 杉木红边参数估算叶绿素含量可行性分析 | 第36-42页 |
| ·杉木冠层光谱特征 | 第36-38页 |
| ·杉木冠层反射光谱特征 | 第36-37页 |
| ·杉木冠层一阶微分光谱特征 | 第37页 |
| ·杉木冠层光谱与叶绿素含量间相关性分析 | 第37-38页 |
| ·红边参数间相关性分析 | 第38-39页 |
| ·红边参数与叶绿素含量间相关性分析 | 第39-42页 |
| 4 杉木红边参数估算叶绿素含量统计回归模型 | 第42-56页 |
| ·样本相关性分析 | 第42页 |
| ·杉木红边参数估算叶绿素含量一元统计回归模型 | 第42-52页 |
| ·基于红边位置的统计回归模型 | 第43-44页 |
| ·基于红边振幅的统计回归模型 | 第44-45页 |
| ·基于红边面积的统计回归模型 | 第45-46页 |
| ·基于红边幅值各向异性指数的统计回归模型 | 第46-48页 |
| ·基于红边宽度的统计回归模型 | 第48-49页 |
| ·一元统计回归模型精度检验 | 第49-52页 |
| ·杉木红边参数估算叶绿素含量多元线性统计回归模型 | 第52-56页 |
| ·估算叶绿素含量的多元线性统计回归模型的建立 | 第52-54页 |
| ·多元线性回归模型精度检验 | 第54-56页 |
| 5 杉木红边参数估算叶绿素含量GA-BP神经网络模型 | 第56-76页 |
| ·主成分分析 | 第56-57页 |
| ·主成分分析定义 | 第56页 |
| ·主成分分析原理 | 第56-57页 |
| ·基于PCA的GA-BP神经网络估算叶绿素含量模型建立 | 第57-72页 |
| ·估算模型建立流程 | 第57-58页 |
| ·主成分分析实现 | 第58-61页 |
| ·遗传算法实现 | 第61-63页 |
| ·网络模型实现 | 第63-72页 |
| ·模型预测精度检验 | 第72-76页 |
| 6 结论与讨论 | 第76-78页 |
| ·结论 | 第76-77页 |
| ·讨论 | 第77-78页 |
| 参考文献 | 第78-86页 |
| 附录A:遗传算法得到的最优初始权值和阈值 | 第86-88页 |
| 附录B:攻读学位期间的主要学术成果 | 第88-89页 |
| 致谢 | 第89页 |