| 致谢 | 第4-5页 |
| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第17-36页 |
| 1.1 选题背景及意义 | 第17-19页 |
| 1.2 植物红边及其他波段光谱响应特性 | 第19-23页 |
| 1.3 叶面积指数遥感反演研究现状 | 第23-30页 |
| 1.3.1 叶面积指数测定方法 | 第23-27页 |
| 1.3.2 基于多平台遥感数据源红边波段的叶面积指数反演研究现状 | 第27-30页 |
| 1.4 存在的问题 | 第30-31页 |
| 1.5 研究内容 | 第31-33页 |
| 1.6 论文组织结构 | 第33-36页 |
| 第2章 研究区域及实验数据 | 第36-49页 |
| 2.1 研究区域 | 第36-38页 |
| 2.1.1 北京小汤山国家精准农业研究示范基地 | 第36-37页 |
| 2.1.2 意大利Maccarese实验基地 | 第37页 |
| 2.1.3 北京顺义区 | 第37-38页 |
| 2.2 数据概述 | 第38-49页 |
| 2.2.1 北京小汤山实验区数据 | 第38-41页 |
| 2.2.2 意大利Maccarese试验区数据 | 第41-44页 |
| 2.2.3 北京顺义试验区数据 | 第44-49页 |
| 第3章 基于近地和航空高光谱数据红边波段的叶面积反演方法研究 | 第49-76页 |
| 3.1 引言 | 第49-51页 |
| 3.2 研究方法 | 第51-56页 |
| 3.2.1 高光谱植被指数反演模型 | 第51-53页 |
| 3.2.2 高光谱植被指数不同波段组合方法对比 | 第53-54页 |
| 3.2.3 高光谱植被指数反演不同肥水条件下的冬小麦LAI | 第54-56页 |
| 3.3 结果与讨论 | 第56-74页 |
| 3.3.1 高光谱植被指数反演冬小麦LAI的结果 | 第56-61页 |
| 3.3.2 基于不同波段组合方法的植被指数反演冬小麦LAI结果 | 第61-68页 |
| 3.3.3 不同肥水条件下冬小麦LAI高光谱反演结果 | 第68-74页 |
| 3.4 本章小结 | 第74-76页 |
| 第4章 基于包含单个红边波段的多光谱卫星数据反演作物叶面积指数方法研究 | 第76-98页 |
| 4.1 引言 | 第76-77页 |
| 4.2 研究方法 | 第77-84页 |
| 4.2.1 冠层反射率模拟 | 第77-79页 |
| 4.2.2 作物光谱反射率对叶绿素含量和叶面积指数的敏感性分析 | 第79-82页 |
| 4.2.3 现有植被指数与新建植被指数 | 第82-84页 |
| 4.3 结果与讨论 | 第84-96页 |
| 4.3.1 不同光谱波段对LAI的响应结果 | 第84-88页 |
| 4.3.2 作物光谱反射率对叶绿素含量和叶面积指数的敏感性分析结果 | 第88-89页 |
| 4.3.3 LAI 反演模型 | 第89-92页 |
| 4.3.4 LAI反演结果验证 | 第92-95页 |
| 4.3.5 不同作物类型对反演精度的影响 | 第95-96页 |
| 4.4 本章小结 | 第96-98页 |
| 第5章 基于包含多个红边波段的多光谱卫星数据反演作物叶面积指数方法研究 | 第98-119页 |
| 5.1 引言 | 第98-100页 |
| 5.2 研究方法 | 第100-108页 |
| 5.2.1 冠层反射率模拟 | 第100-101页 |
| 5.2.2 基于查找表的反演模型 | 第101-103页 |
| 5.2.3 基于BP神经网络的反演模型 | 第103-106页 |
| 5.2.4 基于植被指数反演模型 | 第106-108页 |
| 5.3 结果与讨论 | 第108-114页 |
| 5.3.1 冠层反射率模拟结果 | 第108-110页 |
| 5.3.2 植被指数筛选 | 第110-112页 |
| 5.3.3 反演结果验证与对比 | 第112-114页 |
| 5.4 LAI反演结果填图与精度验证 | 第114-117页 |
| 5.5 本章小结 | 第117-119页 |
| 第6章 总结和展望 | 第119-122页 |
| 6.1 主要研究成果 | 第119-120页 |
| 6.2 创新点 | 第120页 |
| 6.3 展望 | 第120-122页 |
| 参考文献 | 第122-133页 |
| 致谢 | 第133-136页 |
| 攻读学位期间发表的学术论文与研究成果 | 第136-137页 |
