基于BP人工神经网络和Radarsat-2遥感影像的土壤墒情监测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-17页 |
| ·研究的背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·国外研究现状 | 第11-13页 |
| ·国内研究现状 | 第13页 |
| ·研究的主要内容 | 第13-14页 |
| ·技术路线和论文结构 | 第14-17页 |
| 2 主动微波遥感反演土壤墒情的模型研究 | 第17-40页 |
| ·土壤墒情的表示和测量方法 | 第17-19页 |
| ·土壤墒情的表示方法 | 第17-18页 |
| ·土壤墒情的测量方法 | 第18-19页 |
| ·雷达微波遥感的机理 | 第19-29页 |
| ·微波的传输特性 | 第19-21页 |
| ·雷达方程和雷达后向散射系数 | 第21-23页 |
| ·影响后向散射的因素 | 第23-29页 |
| ·裸露地表微波辐射模型的演进 | 第29-35页 |
| ·理论模型 | 第29-32页 |
| ·经验半经验模型 | 第32-33页 |
| ·改进积分方程模型 | 第33-35页 |
| ·BP人工神经网络算法 | 第35-40页 |
| 3 研究区域与Radarsat-2遥感数据的处理 | 第40-50页 |
| ·研究区域的选择 | 第40页 |
| ·Radarsat-2遥感数据的处理 | 第40-50页 |
| ·Radarsat-2卫星 | 第40-42页 |
| ·Radarsat-2数据预处理 | 第42-47页 |
| ·提取后向散射系数 | 第47-50页 |
| 4 BP人工神经网络土壤墒情反演研究 | 第50-58页 |
| ·基于AIEM的训练数据的选择 | 第50-51页 |
| ·介电模型的选取 | 第51页 |
| ·建立BP人工神经网络 | 第51-54页 |
| ·精度分析 | 第54-58页 |
| 5 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65页 |
