河南省夏季土壤湿度反演模型研究
| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究进展 | 第9-13页 |
| 1.2.1 指数反演土壤湿度研究进展 | 第10-11页 |
| 1.2.2 人工神经网络在遥感上的应用 | 第11-13页 |
| 1.3 研究内容和组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 研究区域和研究资料 | 第16-23页 |
| 2.1 研究区域 | 第16-18页 |
| 2.1.1 研究区域概况 | 第16-17页 |
| 2.1.2 研究区域干旱灾情介绍 | 第17-18页 |
| 2.2 研究数据 | 第18-22页 |
| 2.2.1 遥感资料 | 第18-20页 |
| 2.2.2 其他资料 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 研究方法 | 第23-39页 |
| 3.1 数据预处理 | 第23-27页 |
| 3.1.1 数据重投影、重采样 | 第23页 |
| 3.1.2 MODIS数据重建 | 第23-25页 |
| 3.1.3 站点资料预处理 | 第25-27页 |
| 3.3 指数反演模型构建 | 第27-29页 |
| 3.4 神经网络的算法原理及实现流程 | 第29-38页 |
| 3.4.1 神经网络算法原理 | 第29-31页 |
| 3.4.2 常见的神经网络模型 | 第31-32页 |
| 3.4.3 BP神经网络实现步骤 | 第32-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于TVDI和BP神经网络的土壤湿度反演 | 第39-51页 |
| 4.1 基于TVDI指数的土壤湿度反演 | 第39-44页 |
| 4.1.1 LST/NDVI特征空间构建 | 第39-42页 |
| 4.1.2 基于TVDI指数的建模结果 | 第42-44页 |
| 4.2 基于BP神经网络的土壤湿度反演 | 第44-50页 |
| 4.2.1 输入因子筛选 | 第44-45页 |
| 4.2.2 模型的建立 | 第45-47页 |
| 4.2.3 神经网络模型反演土壤湿度结果 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 模型结果分析 | 第51-60页 |
| 5.1 模型评价方法 | 第51-52页 |
| 5.2 模型精度评价 | 第52-58页 |
| 5.2.1 空间分布精度评价 | 第52-53页 |
| 5.2.2 站点精度评价 | 第53-58页 |
| 5.3 本章小结 | 第58-60页 |
| 第六章 总结与讨论 | 第60-63页 |
| 6.1 总结 | 第60-61页 |
| 6.2 讨论与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70页 |
