| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 LAI获取及研究现状 | 第12-13页 |
| 1.2.2 LAI遥感反演模型 | 第13-15页 |
| 1.2.3 存在问题 | 第15-16页 |
| 1.3 研究目标与内容 | 第16-19页 |
| 1.3.1 研究目标 | 第16页 |
| 1.3.2 研究内容 | 第16-17页 |
| 1.3.3 研究结构 | 第17-19页 |
| 第二章 研究区概况与研究数据 | 第19-25页 |
| 2.1 研究区概况 | 第19-20页 |
| 2.2 试验方案设计及数据采集 | 第20-21页 |
| 2.2.1 试验方案设计 | 第20页 |
| 2.2.2 叶面积指数采集 | 第20-21页 |
| 2.2.3 叶绿素采集 | 第21页 |
| 2.3 GF-2卫星介绍及数据获取 | 第21-22页 |
| 2.4 GF-2数据预处理 | 第22-23页 |
| 2.4.1 辐射校正 | 第22-23页 |
| 2.4.2 几何校正 | 第23页 |
| 2.5 本章小结 | 第23-25页 |
| 第三章 基于经验模型的叶面积指数反演方法 | 第25-32页 |
| 3.1 植被指数选取 | 第25-26页 |
| 3.2 分析方法与评价指标 | 第26-27页 |
| 3.3 相关性分析 | 第27-28页 |
| 3.4 经验模型建立 | 第28-29页 |
| 3.5 LAI填图与精度分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于PROSAIL模型的叶面积指数反演方法 | 第32-43页 |
| 4.1 PROSAIL模型介绍 | 第33-34页 |
| 4.2 参数敏感性分析 | 第34-37页 |
| 4.2.1 定性分析 | 第34-36页 |
| 4.2.2 定量分析 | 第36-37页 |
| 4.3 模型参数确定 | 第37-38页 |
| 4.4 查找表建立 | 第38-39页 |
| 4.5 LAI填图与精度分析 | 第39-41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 基于混合模型的叶面积指数反演方法 | 第43-55页 |
| 5.1 PROSAIL拟合数据及混合模型构建 | 第43-44页 |
| 5.1.1 PROSAIL拟合数据 | 第43-44页 |
| 5.1.2 混合模型构建 | 第44页 |
| 5.2 基于BP神经网络算法和PROSAIL模型的LAI反演 | 第44-48页 |
| 5.2.1 BP神经网络算法 | 第44-45页 |
| 5.2.2 BP神经网络参数确定 | 第45-46页 |
| 5.2.3 BP-PROSAIL混合模型反演LAI及精度验证 | 第46-48页 |
| 5.3 基于随机森林算法和PROSAIL模型的LAI反演 | 第48-52页 |
| 5.3.1 随机森林算法 | 第48-49页 |
| 5.3.2 RF参数确定 | 第49页 |
| 5.3.3 RF变量重要性分析 | 第49-50页 |
| 5.3.4 RF-PROSAIL混合模型反演LAI及精度验证 | 第50-52页 |
| 5.4 不同生育期三种LAI反演方法对比分析 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-58页 |
| 6.1 主要研究结论 | 第55-56页 |
| 6.2 论文创新点 | 第56页 |
| 6.3 讨论与展望 | 第56-58页 |
| 参考文献 | 第58-65页 |
| 附录 | 第65-105页 |
| 攻读硕士学位期间取得的科研成果 | 第105-106页 |
| 致谢 | 第106-107页 |
