基于神经网络方法与RADARSAT-2雷达遥感数据的水稻参数反演研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 1 绪论 | 第12-21页 |
| ·研究背景与意义 | 第12-13页 |
| ·雷达遥感技术在水稻监测中的研究进展 | 第13-18页 |
| ·在水稻识别方面的研究进展 | 第15-16页 |
| ·在水稻微波散射特性方面的研究进展 | 第16-17页 |
| ·在水稻参数反演方面的研究进展 | 第17-18页 |
| ·人工神经网络方法在参数反演中的研究进展 | 第18-19页 |
| ·研究内容与技术路线 | 第19-21页 |
| 2 研究数据和研究方法 | 第21-30页 |
| ·研究区域概述 | 第21-22页 |
| ·数据获取与处理 | 第22-26页 |
| ·RADARSAT-2数据介绍 | 第22-23页 |
| ·RADARSAT-2数据处理 | 第23-24页 |
| ·水稻实测参数获取 | 第24-26页 |
| ·人工神经网络方法简介 | 第26-30页 |
| ·BP神经网络基本原理 | 第26-27页 |
| ·BP神经网络算法学习 | 第27-28页 |
| ·BP神经网络建模的几个关键问题 | 第28-30页 |
| 3 水稻种植信息提取 | 第30-42页 |
| ·地物后向散射特征分析 | 第30-34页 |
| ·基于神经网络方法的水稻种植信息提取 | 第34-37页 |
| ·神经网络分类 | 第35-36页 |
| ·分类后处理 | 第36-37页 |
| ·分类结果分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 4 水稻冠层散射特性研究 | 第42-47页 |
| ·水稻冠层散射模型介绍 | 第42-44页 |
| ·模型输入输出参数设置 | 第44-46页 |
| ·模型输入变量获取 | 第44-46页 |
| ·模型输出变量设置 | 第46页 |
| ·本章小结 | 第46-47页 |
| 5 水稻参数定量反演与区域制图 | 第47-62页 |
| ·水稻参数反演数据准备 | 第47-49页 |
| ·基于水稻冠层散射模型的BP神经网络模型 | 第49-54页 |
| ·训练数据库的构建 | 第50页 |
| ·BP神经网络模型用于叶层高度和冠层密度反演 | 第50-54页 |
| ·基于BP网络模型的水稻生物量和单产量估算 | 第54-56页 |
| ·水稻参数反演结果制图及精度验证 | 第56-61页 |
| ·水稻叶层高度和冠层密度的反演结果及精度验证 | 第56-59页 |
| ·水稻生物量和单产量的反演结果及精度验证 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-64页 |
| ·主要结论 | 第62页 |
| ·问题和展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 后记 | 第69页 |
