植被遥感识别与叶面积指数反演方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.0 遥感分类方法 | 第10-11页 |
| 1.2.1 LAI遥感反演方法 | 第11-13页 |
| 1.2.2 反演系统 | 第13-14页 |
| 1.3 论文主要内容 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 数据的获取和处理 | 第16-22页 |
| 2.1 实验区概况 | 第16-17页 |
| 2.2 数据获取与预处理 | 第17-22页 |
| 2.2.1 地面光谱数据获取 | 第17-19页 |
| 2.2.2 影像数据获取及预处理 | 第19-20页 |
| 2.2.4 叶面积指数获取 | 第20-22页 |
| 第三章 基于监督分类的植被遥感识别方法比较 | 第22-29页 |
| 3.1 监督分类方法 | 第23-24页 |
| 3.2 基于像元的分类识别 | 第24-25页 |
| 3.3 面向对象的分类识别 | 第25-27页 |
| 3.4 分类结果比较分析 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第四章 基于物理模型的叶面积指数反演方法比较 | 第29-43页 |
| 4.1 PROSAIL模型介绍 | 第30-31页 |
| 4.2 反演方法 | 第31-35页 |
| 4.2.1 支持向量机 | 第31-33页 |
| 4.2.2 局部线性嵌入 | 第33-34页 |
| 4.2.3 主成分分析 | 第34-35页 |
| 4.3 PROSAIL模型参数选取 | 第35-37页 |
| 4.4 叶面积指数的多光谱反演 | 第37-40页 |
| 4.4.1 基于植被指数的LAI反演 | 第37-39页 |
| 4.4.2 基于SVM的LAI反演 | 第39-40页 |
| 4.5 叶面积指数的高光谱反演 | 第40-41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 LAI反演系统的设计与实现 | 第43-53页 |
| 5.1 开发平台介绍 | 第43-45页 |
| 5.1.1 开发语言 | 第43-44页 |
| 5.1.2 GDAL库 | 第44-45页 |
| 5.2 系统逻辑结构 | 第45-46页 |
| 5.3 系统数据流程 | 第46-48页 |
| 5.4 功能模块设计 | 第48-52页 |
| 5.4.1 读取存储模块 | 第48-49页 |
| 5.4.2 显示模块 | 第49-50页 |
| 5.4.3 数据分析模块 | 第50-51页 |
| 5.4.4 数据处理模块 | 第51-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 不足与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 研究生期间研究成果 | 第61页 |
