| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 植被含水量研究的目的与意义 | 第9-10页 |
| 1.2 利用遥感技术反演植被含水量的必要性 | 第10页 |
| 1.3 遥感估测植被含水量国内外研究现状 | 第10-13页 |
| 1.3.1 基于雷达数据的介电常数法 | 第11页 |
| 1.3.2 基于多光谱数据的植被指数法 | 第11-13页 |
| 1.4 本文研究目标和技术路线 | 第13-15页 |
| 1.4.1 研究目标 | 第13-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 1.5 章节安排 | 第15-16页 |
| 2 研究区概况及数据收集 | 第16-21页 |
| 2.1 研究区概况 | 第16页 |
| 2.2 试验设计 | 第16-17页 |
| 2.3 测定项目及方法 | 第17-18页 |
| 2.3.1 叶片含水量 | 第17-18页 |
| 2.3.2 郁闭度和LAI | 第18页 |
| 2.4 Sentinel-1B介绍 | 第18-19页 |
| 2.5 Landsat8介绍 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 SAR成像特性与遥感影像预处理 | 第21-30页 |
| 3.1 雷达系统参数 | 第21-23页 |
| 3.1.1 波段或频率 | 第21-22页 |
| 3.1.2 极化方式 | 第22-23页 |
| 3.1.3 入射角 | 第23页 |
| 3.2 雷达影像的特征 | 第23-24页 |
| 3.2.1 雷达分辨率 | 第23-24页 |
| 3.2.2 雷达影像的几何特征 | 第24页 |
| 3.3 雷达方程和后向散射系数 | 第24-26页 |
| 3.3.1 雷达方程 | 第24-25页 |
| 3.3.2 雷达后向散射系数 | 第25-26页 |
| 3.4 遥感影像预处理 | 第26-29页 |
| 3.4.1 Sentinel-1B数据预处理 | 第26-28页 |
| 3.4.2 Landsat8 OLI数据预处理 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 结合Sentinel-1B和Landsat8 OLI数据的冠层叶片含水量反演 | 第30-46页 |
| 4.1 植被指数的计算 | 第30页 |
| 4.2 典型相关性分析 | 第30-35页 |
| 4.2.1 典型相关性分析原理 | 第30-31页 |
| 4.2.2 典型相关性分析结果 | 第31-35页 |
| 4.3 主成分提取 | 第35-37页 |
| 4.4 精度评价指标 | 第37页 |
| 4.5 规则函数模型构建结果 | 第37-39页 |
| 4.6 BP神经网络 | 第39-44页 |
| 4.6.1 BP神经网络模型原理 | 第39-41页 |
| 4.6.2 BP神经网络模型训练结果与分析 | 第41-44页 |
| 4.7 净月潭森林公园冠层叶片含水量反演结果 | 第44页 |
| 4.8 本章小结 | 第44-46页 |
| 结论与展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读学位期间发表的学术论文 | 第52-53页 |
| 致谢 | 第53-54页 |