| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-17页 |
| 1.1 研究意义 | 第8-9页 |
| 1.2 叶面积指数的概念及测定方法 | 第9-10页 |
| 1.3 遥感反演叶面积指数方法研究进展 | 第10-14页 |
| 1.3.1 统计模型法研究进展 | 第10-11页 |
| 1.3.2 物理模型法研究进展 | 第11-13页 |
| 1.3.3 人工神经网络研究进展 | 第13-14页 |
| 1.4 研究内容和技术路线 | 第14-15页 |
| 1.4.1 研究目标及主要内容 | 第14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 1.5 论文结构 | 第15-17页 |
| 第二章 研究区与数据预处理 | 第17-27页 |
| 2.1 研究区概况 | 第17页 |
| 2.2 数据源 | 第17-21页 |
| 2.2.1 LAI地面测量数据 | 第17-19页 |
| 2.2.2 遥感数据 | 第19-21页 |
| 2.3 影像预处理 | 第21-24页 |
| 2.3.1 辐射定标 | 第21页 |
| 2.3.2 大气校正 | 第21-22页 |
| 2.3.3 几何校正 | 第22-24页 |
| 2.4 研究方法 | 第24-26页 |
| 2.4.1 统计模型法 | 第24页 |
| 2.4.2 BP神经网络模型 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 植被指数的地形影响分析 | 第27-39页 |
| 3.1 植被指数的选取 | 第27-28页 |
| 3.2 地形影响分析 | 第28-31页 |
| 3.2.1 评价方法 | 第28页 |
| 3.2.2 植被指数计算结果 | 第28-30页 |
| 3.2.3 与cosi相关性分析 | 第30-31页 |
| 3.3 地形校正 | 第31-38页 |
| 3.3.1 地形校正方法 | 第32页 |
| 3.3.2 地形校正结果 | 第32-33页 |
| 3.3.3 与cosi相关性分析 | 第33-34页 |
| 3.3.4 校正前后阴/阳坡差异比较 | 第34-35页 |
| 3.3.5 地形坡度对植被指数的影响 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 统计模型反演LAI | 第39-50页 |
| 4.1 反演模型与评价方法 | 第39-40页 |
| 4.2 地形校正前后—元统计模型反演LAI | 第40-46页 |
| 4.2.1 LAI与植被指数的相关性分析 | 第40-41页 |
| 4.2.2 地形校正后LAI与植被指数的相关性分析 | 第41-44页 |
| 4.2.3 LAI反演模型精度验证 | 第44-46页 |
| 4.3 地形校正前后多元线性回归模型反演LAI | 第46-49页 |
| 4.3.1 LAI与植被指数组合的相关性分析 | 第46-47页 |
| 4.3.2 地形校正后LAI与植被指数组合的相关性分析 | 第47页 |
| 4.3.3 LAI反演模型精度验证 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 BP神经网络反演LAI | 第50-63页 |
| 5.1 BP神经网络结构 | 第50-51页 |
| 5.2 BP神经网络性能的影响因素 | 第51-53页 |
| 5.3 BP神经网络反演LAI | 第53-57页 |
| 5.3.1 BP神经网络训练 | 第53-55页 |
| 5.3.2 BP神经网络模型训练结果分析 | 第55-57页 |
| 5.4 精度验证 | 第57-59页 |
| 5.5 研究区叶面积指数制图及分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 结论 | 第63-64页 |
| 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |