| 摘要 | 第10-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景、目的和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 遥感技术应用于农业航空的国内外研究现状 | 第15-16页 |
| 1.2.2 高光谱遥感估产国内外研究现状 | 第16-17页 |
| 1.3 研究内容和技术路线 | 第17-20页 |
| 1.3.1 研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18-20页 |
| 第二章 高光谱数据的获取 | 第20-27页 |
| 2.1 研究区域状况 | 第20-22页 |
| 2.2 高光谱数据获取 | 第22-25页 |
| 2.2.1 遥感数据的获取 | 第22-24页 |
| 2.2.2 遥感数据预处理 | 第24-25页 |
| 2.3 植被指数的提取 | 第25-26页 |
| 2.3.1 归一化植被指数(NDVI)的计算 | 第25页 |
| 2.3.2 光化学植被指数(PRI)的计算 | 第25-26页 |
| 2.4 产量数据的获取 | 第26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 模型算法介绍 | 第27-38页 |
| 3.1 一元回归 | 第27-28页 |
| 3.1.1 基本概念 | 第27页 |
| 3.1.2 构建步骤 | 第27页 |
| 3.1.3 方程计算 | 第27-28页 |
| 3.2 多元线性回归 | 第28-31页 |
| 3.2.1 多元线性回归分析的基本原理及概述 | 第28页 |
| 3.2.2 多元线性回归的求解(估计参数) | 第28-31页 |
| 3.3 主成分分析 | 第31-33页 |
| 3.3.1 PAC原理 | 第31-32页 |
| 3.3.2 主成分分析计算 | 第32-33页 |
| 3.4 BP神经网络 | 第33-37页 |
| 3.4.1 BP神经网络原理 | 第33-36页 |
| 3.4.2 BP算法的程序实现 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第四章 归一化植被指数NDVI估产模型的建立 | 第38-47页 |
| 4.1 NDVI与产量的相关性分析 | 第38-39页 |
| 4.2 NDVI与产量回归模型 | 第39-44页 |
| 4.2.1 一元回归模型 | 第39-42页 |
| 4.2.2 多元线性回归模型 | 第42-44页 |
| 4.3 基于主成分分析的线性回归模型 | 第44-46页 |
| 4.4 小结 | 第46-47页 |
| 第五章 叶片光化学指数PRI的产量模型建立 | 第47-53页 |
| 5.1 PRI与产量相关性分析 | 第47-48页 |
| 5.2 PRI与产量回归模型 | 第48-50页 |
| 5.2.1 一元回归模型 | 第48-50页 |
| 5.2.2 多元线性回归模型 | 第50页 |
| 5.3 基于主成分分析的线性回归模型 | 第50-52页 |
| 5.4 小结 | 第52-53页 |
| 第六章 冠层NDVI结合叶片PRI的产量模型的建立 | 第53-61页 |
| 6.1 复合回归模型 | 第53-54页 |
| 6.2 基于主成分分析的回归模型 | 第54-58页 |
| 6.3 基于主成分分析的BP神经网络产量预测模型 | 第58-60页 |
| 6.4 小结 | 第60-61页 |
| 第七章 产量模型验证 | 第61-64页 |
| 7.1 水稻冠层NDVI产量模型的验证 | 第61-62页 |
| 7.2 水稻叶片PRI和组合产量模型的验证 | 第62页 |
| 7.3 水稻叶片PRI和冠层NDVI结合产量模型的验证 | 第62-64页 |
| 第八章 结论与展望 | 第64-66页 |
| 8.1 结论 | 第64-65页 |
| 8.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表的论文及其他科研成果 | 第70页 |
