| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 引言 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究目标与研究内容 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·基于雷达数据的水稻目标识别 | 第12页 |
| ·水稻生化参数雷达数据反演 | 第12-13页 |
| ·作物生长模型研究 | 第13-14页 |
| ·遥感与作物生长模型同化 | 第14-15页 |
| ·论文组织与思路 | 第15-18页 |
| ·主要工作 | 第15页 |
| ·技术路线 | 第15-17页 |
| ·论文章节安排 | 第17-18页 |
| 第2章 数据获取与处理 | 第18-28页 |
| ·研究区概况 | 第18-19页 |
| ·研究区地理特征 | 第18-19页 |
| ·研究区作物类型 | 第19页 |
| ·数据获取 | 第19-22页 |
| ·水稻生物量 | 第19页 |
| ·气象数据 | 第19页 |
| ·实地调绘 | 第19-20页 |
| ·遥感数据 | 第20-22页 |
| ·雷达数据预处理 | 第22-28页 |
| ·预处理目的 | 第22页 |
| ·辐射校准 | 第22-23页 |
| ·斜距转地距 | 第23页 |
| ·单视转多视 | 第23-24页 |
| ·滤波 | 第24-27页 |
| ·几何纠正 | 第27-28页 |
| 第3章 基于 SVM 算法面向对象的极化 SAR 水稻识别 | 第28-43页 |
| ·水稻目标识别方法选择 | 第28-30页 |
| ·极化目标分解及特征选择 | 第30-37页 |
| ·极化目标分解 | 第30-33页 |
| ·不同地物目标的特征值对比分析 | 第33-37页 |
| ·极化 SAR 影像分割方法 | 第37页 |
| ·基于 SVM 算法的全极化 SAR 面向对象水稻识别 | 第37-42页 |
| ·SVM 分类算法 | 第38-40页 |
| ·实验结果及对比分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第4章 水稻生物量水云模型反演 | 第43-49页 |
| ·水稻生物量估算水云模型 | 第43-45页 |
| ·水稻生物量估算水云模型应用 | 第45-47页 |
| ·水稻生物量测量 | 第45页 |
| ·水稻生物量反演模型比较 | 第45-47页 |
| ·水稻生物量反演结果 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第5章 水稻潜在生产力水平下 WOFOST 模型参数调整 | 第49-61页 |
| ·WOFOST 模型 | 第49-55页 |
| ·WOFOST 模型简介 | 第49页 |
| ·WOFOST 模型原理 | 第49-54页 |
| ·潜在生产力水平下的 WOFOST 模型 | 第54-55页 |
| ·水稻 WOFOST 模型参数调整 | 第55-57页 |
| ·气象数据处理 | 第57-58页 |
| ·WOFOST 模型模拟结果与分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第6章 遥感与生长模型同化 | 第61-69页 |
| ·遥感数据同化方法 | 第61-63页 |
| ·实测数据与 WOFOST 模型同化 | 第63页 |
| ·多时相影像数据与 WOFOST 模型同化 | 第63-67页 |
| ·小结 | 第67-69页 |
| 第7章 总结 | 第69-71页 |
| ·结论 | 第69-70页 |
| ·创新点 | 第70页 |
| ·改进与展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-78页 |
| 附录 | 第78-86页 |
| 个人简历 | 第78页 |
| 论文发表 | 第78-79页 |
| 附录一 作物生长模型主要参数及意义 | 第79-84页 |
| 附录二 日照时数转化为辐射量 | 第84-85页 |
| 附录三 粒子群优化算法计算影响因子 | 第85-86页 |
