| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 遥感反演叶面积指数的国内研究现状 | 第12-13页 |
| 1.2.2 遥感反演叶面积指数的国外研究现状 | 第13-14页 |
| 1.2.3 待解决的问题 | 第14-16页 |
| 1.3 本文的研究内容及主要组织结构 | 第16-19页 |
| 第2章 基于多种特征参量的叶面积指数反演 | 第19-57页 |
| 2.1 引言 | 第19-20页 |
| 2.2 光谱特征的参量化 | 第20-22页 |
| 2.2.1 吸收峰特征 | 第20-22页 |
| 2.2.2 吸收峰检测 | 第22页 |
| 2.3 光谱预处理 | 第22-26页 |
| 2.3.1 水汽波段的去除 | 第23页 |
| 2.3.2 包络线去除 | 第23-24页 |
| 2.3.3 光谱去噪 | 第24-26页 |
| 2.4 反演算法 | 第26-32页 |
| 2.4.1 回归分析法 | 第26-27页 |
| 2.4.2 BP神经网络法 | 第27-29页 |
| 2.4.3 支持向量机回归法 | 第29-31页 |
| 2.4.4 模型评价指标 | 第31-32页 |
| 2.5 基于吸收峰特征的叶面积指数反演 | 第32-48页 |
| 2.5.1 光谱预处理结果 | 第32-33页 |
| 2.5.2 吸收峰特征提取 | 第33-34页 |
| 2.5.3 相关性分析 | 第34页 |
| 2.5.4 吸收峰特征与叶面积指数的回归分析模型 | 第34-42页 |
| 2.5.5 吸收峰特征与叶面积指数的BP神经网络模型 | 第42-46页 |
| 2.5.6 吸收峰特征与叶面积指数的支持向量机模型 | 第46-48页 |
| 2.6 基于光谱指数的叶面积指数的反演 | 第48-55页 |
| 2.6.1 植被指数与叶面积指数的回归分析 | 第49-53页 |
| 2.6.2 植被指数与叶面积指数的BP神经网络模型 | 第53-54页 |
| 2.6.3 植被指数与叶面积指数的支持向量机模型 | 第54-55页 |
| 2.7 基于反射率的叶面积指数反演 | 第55-56页 |
| 2.7.1 反射率与叶面积指数的BP神经网络模型 | 第55-56页 |
| 2.7.2 反射率与叶面积指数的支持向量机回归模型 | 第56页 |
| 2.8 本章小结 | 第56-57页 |
| 第3章 基于多尺度的吸收峰特征反演叶面积指数 | 第57-79页 |
| 3.1 引言 | 第57-58页 |
| 3.2 基于多尺度的反演方法 | 第58-61页 |
| 3.2.1 尺度空间方法的原理 | 第58-60页 |
| 3.2.2 光谱的预处理 | 第60-61页 |
| 3.3 实验结果与分析 | 第61-78页 |
| 3.3.1 不同分辨率下基于Fingerprint方法反演叶面积指数 | 第63-70页 |
| 3.3.2 不同分辨率下基于MMMT方法反演叶面积指数 | 第70-77页 |
| 3.3.3 不同的吸收峰的反演效果对比 | 第77-78页 |
| 3.4 本章小结 | 第78-79页 |
| 第4章 总结与展望 | 第79-81页 |
| 4.1 总结 | 第79-80页 |
| 4.2 展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 附录 | 第88页 |
