| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-41页 |
| ·选题意义 | 第16-18页 |
| ·研究现状 | 第18-29页 |
| ·叶面积指数遥感反演研究进展 | 第18-20页 |
| ·作物生长模型研究进展 | 第20-23页 |
| ·遥感信息与作物生长模型结合研究现状 | 第23-29页 |
| ·国际研究现状 | 第23-27页 |
| ·我国的研究现状 | 第27-29页 |
| ·遥感信息与作物生长模型结合存在的问题 | 第29页 |
| ·研究内容及实施方案 | 第29-35页 |
| ·论文组织结构 | 第30-31页 |
| ·论文研究实施方案 | 第31-35页 |
| 参考文献 | 第35-41页 |
| 第二章 叶面积指数遥感模型与反演方法 | 第41-55页 |
| ·获取叶面积指数的经验公式法 | 第41-43页 |
| ·物理模型反演法 | 第43-52页 |
| ·植被冠层辐射传输模型 | 第44-47页 |
| ·植被冠层辐射传输模型反演方法 | 第47-52页 |
| ·小结 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 第三章 遥感反演叶面积指数的集合卡尔曼滤波方法 | 第55-68页 |
| ·集合卡尔曼滤波基本原理与算法 | 第55-57页 |
| ·集合卡尔曼滤波算法中LOGISTIC 模型和辐射传输模型SAIL 处理 | 第57-59页 |
| ·LOGISTIC 模型在集合卡尔曼滤波算法中的处理 | 第57-59页 |
| ·集合卡尔曼滤波算法中 SAIL 模型的处理 | 第59页 |
| ·集合卡尔曼滤波算法反演冬小麦LAI | 第59-66页 |
| ·实验数据 | 第59-60页 |
| ·数据分析与LAI 同化反演结果 | 第60-66页 |
| ·小结 | 第66-67页 |
| 参考文献 | 第67-68页 |
| 第四章 同化遥感数据与作物生长模型的 LAI 变分同化反演 | 第68-103页 |
| ·变分数据同化技术的基本原理 | 第68-74页 |
| ·待优化参数u 先验信息更新方式 | 第71-72页 |
| ·观测算子的伴随模式 | 第72-74页 |
| ·采用简单作物生长模型LOGISTIC同化反演LAI的算法验证 | 第74-81页 |
| ·实验数据和误差处理 | 第74-77页 |
| ·实验数据 | 第74-75页 |
| ·误差处理 | 第75-77页 |
| ·反演结果分析 | 第77-81页 |
| ·LAI 反演结果分析 | 第77-78页 |
| ·先验信息对反演结果的影响 | 第78-79页 |
| ·测量误差对反演结果的影响 | 第79-81页 |
| ·区域尺度同化时序遥感观测数据反演LAI | 第81-92页 |
| ·作物生长模型CERES-Wheat模型 | 第81-84页 |
| ·实验区描述 | 第84页 |
| ·CERES-Wheat参数敏感度分析 | 第84-88页 |
| ·顺义地区2004年区域尺度冬小麦LAI遥感数据同化结果 | 第88-92页 |
| ·引入LAI地面先验廓线信息改进冬小麦LAI同化反演方法 | 第92-98页 |
| ·LAI先验信息的获取 | 第93-94页 |
| ·引入地面LAI 先验廓线信息的变分同化算法改进 | 第94-96页 |
| ·引入地面LAI 先验廓线信息的LAI 同化反演结果 | 第96-98页 |
| ·小结 | 第98-102页 |
| 参考文献 | 第102-103页 |
| 第五章 粒子滤波方法在叶面积指数反演及产量估算中的应用 | 第103-136页 |
| ·各种滤波算法的局限性 | 第103-104页 |
| ·粒子滤波算法的主要思想 | 第104-108页 |
| ·非线性贝叶斯滤波 | 第104-105页 |
| ·序贯重要性抽样算法(SIS) | 第105-107页 |
| ·粒子滤波退化问题及Bootstrap算法 | 第107-108页 |
| ·作物生长模型参数数据收集 | 第108-111页 |
| ·实验区地理概况 | 第109页 |
| ·榆树实验区土壤特性 | 第109-111页 |
| ·土壤形态参数收集 | 第109-110页 |
| ·土壤理化特性参数收集 | 第110-111页 |
| ·实验区玉米管理参数收集 | 第111页 |
| ·CERES-Maize 模型与辐射传输模型SAIL 的处理 | 第111-119页 |
| ·滤波算法观测项误差估算方法 | 第112-119页 |
| ·CERES-Maize模型处理 | 第119页 |
| ·粒子滤波算法在榆树地区玉米叶面积数反演以及产量估算中的应用 | 第119-134页 |
| ·玉米叶面积指数地面调查 | 第119-120页 |
| ·玉米产量数据地面调查 | 第120-122页 |
| ·叶面积指数反演 | 第122-133页 |
| ·CERES－Maize 模型校正 | 第122-124页 |
| ·叶面积指数粒子滤波反演 | 第124-127页 |
| ·叶面积指数滤波结果验证 | 第127-133页 |
| ·产量估算结果分析 | 第133-134页 |
| ·小结 | 第134-135页 |
| 参考文献 | 第135-136页 |
| 第六章 结论与展望 | 第136-140页 |
| ·主要研究内容与研究成果 | 第136-138页 |
| ·集合卡尔曼滤波算法同化反演叶面积指数 | 第136页 |
| ·构建了时序遥感观测和作物生长模型的变分数据同化算法 | 第136-137页 |
| ·构建了时序遥感观测和作物生长模型的粒子滤波数据同化算法 | 第137-138页 |
| ·创新点 | 第138页 |
| ·存在问题及进一步研究展望 | 第138-140页 |
| ·遥感空间相关信息在数据同化中的利用 | 第138-139页 |
| ·在遥感数据同化中融入多源信息 | 第139页 |
| ·变分数据同化算法与滤波算法的结合 | 第139-140页 |
| 攻读博士学位期间完成论文 | 第140-141页 |
| 致谢 | 第141页 |
