| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 引言 | 第10-15页 |
| 1.1 研究目的及意义 | 第10页 |
| 1.2 遥感估算叶绿素含量的基础和优势 | 第10-11页 |
| 1.3 国内外研究进展 | 第11-14页 |
| 1.3.1 叶绿素传统估算 | 第11页 |
| 1.3.2 叶绿素遥感估算 | 第11-14页 |
| 1.4 技术路线 | 第14-15页 |
| 2 研究区概况与数据资料 | 第15-20页 |
| 2.1 研究区概况 | 第15-16页 |
| 2.1.1 地理位置及地貌 | 第15页 |
| 2.1.2 气候与植被特征 | 第15-16页 |
| 2.2 数据收集 | 第16-20页 |
| 2.2.1 野外实测数据采集 | 第16-17页 |
| 2.2.2 实验室测定叶绿素含量与含水量 | 第17-18页 |
| 2.2.3 Landsat-8OLI数据 | 第18-20页 |
| 3 模型参数的设定及数据处理 | 第20-26页 |
| 3.1 PROSAIL模型介绍 | 第20页 |
| 3.2 模型参数设定 | 第20-21页 |
| 3.3 Landsat-8OLI数据预处理 | 第21-23页 |
| 3.4 植被指数的选取与计算 | 第23-26页 |
| 3.4.1 植被指数的选取 | 第23-24页 |
| 3.4.2 植被指数的计算 | 第24-26页 |
| 4 PROSAIL模型模拟及敏感性分析 | 第26-38页 |
| 4.1 模型参数的敏感性分析 | 第26-28页 |
| 4.2 NDVI敏感性分析 | 第28-34页 |
| 4.2.1 叶片尺度NDVI敏感性分析 | 第28-30页 |
| 4.2.2 冠层尺度NDVI敏感性分析 | 第30-34页 |
| 4.3 PRI敏感性分析 | 第34-38页 |
| 4.3.1 叶片尺度PRI敏感性分析 | 第34-35页 |
| 4.3.2 冠层尺度PRI敏感性分析 | 第35-38页 |
| 5 基于模型模拟和遥感图像的叶绿素含量估算 | 第38-46页 |
| 5.1 不同植被指数与叶绿素含量的关系 | 第38-40页 |
| 5.2 基于模型模拟的叶绿素含量估算模型 | 第40-41页 |
| 5.3 实测与模型模拟的植被光谱的比较 | 第41-42页 |
| 5.4 基于Landsat-8OLI影像的叶绿素估算模型的建立 | 第42-43页 |
| 5.5 叶绿素含量估算成图 | 第43-46页 |
| 6 基于BP神经网络算法的叶绿素含量估算 | 第46-50页 |
| 6.1 BPNN模型介绍 | 第46页 |
| 6.2 BPNN冬小麦叶绿素反演模型 | 第46-50页 |
| 7 结论与展望 | 第50-52页 |
| 7.1 结论与讨论 | 第50-51页 |
| 7.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间取得的科研成果清单 | 第58页 |