| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 物候监测研究现状 | 第10-12页 |
| 1.2.2 叶面积指数反演研究现状 | 第12-14页 |
| 1.3 研究内容与技术路线 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 数据获取与处理 | 第17-33页 |
| 2.1 实验区概况 | 第17页 |
| 2.2 数据采集与处理 | 第17-22页 |
| 2.2.1 四通道辐射计 | 第18-20页 |
| 2.2.2 ASD高光谱数据 | 第20-21页 |
| 2.2.3 无人机多光谱数据 | 第21-22页 |
| 2.2.4 叶面积指数数据 | 第22页 |
| 2.3 建模方法 | 第22-29页 |
| 2.3.1 k-近邻算法 | 第23-24页 |
| 2.3.2 支持向量机 | 第24-25页 |
| 2.3.3 随机森林 | 第25-26页 |
| 2.3.4 梯度提升决策树 | 第26-27页 |
| 2.3.5 人工神经网络 | 第27-29页 |
| 2.3.6 线性回归 | 第29页 |
| 2.3.7 多项式回归 | 第29页 |
| 2.4 模型选择及评价标准 | 第29-32页 |
| 2.4.1 偏差与方差 | 第29-30页 |
| 2.4.2 交叉验证 | 第30-31页 |
| 2.4.3 评价标准 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 油菜关键生长发育期识别 | 第33-47页 |
| 3.1 利用Stacking组合方法识别油菜生长发育期 | 第33-39页 |
| 3.2 机器学习结合植被指数识别油菜生长发育期 | 第39-45页 |
| 3.3 本章小结 | 第45-47页 |
| 4 结合物候信息的叶面积指数反演 | 第47-59页 |
| 4.1 机器学习模型 | 第47-49页 |
| 4.2 植被指数经验模型 | 第49-58页 |
| 4.2.1 油菜全生育期的植被指数模型反演LAI | 第51-53页 |
| 4.2.2 油菜叶期植被指数模型反演LAI | 第53-54页 |
| 4.2.3 油菜花期植被指数模型反演LAI | 第54-56页 |
| 4.2.4 油菜角果期植被指数模型反演LAI | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 5 结论与展望 | 第59-61页 |
| 5.1 结果与讨论 | 第59-60页 |
| 5.2 不足与展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间课题研究情况 | 第67-68页 |
| 致谢 | 第68-69页 |