| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第19-37页 |
| 1.1 研究背景与研究意义 | 第19-21页 |
| 1.1.1 研究背景 | 第19-20页 |
| 1.1.2 研究意义 | 第20-21页 |
| 1.2 国内外研究进展 | 第21-29页 |
| 1.2.1 植被原始光谱信息经验法 | 第21-23页 |
| 1.2.2 利用植被指数的估算法 | 第23-25页 |
| 1.2.3 导数光谱技术估算法 | 第25-26页 |
| 1.2.4 红边位移估算法 | 第26-27页 |
| 1.2.5 连续统去除法 | 第27-28页 |
| 1.2.6 物理模型法 | 第28-29页 |
| 1.3 基因表达式编程算法概述 | 第29-31页 |
| 1.3.1 GEP算法 | 第29-30页 |
| 1.3.2 GEP算法的特点与优势 | 第30-31页 |
| 1.3.3 GEP算法的应用 | 第31页 |
| 1.4 存在问题与不足 | 第31-33页 |
| 1.5 研究内容与技术路线 | 第33-35页 |
| 1.5.1 研究内容 | 第33-34页 |
| 1.5.2 本文技术路线 | 第34-35页 |
| 1.6 本章小结 | 第35-37页 |
| 第2章 实验数据的获取与预处理 | 第37-42页 |
| 2.1 LOPEX93数据集 | 第37-39页 |
| 2.1.1 LOPEX93数据集介绍 | 第37-38页 |
| 2.1.2 LOPEX93数据集中光谱及生化参数的测量 | 第38-39页 |
| 2.2 叶面积指数及光谱的采集与预处理 | 第39-41页 |
| 2.2.1 叶面积指数的测量与采集 | 第39-40页 |
| 2.2.2 水稻冠层光谱数据采集与预处理 | 第40-41页 |
| 2.3 本章小结 | 第41-42页 |
| 第3章 基于GEP算法和叶片光谱反射率估算叶氮含量 | 第42-69页 |
| 3.1 引言 | 第42页 |
| 3.2 叶氮含量、叶片光谱反射率及其一阶导数 | 第42-45页 |
| 3.2.1 叶氮含量和叶片光谱反射率 | 第42-44页 |
| 3.2.2 叶片光谱反射率的一阶导数 | 第44-45页 |
| 3.3 本章技术路线 | 第45-46页 |
| 3.4 基于GEP算法的叶氮含量估算的实现 | 第46-64页 |
| 3.4.1 模型的建立 | 第46-52页 |
| 3.4.2 全波段估算模型 | 第52-55页 |
| 3.4.3 局部波段估算模型 | 第55-58页 |
| 3.4.4 一阶导数光谱全波段模型 | 第58-60页 |
| 3.4.5 一阶导数光谱局部波段模型 | 第60-63页 |
| 3.4.6 结果讨论 | 第63-64页 |
| 3.5 与回归模型的估算结果比较 | 第64-68页 |
| 3.5.1 回归模型的估算结果比较 | 第64-67页 |
| 3.5.2 结果讨论 | 第67-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第4章 基于GEP算法和叶片光学模型的叶片干物质含量估算 | 第69-90页 |
| 4.1 引言 | 第69页 |
| 4.2 实验数据集的选择 | 第69-70页 |
| 4.3 叶片光学模型(PROSPECT) | 第70页 |
| 4.4 本章技术路线 | 第70-71页 |
| 4.5 基于GEP算法和叶片光学模型的叶片干物质含量优化反演 | 第71-85页 |
| 4.5.1 目标函数的确定 | 第71-72页 |
| 4.5.2 适应度函数的确定 | 第72-73页 |
| 4.5.3 GEP算法的随机常数的控制 | 第73-76页 |
| 4.5.4 基于GEP算法的叶片干物质含量优化反演 | 第76-77页 |
| 4.5.5 基于GEP算法的估算结果验证 | 第77-79页 |
| 4.5.6 结果讨论 | 第79-85页 |
| 4.6 与基于遗传算法的叶片干物质反演比较 | 第85-89页 |
| 4.6.1 基于遗传算法的叶片干物质反演结果及比较 | 第85-88页 |
| 4.6.2 结果讨论 | 第88-89页 |
| 4.7 本章小结 | 第89-90页 |
| 第5章 基于GEP算法和高光谱数据的叶面积指数的估算 | 第90-108页 |
| 5.1 引言 | 第90页 |
| 5.2 实验数据的采集 | 第90-92页 |
| 5.2.1 采集区概况 | 第90-92页 |
| 5.2.2 水稻冠层光谱及LAI | 第92页 |
| 5.3 本章技术路线 | 第92-94页 |
| 5.4 基于GEP算法构建LAI估算的新光谱指数 | 第94-99页 |
| 5.4.1 基于GEP算法构建LAI-光谱估算模型 | 第94-97页 |
| 5.4.2 构建新光谱指数及其物理意义 | 第97-99页 |
| 5.5 结果验证及讨论 | 第99-107页 |
| 5.5.1 基于PROSAIL模型的验证 | 第99-100页 |
| 5.5.2 叶绿素影响及饱和水平的比较分析 | 第100-104页 |
| 5.5.3 基于PROSAIL模型评价分析光谱指数的适应性 | 第104-106页 |
| 5.5.4 基于田间测量数据的验证 | 第106-107页 |
| 5.6 本章小结 | 第107-108页 |
| 第6章 结论与展望 | 第108-112页 |
| 6.1 主要研究成果和结论 | 第108-109页 |
| 6.2 论文创新点 | 第109-110页 |
| 6.3 展望 | 第110-112页 |
| 参考文献 | 第112-120页 |
| 攻读博士学位期间科研情况 | 第120-122页 |
| 致谢 | 第122-124页 |
