摘要 | 第5-8页 |
ABSTRACT | 第8-11页 |
第一章 绪论 | 第18-33页 |
1.1 引言 | 第18-29页 |
1.1.1 研究背景 | 第18-21页 |
1.1.2 国内外研究现状与评述 | 第21-29页 |
1.2 研究目标与主要研究内容 | 第29-30页 |
1.2.1 关键的科学问题与研究目标 | 第29页 |
1.2.2 主要研究内容 | 第29-30页 |
1.3 研究技术路线 | 第30-32页 |
1.4 本论文章节安排 | 第32-33页 |
第二章 研究区与数据 | 第33-39页 |
2.1 研究区 | 第33-34页 |
2.2 研究数据 | 第34-37页 |
2.3 SAR数据处理 | 第37-39页 |
第三章 基于全极化SAR的作物播期与收割进度监测 | 第39-62页 |
3.1 研究进展 | 第39-42页 |
3.1.1 播期监测研究进展 | 第39-41页 |
3.1.2 收割进度监测研究进展 | 第41-42页 |
3.2 研究方法 | 第42-48页 |
3.2.1 研究数据 | 第42-45页 |
3.2.2 SAR数据处理 | 第45-46页 |
3.2.3 SAR极化分解 | 第46-47页 |
3.2.4 播期早期监测方法与验证 | 第47-48页 |
3.2.5 收割进度监测方法验证 | 第48页 |
3.3 播期早期监测结果与讨论 | 第48-56页 |
3.3.1 全生育期极化响应行为动态分析 | 第48-52页 |
3.3.2 基于极化特征的播期早期监测 | 第52-54页 |
3.3.3 油菜地块播期制图 | 第54-55页 |
3.3.4 讨论 | 第55-56页 |
3.4 收割进度监测结果与讨论 | 第56-60页 |
3.4.1 基于时间序列分析的敏感参数筛选 | 第56-58页 |
3.4.2 作物品种的影响与动态规律 | 第58-59页 |
3.4.3 收割监测方法与验证 | 第59-60页 |
3.4.4 与现有方法的对比 | 第60页 |
3.5 小结 | 第60-62页 |
第四章 基于全极化SAR的作物倒伏灾害监测 | 第62-76页 |
4.1 研究进展 | 第62-64页 |
4.2 研究方法 | 第64-66页 |
4.2.1 研究区与数据 | 第64-65页 |
4.2.2 基于时间序列SAR数据的倒伏小麦特征识别 | 第65-66页 |
4.2.3 极化指数方法与验证 | 第66页 |
4.3 结果与分析 | 第66-73页 |
4.3.1 倒伏小麦SAR特征识别 | 第66-70页 |
4.3.2 SAR极化指数倒伏监测与验证 | 第70-73页 |
4.4 讨论 | 第73-75页 |
4.4.1 本方法的理论基础 | 第73-74页 |
4.4.2 与光学遥感方法的对比 | 第74页 |
4.4.3 存在问题及下一步研究 | 第74-75页 |
4.5 小结 | 第75-76页 |
第五章 基于简缩极化SAR的作物生物量监测 | 第76-103页 |
5.1 研究进展 | 第76-78页 |
5.2 研究方法 | 第78-82页 |
5.2.1 简缩极化SAR数据模拟 | 第78-79页 |
5.2.2 简缩极化SAR极化分解 | 第79-81页 |
5.2.3 简缩极化SAR参数提取 | 第81-82页 |
5.2.4 时间序列分析 | 第82页 |
5.2.5 模型验证与评估 | 第82页 |
5.3 油菜生物量估计结果与讨论 | 第82-92页 |
5.3.1 油菜SAR响应特征动态分析 | 第82-85页 |
5.3.2 油菜长势参数动态分析 | 第85-87页 |
5.3.3 油菜生物量监测模型与验证 | 第87-88页 |
5.3.4 与以前方法对比 | 第88-90页 |
5.3.5 与Entropy-Alpha特征对比 | 第90-92页 |
5.3.6 和其它CP参数比较 | 第92页 |
5.4 麦类生物量估计结果与讨论 | 第92-101页 |
5.4.1 麦类作物简缩极化特征时间序列分析 | 第92-96页 |
5.4.2 麦类作物长势参数动态分析 | 第96-97页 |
5.4.3 麦类作物生物量监测模型与验证 | 第97-101页 |
5.5 小结 | 第101-103页 |
第六章结论与展望 | 第103-108页 |
6.1 结论 | 第103-105页 |
6.2 创新点 | 第105-106页 |
6.3 讨论与展望 | 第106-108页 |
参考文献 | 第108-124页 |
在读期间的学术研究 | 第124-127页 |
致谢 | 第127-128页 |