| 中文摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 英文缩略词表 | 第12-14页 |
| 第1章 引言 | 第14-37页 |
| ·选题背景 | 第14页 |
| ·高光谱遥感获取植物叶绿素含量的基础 | 第14-17页 |
| ·国内外研究进展 | 第17-31页 |
| ·经验统计方法 | 第17-19页 |
| ·辐射传输模型 | 第19-25页 |
| ·叶片光学模型 | 第20-21页 |
| ·冠层辐射传输模型 | 第21页 |
| ·PROSAIL耦合模型 | 第21-22页 |
| ·辐射传输模型反演获取生物理化参数原理 | 第22-24页 |
| ·模型反演的病态本质 | 第24-25页 |
| ·辐射传输模型反演技术进展 | 第25-30页 |
| ·迭代优化算法 | 第25-26页 |
| ·查找表法 | 第26-27页 |
| ·机器学习 | 第27-30页 |
| ·存在问题 | 第30-31页 |
| ·研究目的与意义 | 第31-32页 |
| ·研究内容与技术路线 | 第32-35页 |
| ·研究内容 | 第32-33页 |
| ·技术路线 | 第33-35页 |
| ·论文组织结构 | 第35-37页 |
| 第2章 研究区与数据资料 | 第37-45页 |
| ·研究区概况 | 第37-38页 |
| ·叶片样品 | 第38-40页 |
| ·叶片采集 | 第38-39页 |
| ·叶片叶绿素含量测量及光谱测量 | 第39-40页 |
| ·叶片光谱测量 | 第39页 |
| ·叶片叶绿素含量测量 | 第39-40页 |
| ·冠层光谱测量 | 第40页 |
| ·平均叶倾角测算 | 第40-41页 |
| ·叶面积指数测定 | 第41-42页 |
| ·冠层叶绿素含量测算 | 第42页 |
| ·叶片等效水分含量与干物质量测算 | 第42-43页 |
| ·HYPERION高光谱影像 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 ASD高光谱数据预处理 | 第45-61页 |
| ·ASD高光谱数据预处理 | 第45-47页 |
| ·ASD高光谱波段选择 | 第45-46页 |
| ·ASD光谱数据平滑处理 | 第46-47页 |
| ·光谱数据增强 | 第47-60页 |
| ·导数光谱变换 | 第47-48页 |
| ·包络线去除 | 第48-49页 |
| ·小波变换 | 第49-60页 |
| ·小波变换原理 | 第50-51页 |
| ·小波变换降噪 | 第51-52页 |
| ·小波函数的优化选择 | 第52-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 农作物叶片尺度叶绿素含量定量反演 | 第61-126页 |
| ·PROSPECT模拟叶片光谱 | 第61-63页 |
| ·叶片反射率敏感性分析 | 第61-62页 |
| ·叶片尺度光谱数据集建立 | 第62-63页 |
| ·基于支持向量机和PROSPECT的叶片叶绿素反演模型 | 第63-88页 |
| ·统计学习 | 第63页 |
| ·支持向量机 | 第63-67页 |
| ·SVM参数性能分析 | 第67页 |
| ·遗传算法优化SVM参数 | 第67-70页 |
| ·SVM参数编码 | 第69页 |
| ·初始化 | 第69页 |
| ·适应度函数 | 第69页 |
| ·遗传算法操作子 | 第69-70页 |
| ·粒子群优化确定SVM参数 | 第70-72页 |
| ·粒子群优化 | 第70-71页 |
| ·PSO确定SVM参数 | 第71-72页 |
| ·SVM-PROSPECT农作物叶片叶绿素反演模型建立 | 第72-73页 |
| ·模型精度检验 | 第73页 |
| ·GA-SVM模型结果与讨论 | 第73-81页 |
| ·GA-SVM种群最大数量参数影响分析 | 第73-75页 |
| ·GA-SVM适应度分析 | 第75-76页 |
| ·GA-SVM模型结果与分析 | 第76-81页 |
| ·PSO-SVM模型结果与讨论 | 第81-88页 |
| ·PSO-SVM种群最大数量参数影响分析 | 第81-82页 |
| ·PSO-SVM适应度分析 | 第82-84页 |
| ·PSO-SVM模型结果与分析 | 第84-88页 |
| ·基于随机森林和PROSPECT的叶片叶绿素反演模型 | 第88-106页 |
| ·决策树 | 第89-91页 |
| ·集成学习 | 第91-94页 |
| ·集成学习模型 | 第91-92页 |
| ·Bagging算法 | 第92-94页 |
| ·随机森林 | 第94-97页 |
| ·随机森林原理 | 第95-96页 |
| ·RF变量重要性测算 | 第96-97页 |
| ·随机森林参数设定 | 第97页 |
| ·RF-PROSPECT模型精度检验 | 第97-98页 |
| ·结果与讨论 | 第98-106页 |
| ·RF树的数目参数影响分析 | 第98-100页 |
| ·RF特征数目参数影响分析 | 第100-101页 |
| ·RF变量重要性结果 | 第101页 |
| ·RF-PROSPECT模型结果与讨论 | 第101-106页 |
| ·基于梯度助推机和PROSPECT的叶片叶绿素反演模型 | 第106-122页 |
| ·Boosting算法 | 第106-107页 |
| ·梯度助推机 | 第107-111页 |
| ·梯度助推树 | 第108-110页 |
| ·GBM随机采样 | 第110页 |
| ·GBM可解释性 | 第110-111页 |
| ·GBM-PROSPECT农作物叶片叶绿素反演模型参数设置 | 第111-113页 |
| ·GBM-PROSPECT农作物叶片叶绿素反演模型检验 | 第113页 |
| ·结果与讨论 | 第113-122页 |
| ·GBM树的数目影响分析 | 第113-114页 |
| ·GBM学习速率参数分析 | 第114-115页 |
| ·GBM树节点数目影响分析 | 第115-116页 |
| ·GBM-PROSPECT模型估算农作物叶片叶绿素含量结果分析 | 第116-121页 |
| ·GBM-PROSPECT模型变量重要性结果分析 | 第121-122页 |
| ·PROSPECT模型有效性讨论 | 第122-124页 |
| ·本章小结 | 第124-126页 |
| 第5章 农作物冠层尺度叶绿素含量遥感反演 | 第126-153页 |
| ·HYPERION高光谱影像预处理 | 第126-136页 |
| ·波段选择 | 第127-128页 |
| ·辐射定标 | 第128页 |
| ·坏线修复 | 第128页 |
| ·大气校正 | 第128-129页 |
| ·独立分量分析 | 第129-133页 |
| ·ICA原理 | 第130-131页 |
| ·ICA特征提取 | 第131-133页 |
| ·包络线去除 | 第133-134页 |
| ·小波变换 | 第134-136页 |
| ·PROSAIL模拟冠层光谱 | 第136-138页 |
| ·冠层光谱反射率敏感性分析 | 第136-137页 |
| ·训练数据集与测试集确定 | 第137-138页 |
| ·基于机器学习和PROSAIL的农作物冠层叶绿素含量反演模型 | 第138-147页 |
| ·随机森林参数设定 | 第139页 |
| ·GBM参数设定 | 第139-141页 |
| ·农作物冠层叶绿素反演结果 | 第141-144页 |
| ·变量重要性结果 | 第144-147页 |
| ·RF-PROSAIL模型推广到HYPERION影像 | 第147-148页 |
| ·PROSAIL模型有效性讨论 | 第148-149页 |
| ·不同尺度辐射传输模型反演叶绿素含量讨论 | 第149-150页 |
| ·辐射传输模型反演病态本质讨论 | 第150-151页 |
| ·本章小结 | 第151-153页 |
| 第6章 结论 | 第153-158页 |
| ·研究总结 | 第153-156页 |
| ·创新点 | 第156页 |
| ·未来工作展望 | 第156-158页 |
| 参考文献 | 第158-174页 |
| 致谢 | 第174-176页 |
| 附录 | 第176-195页 |
