| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究的目的与意义 | 第14-15页 |
| 1.4 研究内容和技术路线 | 第15-16页 |
| 1.4.1 研究内容 | 第15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 1.5 论文结构安排 | 第16-18页 |
| 第二章 材料、方法和数据预处理 | 第18-29页 |
| 2.1 数据来源 | 第18-19页 |
| 2.2 研究方法 | 第19-21页 |
| 2.2.1 植被指数的选择 | 第19-20页 |
| 2.2.2 模型算法的选择 | 第20-21页 |
| 2.2.3 反演模型精度验证指标 | 第21页 |
| 2.3 数据预处理 | 第21-27页 |
| 2.3.1 双子叶植物叶片高光谱信息 | 第21-22页 |
| 2.3.2 各植被指数特征波段选择与相关性分析 | 第22-25页 |
| 2.3.3 基于原始光谱的主成分获取 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 类胡萝卜素含量回归分析方法反演建模研究 | 第29-41页 |
| 3.1 单植被指数的类胡萝卜素含量反演建模研究 | 第29-35页 |
| 3.1.1 线性反演建模研究 | 第29-30页 |
| 3.1.2 非线性反演建模研究 | 第30-33页 |
| 3.1.3 单植被指数反演建模研究结果分析 | 第33-35页 |
| 3.2 多植被指数组合的类胡萝卜素含量线性反演建模研究 | 第35-37页 |
| 3.3 基于主成分分析的类胡萝卜素含量反演建模研究 | 第37-39页 |
| 3.4 回归分析反演建模效果对比 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 类胡萝卜素含量神经网络方法反演建模研究 | 第41-58页 |
| 4.1 基于BP神经网络的类胡箩卜素含量反演建模研究 | 第41-46页 |
| 4.1.1 BP神经网络的基本原理 | 第41-43页 |
| 4.1.2 BP神经网络的反演建模结果分析 | 第43-46页 |
| 4.2 基于RBF神经网络的类胡萝卜素含量反演建模研究 | 第46-51页 |
| 4.2.1 RBF神经网络的基本原理 | 第46-49页 |
| 4.2.2 RBF神经网络的反演结果分析 | 第49-51页 |
| 4.3 基于遗传神经网络的类胡萝卜素含量反演建模研究 | 第51-56页 |
| 4.3.1 遗传算法的基本原理 | 第51-53页 |
| 4.3.2 遗传神经网络的反演结果分析 | 第53-56页 |
| 4.4 三种神经网络反演建模效果对比 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 研究结论 | 第58-59页 |
| 5.2 问题与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
