论文目录 | |
致谢 | 第1-9页 |
摘要 | 第9-12页 |
ABSTRACT | 第12-26页 |
缩写 | 第26-28页 |
软件环境 | 第28-29页 |
1 绪论 | 第29-51页 |
1.1 研究的目的和意义 | 第29-30页 |
1.2 水稻信息遥感提取研究进展 | 第30-47页 |
1.2.1 水稻种植面积遥感估算研究进展 | 第31-37页 |
1.2.2 水稻生育期遥感识别研究进展 | 第37-40页 |
1.2.3 水稻长势遥感监测研究进展 | 第40-42页 |
1.2.4 水稻遥感估产研究进展 | 第42-47页 |
1.3 水稻信息遥感提取中存在的问题 | 第47-48页 |
1.4 研究目标、主要研究内容及技术路线 | 第48-51页 |
1.4.1 研究目标 | 第48页 |
1.4.2 论文主要研究内容 | 第48-49页 |
1.4.3 技术路线 | 第49-51页 |
2 地面实验、数据获取及方法 | 第51-73页 |
2.1 研究区概况 | 第51-53页 |
2.2 实验设计及地面数据采集 | 第53-58页 |
2.2.1 实验设计 | 第53页 |
2.2.2 样地与样方选取 | 第53-54页 |
2.2.3 地面观测 | 第54-58页 |
2.3 研究采用遥感数据及影像预处理方法 | 第58-63页 |
2.3.1 环境一号卫星A、B星 | 第58-59页 |
2.3.2 Landsat-8 | 第59-60页 |
2.3.3 资源一号卫星02C星 | 第60-61页 |
2.3.4 遥感数据预处理流程 | 第61-63页 |
2.4 其他资料 | 第63-65页 |
2.4.1 气象数据 | 第63-64页 |
2.4.2 作物及土壤数据 | 第64页 |
2.4.3 其他数据 | 第64-65页 |
2.5 研究方法 | 第65-73页 |
2.5.1 植被指数计算方法 | 第65-66页 |
2.5.2 植被指数时间序列滤波 | 第66-67页 |
2.5.3 数据挖掘方法 | 第67-70页 |
2.5.4 精度检验方法 | 第70-73页 |
3 水稻种植破碎地区面积遥感估算及其影响因素研究 | 第73-99页 |
3.1 基于多时相环境减灾小卫星的水稻种植破碎地区面积提取方法 | 第73-85页 |
3.1.1 研究区地面数据及遥感数据获取 | 第73-76页 |
3.1.2 基于多时相遥感光谱特征的植被变化分析及分类植被指数选择 | 第76-80页 |
3.1.3 研究区单季稻分类关键生育期选择 | 第80-82页 |
3.1.4 单季稻种植区估算方法 | 第82-85页 |
3.2 水稻面积估算结果及精度分析 | 第85-88页 |
3.3 单季稻面积遥感估算影响因素 | 第88-97页 |
3.3.1 不同方法引起的单季稻面积估算的不确定性 | 第88-90页 |
3.3.2 地块景观格局引起的单季稻面积估算的不确定性 | 第90-94页 |
3.3.3 混合像元纯度及边界效应引起的单季稻面积估算的不确定性 | 第94-97页 |
3.4 本章小结 | 第97-99页 |
4 多源遥感卫星融合的单季稻关键生育期遥感识别 | 第99-121页 |
4.1 引言 | 第99-101页 |
4.2 基于不同传感器的植被指数融合方法 | 第101-108页 |
4.2.1 水稻生育期划分及研究区地面数据获取 | 第101-103页 |
4.2.2 多时相遥感影像获取及数据对比 | 第103-106页 |
4.2.3 不同传感器间植被指数回归分析 | 第106-108页 |
4.3 时间序列植被指数水稻关键生育期提取方法 | 第108-109页 |
4.4 多传感器融合对单季稻关键生育期识别精度影响 | 第109-115页 |
4.5 不同传感器植被指数一致性分析 | 第115-120页 |
4.6 本章小结 | 第120-121页 |
5 水稻全生育期长势遥感动态监测制图 | 第121-145页 |
5.1 引言 | 第121-123页 |
5.2 水稻叶面积指数及地上干生物量季节变化特征 | 第123页 |
5.3 多时相遥感影像植被指数旬数据合成及长势参数建模方法 | 第123-128页 |
5.3.1 环境星数据云标识方法及植被指数旬数据合成 | 第123-127页 |
5.3.2 长势参数反演模型 | 第127-128页 |
5.4 水稻叶面积指数遥感动态制图研究 | 第128-136页 |
5.4.1 不同生育期光谱特征与叶面积指数相关性分析 | 第128-129页 |
5.4.2 水稻叶面积指数反演模型及制图 | 第129-136页 |
5.5 基于累积植被指数的水稻地上干生物量遥感动态制图研究 | 第136-143页 |
5.5.1 不同生育期光谱特征与地上干生物量相关性分析 | 第136-137页 |
5.5.2 基于累计植被指数的水稻地上干生物量反演模型 | 第137-140页 |
5.5.3 水稻地上干生物量动态制图 | 第140-143页 |
5.6 本章小结 | 第143-145页 |
6 基于遥感数据与WOFOST模型同化的水稻估产应用 | 第145-165页 |
6.1 WOFOST模型简介与数据源 | 第145-151页 |
6.1.1 WOFOST模型发展与应用 | 第145-146页 |
6.1.2 WOFOST模型结构及原理 | 第146-150页 |
6.1.3 WOFOST模型基本数据集 | 第150-151页 |
6.2 WOFOST模型的参数本地化研究 | 第151-158页 |
6.2.1 WOFOST模型作物参数优化方法 | 第151-153页 |
6.2.2 WOFOST模型作物参数本地化 | 第153-157页 |
6.2.3 水稻生长过程变量模拟结果 | 第157-158页 |
6.3 遥感数据与WOFOST同化模型的区域应用 | 第158-164页 |
6.3.1 基于遥感数据与WOFOST模型的同化算法及优化设计 | 第158-160页 |
6.3.2 基于遥感数据与WOFOST模型同化的水稻产量估测 | 第160-164页 |
6.4 本章小结 | 第164-165页 |
7 结论、研究进展与展望 | 第165-169页 |
7.1 主要工作及结论 | 第165-166页 |
7.2 研究进展 | 第166-167页 |
7.3 研究展望 | 第167-169页 |
参考文献(REFERENCES) | 第169-187页 |
作者简介与攻读博士研究生期间的科研成果 | 第187-189页 |