章 绪论 1
1.1 研究背景 1
1.2 国内外研究进展 2
1.2.1 湿地植物类型的遥感分类技术 3
1.2.2 植物物理参数的高光谱反演技术 4
1.. 植物化学参数的高光谱反演技术 6
1.3 主要研究内容 7
1.4 技术路线 9
第2章 研究区概况与数据采集 11
2.1 研究区概况 11
2.1.1 地理位置 11
2.1.2 气候特征 11
2.1.3 湿地植物资源 12
2.2 数据采集与测定 12
2.2.1 群落调查 12
2.2.2 光谱采集与处理 15
2.. 理化参数测定 16
2.2.4 遥感影像获取 17
第3章 高光谱遥感影像融合与降维处理 20
3.1 高光谱遥感影像预处理 20
3.1.1 Hyperion数据预处理 20
3.1.2 HSI数据预处理 24
3.2 高光谱遥感影像融合处理 24
3.3 高光谱遥感影像降维处理 26
3.3.1 特征波段选择 27
3.3.2 特征提取 33
第4章 典型植物种反光谱特征分析 37
4.1 原始光谱反率分析 40
4.2 原始光谱反率阶微分分析 42
4.3 包络线去除分析 43
4.4 连续小波变换分析 45
4.5 波段间自相关分析 49
4.6 窄波段NDVI分析 50
第5章 典型植物种的高光谱遥感分类 53
5.1 优选似然分类法 53
5.2 支持向量机分类法 57
5.3 波谱角填图分类法 59
5.4 精度评价与结果优选 61
5.4.1 精度评价方法 61
5.4.2 精度评价与对比分析 62
第6章 光谱变量与理化参数相关分析 67
6.1 理化参数统计分析 67
6.2 原始光谱反率与理化参数的相关 70
6.2.1 鲜生物量与原始光谱反率的相关 70
6.2.2 干生物量与原始光谱反率的相关 71
6.. 含水率与原始光谱反率的相关 72
6.2.4 相对叶绿素含量与原始光谱反率的相关 74
6.2.5 磷与原始光谱反率的相关 75
6.2.6 氮与原始光谱反率的相关 76
6.2.7 钾与原始光谱反率的相关 77
6.2.8 钠与原始光谱反率的相关 79
6.3 原始光谱反率阶微分与理化参数的相关 0
6.3.1 鲜生物量与原始光谱反率阶微分的相关 0
6.3.2 干生物量与原始光谱反率阶微分的相关 2
6.3.3 含水率与原始光谱反率阶微分的相关 3
6.3.4 相对叶绿素指数与原始光谱反率阶微分的相关 5
6.3.5 磷与原始光谱反率阶微分的相关 6
6.3.6 氮与原始光谱反率阶微分的相关 8
6.3.7 钾与原始光谱反率阶微分的相关 90
6.3.8 钠与原始光谱反率阶微分的相关 91
6.4 “三边”参数与理化参数的相关 93
6.5 小波系数与理化参数的相关 96
6.5.1 小波系数与鲜生物量的相关 96
6.5.2 小波系数与干生物量的相关 9
6.5.3 小波系数与含水率的相关 100
6.5.4 小波系数与相对叶绿素指数的相关 102
6.5.5 小波系数与磷的相关 104
6.5.6 小波系数与氮的相关 106
6.5.7 小波系数与钾的相关 108
6.5.8 小波系数与钠的相关 110
6.6 窄波段NDVI和理化参数的相关 112
6.6.1 窄波段NDVI和鲜生物量的相关 112
6.6.2 窄波段NDVI和干生物量的相关 114
6.6.3 窄波段NDVI和含水率的相关 115
6.6.4 窄波段NDVI和相对叶绿素指数的相关 117
6.6.5 窄波段NDVI和磷的相关 118
6.6.6 窄波段NDVI和氮的相关 119
6.6.7 窄波段NDVI和钾的相关 121
6.6.8 窄波段NDVI和钠的相关 122
6.7 理化参数间的相关 1
第7章 典型植物种理化参数估算建模 127
7.1 基于实测光谱的理化参数估算模型 127
7.1.1 单变量回归模型 127
7.1.2 多元逐步回归模型 132
7.1.3 主成分回归模型 139
7.2 基于高光谱遥感的理化参数估算模型 150
7.2.1 单变量回归模型 153
7.2.2 多变量回归模型 155
7.. 偏二乘回归模型 155
7.3 模型评价与优选 161
第8章 结论与讨论 165
8.1 主要研究结论 165
8.2 讨论 166
参考文献 168
附图 173
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
