稀土礦區(qū)復(fù)墾植被高光譜遙感監(jiān)測(cè)與分析

第1章 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究進(jìn)展
1.2.1 植被環(huán)境脅迫下的光譜特征研究進(jìn)展
1.2.2 不同植被類(lèi)型光譜識(shí)別研究
1.2.3 植被葉綠素含量估算研究進(jìn)展
1.2.4 礦山高光譜遙感監(jiān)測(cè)進(jìn)展
1.3 本書(shū)主要研究?jī)?nèi)容
第2章 數(shù)據(jù)與方法
2.1 研究區(qū)概況
2.2 植被高光譜數(shù)據(jù)及葉綠素含量采集
2.2.1 典型復(fù)墾植被介紹
2.2.2 高光譜數(shù)據(jù)獲取
2.2.3 葉綠素含量測(cè)定
2.3 復(fù)墾植被高光譜數(shù)據(jù)處理
2.3.1 光譜數(shù)據(jù)預(yù)處理
2.3.2 原始光譜變換處理
2.3.3 一階導(dǎo)數(shù)變換處理
2.3.4 倒數(shù)的對(duì)數(shù)光譜變換處理
2.3.5 連續(xù)統(tǒng)去除光譜變換處理
2.3.6 光譜數(shù)據(jù)小波變換處理
2.3.7 光譜數(shù)據(jù)分?jǐn)?shù)階微分處理
2.3.8 光譜數(shù)據(jù)植被指數(shù)處理
2.4 復(fù)墾植被葉綠素高光譜估算方法
2.4.1 單因素回歸分析和多元逐步回歸方法
2.4.2 偏最小二乘回歸方法(PLSR)
2.4.3 隨機(jī)森林算法
2.4.4 估算方法檢驗(yàn)
第3章 礦區(qū)環(huán)境脅迫下的植被光譜特征分析
3.1 基于原始光譜的植被光譜特征對(duì)照
3.2 基于一階導(dǎo)數(shù)光譜的植被光譜特征對(duì)照分析
3.3 基于小波變換的植被光譜特征對(duì)照分析
3.4 基于分?jǐn)?shù)階微分的植被光譜特征對(duì)照分析
3.5 分析與討論
第4章 典型植被葉片高光譜特征分析及判別
4.1 復(fù)墾礦區(qū)典型植被光譜特征分析
4.1.1 原始光譜特征分析
4.1.2 倒數(shù)的對(duì)數(shù)光譜特征分析
4.1.3 一階導(dǎo)數(shù)光譜變換
4.1.4 連續(xù)統(tǒng)去除光譜變換
4.2 高光譜數(shù)據(jù)降維
4.3 特征波段敏感度檢驗(yàn)
4.4 典型復(fù)墾植被判別方法
4.5 分析與討論
第5章 復(fù)墾植被敏感光譜參數(shù)篩選
5.1 基于原始光譜的復(fù)墾植被敏感參數(shù)提取
5.2 基于一階導(dǎo)數(shù)光譜的復(fù)墾植被敏感參數(shù)提取
5.3 基于小波變換的復(fù)墾植被敏感參數(shù)提取
5.4 基于分?jǐn)?shù)階微分處理的復(fù)墾植被敏感參數(shù)提取
5.5 分析與討論
第6章 復(fù)墾植被葉綠素含量高光譜估算
6.1 基于植被指數(shù)的葉綠素含量估算模型構(gòu)建
6.1.1 單植被指數(shù)估算模型構(gòu)建
6.1.2 多元逐步回歸估算模型構(gòu)建(MSR)
6.1.3 單一植被指數(shù)估算模型精度驗(yàn)證
6.1.4 多元逐步回歸(MSR)估算模型精度驗(yàn)證
6.2 偏最小二乘回歸法葉綠素含量估算
6.3 隨機(jī)森林算法葉綠素含量估算
6.4 模型估算精度對(duì)比分析
6.5 本章小結(jié)
第7章 總結(jié)與展望
7.1 主要結(jié)論
7.2 創(chuàng)新點(diǎn)
7.3 展望
參考文獻(xiàn)