基于集成学习的土壤含水量遥感反演研究

目录

声明

第一章 绪论

1.1 选题背景与研究意义

1.2 土壤含水量遥感反演的国内外研究现状

1.3.1 论文内容

1.3.2 章节安排

第二章 集成学习基本原理

2.1 集成学习简介

2.2 集成学习算法设计

2.2.1 基学习器的构建

2.2.2 基学习器的结合

2.3 典型集成学习方法

2.3.1 Bagging

2.3.2 Boosting

2.3.3 Stacking

2.4 集成学习的优点

2.5 本章小结

第三章 土壤含水量相关光谱参量分析与提取

3.1.1 研究区域概况

3.1.2 数据概况

3.1.3 数据预处理

3.2 土壤的光谱特征分析

3.3 土壤含水量相关光谱参量遥感定量反演

3.3.1 植被指数

3.3.2 植被覆盖度

3.3.3 叶面积指数

3.4 本章小结

第四章 基于VI-LST特征空间法的土壤湿度状况评估

4.1 方法与原理

4.1.1 VI-LST特征分布空间

4.1.2 温度-植被干旱指数法

4.1.3 NDVI-LST斜率法

4.2 基于随机森林的地表温度重建

4.2.1 MODIS地表温度产品简介

4.2.2 随机森林模型

4.2.3 模型参数

4.2.4 结果分析与验证

4.3 基于温度-植被干旱指数的土壤湿度评估

4.3.1 NDVI-LST特征空间构建

4.3.2 干湿边方程拟合

4.3.3 TVDI指数遥感反演

4.4 本章小结

第五章 基于集成学习的土壤含水量遥感反演

5.1 基于决策树集成的特征选择

5.2.1 极端随机树模型

5.2.2 模型参数

5.3.1 XGBoost模型

5.3.2 模型参数

5.4.1 多模型融合策略

5.4.2 模型参数

5.5 结果比较与分析

5.6 研究区土壤含水量时空分布特征分析

5.7 本章小结

第六章 总结和展望

6.1 工作总结

6.2 展望

致谢

参考文献

攻读硕士学位期间取得的成果