基于神经网络和支持向量机的水稻遥感信息提取研究-遥感与信息技术专业论文.docxVIP

目录表 目录 表 目 录 表3．1：本研究中所用植被指数表达式 ．43 Table 3，1：The equations ofvegetation indices in this study ．43 表3．2：植被指数与水稻LAI和GLCD之间四种统计模型R2值(n=182) 44 Table 3．2：The R‘offoMr statistical models between Vls and LAl．GLCD for rice 。44 表3．3：统计模型回归结果(n=100) ． ．45 11able 3．3：The regression results ofstatistical models ．45 表3．4：BP模型结构和训练参数 ． ．46 Table 3，4：The structures and training parameters ofBP models 46 表3．5：RBF模型结构和训练参数 48 Table 3．5：The structures如d training oammeters ofRBF models ．48 表3．6：SVM模型结构干¨训练参数 49 Table 3．6：The structures and training DarameterS ofSVM models 49 表3．7：基于植被指数水稻LAI估算模型检验结果 ．．： 53 Table 3．7：RMSE andABSE offittedmodelsfor riceLAI based onvegetationindices 53 表3．8：基丁植被指数不同模型水稻GLCD估算模型检验结果 69 Table 3．8：RMSE and ABSE offitted models for rice GLCD based vegetation indices 。69 表4．1：利用逐步回归选取的用于建模的赢光谱变量 一 79 Table4．1：Selectinghyperspectral variables using stepwise regression 。79 表4．2：逐步多元同门模型拟合系数 80 Table 4．2：The fitted coefficients parameters ofstepwise multiple regression models ，80 表4．3：BP模型结构和训练参数 8l Table 4．3：The strueturas and training parameters ofBP models 81 表4．4：RBF模型结构和训练参数 82 Table 4．4：The smjctures and training口aramcters of RBF models ．82 表4．5：SVM模型结构和训练参数． ．83 Table 4．5：The structures and training parameters ofSVM models 83 表4．6：基于高光谱的水稻LAI估算模型检验结果 88 Table 4，6：The results ofmodels test for rice LAI based on hyperspectral ．．88 表4．7：基于高光谱的水稻GLCD估算模型检验结果 一93 Table 4．7：RMSE and ABSE offitted models for rice GLCD based on hyperspectral 93 表5．1：BP模型结构和训练参数 ． 96 Table