全文总字数：4279字
1. 研究目的与意义（文献综述）
叶绿素含量是植物生长状态监测的重要指标，及时准确地估算叶绿素含量对全球气候变化研究、生态系统建模和作物产量监测有重要意义[1-3]。
目前，叶绿素含量遥感监测的方法主要有：基于植被指数的叶绿素含量遥感反演、基于机器学习的叶绿素含量遥感反演和基于物理模型的叶绿素含量遥感反演[4]。
植被指数法通过使用与叶绿素含量敏感的波段构建植被指数，建立与叶绿素含量的经验关系进行反演，因简单易行，应用最为广泛[5, 6]，如ndvi、evi等指数。
2. 研究的基本内容与方案
sentinel-2卫星与国产高分六号卫星搭载传感器包含红边波段，红边波段相较其他波段对叶绿素含量更为敏感，有助于进一步提高叶绿素含量反演的精度。本文基于红边植被指数，结合新提出的vi-matrix方法，构建红边指数与叶绿素含量之间的反演模型，实现对叶绿素含量的反演和验证。
（1）主要研究内容：
①探究其他参数对红边指数的敏感性，寻找适用于叶绿素反演的红边指数
3. 研究计划与安排
| 时间 | 进度安排 |
| 第3~5周 | 文献调研与资料分析，掌握PROSPECT与4-Scalel模型原理，理清思路，完成开题报告。 |
| 第6~7周 | 收集叶绿素地面验证数据，完成Sentinel-2遥感影像的下载和预处理。 |
| 第8~12周 | 分析模型参数敏感性，建立叶绿素含量反演模型，结合收集的验证数据进行模型验证，撰写毕业论文。 |
| 第13~14周 | 应用反演算法进行叶绿素含量反演，基于反演结果分析区域叶绿素含量时空变化，撰写毕业论文。 |
| 第15~16周 | 总结工作，完成毕业论文与答辩。 |
4. 参考文献（12篇以上）
[1] 王婷婷. 基于高光谱和高分一号卫星影像的冬小麦叶绿素遥感反演[d]. 西安：西北农林科技大学, 2019.
[2]xu m, liu r, chen j m et al. retrieving leafchlorophyll content using a matrix-based vegetation index combinationapproach[j]. remote sensing of environment, 2019,224:60-73.
[3]张明政, 苏伟, 朱德海. 基于prosail模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究[j]. 地理与地理信息科学, 2019,35(5):28-32.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
