| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究的背景和意义 | 第11-12页 |
| ·高光谱遥感在农业方面的研究进展 | 第12-16页 |
| ·高光谱遥感的基本概念 | 第12-13页 |
| ·国内外高光谱遥感的研究进展 | 第13-14页 |
| ·高光谱遥感监测作物生长 | 第14-16页 |
| ·存在问题 | 第16-17页 |
| 第二章 研究内容与方法 | 第17-20页 |
| ·试验的研究内容 | 第17页 |
| ·试验区概况 | 第17页 |
| ·试验方案 | 第17-18页 |
| ·试验设备 | 第18页 |
| ·试验观测项目和方法 | 第18-20页 |
| 第三章 冬小麦植被反射光谱特征及变化规律 | 第20-29页 |
| ·植被光谱特征的影响因素 | 第20-21页 |
| ·植被高光谱反射一般特征 | 第21-24页 |
| ·不同叶绿素含量植被反射光谱特征 | 第22-23页 |
| ·不同时期冬小麦植被反射光谱特征 | 第23-24页 |
| ·导数光谱数据分析 | 第24-27页 |
| ·冬小麦植被的红边特征 | 第25-27页 |
| ·小结 | 第27-29页 |
| 第四章 冬小麦叶面积指数的高光谱遥感监测模型和精度检验 | 第29-36页 |
| ·冬小麦叶片反射光谱以及导数光谱与叶面积指数的相关关系 | 第29-30页 |
| ·基于不同植被指数的冬小麦叶面积指数的一元回归监测模型 | 第30-32页 |
| ·神经网络模型在估算基于植被指数的冬小麦叶面积指数中的应用 | 第32-34页 |
| ·BP 神经网络估算模型 | 第32-33页 |
| ·RBF 神经网络估算模型 | 第33-34页 |
| ·小结 | 第34-36页 |
| 第五章 不同处理对冬小麦的生长特性影响及叶面积指数的预测模型 | 第36-51页 |
| ·不同处理对冬小麦株高的影响 | 第36-37页 |
| ·不同处理对冬小麦叶片叶绿素相对含量的影响 | 第37-38页 |
| ·不同处理对冬小麦叶面积指数的影响 | 第38-39页 |
| ·冬小麦冠层叶面积指数的预测模型和精度检验 | 第39-49页 |
| ·预测模型的定义及方法 | 第39-40页 |
| ·多元线性回归分析模型 | 第40-43页 |
| ·人工神经网络模型 | 第43-45页 |
| ·灰色预测模型 | 第45-49页 |
| ·不同处理对冬小麦产量的影响 | 第49页 |
| ·小结 | 第49-51页 |
| 第六章 结论与展望 | 第51-53页 |
| ·主要结论 | 第51-52页 |
| ·有待于进一步解决的问题 | 第52页 |
| ·创新点 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |
