| 摘要 | 第14-16页 |
| Abstract | 第16-18页 |
| 第一章 绪论 | 第19-29页 |
| 1.1 选题背景及意义 | 第19-21页 |
| 1.2 国内外研究进展 | 第21-26页 |
| 1.2.1 无人机技术国内外研究进展 | 第21-22页 |
| 1.2.2 农业遥感技术国内外研究进展 | 第22-23页 |
| 1.2.3 作物理化参数反演国内外研究进展 | 第23-24页 |
| 1.2.4 机器学习国内外研究进展 | 第24-26页 |
| 1.3 研究内容与技术路线 | 第26-27页 |
| 1.3.1 研究内容 | 第26页 |
| 1.3.2 论文技术路线 | 第26-27页 |
| 1.4 论文架构 | 第27-29页 |
| 第二章 粳稻生长无人机高光谱反演研究方法与机理 | 第29-45页 |
| 2.1 研究区概况与试验设计 | 第29-30页 |
| 2.1.1 试验地点 | 第29页 |
| 2.1.2 试验设计 | 第29-30页 |
| 2.2 水稻生长信息农学基础 | 第30-33页 |
| 2.2.1 水稻生理学基础 | 第30-31页 |
| 2.2.2 水稻生长信息测定 | 第31-33页 |
| 2.3 水稻高光谱遥感数据采集与特征分析 | 第33-36页 |
| 2.3.1 水稻叶片高光谱数据获取 | 第33页 |
| 2.3.2 无人机高光谱水稻遥感数据获取 | 第33-34页 |
| 2.3.3 水稻高光谱特征 | 第34-36页 |
| 2.4 植被光学辐射传输模型 | 第36-39页 |
| 2.4.1 叶片光学辐射传输模型 | 第36-37页 |
| 2.4.2 冠层光学辐射传输模型 | 第37-39页 |
| 2.5 高光谱数据处理方法 | 第39-44页 |
| 2.5.1 基于信息量的高光谱特征选择 | 第39-40页 |
| 2.5.2 基于投影的高光谱特征选择 | 第40-41页 |
| 2.5.3 相似度计算 | 第41-43页 |
| 2.5.4 小波分解法 | 第43-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 无人机高光谱遥感影像处理与水稻特征信息提取 | 第45-69页 |
| 3.1 高光谱遥感影像基础与辐射定标 | 第45-47页 |
| 3.2 水稻高光谱影像分类 | 第47-63页 |
| 3.2.1 基本分类算法 | 第47-51页 |
| 3.2.2 基于支持向量机的水稻高光谱影像信息分类 | 第51-55页 |
| 3.2.3 基于二代小波融合的冠层水稻高光谱影像分类 | 第55-62页 |
| 3.2.4 水稻高光谱分类精度评价 | 第62-63页 |
| 3.3 水稻高光谱数据变换与特征提取 | 第63-68页 |
| 3.3.1 导数变换 | 第63-64页 |
| 3.3.2 对数变换 | 第64页 |
| 3.3.3 水稻高光谱位置和面积的特征信息提取 | 第64-66页 |
| 3.3.4 基于连续统去除的特征参数 | 第66-68页 |
| 3.3.5 主成分分析特征提取 | 第68页 |
| 3.4 本章小结 | 第68-69页 |
| 第四章 水稻生长信息多光谱反演建模 | 第69-82页 |
| 4.1 水稻叶绿素宽波段植被指数反演模型 | 第70-73页 |
| 4.1.1 水稻叶绿素含量统计分析 | 第70页 |
| 4.1.2 宽波段植被指数与叶绿素含量的相关性分析 | 第70-73页 |
| 4.2 水稻地上生物量宽波段植被指数反演模型 | 第73-77页 |
| 4.2.1 水稻地上鲜生物量与宽波段植被指数相关性分析 | 第73页 |
| 4.2.2 水稻地上鲜生物量与宽波段植被指数回归反演模型 | 第73-75页 |
| 4.2.3 水稻地上干生物量与宽波段植被指数相关性分析 | 第75-76页 |
| 4.2.4 水稻地上干生物量与宽波段植被指数回归反演模型 | 第76-77页 |
| 4.3 水稻LAI宽波段植被指数反演模型 | 第77-79页 |
| 4.3.1 水稻LAI与宽波段植被指数相关性分析 | 第77-78页 |
| 4.3.2 水稻LAI与宽波段植被指数回归反演模型 | 第78-79页 |
| 4.4 水稻氮素宽波段植被指数反演模型 | 第79-81页 |
| 4.4.1 水稻氮素与宽波段植被指数相关性分析 | 第79-80页 |
| 4.4.2 水稻氮素含量与宽波段植被指数回归反演模型 | 第80-81页 |
| 4.5 本章小结 | 第81-82页 |
| 第五章 水稻生长信息高光谱特征反演建模 | 第82-115页 |
| 5.1 水稻叶绿素高光谱植被指数反演模型 | 第82-92页 |
| 5.1.1 水稻叶绿素含量与高光谱变量相关性分析 | 第83-85页 |
| 5.1.2 水稻叶绿素含量高光谱特征参数反演建模 | 第85-88页 |
| 5.1.3 水稻叶绿素高光谱植被指数相关性分析 | 第88-89页 |
| 5.1.4 水稻叶绿素高光谱植被指数反演建模 | 第89-90页 |
| 5.1.5 基于高光谱主成分分析的水稻叶绿素反演建模 | 第90-92页 |
| 5.2 水稻地上生物量高光谱植被指数反演模型 | 第92-103页 |
| 5.2.1 水稻地上鲜生物量与高光谱变量相关性分析 | 第92-94页 |
| 5.2.2 水稻地上鲜生物量高光谱植被指数反演建模 | 第94-97页 |
| 5.2.3 水稻地上干生物量与高光谱变量相关性分析 | 第97-99页 |
| 5.2.4 水稻地上干生物量高光谱植被指数反演建模 | 第99-101页 |
| 5.2.5 基于高光谱主成分分析的水稻生物量反演建模 | 第101-103页 |
| 5.3 水稻叶面积指数高光谱植被指数反演模型 | 第103-109页 |
| 5.3.1 水稻叶面积指数与高光谱特征的相关性分析 | 第103-104页 |
| 5.3.2 水稻叶面积指数与高光谱特征的反演模型 | 第104-107页 |
| 5.3.3 基于高光谱主成分分析的水稻LAI反演建模 | 第107-109页 |
| 5.4 水稻氮素高光谱植被指数反演模型 | 第109-114页 |
| 5.4.1 水稻氮素含量与高光谱特征的相关性分析 | 第109-110页 |
| 5.4.2 水稻氮素含量与高光谱特征的反演模型 | 第110-112页 |
| 5.4.3 基于高光谱主成分分析的氮素反演建模 | 第112-114页 |
| 5.5 本章小结 | 第114-115页 |
| 第六章 基于N-PROSAIL模型水稻生长信息反演建模 | 第115-131页 |
| 6.1 PROSAIL模型敏感性分析 | 第115-120页 |
| 6.1.1 改进Sobol全局敏感性分析法 | 第115-116页 |
| 6.1.2 PROSAIL模型敏感性分析结果 | 第116-120页 |
| 6.2 基于查找表法的水稻生长信息反演 | 第120-126页 |
| 6.2.1 查找表反演参数设置 | 第121-123页 |
| 6.2.2 代价函数建立 | 第123-126页 |
| 6.3 基于数值优化的水稻生长信息反演 | 第126-128页 |
| 6.4 N-PROSAIL模型构建与水稻生长信息反演 | 第128-130页 |
| 6.5 本章小结 | 第130-131页 |
| 第七章 基于机器学习的水稻生长信息反演建模 | 第131-156页 |
| 7.1 基于遗传神经网络的水稻生长信息反演建模 | 第131-141页 |
| 7.1.1 遗传神经网络机理 | 第132-138页 |
| 7.1.2 水稻叶绿素遗传神经网络反演结果 | 第138-139页 |
| 7.1.3 水稻生物量遗传神经网络反演结果 | 第139-140页 |
| 7.1.4 水稻叶面积指数遗传神经网络反演结果 | 第140页 |
| 7.1.5 水稻氮素含量遗传神经网络反演结果 | 第140-141页 |
| 7.2 基于高斯过程回归的水稻生长信息反演建模 | 第141-145页 |
| 7.2.1 高斯过程回归算法 | 第141-142页 |
| 7.2.2 水稻叶绿素高斯过程回归反演结果 | 第142-143页 |
| 7.2.3 水稻生物量高斯过程回归反演结果 | 第143-144页 |
| 7.2.4 水稻叶面积指数反演结果 | 第144-145页 |
| 7.2.5 水稻氮素含量反演结果 | 第145页 |
| 7.3 基于核岭回归的水稻生长信息反演建模 | 第145-151页 |
| 7.3.1 岭回归算法 | 第145-148页 |
| 7.3.2 水稻叶绿素反演结果 | 第148页 |
| 7.3.3 水稻生物量反演结果 | 第148-150页 |
| 7.3.4 水稻叶面积指数反演结果 | 第150页 |
| 7.3.5 水稻氮素含量反演结果 | 第150-151页 |
| 7.4 基于随机森林的水稻生长信息反演建模 | 第151-155页 |
| 7.4.1 随机森林算法 | 第151-152页 |
| 7.4.2 水稻叶绿素反演结果 | 第152-153页 |
| 7.4.3 水稻生物量反演结果 | 第153-154页 |
| 7.4.4 水稻叶面积指数反演结果 | 第154-155页 |
| 7.4.5 水稻氮素含量反演结果 | 第155页 |
| 7.5 本章小结 | 第155-156页 |
| 第八章 水稻生长信息无人机遥感反演模型分析与讨论 | 第156-161页 |
| 8.1 叶绿素无人机高光谱遥感反演模型 | 第156-157页 |
| 8.2 水稻生物量无人机高光谱遥感反演模型 | 第157-158页 |
| 8.2.1 鲜生物量反演模型 | 第157-158页 |
| 8.2.2 干生物量反演模型 | 第158页 |
| 8.3 水稻叶面积指数无人机高光谱遥感反演模型 | 第158-159页 |
| 8.4 水稻氮素无人机高光谱遥感反演模型 | 第159-160页 |
| 8.5 水稻不同生长信息反演精度分析 | 第160页 |
| 8.6 本章小结 | 第160-161页 |
| 第九章 结论与展望 | 第161-164页 |
| 9.1 研究结论 | 第161-162页 |
| 9.2 主要创新点 | 第162页 |
| 9.3 研究展望 | 第162-164页 |
| 参考文献 | 第164-173页 |
| 致谢 | 第173-174页 |
| 攻读学位期间发表的学术论文目录 | 第174-175页 |
