| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第15-32页 |
| 1.1 研究背景和意义 | 第15-18页 |
| 1.1.1 现代农业研究 | 第15页 |
| 1.1.2 我国遥感事业的发展 | 第15-17页 |
| 1.1.3 研究意义 | 第17-18页 |
| 1.2 氮素遥感反演的机理 | 第18-21页 |
| 1.2.1 冬小麦氮素的生理功能及测定方法 | 第18页 |
| 1.2.2 绿色植物叶片的反射光谱特征 | 第18-19页 |
| 1.2.3 氮素营养的光谱诊断原理 | 第19-21页 |
| 1.3 国内外研究进展 | 第21-30页 |
| 1.3.1 基于非成像高光谱的作物氮素含量监测 | 第21-27页 |
| 1.3.2 基于成像高光谱和多光谱的作物氮素含量监测 | 第27-29页 |
| 1.3.3 文献总结 | 第29-30页 |
| 1.4 研究内容与目标 | 第30-32页 |
| 第二章 材料与方法 | 第32-46页 |
| 2.1 试验设计与采样 | 第32-35页 |
| 2.1.1 试验设计 | 第32-34页 |
| 2.1.2 信息采集 | 第34-35页 |
| 2.2 卫星数据获取与预处理 | 第35页 |
| 2.3 高光谱数据处理与特征参数提取方法 | 第35-41页 |
| 2.3.1 高光谱数据预处理 | 第35-36页 |
| 2.3.2 高光谱特征参数提取方法 | 第36-41页 |
| 2.4 数据分析方法 | 第41-45页 |
| 2.4.1 最小二乘回归分析 | 第41-42页 |
| 2.4.2 偏最小二乘回归分析 | 第42-43页 |
| 2.4.3 随机森林回归分析 | 第43-45页 |
| 2.5 模型精度检验 | 第45-46页 |
| 第三章 冬小麦叶片氮含量和冠层光谱特征 | 第46-54页 |
| 3.1 叶片氮含量统计特征分析 | 第46-47页 |
| 3.2 不同生育期叶片氮含量的变化 | 第47-48页 |
| 3.3 冬小麦冠层光谱特性分析 | 第48-52页 |
| 3.3.1 田间条件下的小麦冠层光谱特征 | 第48-49页 |
| 3.3.2 不同生育期冬小麦冠层光谱特征 | 第49-51页 |
| 3.3.3 不同施氮水平的冬小麦冠层光谱特征 | 第51页 |
| 3.3.4 不同叶片氮含量的冬小麦冠层光谱特征 | 第51-52页 |
| 3.4 结论与讨论 | 第52-54页 |
| 第四章 基于高光谱特征参数的叶片氮含量估算 | 第54-75页 |
| 4.1 冠层光谱与氮含量的相关性分析 | 第54-56页 |
| 4.2 基于“三边”参数的叶片氮含量估算 | 第56-61页 |
| 4.2.1“三边”参数与叶片氮含量的相关性分析 | 第56-58页 |
| 4.2.2 红边位置与叶片氮含量的关系 | 第58-59页 |
| 4.2.3 基于“三边”参数的叶片氮含量估算 | 第59-61页 |
| 4.3 基于光谱吸收特征参数的叶片氮含量估算 | 第61-63页 |
| 4.3.1 吸收特征参数与叶片氮含量的相关性分析 | 第61-62页 |
| 4.3.2 基于吸收特征参数的叶片氮含量估算 | 第62-63页 |
| 4.4 基于光谱指数的叶片氮含量估算 | 第63-70页 |
| 4.4.1 基于光谱指数的叶片氮含量估算 | 第63-66页 |
| 4.4.2 基于任意两波段组合光谱指数的叶片氮含量估算 | 第66-70页 |
| 4.5 结论与讨论 | 第70-75页 |
| 4.5.1 变换光谱敏感波段分析 | 第70-71页 |
| 4.5.2 基于“三边”参数的叶片氮含量估算小结 | 第71-72页 |
| 4.5.3 基于吸收特征参数的叶片氮含量估算小结 | 第72-73页 |
| 4.5.4 基于光谱指数的叶片氮含量估算小结 | 第73-75页 |
| 第五章 基于小波变换分析的叶片氮含量高光谱估算 | 第75-97页 |
| 5.1 小波分析方法及实现 | 第75-76页 |
| 5.2 基于连续小波变换的叶片氮含量估算 | 第76-83页 |
| 5.2.1 光谱变换及小波母函数确定 | 第76-77页 |
| 5.2.2 基于连续小波变换的特征参数提取 | 第77-80页 |
| 5.2.3 基于特征参数的叶片氮含量估算 | 第80-81页 |
| 5.2.4 基于PLS和RF的叶片氮含量估算 | 第81-83页 |
| 5.3 基于离散小波多尺度分解的叶片氮含量估算 | 第83-93页 |
| 5.3.1 小波母函数和分解尺度的确定 | 第83-86页 |
| 5.3.2 小波分解系数及能量值的多重共线性诊断 | 第86-88页 |
| 5.3.3 基于PLS回归的叶片含量高光谱估算 | 第88-91页 |
| 5.3.4 基于RF回归的叶片氮含量高光谱估算 | 第91-93页 |
| 5.4 结论与讨论 | 第93-97页 |
| 第六章 基于国产高分辨卫星数据的冬小麦种植信息提取 | 第97-113页 |
| 6.1 数据与方法 | 第97-101页 |
| 6.1.1 研究区与数据源 | 第97-98页 |
| 6.1.2 研究方法 | 第98-101页 |
| 6.2 纹理提取与多源信息复合 | 第101-106页 |
| 6.2.1 基于变差函数的纹理特征提取 | 第101-103页 |
| 6.2.2 灰度共生矩阵纹理特征提取 | 第103页 |
| 6.2.3 光谱微分的梯度纹理提取 | 第103-105页 |
| 6.2.4 多源信息复合 | 第105-106页 |
| 6.3 SVM图像分类 | 第106-107页 |
| 6.3.1 训练区的选择 | 第106页 |
| 6.3.2 分类参数的获取 | 第106页 |
| 6.3.3 分类精度评估 | 第106-107页 |
| 6.4 结果与分析 | 第107-111页 |
| 6.4.1 纹理提取窗口和步长对分类精度的影响 | 第107-108页 |
| 6.4.2 不同复合数据的分类精度分析 | 第108-109页 |
| 6.4.3 不同分类方法的结果对比 | 第109-111页 |
| 6.5 结论与讨论 | 第111-113页 |
| 第七章 基于多光谱卫星数据的冬小麦叶片氮含量估算 | 第113-127页 |
| 7.1 模拟GF-1 多光谱卫星反射率的叶片氮含量估算 | 第113-118页 |
| 7.1.1 数据与方法 | 第113-114页 |
| 7.1.2 叶片氮含量和模拟光谱反射率特征分析 | 第114-115页 |
| 7.1.3 基于光谱指数的叶片氮含量估算 | 第115-118页 |
| 7.2 不同卫星传感器模拟光谱比较 | 第118-120页 |
| 7.3 基于光谱指数的叶片氮含量通用模型构建 | 第120-123页 |
| 7.3.1 基于光谱指数的叶片氮含量通用模型构建 | 第120-121页 |
| 7.3.2 SI-LNC估算模型的敏感性分析 | 第121-122页 |
| 7.3.3 叶片氮含量估算模型检验 | 第122-123页 |
| 7.4 基于GF-1 卫星数据的LNC制图 | 第123-124页 |
| 7.5 结论与讨论 | 第124-127页 |
| 第八章 结论与展望 | 第127-133页 |
| 8.1 主要结论 | 第127-130页 |
| 8.2 主要进展 | 第130-131页 |
| 8.3 不足与展望 | 第131-133页 |
| 参考文献 | 第133-149页 |
| 致谢 | 第149-150页 |
| 作者简介 | 第150页 |
