| 摘要 | 第9-11页 |
| 第一章 文献综述与立题依据 | 第11-37页 |
| 1 研究背景 | 第11-12页 |
| 2 近红外光谱技术 | 第12-16页 |
| 2.1 高光谱遥感技术的基本原理 | 第12-15页 |
| 2.2 近红外光谱技术的特点 | 第15-16页 |
| 2.2.1 近红外光谱技术的优越性 | 第15-16页 |
| 2.2.2 近红外光谱技术的局限性 | 第16页 |
| 3 近红外光谱技术在农业中的应用 | 第16-23页 |
| 3.1 绿色植被的典型近红外光谱特性 | 第16-18页 |
| 3.2 近红外光谱技术在农业上的应用研究 | 第18-19页 |
| 3.3 利用光谱遥感技术监测作物长势的研究现状 | 第19-20页 |
| 3.4 近红外光谱特征信息提取方法的发展历程和趋势 | 第20-23页 |
| 3.4.1 敏感波段或光谱特征波段的提取 | 第21页 |
| 3.4.2 基于提取的敏感波段的植被指数构建 | 第21-22页 |
| 3.4.3 基于光谱曲线的特征参数提取 | 第22-23页 |
| 4 化学计量学在农业近红外光谱学的应用 | 第23-24页 |
| 5 存在的问题 | 第24-25页 |
| 6 本研究的目的及意义 | 第25页 |
| 7 研究内容和技术路线 | 第25-28页 |
| 7.1 研究内容 | 第25页 |
| 7.2 技术路线 | 第25-28页 |
| 参考文献 | 第28-37页 |
| 第二章 冬小麦长势指标的差异性特征及其光谱响应分析 | 第37-59页 |
| 1 前言 | 第38-39页 |
| 2 材料与方法 | 第39-41页 |
| 2.1 试验设计 | 第39页 |
| 2.2 数据处理与获取 | 第39-41页 |
| 2.2.1 冬小麦冠层光谱的测定 | 第39-40页 |
| 2.2.2 冬小麦长势指标的测定 | 第40-41页 |
| 2.3 分析方法 | 第41页 |
| 3 结果与分析 | 第41-53页 |
| 3.1 冬小麦长势指标的变化特征及差异性分析 | 第41-47页 |
| 3.1.1 冬小麦长势指标变化特征及差异性分析 | 第41-45页 |
| 3.1.2 基于因子分析的冬小麦长势综合指标(CGI)的构建 | 第45-47页 |
| 3.2 冬小麦长势指标描述性统计分析 | 第47-48页 |
| 3.3 冬小麦光谱特征分析 | 第48-53页 |
| 3.3.1 冬小麦长势的原始冠层光谱特征分析 | 第49-50页 |
| 3.3.2 冬小麦长势的“红边”特征分析 | 第50-53页 |
| 4 讨论与结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 第三章 “光谱饱和”对冬小麦长势监测的影响研究 | 第59-79页 |
| 1 前言 | 第60-61页 |
| 2 材料与方法 | 第61-63页 |
| 2.1 实验设计 | 第61页 |
| 2.2 冠层光谱测定 | 第61页 |
| 2.3 LAI和地上生物量的测定 | 第61-62页 |
| 2.4 植被指数选取 | 第62页 |
| 2.5 模型评价 | 第62-63页 |
| 2.6 数据分析软件 | 第63页 |
| 3 结果与分析 | 第63-72页 |
| 3.1 LAI和地上生物量数据分析 | 第63-64页 |
| 3.2 冬小麦冠层光谱特征分析 | 第64-65页 |
| 3.3 归一化植被指数(NDVI)的“光谱饱和”现象 | 第65-66页 |
| 3.4 几个重要波段的“饱和”现象 | 第66-68页 |
| 3.4.1 重要波段与LAI的“饱和”现象 | 第67页 |
| 3.4.2 重要波段与AGB的“饱和”现象 | 第67-68页 |
| 3.5 其它植被指数的“饱和”现象 | 第68-70页 |
| 3.6 植被指数在克服“饱和”现象的表现 | 第70-72页 |
| 4 讨论与结论 | 第72-76页 |
| 4.1 讨论 | 第72-74页 |
| 4.2 结论 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 第四章 冬小麦冠层光谱预处理方法研究 | 第79-111页 |
| 1 前言 | 第80-81页 |
| 2 材料与方法 | 第81-85页 |
| 2.1 试验设计 | 第81页 |
| 2.2 数据处理与获取 | 第81页 |
| 2.2.1 冬小麦冠层光谱的测定 | 第81页 |
| 2.2.2 冬小麦长势指标的测定 | 第81页 |
| 2.3 分析方法 | 第81-85页 |
| 2.3.1 高光谱数据常规处理 | 第81-83页 |
| 2.3.2 高光谱数据变换处理 | 第83页 |
| 2.3.3 高光谱数据校正处理 | 第83-85页 |
| 2.4 模型评价 | 第85页 |
| 2.5 数据分析软件 | 第85页 |
| 3 结果与分析 | 第85-105页 |
| 3.1 冬小麦冠层预处理光谱 | 第85-87页 |
| 3.2 冬小麦冠层预处理光谱与长势指标的相关性分析 | 第87-97页 |
| 3.2.1 冬小麦叶面积指数(LAI)与冠层预处理光谱的相关性分析 | 第87-88页 |
| 3.2.2 冬小麦地上干生物量(AGDB)与冠层预处理光谱的相关性分析 | 第88-90页 |
| 3.2.3 冬小麦地上鲜生物量(AGFB)与冠层预处理光谱的相关性分析 | 第90-91页 |
| 3.2.4 冬小麦鲜重含水量(PWC)冠层预处理光谱的相关性分析 | 第91-93页 |
| 3.2.5 冬小麦叶绿素密度(CH.D)与冠层预处理光谱的相关性分析 | 第93-94页 |
| 3.2.6 冬小麦氮素积累量(ANC)与冠层预处理光谱的相关性分析 | 第94-96页 |
| 3.2.7 冬小麦长势综合指标(CGI)与冠层预处理光谱的相关性分析 | 第96-97页 |
| 3.3 冬小麦冠层光谱预处理对长势指标的PLSR影响 | 第97-105页 |
| 3.3.1 基于平滑处理的冬小麦长势指标的PLSR表现 | 第98-100页 |
| 3.3.2 基于变换处理的冬小麦长势指标PLSR分析 | 第100-104页 |
| 3.3.3 基于校正处理的冬小麦长势指标的PLSR分析 | 第104-105页 |
| 4 讨论与结论 | 第105-108页 |
| 4.1 讨论 | 第105-106页 |
| 4.2 结论 | 第106-108页 |
| 参考文献 | 第108-111页 |
| 第五章 冬小麦长势光谱信息挖掘与监测 | 第111-149页 |
| 1 前言 | 第112-113页 |
| 2 材料与方法 | 第113-117页 |
| 2.1 试验设计 | 第113页 |
| 2.2 数据处理与获取 | 第113页 |
| 2.2.1 冬小麦冠层光谱的测定 | 第113页 |
| 2.2.2 冬小麦长势指标的测定 | 第113页 |
| 2.3 特征变量选择方法 | 第113-115页 |
| 2.3.1 相关系数法 | 第113-114页 |
| 2.3.2 连续投影算法(Successive projections algorithm,SPA) | 第114页 |
| 2.3.3 逐步多元线回归法(Stepwise multiple linear regression,SMLR) | 第114-115页 |
| 2.4 化学计量学建模方法 | 第115-117页 |
| 2.4.1 多元线性回归(Multiple linear regression,MLR) | 第115-116页 |
| 2.4.2 主成分回归(Principal component regression,PCR) | 第116页 |
| 2.4.3 偏最小二乘回归(Partial Least Square Regression,PLSR) | 第116-117页 |
| 2.4.4 支持向量机(Support vector machine,SVM) | 第117页 |
| 2.5 模型评价 | 第117页 |
| 2.6 数据分析软件 | 第117页 |
| 3 结果与分析 | 第117-135页 |
| 3.1 基于化学计量学方法的冬小麦长势的光谱特征提取 | 第117-127页 |
| 3.1.1 基于相关分析法 | 第117-118页 |
| 3.1.2 基于连续投影算法(SPA)方法 | 第118-122页 |
| 3.1.3 结合偏最小二乘法(PLSR)和逐步多元回归(SMLR)提取重要波段 | 第122-127页 |
| 3.2 基于化学计量学方法的冬小麦长势监测模型的构建和优化 | 第127-135页 |
| 3.2.1 基于全谱的冬小麦长势指标的监测 | 第127-132页 |
| 3.2.2 基于特征波段的冬小麦长势指标监测 | 第132-135页 |
| 4 讨论与结论 | 第135-142页 |
| 4.1 讨论 | 第135-140页 |
| 4.1.1 冬小麦长势指标的特征波段 | 第135-138页 |
| 4.1.2 冬小麦长势指标的模型表现 | 第138-140页 |
| 4.1.3 冬小麦长势模型与“光谱饱和”现象 | 第140页 |
| 4.2 结论 | 第140-142页 |
| 参考文献 | 第142-149页 |
| Abstract | 第149-151页 |
| 致谢 | 第153-155页 |
| 攻读博士研究生期间科研总结 | 第155页 |
