首页--农业科学论文--农作物论文--禾谷类作物论文--麦论文--小麦论文

小麦、玉米叶片和植株氮营养高光谱诊断与应用研究

摘要第4-7页
abstract第7-10页
1 绪论第15-27页
    1.1 研究背景及意义第15-16页
    1.2 作物氮素营养诊断遥感监测研究进展第16-20页
        1.2.1 基于原始光谱信息的作物氮素营养诊断遥感研究进展第16-17页
        1.2.2 基于红边参数的作物氮素营养遥感诊断研究第17-18页
        1.2.3 基于连续统去除的作物氮素营养遥感诊断研究第18页
        1.2.4 基于光谱指数的作物氮素营养遥感诊断研究第18-19页
        1.2.5 基于辐射传输模型的作物氮素营养遥感诊断研究第19-20页
    1.3 作物生物量遥感监测研究进展第20-21页
    1.4 作物临界氮稀释模型及氮营养指数遥感监测研究进展第21-23页
        1.4.1 作物临界氮稀释模型研究进展第21-22页
        1.4.2 作物氮营养指数遥感监测研究进展第22-23页
    1.5 无人机遥感监测研究进展第23-24页
    1.6 研究目标、研究内容及技术路线第24-26页
        1.6.1 研究目标第24页
        1.6.2 研究内容第24-25页
        1.6.3 技术路线第25-26页
    1.7 本章小结第26-27页
2 试验设计和数据处理第27-41页
    2.1 试验区域概况第27-28页
        2.1.1 国家精准农业示范基地试验区域概况第27页
        2.1.2 北京农林科学院小麦试验区概况第27-28页
    2.2 田间试验设计第28-33页
        2.2.1 试验一 2012/2013年小麦氮素胁迫试验第28-29页
        2.2.2 试验二 2013/2014年小麦氮素胁迫试验第29-30页
        2.2.3 试验三 2014/2015年小麦氮素胁迫试验第30-31页
        2.2.4 试验四 2012/2013小汤山氮素胁迫试验第31-32页
        2.2.5 试验五 2013/2014年小麦水分胁迫试验第32-33页
    2.3 数据获取及处理第33-38页
        2.3.1 遥感数据获取及处理第33-37页
        2.3.2 作物生理、生化参数测定第37-38页
    2.4 数据统计分析第38-39页
    2.5 本章小结第39-41页
3 叶片氮营养状况高光谱反演第41-75页
    3.1 叶片氮含量及氮累积量统计分析第41-42页
    3.2 原始光谱反射特征参数与叶片氮素营养状况的相关性第42-43页
    3.3 红边参数与叶片氮素营养状况的相关性第43-47页
    3.4 连续统去除光谱吸收特征与叶片氮素营养状况的相关性第47-48页
    3.5 基于EFAST方法与PROSPECT模型的氮素敏感性分析第48-55页
        3.5.1 EFAST方法和叶绿素敏感性分析策略第48-49页
        3.5.2 PROSPECT模型第49页
        3.5.3 叶片参数一阶敏感性和总敏感性分析第49-51页
        3.5.4 构建的植被指数NDSI和RSI与氮素状况的相关性第51-55页
    3.6 与氮素状况相关的植被指数第55-61页
    3.7 叶片氮营养状况最佳植被指数的确定与验证第61-73页
        3.7.1 叶片氮状况最佳植被指数的确定第61-68页
        3.7.2 叶片氮状况最佳植被指数验证第68-73页
    3.8 本章小结第73-75页
4 植株氮营养状况高光谱反演第75-99页
    4.1 植株氮含量及氮累积量统计分析第75-76页
    4.2 原始光谱反射特征与植株氮素营养状况的相关性第76-77页
    4.3 红边参数与植株氮素营养状况的相关性第77页
    4.4 连续统去除光谱吸收特征与植株氮素营养状况的相关性第77-83页
    4.5 基于EFAST方法与PROSAIL模型的氮素敏感性分析第83-87页
        4.5.1 PROSAIL模型第83页
        4.5.2 植株参数一阶敏感性和总敏感性分析第83-85页
        4.5.3 构建的植被指数NDSI和RSI与氮素状况的相关性第85-87页
    4.6 与氮素状况相关的植被指数第87-88页
    4.7 植株氮营养状况最佳植被指数的确定与验证第88-98页
        4.7.1 植株氮状况最佳植被指数的确定第88-89页
        4.7.2 植株氮状况最佳植被指数的验证第89-98页
    4.8 本章小结第98-99页
5 叶片及植株生物量高光谱反演第99-111页
    5.1 原始光谱反射特征与叶片及植株生物量相关性分析第99-100页
    5.2 红边参数与叶片及植株生物量相关性分析第100页
    5.3 连续统去除光谱吸收特征与叶片及植株生物量相关性分析第100-101页
    5.4 叶片及植株生物量的最佳光谱指数构建及相关性分析第101-103页
    5.5 与生物量相关的常用植被指数及相关性分析第103-104页
    5.6 叶片及植株生物量最佳植被指数的确定及验证第104-107页
        5.6.1 叶片生物量最佳植被指数的确定第104-105页
        5.6.2 叶片生物量最佳植被指数的验证第105-106页
        5.6.3 植株生物量最佳植被指数的确定第106页
        5.6.4 植株生物量最佳植被指数的验证第106-107页
    5.7 本章小结第107-111页
6 叶片及植株氮营养指数高光谱反演第111-129页
    6.1 叶片及植株关键氮浓度曲线的建立第111-121页
        6.1.1 小麦叶片临界氮浓度稀释曲线的建立第111-112页
        6.1.2 小麦植株临界氮浓度稀释曲线的建立第112-114页
        6.1.3 叶片及植株氮营养指数模型的建立第114-118页
        6.1.4 小麦叶片及植株氮累积模型的建立第118-121页
        6.1.5 植株临界氮稀释模型的检验第121页
    6.2 叶片及植株氮营养指数诊断模型的构建第121-126页
        6.2.1 叶片氮营养指数估算模型构建第122-123页
        6.2.2 植株氮营养指数估算模型构建第123-125页
        6.2.3 叶片氮营养指数模型验证第125页
        6.2.4 植株氮营养指数模型验证第125-126页
    6.3 本章小结第126-129页
7 氮营养诊断模型在无人机高光谱遥感中的应用第129-139页
    7.1 基于无人机高光谱的植株氮含量及氮累积量反演及精度评价第130-133页
    7.2 基于无人机高光谱的植株生物量反演及精度评价第133-135页
    7.3 基于无人机高光谱的氮营养指数反演及精度评价第135-137页
    7.4 本章小结第137-139页
8 结论与展望第139-143页
    8.1 结论第139-140页
    8.2 本文创新点第140页
    8.3 展望第140-143页
参考文献第143-159页
致谢第159-161页
作者简介第161页
在学期间发表的学术论文第161页
在学期间参加科研项目第161页

论文共161页,点击 下载论文
上一篇:矿井全空间巷道孔中瞬变电磁波场特征数值模拟研究
下一篇:基于智能算法的滑坡位移预测与危险性评价研究