不同遥感水平水稻氮素信息提取研究
致谢 | 第1-9页 |
摘要 | 第9-12页 |
Abstract | 第12-16页 |
目录 | 第16-22页 |
表目录 | 第22-28页 |
图目录 | 第28-33页 |
第1章 绪论 | 第33-57页 |
·研究意义和立题依据 | 第33-34页 |
·数据挖掘技术简介 | 第34-37页 |
·人工神经网络技术概述 | 第35-36页 |
·支持向量机概述 | 第36-37页 |
·作物氮素营养诊断的常规方法 | 第37-38页 |
·遥感提取作物氮素信息 | 第38-45页 |
·高光谱遥感概述 | 第38-39页 |
·植被光谱特性 | 第39-44页 |
·叶片及植被结构 | 第39-41页 |
·叶片光谱特性 | 第41-43页 |
·冠层光谱特性 | 第43-44页 |
·遥感提取作物生化参数的原理和研究基础 | 第44-45页 |
·遥感在作物氮素信息提取研究中的国内外研究进展 | 第45-53页 |
·不同遥感水平 | 第45-51页 |
·叶片水平 | 第48-49页 |
·冠层水平 | 第49-50页 |
·卫星水平 | 第50-51页 |
·不同研究方法 | 第51-53页 |
·线性逐步回归方法 | 第51-52页 |
·人工神经网络方法 | 第52页 |
·支持向量机方法 | 第52-53页 |
·课题来源、研究内容以及技术路线 | 第53-57页 |
·课题来源 | 第53页 |
·研究内容 | 第53-54页 |
·技术路线 | 第54-57页 |
第2章 数据获取及数据分析方法 | 第57-75页 |
·试验设计 | 第57-61页 |
·小区试验 | 第57-60页 |
·大田试验 | 第60-61页 |
·数据获取 | 第61-62页 |
·光谱测定 | 第61-62页 |
·光谱仪介绍 | 第61页 |
·冠层光谱测定 | 第61-62页 |
·叶片光谱测定 | 第62页 |
·TM数据 | 第62页 |
·氮含量测定 | 第62页 |
·数据分析方法 | 第62-75页 |
·多元线性回归建模法 | 第63-64页 |
·反向传播神经网络 | 第64-66页 |
·径向基函数网络 | 第66-67页 |
·支持向量机网络 | 第67-70页 |
·主成份分析法 | 第70-72页 |
·模型精度检验指标 | 第72-75页 |
第3章 数据特征分析 | 第75-79页 |
·氮含量统计特征 | 第75-77页 |
·水稻氮含量统计特征分析 | 第75-76页 |
·油菜氮含量统计特征分析 | 第76-77页 |
·光谱特征 | 第77-79页 |
·叶片光谱特征 | 第77-78页 |
·冠层光谱特征 | 第78-79页 |
第4章 基于叶片光谱的氮素信息提取 | 第79-115页 |
·不同发育期水稻氮含量遥感诊断模型 | 第79-96页 |
·数据随机分组 | 第79-80页 |
·主成份分析(PCA分析) | 第80-83页 |
·建模样本PCA分析 | 第80-82页 |
·检验样本PCA分析 | 第82-83页 |
·回归法提取作物氮素信息 | 第83-87页 |
·基于光谱反射率的多元线性模型 | 第83-86页 |
·基于主成份得分值的多元线性模型 | 第86-87页 |
·BP模型 | 第87-88页 |
·RBF模型 | 第88-89页 |
·SVM模型 | 第89页 |
·模型精度检验 | 第89-96页 |
·线性模型精度检验 | 第90-92页 |
·BP模型精度检验 | 第92-94页 |
·RBF模型精度检验 | 第94-96页 |
·SVM模型精度检验 | 第96页 |
·不同氮素水平水稻氮含量遥感诊断模型 | 第96-106页 |
·数据随机分组 | 第96-98页 |
·主成份分析 | 第98-99页 |
·建模样本PCA分析 | 第98页 |
·检验样本PCA分析 | 第98-99页 |
·线性模型 | 第99-100页 |
·基于光谱反射率的多元线性模型 | 第99-100页 |
·基于主成份的线性模型 | 第100页 |
·BP模型 | 第100页 |
·RBF模型 | 第100-101页 |
·SVM模型 | 第101页 |
·模型精度检验 | 第101-106页 |
·线性模型精度检验 | 第101-102页 |
·BP模型精度检验 | 第102-103页 |
·RBF模型精度检验 | 第103-104页 |
·SVM模型精度检验 | 第104-106页 |
·模型普适性验证 | 第106-111页 |
·大田水稻数据对模型的验证 | 第106-109页 |
·氮含量统计特征分析 | 第106页 |
·光谱反射率PCA分析 | 第106-107页 |
·模型普适性验证结果 | 第107-109页 |
·油菜数据对模型的验证 | 第109-111页 |
·氮含量统计特征分析 | 第109页 |
·光谱反射率PCA分析 | 第109页 |
·模型普适性验证结果 | 第109-111页 |
·本章小结 | 第111-115页 |
第5章 基于冠层光谱的氮素信息提取 | 第115-147页 |
·不同发育期水稻氮含量遥感诊断模型 | 第115-130页 |
·数据随机分组 | 第115页 |
·主成份分析(PCA分析) | 第115-118页 |
·建模样本PCA分析 | 第115-117页 |
·检验样本PCA分析 | 第117-118页 |
·回归法提取作物氮素信息 | 第118-120页 |
·基于光谱反射率的多元线性模型 | 第118-119页 |
·基于主成份得分值的多元线性模型 | 第119-120页 |
·BP模型 | 第120页 |
·RBF模型 | 第120-121页 |
·SVM模型 | 第121页 |
·模型精度检验 | 第121-130页 |
·线性模型精度检验 | 第121-124页 |
·BP模型精度检验 | 第124-125页 |
·RBF模型精度检验 | 第125-127页 |
·SVM模型精度检验 | 第127-130页 |
·不同氮素水平水稻氮含量遥感诊断模型 | 第130-138页 |
·数据随机分组 | 第130页 |
·主成份分析 | 第130-132页 |
·建模样本PCA分析 | 第130-131页 |
·检验样本PCA分析 | 第131-132页 |
·多元线性模型 | 第132页 |
·基于光谱反射率的多元线性回归模型 | 第132页 |
·基于主成份的线性模型 | 第132页 |
·BP模型 | 第132-133页 |
·RBF模型 | 第133页 |
·SVM模型 | 第133-134页 |
·模型精度检验 | 第134-138页 |
·线性模型精度检验 | 第134-135页 |
·BP模型精度检验 | 第135-136页 |
·RBF模型精度检验 | 第136-137页 |
·SVM模型精度检验 | 第137-138页 |
·模型普适性验证 | 第138-142页 |
·大田水稻数据对模型的验证 | 第138-140页 |
·氮含量统计特征分析 | 第139页 |
·光谱反射率PCA分析 | 第139页 |
·模型普适性验证结果 | 第139-140页 |
·油菜数据对模型的验证 | 第140-142页 |
·油菜氮含量统计特征分析 | 第140页 |
·光谱反射率PCA分析 | 第140-141页 |
·模型普适性验证结果 | 第141-142页 |
·本章小结 | 第142-147页 |
第6章 基于TM数据的氮素信息提取 | 第147-163页 |
·氮含量统计特征分析 | 第147-148页 |
·不同遥感水平光谱变量以及植被指数的统计特征分析 | 第148-149页 |
·光谱变量与氮含量之间相关关系的定性分析 | 第149-151页 |
·基于叶片光谱模拟TM变量的氮含量诊断模型 | 第151-152页 |
·模型结构 | 第151页 |
·模型评价 | 第151-152页 |
·基于冠层光谱模拟TM变量的氮含量诊断模型 | 第152-154页 |
·模型结构 | 第152-153页 |
·模型评价 | 第153-154页 |
·基于TM数据的氮含量诊断模型 | 第154-156页 |
·模型结构 | 第154页 |
·模型精度检验 | 第154-156页 |
·叶片和冠层水平氮含量诊断模型的可扩展性验证 | 第156-161页 |
·叶片水平氮含量诊断模型的可扩展性验证 | 第156-159页 |
·冠层水平氮含量诊断模型的可扩展性验证 | 第159-161页 |
·本章小结 | 第161-163页 |
第7章 结语、创新点与讨论 | 第163-170页 |
·主要结论 | 第163-168页 |
·不同遥感水平氮含量诊断模型精度比较 | 第163-165页 |
·不同研究方法对比 | 第165-167页 |
·R-模型和PC-模型精度对比 | 第167页 |
·不同氮素水平模型精度对比 | 第167-168页 |
·创新点 | 第168页 |
·讨论 | 第168-170页 |
参考文献 | 第170-187页 |
作者简历及在学期间的科研成果 | 第187页 |