| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究意义 | 第13页 |
| 1.2 国内外主要研究现状 | 第13-19页 |
| 1.2.1 时域反射法 | 第13-14页 |
| 1.2.2 中子仪法 | 第14页 |
| 1.2.3 热脉冲探针法 | 第14-15页 |
| 1.2.4 热惯量法 | 第15页 |
| 1.2.5 遥感法 | 第15-17页 |
| 1.2.6 积分球法 | 第17页 |
| 1.2.7 图像法 | 第17页 |
| 1.2.8 人工神经网络 | 第17-19页 |
| 1.3 研究目标 | 第19页 |
| 1.4 研究内容 | 第19页 |
| 1.5 技术路线 | 第19-21页 |
| 第二章 材料与方法 | 第21-29页 |
| 2.1 土壤样品的预处理 | 第21页 |
| 2.2 土壤含水量测定方法 | 第21-25页 |
| 2.2.1 积分球反射计法 | 第21-23页 |
| 2.2.2 手持光谱仪法 | 第23页 |
| 2.2.3 图像法 | 第23-25页 |
| 2.3 光谱特征参数的选取及描述 | 第25-26页 |
| 2.4 人工神经网络(ANN) | 第26-28页 |
| 2.4.1 简介ANN | 第26页 |
| 2.4.2 运行ANN的步骤 | 第26-28页 |
| 2.5 数据分析 | 第28-29页 |
| 第三章 基于高光谱与人工神经网络的土壤含水量估算模型 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 光谱特征参数建模和数据分析 | 第29页 |
| 3.3 结果与讨论 | 第29-40页 |
| 3.3.1 不同土壤容重下土壤含水量的反射率变化 | 第29-30页 |
| 3.3.2 不同土壤容重下土壤含水量与光谱特征参数的相关性分析 | 第30-34页 |
| 3.3.3 分析不同土壤含水量与光谱特征参数的相关性 | 第34-38页 |
| 3.3.4 人工神经网络(ANN) | 第38-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 基于积分球法对表层土壤含水量的估算研究 | 第41-47页 |
| 4.1 引言 | 第41页 |
| 4.2 材料与方法 | 第41页 |
| 4.3 结果与讨论 | 第41-46页 |
| 4.3.1 土壤反射率的变化 | 第41-42页 |
| 4.3.2 建立和验证土壤含水量的估算模型 | 第42-44页 |
| 4.3.3 四种土壤含水量估算模型的建立和验证 | 第44-45页 |
| 4.3.4 模型的普适性 | 第45-46页 |
| 4.4 小结 | 第46-47页 |
| 第五章 基于数字图像估算表层不同土壤容重的土壤含水量 | 第47-58页 |
| 5.1 引言 | 第47页 |
| 5.2 图像分析 | 第47页 |
| 5.3 数据分析 | 第47-48页 |
| 5.4 结果与讨论 | 第48-57页 |
| 5.4.1 四种土壤的图像信息 | 第48-49页 |
| 5.4.2 砂土含水量的估算模型及模型验证 | 第49-51页 |
| 5.4.3 壤土含水量的估算模型及模型验证 | 第51-52页 |
| 5.4.4 黏壤土含水量的估算模型及模型验证 | 第52-53页 |
| 5.4.5 砂质壤土含水量的估算模型及模型验证 | 第53-54页 |
| 5.4.6 四种土壤的土壤含水量估算模型及验证 | 第54-55页 |
| 5.4.7 基于人工神经网络(ANN)对不同土壤含水量的估算 | 第55-57页 |
| 5.5 小结 | 第57-58页 |
| 第六章 三种土壤含水量测量方法的比较与分析 | 第58-66页 |
| 6.1 积分球法与光谱仪法的比较 | 第60-64页 |
| 6.2 光谱仪法与图像法的比较 | 第64页 |
| 6.3 小结 | 第64-66页 |
| 第七章 结论与展望 | 第66-68页 |
| 7.1 主要结论 | 第66页 |
| 7.2 创新点 | 第66-67页 |
| 7.3 展望 | 第67-68页 |
| 参考文献 | 第68-77页 |
| 附录图 | 第77-81页 |
| 附录表 | 第81-89页 |
| 致谢 | 第89-90页 |
| 作者简介 | 第90页 |
