| 致谢 | 第7-9页 |
| 中文摘要 | 第9-15页 |
| Abstract | 第15-21页 |
| 第一章 绪论 | 第33-49页 |
| 1.1 研究背景及意义 | 第33-35页 |
| 1.2 基于室内测量的vis-NIR高光谱技术的国内外研究进展 | 第35-38页 |
| 1.3 基于野外原位测量的vis-NIR高光谱技术的国内外研究进展 | 第38-41页 |
| 1.3.1 “in situ”静态野外原位测量国外研究进展 | 第39-40页 |
| 1.3.2 “on-the-go”动态实时测量国外研究进展 | 第40-41页 |
| 1.3.3 基于野外原位测量vis-NIR高光谱技术的国内研究进展 | 第41页 |
| 1.4 土壤野外原位vis-NIR光谱测量中的影响因素 | 第41-45页 |
| 1.4.1 土壤水分 | 第42-43页 |
| 1.4.2 土壤表面属性 | 第43页 |
| 1.4.3 其他因素 | 第43-45页 |
| 1.5 本文的研究目标及内容 | 第45-47页 |
| 1.5.1 研究目标 | 第45页 |
| 1.5.2 研究内容 | 第45-47页 |
| 1.5.2.1 基于土壤野外原位测量光谱中的环境影响因素研究 | 第45页 |
| 1.5.2.2 不同线性和非线性多元建模方法对土壤野外原位光谱预测土壤属性精度的影响 | 第45-46页 |
| 1.5.2.3 基于土壤野外原位测量光谱中的环境影响因素去除算法研究 | 第46页 |
| 1.5.2.4 基于中国土壤光谱库的野外vis-NIR光谱土壤有机碳预测研究 | 第46-47页 |
| 1.6 研究技术路线 | 第47-49页 |
| 第二章 实验设计、数据获取与分析 | 第49-66页 |
| 2.1 土壤样本的采集与制备 | 第49-52页 |
| 2.2 土壤vis-NIR光谱测量与理化分析 | 第52-55页 |
| 2.2.1 基于野外原位的土壤vis-NIR光谱测量 | 第52-53页 |
| 2.2.2 基于实验室的土壤vis-NIR光谱测量 | 第53-54页 |
| 2.2.3 土壤主要理化分析 | 第54-55页 |
| 2.3 土壤野外vis-NIR反射光谱特性分析 | 第55-62页 |
| 2.3.1 土壤vis-NIR光谱的基本原理 | 第55-58页 |
| 2.3.2 水稻土vis-NIR光谱特征分析 | 第58-62页 |
| 2.3.2.1 原始光谱分析 | 第58-59页 |
| 2.3.2.2 连续统去除 | 第59-62页 |
| 2.4 土壤光谱常用预处理方法 | 第62-64页 |
| 2.4.1 吸收率转换 | 第62页 |
| 2.4.2 散射校正 | 第62-63页 |
| 2.4.3 平滑去噪 | 第63-64页 |
| 2.4.4 导数变换 | 第64页 |
| 2.4.5 中心化处理 | 第64页 |
| 2.5 建模组与预测组的划分 | 第64-66页 |
| 第三章 土壤主要理化属性的野外原位光谱预测建模与不确定性分析 | 第66-104页 |
| 3.1 引言 | 第66-68页 |
| 3.2 土壤光谱预测建模技术 | 第68-76页 |
| 3.2.1 偏最小二乘回归PLSR | 第68-73页 |
| 3.2.1.1 基本原理 | 第70-72页 |
| 3.2.1.2 模型参数最优化选择 | 第72-73页 |
| 3.2.2 最小二乘-支持向量机LS-SVM | 第73-76页 |
| 3.2.2.1 基本原理 | 第74-75页 |
| 3.2.2.2 模型参数最优化选择 | 第75-76页 |
| 3.3 模型精度评价方法 | 第76-78页 |
| 3.3.1 模型精度评价指标 | 第76-77页 |
| 3.3.2 模型精度评价等级划分 | 第77-78页 |
| 3.4 PLSR与LS-SVM建模方法预测结果比较 | 第78-99页 |
| 3.4.1 基于野外原位光谱的PLSR模型预测 | 第78-90页 |
| 3.4.1.1 PLSR最佳因子数的确定 | 第78-80页 |
| 3.4.1.2 基于野外原位光谱的PLSR模型预测结果 | 第80-84页 |
| 3.4.1.3 与基于室内光谱PLSR模型的比较 | 第84-90页 |
| 3.4.2 基于野外原位光谱的LS-SVM模型预测 | 第90-99页 |
| 3.4.2.1 LS-SVM最优参数的选择 | 第90-92页 |
| 3.4.2.2 基于野外原位光谱的LS-SVM模型预测结果 | 第92-95页 |
| 3.4.2.3 与基于室内光谱LS-SVM模型的比较 | 第95-99页 |
| 3.4.3 野外光谱预测土壤属性精度比较：PLSR vs.LS-SVM | 第99页 |
| 3.5 野外原位光谱预测：水稻土VS.旱作土壤 | 第99-100页 |
| 3.6 基于野外原位光谱的水稻土有机碳预测不确定性分析 | 第100-102页 |
| 3.6.1 模型不确定性分析 | 第100-101页 |
| 3.6.2 土壤有机碳LS-SVM预测模型的不确定性分析 | 第101-102页 |
| 3.7 本章结论与讨论 | 第102-104页 |
| 第四章 野外原位光谱水分去除算法研究 | 第104-130页 |
| 4.1 引言 | 第104-105页 |
| 4.2 基于光谱预处理的野外原位光谱预测土壤有机碳研究 | 第105-109页 |
| 4.3 基于野外原位测量光谱的土壤水分影响去除算法 | 第109-113页 |
| 4.3.1 额外参数正交化算法(EPO) | 第109-110页 |
| 4.3.2 光谱直接转换法(DS) | 第110-111页 |
| 4.3.3 光谱分段转换法(PDS) | 第111-113页 |
| 4.4 水稻土野外原位vis-NIR光谱的水分影响去除算法 | 第113-128页 |
| 4.4.1 转换子集的选取 | 第114-115页 |
| 4.4.2 利用额外参数正交化法去除野外原位光谱中土壤水分的影响 | 第115-117页 |
| 4.4.3 利用光谱转换法去除野外原位光谱中土壤水分的影响 | 第117-127页 |
| 4.4.3.1. 评价指标 | 第118页 |
| 4.4.3.2. 光谱直接转换法(DS) | 第118-121页 |
| 4.4.3.3 光谱分段转换法(PDS) | 第121-127页 |
| 4.4.4 不同水分去除算法的预测精度比较 | 第127-128页 |
| 4.5 本章结论与讨论 | 第128-130页 |
| 第五章 基于中国土壤光谱库的野外原位vis-NIR光谱土壤有机碳预测 | 第130-145页 |
| 5.1 引言 | 第130-131页 |
| 5.2 中国土壤光谱库(CSSD) | 第131-135页 |
| 5.2.1 基本信息 | 第131-134页 |
| 5.2.2 光谱分析 | 第134-135页 |
| 5.3 基于中国土壤光谱库的野外原位vis-NIR光谱土壤属性预测研究 | 第135-139页 |
| 5.3.1 研究方法 | 第135-136页 |
| 5.3.2 研究结果与讨论 | 第136-139页 |
| 5.4 Spiking算法在野外光谱预测土壤有机碳中的应用 | 第139-142页 |
| 5.4.1 spiking的基本思想 | 第139-140页 |
| 5.4.2 spiking算法在野外原位光谱土壤有机碳预测中的应用 | 第140-141页 |
| 5.4.3 spiking与传统的建模方法的比较 | 第141-142页 |
| 5.5 本章结论与讨论 | 第142-145页 |
| 第六章 结语、创新点和讨论 | 第145-149页 |
| 6.1 结论与讨论 | 第145-147页 |
| 6.2 创新点 | 第147-149页 |
| 参考文献 | 第149-176页 |
| 攻读博士期间的科研成果 | 第176-178页 |
| 附录 | 第178-211页 |
| 附表1-1 基于室内vis-NIR光谱测量的土壤属性预测研究国外文献汇总 | 第178-191页 |
| 附表1-2 基于室内vis-NIR光谱测量的土壤属性预测研究国内文献汇总 | 第191-205页 |
| 附表1-3 基于“in situ”静态野外原位光谱测量的国内外研究汇总 | 第205-209页 |
| 附表1-4 基于“on-the-go”动态实时光谱测量的国内外研究汇总 | 第209-211页 |
