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

无人机载凝视高光谱影像拼接、辐射定标及在小麦氮素监测中的应用研究

致谢第4-6页
摘要第6-8页
ABSTRACT第8-9页
1 绪论第12-22页
    1.1 研究背景及意义第12-14页
    1.2 研究进展第14-17页
        1.2.1 小型成像光谱仪及其应用研究进展第14-16页
        1.2.2 高光谱技术在作物氮素监测中的应用研究进展第16-17页
    1.3 研究内容与技术路线第17-19页
        1.3.1 研究内容第17-19页
        1.3.2 技术路线第19页
    1.4 论文章节安排第19-22页
2 研究区及数据获取第22-32页
    2.1 研究区概况第22-23页
    2.2 研究所用的硬件系统第23-27页
        2.2.1 轻小型无人机第23-24页
        2.2.2 凝视高光谱成像仪和高清数码相机第24-26页
        2.2.3 汞氩灯、光学积分球和光谱测量仪器第26-27页
    2.3 数据获取第27-30页
        2.3.1 实验室高光谱仪器数据采集第27-28页
        2.3.2 野外实验区无人机高光谱图像获取第28-30页
        2.3.3 地面小麦作物参数采集第30页
    2.4 本章小结第30-32页
3 无人机高光谱影像拼接第32-42页
    3.1 高光谱图像POS插值第32-33页
    3.2 DOM生成第33-35页
    3.3 DSM生成和作物株高提取第35-36页
    3.4 结果与分析第36-41页
        3.4.1 POS插值第36-38页
        3.4.2 DOM生成与精度评价第38-40页
        3.4.3 株高提取与精度评价第40-41页
    3.5 结论第41-42页
4 高光谱图像辐射定标第42-52页
    4.1 光谱定标第42页
    4.2 辐射响应线性度和辐射响应变异性第42-44页
        4.2.1 辐射响应线性度评价第42-43页
        4.2.2 辐射响应变异性与校正第43-44页
    4.3 辐射定标和精度验证第44-46页
    4.4 结果与分析第46-51页
        4.4.1 像元辐射响应线性度第46-47页
        4.4.2 辐射响应变异性的消除第47-49页
        4.4.3 光谱定标第49-50页
        4.4.4 辐射定标第50-51页
    4.5 结论第51-52页
5 基于无人机高光谱图像的小麦氮素反演第52-58页
    5.1 基于光谱指数的氮素反演第52-53页
    5.2 基于BP神经网络的氮素反演第53页
    5.3 结果与分析第53-57页
        5.3.1 光谱指数氮素反演结果第53-56页
        5.3.2 BP神经网络氮素反演结果第56-57页
    5.4 结论第57-58页
6 结论与展望第58-62页
    6.1 主要结论第58-59页
    6.2 主要创新点第59页
    6.3 展望第59-62页
        6.3.1 论文提出的方法的适用性第59-60页
        6.3.2 无人机高光谱成像仪和其他成像传感器集成第60页
        6.3.3 存在的不足和下一步研究方向第60-62页
参考文献第62-70页
作者简历第70-72页
学位论文数据集第72页

论文共72页,点击 下载论文
上一篇:倒伏胁迫下的玉米群体生长指标高光谱响应机理解析
下一篇:中国不同产区大蒜鳞茎品质评价及其与产地环境关系分析