| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 文献综述和立题依据 | 第11-21页 |
| 1 作物生物量监测的重要性 | 第11页 |
| 2 基于高光谱遥感技术监测作物长势的国内外研究进展 | 第11-16页 |
| 2.1 基于非成像高光谱技术监测作物长势的国内外研究进展 | 第11-12页 |
| 2.2 基于成像高光谱技术监测作物长势的国内外研究进展 | 第12-15页 |
| 2.3 高光谱遥感技术在作物生长监测中的科学问题 | 第15-16页 |
| 3 本研究的目的和意义 | 第16-17页 |
| 参考文献 | 第17-21页 |
| 第二章 技术路线与研究方法 | 第21-35页 |
| 1 研究思路与技术路线 | 第21-22页 |
| 2 材料与方法 | 第22-32页 |
| 2.1 试验设计 | 第22-23页 |
| 2.2 成像高光谱的获取及数据预处理 | 第23-26页 |
| 2.3 小麦叶片生物量的测定 | 第26页 |
| 2.4 最佳成像光谱特征的提取方法 | 第26-27页 |
| 2.5 小麦叶片生物量的建模方法 | 第27-30页 |
| 2.6 小麦叶片生物量模型的评价标准 | 第30-32页 |
| 参考文献 | 第32-35页 |
| 第三章 提取小麦叶片生物量最佳成像光谱特征的方法研究 | 第35-49页 |
| 1 引言 | 第35-37页 |
| 2 材料和方法 | 第37-38页 |
| 2.1 试验设计 | 第37页 |
| 2.2 成像高光谱的获取及数据预处理 | 第37页 |
| 2.3 小麦叶片生物量的测定 | 第37页 |
| 2.4 联合区间间隔偏最小二乘法结合连续投影算法(SIPLS-SPA)的实现 | 第37页 |
| 2.5 最佳光谱特征的提取方法的评价 | 第37-38页 |
| 3 结果与分析 | 第38-42页 |
| 3.1 小麦冠层高光谱随施氮水平的变化规律及其与叶片生物量的相关性 | 第38页 |
| 3.2 应用SIPLS-SPA方法提取小麦叶片生物量的光谱特征 | 第38-39页 |
| 3.3 与其他特征提取方法的比较 | 第39-42页 |
| 4 讨论与结论 | 第42-45页 |
| 4.1 叶片生物量光谱特征的提取方法的选择 | 第42-43页 |
| 4.2 偏最小二乘法的选择 | 第43页 |
| 4.3 指示叶片生物量的光谱特征的评价 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 第四章 基于极限学习机的小麦叶片生物量估测模型的研究 | 第49-63页 |
| 1 引言 | 第49-51页 |
| 2 材料和方法 | 第51-52页 |
| 2.1 试验设计 | 第51页 |
| 2.2 成像高光谱的获取及数据预处理 | 第51页 |
| 2.3 小麦叶片生物量的测定 | 第51页 |
| 2.4 极限学习机的方法原理 | 第51页 |
| 2.5 模型的评价标准 | 第51-52页 |
| 3 结果与分析 | 第52-57页 |
| 3.1 小麦冠层高光谱随施氮水平的变化规律及其与叶片生物量的相关性 | 第52页 |
| 3.2 小麦叶片生物量的最佳光谱特征的提取 | 第52页 |
| 3.3 基于极限学习机的叶片生物量估测模型的建立和验证 | 第52-54页 |
| 3.4 与其他叶片生物量估测模型的比较 | 第54-57页 |
| 4 讨论和结论 | 第57-59页 |
| 4.1 叶片生物量模型的构建方法的选择 | 第57页 |
| 4.2 ELM模型与其他模型的比较 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 第五章 讨论和结论 | 第63-77页 |
| 1 讨论 | 第63-70页 |
| 1.1 应用高光谱技术估测作物生物量 | 第63-64页 |
| 1.2 应用成像高光谱提取小麦冠层光谱反射率 | 第64-65页 |
| 1.3 指示叶片生物量的光谱特征的提取 | 第65-67页 |
| 1.4 不同类型建模方法的比较和评价 | 第67-70页 |
| 2 本研究的特色和创新 | 第70-71页 |
| 3 今后的研究设想 | 第71页 |
| 4 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间参加的科研项目 | 第77-79页 |
| 攻读硕士学位期间发表和投稿的学术论文 | 第79-81页 |
| 致谢 | 第81页 |
