| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 主要缩略词表 | 第19-20页 |
| 第一章 绪论 | 第20-35页 |
| 1.1 选题背景及研究意义 | 第20-22页 |
| 1.2 国内外研究现状及分析 | 第22-30页 |
| 1.2.1 土壤属性的快速检测技术 | 第22-24页 |
| 1.2.2 土壤属性高光谱检测技术 | 第24-28页 |
| 1.2.3 土壤速效养分光谱检测技术 | 第28-30页 |
| 1.2.4 现有研究存在的主要问题 | 第30页 |
| 1.3 本文研究内容及组织结构 | 第30-35页 |
| 1.3.1 研究内容 | 第30-31页 |
| 1.3.2 技术路线 | 第31-33页 |
| 1.3.3 结构安排 | 第33-35页 |
| 第二章 实验设计与数据获取 | 第35-43页 |
| 2.1 皖北砂姜黑土数据获取与处理 | 第35-40页 |
| 2.1.1 研究区域 | 第35页 |
| 2.1.2 土壤样本采集与处理 | 第35-36页 |
| 2.1.3 理化检测分析 | 第36-37页 |
| 2.1.4 实验设备与光谱采集 | 第37-38页 |
| 2.1.5 成像光谱提取与处理 | 第38-40页 |
| 2.2 内盖夫黄绵土数据获取与处理 | 第40-42页 |
| 2.2.1 研究区域 | 第40-41页 |
| 2.2.2 野外光谱采集 | 第41-42页 |
| 2.2.3 土壤采集与理化检测分析 | 第42页 |
| 2.3 本章小结 | 第42-43页 |
| 第三章 土壤光谱模型校正分析方法 | 第43-52页 |
| 3.1 光谱预处理与变换方法 | 第43-45页 |
| 3.1.1 滤波平滑 | 第43-44页 |
| 3.1.2 导数变换 | 第44页 |
| 3.1.3 散射校正 | 第44页 |
| 3.1.4 对数变换 | 第44页 |
| 3.1.5 小波变换 | 第44-45页 |
| 3.1.6 数据标准化 | 第45页 |
| 3.2 建模算法 | 第45-49页 |
| 3.2.1 偏最小二乘回归 | 第45-47页 |
| 3.2.2 最小二乘支持向量机 | 第47-48页 |
| 3.2.3 BP神经网络 | 第48-49页 |
| 3.3 校正集与验证集的划分 | 第49-50页 |
| 3.4 模型评价与选择 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 土壤速效养分VNIR成像高光谱预测研究 | 第52-70页 |
| 4.1 室内VNIR光谱特征及分析 | 第52-56页 |
| 4.1.1 原始光谱特征 | 第52-53页 |
| 4.1.2 预处理变换对光谱的影响 | 第53-54页 |
| 4.1.3 光谱与速效养分含量的相关性 | 第54-56页 |
| 4.2 模型预测结果 | 第56-59页 |
| 4.2.1 PLS-R模型预测效果 | 第56-57页 |
| 4.2.2 LS-SVM模型预测效果 | 第57-58页 |
| 4.2.3 BPNN模型预测效果 | 第58-59页 |
| 4.3 不同校正方法对模型的影响 | 第59-62页 |
| 4.3.1 不同预处理变换对模型的影响 | 第60-61页 |
| 4.3.2 不同回归算法对模型的影响 | 第61-62页 |
| 4.4 校正方法的选择 | 第62-64页 |
| 4.5 基于PLS-BPNN的土壤速效磷预测 | 第64-69页 |
| 4.5.1 基于潜在变量的BPNN校正建模 | 第64-66页 |
| 4.5.2 基于特征波长的BPNN校正建模 | 第66-68页 |
| 4.5.3 不同建模方法的对比分析 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 基于多任务学习的土壤速效养分野外原位高光谱预测研究 | 第70-85页 |
| 5.1 野外原位VNIR/SWIR光谱响应特征分析 | 第71-72页 |
| 5.2 光谱预处理与变换 | 第72页 |
| 5.3 数据集划分与模型评价 | 第72页 |
| 5.4 基于dirtymodel的线性多任务学习算法 | 第72-75页 |
| 5.4.1 多任务学习简介 | 第72-73页 |
| 5.4.2 Dirtymodel算法 | 第73-75页 |
| 5.5 PLS-R模型预测效果 | 第75-78页 |
| 5.5.1 模型预测结果 | 第75-76页 |
| 5.5.2 变量投影重要性指标的分布 | 第76-78页 |
| 5.6 LMTL模型预测效果 | 第78-83页 |
| 5.6.1 正则化参数对模型的影响 | 第78-81页 |
| 5.6.2 模型预测结果与使用特征 | 第81-82页 |
| 5.6.3 LMTL模型使用特征的分析 | 第82-83页 |
| 5.7 讨论 | 第83-84页 |
| 5.7.1 PLS-R和LMTL模型性能对比 | 第83-84页 |
| 5.7.2 共享特征分析 | 第84页 |
| 5.8 本章小结 | 第84-85页 |
| 第六章 基于收缩算法的土壤速效养分野外原位高光谱预测研究 | 第85-94页 |
| 6.1 收缩算法 | 第85-88页 |
| 6.1.1 GLSW算法 | 第85-86页 |
| 6.1.2 Lasso正则化算法 | 第86-87页 |
| 6.1.3 双收缩分析流程 | 第87-88页 |
| 6.2 结果与分析 | 第88-91页 |
| 6.2.1 正则化参数对双收缩预测模型的影响 | 第88-89页 |
| 6.2.2 双收缩模型预测结果 | 第89-90页 |
| 6.2.3 单收缩模型预测结果 | 第90-91页 |
| 6.3 讨论 | 第91-93页 |
| 6.3.1 GLSW对光谱的影响 | 第91-92页 |
| 6.3.2 双收缩模型使用特征的分析 | 第92页 |
| 6.3.3 双收缩模型与LMTL模型的对比 | 第92-93页 |
| 6.4 本章小结 | 第93-94页 |
| 第七章 结论与展望 | 第94-96页 |
| 7.1 主要研究结论 | 第94-95页 |
| 7.2 论文创新点 | 第95页 |
| 7.3 研究展望 | 第95-96页 |
| 参考文献 | 第96-107页 |
| 作者简介 | 第107-108页 |
