首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感技术的应用论文

水稻主要病虫害胁迫遥感监测研究

致谢第1-8页
中文摘要第8-10页
Abstract第10-12页
全文目录第12-16页
表目录第16-20页
图目录第20-23页
第一章 绪论第23-37页
   ·研究目的和意义第23-25页
   ·植被病虫害遥感的基本原理第25-28页
     ·植被波谱诊断原理第26页
     ·健康植被的光谱特征第26-27页
     ·受胁迫植被的光谱特征第27-28页
   ·植被病虫害胁迫遥感研究进展第28-34页
     ·森林病虫害胁迫遥感研究进展第28-30页
     ·草地病虫害胁迫遥感研究进展第30-31页
     ·农作物病虫害胁迫遥感研究进展第31-33页
     ·水稻病虫害胁迫遥感研究进展第33-34页
   ·植被病虫害胁迫遥感研究中存在的问题第34-35页
   ·研究内容第35-37页
     ·水稻病虫害高光谱特征谱段研究第36页
     ·水稻病虫害胁迫高光谱特征参数提取第36页
     ·基于高光谱遥感的水稻主要病虫害等级识别和危害指标估算第36页
     ·基于高空间分辨率卫星影像的稻飞虱危害评估第36-37页
第二章 数据获取、技术路线及方法第37-51页
   ·数据获取第37-47页
     ·病虫害调查与数据获取第38-44页
       ·浙江省武义县稻胡麻斑病调查与数据获取第38-40页
       ·黑龙江省友谊农场稻瘟病调查与数据获取第40-41页
       ·浙江省杭州市萧山区稻干尖线虫病调查与数据获取第41-42页
       ·稻纵卷叶螟调查与数据获取第42-43页
       ·浙江省桐庐县稻飞虱调查与数据获取第43-44页
     ·光谱观测第44-46页
       ·叶片光谱测定第44-45页
       ·冠层光谱测定第45-46页
     ·色素测定第46-47页
     ·QuickBird影像及地面数据第47页
   ·研究技术路线第47-48页
   ·研究方法第48-51页
第三章 水稻不同病虫害光谱特征分析第51-95页
   ·高光谱数据预处理第51-53页
     ·光谱数据平滑处理第51-52页
     ·光谱数据变换第52-53页
       ·微分光谱变换第52页
       ·反对数光谱变换第52-53页
     ·分析谱段的确定第53页
   ·水稻主要病虫害的高光谱特征选择第53-69页
     ·概述第53-54页
     ·基于连续统去除法的光谱特征选择第54-58页
       ·连续统去除法简介第54-56页
       ·光谱特征位置搜索第56-58页
     ·基于光谱敏感度分析的敏感谱段选择第58-62页
       ·原始光谱敏感度分析第59-60页
       ·对数光谱敏感度分析第60-61页
       ·微分光谱敏感度分析第61-62页
     ·基于相关系数分析法的敏感谱段选择第62-68页
       ·水稻原始光谱与生理生化参数间的相关关系第62-64页
       ·水稻对数光谱与生理生化参数间的相关关系第64-65页
       ·水稻微分光谱与生理生化参数间的相关关系第65-68页
     ·综合不同分析方法的敏感谱段选择第68-69页
   ·水稻主要病虫害的高光谱特征提取第69-94页
     ·概述第69-71页
     ·基于主成分分析的光谱特征提取第71-85页
       ·主成分定义及求解第71-73页
       ·几何解释第73-74页
       ·PCA变换的发展第74-76页
       ·基于传统PCA变换的光谱特征提取第76-81页
       ·基于分段PCA变换的光谱特征提取第81-85页
     ·高光谱三边特征参数提取第85-89页
     ·光谱植被指数提取第89-94页
       ·现有的植被指数第91-92页
       ·病虫害胁迫指数的构建第92-94页
   ·本章小结与讨论第94-95页
第四章 水稻病虫害高光谱遥感识别及估算研究第95-135页
   ·水稻主要病虫害的高光谱遥感识别研究第96-109页
     ·数据描述第96-97页
     ·分类方法第97-101页
       ·聚类分析第97-98页
       ·PNN网络第98页
       ·LVQ网络第98-99页
       ·支持向量分类机(SVC)第99-101页
     ·结果与分析第101-107页
       ·聚类分析的分类结果第101-103页
       ·PNN网络的分类结果第103-104页
       ·LVQ网络的分类结果第104-106页
       ·SVC的分类结果第106-107页
     ·方法评价第107-109页
       ·分类精度第108页
       ·模型构建第108-109页
       ·消耗时间第109页
   ·水稻危害指标的高光谱遥感估算研究第109-132页
     ·数据描述第109-111页
     ·回归预测方法第111-116页
       ·MSR分析第111页
       ·PLS分析第111-112页
       ·RBF网络第112-113页
       ·BP网络第113-114页
       ·支持向量回归机(SVR)第114-116页
     ·结果与分析第116-129页
       ·运用 MSR分析构建的水稻危害指标估算模型第116-117页
       ·运用PLS分析构建的水稻危害指标估算模型第117-119页
       ·运用 RBF网络构建的水稻危害指标估算模型第119-120页
       ·运用BP网络构建的水稻危害指标估算模型第120-122页
       ·运用 SVR构建的水稻危害指标估算模型第122页
       ·光谱指数对水稻危害指标的估算第122-126页
       ·高光谱三边特征参数对水稻危害指标的估算第126-129页
     ·方法评价第129-132页
   ·本章小结第132-135页
第五章 基于QuickBird影像的稻飞虱危害评估第135-169页
   ·研究区概述第135-137页
     ·地理概况第135页
     ·稻飞虱危害情况简介第135-137页
   ·QuickBird影像预处理第137-146页
     ·QuickBird卫星影像简介第137-138页
     ·几何校正第138-141页
       ·地面控制点(GCP)的选取第139页
       ·多项式纠正模型和像元重采样第139-141页
       ·影像配准第141页
     ·QuickBird影像统计特征分析第141-146页
       ·QuickBird影像单元统计第141-143页
       ·QuickBird影像多元统计第143-145页
       ·QuickBird影像信息熵的计算第145-146页
   ·QuickBird影像融合第146-159页
     ·融合方法第147-153页
       ·植被指数模型(VIs)第148-149页
       ·Brovey变换第149-150页
       ·主成分变换(PCA)第150-151页
       ·小波变换融合法(WT)第151-152页
       ·平滑滤波亮度调节法(SFIM)第152-153页
       ·多时相影像融合(MT)第153页
     ·融合效果评价方法第153-156页
       ·光谱质量第154-155页
       ·空间纹理结构信息第155-156页
     ·QuickBird影像融合结果第156-159页
       ·目视质量评价(VQA)第156-157页
       ·统计质量评价(SQA)第157-159页
     ·小结第159页
   ·稻飞虱危害评估第159-167页
     ·水稻种植区域提取第159-160页
     ·稻飞虱危害区域提取第160-166页
       ·基于多时相融合影像的水稻健康状况分析第160-163页
       ·基于植被指数VIs的水稻健康状况分析第163-165页
       ·稻飞虱危害面积提取第165-166页
     ·危害评估第166-167页
   ·本章小结第167-169页
第六章 结论、创新点和讨论第169-175页
   ·结论第169-172页
     ·色素含量及色素间的比例发生改变第169页
     ·病虫害胁迫水稻的光谱特征变化第169-170页
     ·水稻病虫害响应敏感波段的选择第170页
     ·主分量光谱的提取和病虫害胁迫指数的构建第170页
     ·多种分类方法对水稻病虫危害等级的识别第170-171页
     ·多种回归方法对水稻病虫危害指标的估算第171页
     ·基于QuickBird影像的稻飞虱危害损失评估第171-172页
   ·创新点与新进展第172-173页
   ·讨论与展望第173-175页
参考文献(References)第175-197页
作者简历与攻读博士研究生期间的科研成果第197-198页

论文共198页,点击 下载论文
上一篇:基于半定规划的多项式非线性系统镇定控制研究
下一篇:土壤高光谱遥感信息提取与二向反射模型研究