| 中文摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 1 引言 | 第11-22页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 高光谱技术及研究进展 | 第12-17页 |
| 1.2.1 高光谱遥感技术 | 第12-13页 |
| 1.2.2 基于高光谱技术的植被营养状况的估测研究进展 | 第13-17页 |
| 1.3 图像分析技术及研究进展 | 第17-20页 |
| 1.3.1 图像分析技术 | 第17-18页 |
| 1.3.2 基于图像分析的植被营养状况的估测研究进展 | 第18-20页 |
| 1.4 研究内容 | 第20-21页 |
| 1.5 技术路线 | 第21-22页 |
| 2 材料与方法 | 第22-29页 |
| 2.1 试验仪器设备 | 第22-23页 |
| 2.2 数据获取 | 第23-29页 |
| 2.2.1 苹果树叶片的采集 | 第23页 |
| 2.2.2 高光谱数据的获取 | 第23页 |
| 2.2.3 叶片图像数据的获取 | 第23-24页 |
| 2.2.4 叶片营养状况含量的测定 | 第24-25页 |
| 2.2.5 光谱数据预处理 | 第25-27页 |
| 2.2.6 数学模型的建立与检验方法 | 第27-29页 |
| 3 参数的构建 | 第29-32页 |
| 3.1 植被指数 | 第29-30页 |
| 3.2 高光谱参量 | 第30页 |
| 3.3 图像获取 | 第30-32页 |
| 4 结果与分析 | 第32-45页 |
| 4.1 苹果叶片磷素含量的高光谱估测 | 第32-40页 |
| 4.1.1 磷素含量光谱响应规律 | 第32-36页 |
| 4.1.2 植被指数和高光谱参数的构建 | 第36-37页 |
| 4.1.3 随机森林模型的建立与检验 | 第37-40页 |
| 4.2 基于图像分析的苹果叶片叶绿素含量估测 | 第40-45页 |
| 4.2.1 颜色参数与叶绿素含量相关性分析 | 第40-41页 |
| 4.2.2 单变量回归模型的建立 | 第41-42页 |
| 4.2.3 支持向量机模型(SVM)的建立与检验 | 第42-45页 |
| 5 研究结果与讨论 | 第45-47页 |
| 5.1 研究结果 | 第45-46页 |
| 5.2 讨论 | 第46-47页 |
| 6 研究特色与展望 | 第47-48页 |
| 6.1 研究特色 | 第47页 |
| 6.2 研究展望 | 第47-48页 |
| 参考文献 | 第48-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表论文情况 | 第57页 |