首页--农业科学论文--农作物论文--禾谷类作物论文--玉米(玉蜀黍)论文

玉米生理参数及农田土壤信息高光谱监测模型研究

摘要第6-9页
ABSTRACT第9-12页
第一章 绪论第17-31页
    1.1 研究背景第17页
    1.2 高光谱遥感在精准农业中的应用第17-18页
    1.3 作物生理参数的高光谱遥感监测研究第18-24页
        1.3.1 作物花青素含量的高光谱遥感监测第18-19页
        1.3.2 作物叶绿素含量的高光谱遥感监测第19-21页
        1.3.3 作物生物量的高光谱遥感监测第21-22页
        1.3.4 作物水分含量的高光谱遥感监测第22-24页
    1.4 土壤信息的高光谱遥感监测研究第24-29页
        1.4.1 土壤水分含量的高光谱遥感监测第24-25页
        1.4.2 土壤氮素含量的高光谱遥感监测第25-26页
        1.4.3 土壤磷素含量的高光谱遥感监测第26-28页
        1.4.4 土壤钾素含量的高光谱遥感监测第28-29页
    1.5 有待解决的问题第29页
    1.6 本研究的目的和意义第29页
    1.7 主要研究内容及技术路线第29-31页
        1.7.1 主要研究内容第29-30页
        1.7.2 技术路线第30-31页
第二章 试验材料与研究方法第31-41页
    2.1 研究区概况第31页
    2.2 试验设计第31-32页
        2.2.1 不同施肥处理春玉米试验第31页
        2.2.2 不同施肥处理夏玉米试验第31-32页
    2.3 高光谱遥感数据获取第32-33页
        2.3.1 地面非成像高光谱遥感数据获取第32-33页
        2.3.2 地面成像高光谱遥感数据获取第33页
    2.4 玉米生理参数及农田土壤信息的测定第33-35页
        2.4.1 生理参数的测定第33-34页
        2.4.2 土壤信息的测定第34-35页
    2.5 数据分析与处理第35-38页
        2.5.1 SVC数据预处理第35页
        2.5.2 SOC数据预处理第35页
        2.5.3 高光谱遥感数据处理第35-38页
    2.6 玉米生理参数及农田土壤信息监测模型第38-41页
        2.6.1 简单的统计回归模型第38页
        2.6.2 偏最小二乘回归模型第38-39页
        2.6.3 人工神经网络模型第39-40页
        2.6.4 模型验证第40-41页
第三章 玉米叶片花青素含量的高光谱监测模型第41-66页
    3.1 材料与方法第41-43页
        3.1.1 数据获取第41-42页
        3.1.2 数据处理与模型建立第42-43页
    3.2 结果与分析第43-62页
        3.2.1 叶片花青素含量的统计特征分析第43页
        3.2.2 玉米叶片光谱特征第43-44页
        3.2.3 红边位置特征第44-45页
        3.2.4 SVC光谱及光谱指数与玉米叶片花青素含量的相关分析第45-47页
        3.2.5 基于SVC光谱及参数的玉米叶片花青素含量高光谱监测模型第47-54页
        3.2.6 SOC光谱及光谱指数与玉米叶片花青素含量的相关分析第54-56页
        3.2.7 基于SOC光谱及参数的玉米叶片花青素含量高光谱监测模型第56-62页
    3.3 讨论第62-64页
    3.4 小结第64-66页
第四章 玉米叶片叶绿素含量的高光谱监测模型第66-90页
    4.1 材料与方法第66-67页
        4.1.1 数据获取第66页
        4.1.2 数据处理与模型建立第66-67页
    4.2 结果与分析第67-85页
        4.2.1 玉米冠层光谱特征第67-69页
        4.2.2 冠层光谱反射率及其一阶微分光谱与玉米叶片SPAD值的相关分析第69-70页
        4.2.3 植被指数与不同生育期玉米叶片SPAD值的相关分析第70-72页
        4.2.4 高光谱特征参数与不同生育期玉米叶片SPAD值的相关分析第72-73页
        4.2.5 不同生育期玉米叶片SPAD值的一元线性监测模型第73-77页
        4.2.6 不同生育期玉米叶片SPAD值的PLSR监测模型第77-80页
        4.2.7 不同生育期玉米叶片SPAD值的ANN监测模型第80-85页
    4.3 讨论第85-88页
    4.4 小结第88-90页
第五章 玉米生物量的高光谱监测模型第90-107页
    5.1 材料与方法第90-91页
        5.1.1 数据获取第90-91页
        5.1.2 数据处理与模型建立第91页
    5.2 结果与分析第91-104页
        5.2.1 不同生物量的玉米冠层光谱特征第91页
        5.2.2 冠层光谱反射率及其一阶微分光谱与玉米生物量的相关分析第91-93页
        5.2.3 植被指数与不同生育期玉米生物量的相关分析第93-94页
        5.2.4 高光谱特征参数与不同生育期玉米生物量的相关分析第94-95页
        5.2.5 不同生育期玉米生物量的一元线性监测模型第95-97页
        5.2.6 不同生育期玉米生物量的PLSR监测模型第97-99页
        5.2.7 不同生育期玉米生物量的ANN监测模型第99-104页
    5.3 讨论第104-105页
    5.4 小结第105-107页
第六章 玉米植株含水量的高光谱监测模型第107-127页
    6.1 材料与方法第107-109页
        6.1.1 数据获取第107-108页
        6.1.2 数据处理与模型建立第108-109页
    6.2 结果与分析第109-123页
        6.2.1 不同植株水分含量的玉米冠层光谱特征第109页
        6.2.2 冠层光谱反射率及其一阶微分光谱与玉米植株含水量的相关分析第109-111页
        6.2.3 光谱指数与玉米植株含水量的相关分析第111-115页
        6.2.4 不同生育期玉米植株含水量的一元线性监测模型第115-118页
        6.2.5 不同生育期玉米植株含水量的PLSR监测模型第118-119页
        6.2.6 不同生育期玉米植株含水量的ANN监测模型第119-123页
    6.3 讨论第123-125页
    6.4 小结第125-127页
第七章 土壤水分含量的高光谱监测模型第127-138页
    7.1 材料与方法第127-128页
        7.1.1 样品采集与处理第127-128页
        7.1.2 数据处理与模型建立第128页
    7.2 结果与分析第128-135页
        7.2.1 土壤含水量的统计特征分析第128-129页
        7.2.2 土壤光谱反射特征及吸收特征第129-130页
        7.2.3 基于特征波长的土壤含水量监测模型第130-132页
        7.2.4 基于水分吸收特征参数的土壤含水量监测模型第132-135页
    7.3 讨论第135-137页
    7.4 小结第137-138页
第八章 土壤氮含量的高光谱监测模型第138-159页
    8.1 材料与方法第138-139页
        8.1.1 样品采集与处理第138-139页
        8.1.2 数据处理与模型建立第139页
    8.2 结果与分析第139-155页
        8.2.1 土壤氮含量的统计特征分析第139-140页
        8.2.2 土壤不同氮含量的光谱反射特征第140-141页
        8.2.3 土壤光谱与氮含量的相关分析第141-143页
        8.2.4 土壤全氮含量的高光谱监测模型第143-150页
        8.2.5 土壤碱解氮含量的高光谱监测模型第150-155页
    8.3 讨论第155-157页
    8.4 小结第157-159页
第九章 土壤磷和钾含量的高光谱监测模型第159-189页
    9.1 材料与方法第159-160页
        9.1.1 样品采集与处理第159-160页
        9.1.2 数据处理与模型建立第160页
    9.2 结果与分析第160-184页
        9.2.1 土壤磷和钾含量的统计特征分析第160-161页
        9.2.2 土壤不同磷和钾含量的光谱反射特征第161-163页
        9.2.3 土壤光谱与磷和钾含量的相关分析第163-168页
        9.2.4 土壤磷和钾含量的特征指数第168-171页
        9.2.5 土壤全磷含量的高光谱监测模型第171-172页
        9.2.6 土壤有效磷含量的高光谱监测模型第172-176页
        9.2.7 土壤全钾含量的高光谱监测模型第176-180页
        9.2.8 土壤速效钾含量的高光谱监测模型第180-184页
    9.3 讨论第184-187页
    9.4 小结第187-189页
第十章 结论、创新点与展望第189-193页
    10.1 主要结论第189-191页
    10.2 创新点第191-192页
    10.3 展望第192-193页
参考文献第193-205页
致谢第205-206页
作者简介第206页

论文共206页,点击 下载论文
上一篇:西瓜连作障碍缓解技术及其机理研究
下一篇:设施农业物联网系统建模与模型验证