农田土壤重金属含量高光谱遥感反演研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 重金属污染胁迫植物毒害效应研究 | 第13-14页 |
| 1.2.2 重金属污染胁迫植被光谱变换分析 | 第14-15页 |
| 1.2.3 农作物生理特征光谱响应参数 | 第15-17页 |
| 1.2.4 土壤重金属估算模型 | 第17-19页 |
| 1.3 研究内容与方法 | 第19-20页 |
| 1.4 研究技术路线 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 研究区概况及数据获取 | 第22-30页 |
| 2.1 研究区域概况 | 第22页 |
| 2.2 野外数据采集与处理 | 第22-26页 |
| 2.2.1 野外光谱数据测量 | 第22-24页 |
| 2.2.2 土壤样品获取 | 第24页 |
| 2.2.3 土壤理化性质测定 | 第24-26页 |
| 2.3 土壤重金属赋存特征分析 | 第26-27页 |
| 2.4 光谱数据预处理 | 第27-29页 |
| 2.4.1 光谱微分技术 | 第27-28页 |
| 2.4.2 包络线消除法 | 第28页 |
| 2.4.3 光谱倒数对数处理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于小波变换的水稻冠层光谱异常探测 | 第30-52页 |
| 3.1 植被冠层光谱特征分析 | 第30-31页 |
| 3.2 水稻重金属污染胁迫光谱弱信息增强 | 第31-39页 |
| 3.2.1 小波分析 | 第31-33页 |
| 3.2.2 基于小波分析的光谱奇异性探测机理 | 第33-34页 |
| 3.2.3 小波基函数筛选 | 第34-35页 |
| 3.2.4 小波变换最优分解尺度选择与分析 | 第35-39页 |
| 3.3 水稻重金属污染的光谱奇异性诊断 | 第39-50页 |
| 3.3.1 光谱奇异性参数计算 | 第39-40页 |
| 3.3.2 重金属污染水稻冠层光谱特征提取 | 第40-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 土壤重金属污染的高光谱诊断模型 | 第52-60页 |
| 4.1 模糊神经网络模型概述 | 第52-53页 |
| 4.2 网络结构及学习算法 | 第53-54页 |
| 4.3 基于模糊神经网络的土壤重金属含量估算 | 第54-56页 |
| 4.4 模型性能与精度评价 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 结论 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 附录A 硕士期间发表的论文及取得的成果 | 第68-69页 |
| 附录B 攻读硕士期间参与的科研项目 | 第69页 |
