| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 目次 | 第11-15页 |
| 图目次 | 第15-23页 |
| 表目次 | 第23-31页 |
| 第一章 绪论 | 第31-47页 |
| ·氮素对油菜作物生长发育、产量形成及品质的影响 | 第33-35页 |
| ·氮素对油菜生长发育及产量形成的影响 | 第33-35页 |
| ·氮素对油菜品质的影响 | 第35页 |
| ·作物氮素含量的遥感估算方法研究进展 | 第35-39页 |
| ·作物叶片水平氮素含量遥感估算研究进展 | 第35-37页 |
| ·作物冠层水平氮素含量遥感估算研究进展 | 第37-38页 |
| ·作物氮素含量的卫星遥感反演研究进展 | 第38-39页 |
| ·人工智能技术在遥感上的应用研究进展 | 第39-47页 |
| ·人工神经网络在遥感上的应用研究进展 | 第40-44页 |
| ·人工神经网络在遥感分类上的应用研究进展 | 第40-43页 |
| ·人工神经网络在作物参数遥感估算上的应用研究进展 | 第43-44页 |
| ·支持向量机在遥感上的应用研究进展 | 第44-47页 |
| 第二章 资料与方法 | 第47-77页 |
| ·研究区、试验设计与数据获取 | 第49-54页 |
| ·研究区 | 第49-50页 |
| ·小区田间试验设计与数据获取 | 第50-52页 |
| ·试验品种 | 第50页 |
| ·试验地点 | 第50页 |
| ·肥料设计 | 第50-51页 |
| ·获取的数据 | 第51-52页 |
| ·野外大田试验观测与数据获取 | 第52-54页 |
| ·研究技术路线图 | 第54-55页 |
| ·研究方法 | 第55-77页 |
| ·测量方法 | 第55-56页 |
| ·光谱观测方法 | 第55页 |
| ·油菜氮素含量测量 | 第55-56页 |
| ·数据处理方法 | 第56-59页 |
| ·高光谱反射率的变换 | 第56-57页 |
| ·高光谱植被指数 | 第57页 |
| ·"红边"参数 | 第57-59页 |
| ·油菜氮素含量估算模型 | 第59-68页 |
| ·统计回归方法 | 第59-60页 |
| ·误差后传神经网络模型 | 第60-63页 |
| ·径向基函数神经网络模型 | 第63-64页 |
| ·支持向量机模型 | 第64-68页 |
| ·模型拟合结果的验证指标 | 第68页 |
| ·遥感影像分类方法 | 第68-77页 |
| ·最大似然法 | 第68-69页 |
| ·K最近邻分类法 | 第69页 |
| ·自适应图神经网络 | 第69-70页 |
| ·多分类器结合 | 第70-72页 |
| ·模糊分类 | 第72-73页 |
| ·分类结果的精度评价 | 第73-77页 |
| 第三章 油菜高光谱特征研究 | 第77-87页 |
| ·油菜叶片高光谱特征 | 第79-82页 |
| ·不同氮素水平油菜叶片高光谱特征 | 第79-81页 |
| ·不同氮素水平油菜叶片红边参数特征 | 第81-82页 |
| ·油菜冠层高光谱特征 | 第82-86页 |
| ·不同氮素水平油菜冠层高光谱特征 | 第82页 |
| ·不同发育期油菜冠层高光谱特征 | 第82-83页 |
| ·不同发育期油菜冠层红边参数特征 | 第83-86页 |
| ·本章小结与讨论 | 第86-87页 |
| 第四章 叶片水平的油菜氮素含量遥感估算方法研究 | 第87-121页 |
| ·油菜叶片氮素含量与高光谱变量的相关性分析 | 第89-96页 |
| ·油菜叶片氮素含量与高光谱反射率的相关分析 | 第89页 |
| ·油菜叶片氮素含量与窄波段归一化植被指数的相关分析 | 第89-93页 |
| ·油菜叶片氮素含量与窄波段比值植被指数的相关分析 | 第93-96页 |
| ·油菜叶片氮素含量的高光谱反射率估算模型 | 第96-103页 |
| ·油菜叶片氮素含量的高光谱反射率回归估算模型 | 第96-97页 |
| ·基于BP神经网络的油菜叶片氮素含量高光谱反射率估算模型 | 第97-99页 |
| ·基于RBF神经网络的油菜叶片氮素含量高光谱反射率估算模型 | 第99-102页 |
| ·基于SVM的油菜叶片氮素含量高光谱反射率估算模型 | 第102-103页 |
| ·油菜叶片氮素含量的高光谱植被指数估算模型 | 第103-112页 |
| ·油菜叶片氮素含量的窄波段植被指数回归估算模型 | 第103-105页 |
| ·油菜叶片氮素含量的光谱植被指数回归估算模型 | 第105-107页 |
| ·基于BP神经网络的油菜叶片氮素含量光谱植被指数估算模型 | 第107-109页 |
| ·基于RBF神经网络的油菜叶片氮素含量光谱植被指数估算模型 | 第109-111页 |
| ·基于SVM的油菜叶片氮素含量光谱植被指数估算模型 | 第111-112页 |
| ·油菜叶片氮素含量的高光谱红边参数估算模型 | 第112-118页 |
| ·油菜叶片氮素含量的红边参数回归估算模型 | 第112-114页 |
| ·基于BP神经网络的油菜叶片氮素含量红边参数估算模型 | 第114-115页 |
| ·基于RBF神经网络的油菜叶片氮素含量红边参数估算模型 | 第115-117页 |
| ·基于SVM的油菜叶片氮素含量红边参数估算模型 | 第117-118页 |
| ·本章小结与讨论 | 第118-121页 |
| ·油菜叶片水平氮素遥感估算敏感波段选择 | 第118页 |
| ·油菜叶片水平氮素含量的不同光谱参数估算模型比较 | 第118-119页 |
| ·油菜叶片水平氮素含量的不同遥感估算模型方法比较 | 第119-121页 |
| 第五章 冠层水平的油菜氮素含量遥感估算方法研究 | 第121-159页 |
| ·油菜冠层氮素含量与高光谱变量的相关性分析 | 第123-130页 |
| ·油菜冠层氮素含量与高光谱反射率相关性分析 | 第123-124页 |
| ·油菜冠层氮素含量与窄波段归一化植被指数的关系 | 第124-127页 |
| ·油菜冠层氮素含量与窄波段比值植被指数的关系 | 第127-130页 |
| ·油菜冠层氮素含量的高光谱反射率估算模型 | 第130-138页 |
| ·油菜冠层氮素含量的高光谱反射率回归估算模型 | 第130-131页 |
| ·基于BP神经网络的油菜冠层氮素含量高光谱反射率估算模型 | 第131-134页 |
| ·基于RBF神经网络的油菜冠层氮素含量高光谱反射率估算模型 | 第134-136页 |
| ·基于支持向量机的油菜冠层氮素含量高光谱反射率估算模型 | 第136-138页 |
| ·油菜冠层氮素含量的高光谱植被指数估算模型 | 第138-151页 |
| ·油菜冠层氮素含量的窄波段植被指数回归估算模型 | 第138-140页 |
| ·油菜冠层氮素含量的光谱植被指数回归估算模型 | 第140-142页 |
| ·基于BP神经网络的油菜冠层氮素含量光谱植被指数估算模型 | 第142-145页 |
| ·基于RBF神经网络的油菜冠层氮素含量光谱植被指数估算模型 | 第145-149页 |
| ·基于SVM的油菜冠层氮素含量光谱植被指数估算模型 | 第149-151页 |
| ·油菜冠层氮素含量的高光谱红边参数估算模型 | 第151-157页 |
| ·油菜冠层氮素含量的红边参数回归估算模型 | 第151-152页 |
| ·基于BP神经网络的油菜冠层氮素含量红边参数估算模型 | 第152-154页 |
| ·基于RBF神经网络的油菜冠层氮素含量红边参数估算模型 | 第154-155页 |
| ·基于SVM的油菜冠层氮素含量红边参数估算模型 | 第155-157页 |
| ·本章小结与讨论 | 第157-159页 |
| ·油菜冠层水平氮素敏感波段选择 | 第157页 |
| ·油菜冠层水平氮素含量的不同光谱参数估算模型比较 | 第157-158页 |
| ·油菜冠层水平氮素含量的不同遥感估算模型方法比较 | 第158-159页 |
| 第六章 基于卫星遥感影像的油菜氮素含量遥感反演方法研究 | 第159-191页 |
| ·遥感影像预处理 | 第161-165页 |
| ·几何校正 | 第161页 |
| ·大气校正 | 第161-164页 |
| ·辐射定标 | 第162页 |
| ·5S模型及所需参数 | 第162-163页 |
| ·大气校正方程 | 第163-164页 |
| ·训练样本和分类方法参数选择 | 第164-165页 |
| ·油菜种植面积提取结果与分析 | 第165-178页 |
| ·试验区TM影像硬分类结果 | 第165-171页 |
| ·各分类器单独硬分类结果 | 第165-170页 |
| ·多分类器结合的分类结果 | 第170-171页 |
| ·试验区TM影像的像元纯度分析及其对硬分类精度的影响 | 第171-176页 |
| ·试验区TM影像的像元纯度分析 | 第171-173页 |
| ·像元纯度对硬分类精度的影响 | 第173-176页 |
| ·试验区TM影像全模糊分类结果 | 第176-178页 |
| ·基于卫星遥感影像的油菜氮素含量遥感反演方法研究 | 第178-187页 |
| ·海盐试验区油菜氮素含量TM植被指数估算模型 | 第178-183页 |
| ·海盐试验区油菜氮素含量TM植被指数回归估算模型 | 第178-179页 |
| ·基于BP神经网络的试验区油菜氮素含量TM植被指数估算模型 | 第179-182页 |
| ·基于RBF神经网络的试验区油菜氮素含量TM植被指数反演模型 | 第182页 |
| ·基于SVM的试验区油菜氮素含量TM植被指数反演模型 | 第182-183页 |
| ·海盐试验区油菜氮素含量TM波段反射率估算模型 | 第183-187页 |
| ·海盐试验区油菜氮素含量TM波段反射率回归估算模型 | 第183-184页 |
| ·基于BP神经网络的试验区油菜氮素含量TM波段反射率估算模型 | 第184-186页 |
| ·基于RBF神经网络的试验区油菜氮素含量TM波段反射率估算模型 | 第186-187页 |
| ·基于SVM的试验区油菜氮素含量TM波段反射率估算模型 | 第187页 |
| ·本章小结与讨论 | 第187-191页 |
| 第七章 内容总结、创新点和展望 | 第191-199页 |
| ·研究内容总结 | 第193-196页 |
| ·油菜高光谱特征研究 | 第193-194页 |
| ·不同水平油菜氮素遥感估算敏感波段研究 | 第194页 |
| ·不同水平油菜氮素含量遥感回归估算模型研究 | 第194-195页 |
| ·基于不同方法的油菜氮素含量遥感估算模型研究 | 第195页 |
| ·基于卫星遥感影像的油菜种植面积提取方法研究 | 第195-196页 |
| ·创新点与新进展 | 第196-197页 |
| ·系统地研究了不同平台下油菜氮素含量遥感估算方法 | 第196页 |
| ·将人工智能技术引入到油菜遥感诊断 | 第196-197页 |
| ·在油菜种植面积提取方法研究上进行了新的探索 | 第197页 |
| ·展望 | 第197-199页 |
| 参考文献(REFERENCES) | 第199-213页 |
| 作者简历 | 第213-214页 |
