首页--农业科学论文--农业基础科学论文--农业物理学论文--遥感技术在农业上的应用论文

无人机影像‘图—谱信息融合在作物氮素诊断中的应用研究

摘要第3-5页
ABSTRACT第5-6页
1 绪论第9-18页
    1.1 研究背景及意义第9-11页
    1.2 国内外研究进展第11-15页
        1.2.1 无人机遥感技术的研究进展第11-12页
        1.2.2 ‘图-谱’信息在植被理化参数反演中的研究进展第12-13页
        1.2.3 氮营养指数(NNI)的研究进展第13-15页
    1.3 研究内容及技术路线第15-16页
    1.4 论文组织结构第16-18页
2 研究区概况和数据获取第18-22页
    2.1 研究区概况及试验设计第18-19页
    2.2 数据获取及处理第19-21页
        2.2.1 冬小麦生理生化指标第19-20页
        2.2.2 冬小麦高光谱影像第20-21页
    2.3 本章小结第21-22页
3 冬小麦生物量和植株氮累积的空间变异分析第22-27页
    3.1 不同施氮水平间的冬小麦生物量空间变异分析第22-24页
    3.2 不同施氮水平间的冬小麦植株氮累积的空间变异分析第24-25页
    3.3 本章小结第25-27页
4 基于无人机‘图-谱’信息的冬小麦生物量估算第27-42页
    4.1 逐步回归分析第27-28页
    4.2 基于光谱指数的生物量估算第28-30页
        4.2.1 植被指数的筛选第28页
        4.2.2 植被指数与生物量的相关性分析第28-29页
        4.2.3 基于单一植被指数的生物量估算模型第29页
        4.2.4 基于多个植被指数的生物量估算模型第29-30页
    4.3 基于纹理特征的生物量估算第30-34页
        4.3.1 纹理特征波段筛选第30-31页
        4.3.2 纹理特征的窗口分析第31-33页
        4.3.3 基于多个纹理特征的生物量估算模型第33-34页
    4.4 基于优化光谱指标的生物量估算第34-41页
        4.4.1 饱和性分析及优化光谱指标的建立第34页
        4.4.2 优化光谱指标的饱和性分析第34-38页
        4.4.3 优化光谱指标与生物量的相关性分析第38-39页
        4.4.4 基于单一优化光谱指标的生物量估算模型第39-40页
        4.4.5 基于优化光谱指标的生物量估算模型第40-41页
    4.5 本章小结第41-42页
5 基于无人机‘图-谱’信息的冬小麦氮素亏缺诊断第42-53页
    5.1 冬小麦植株氮浓度的估算第42-44页
        5.1.1 植被指数的筛选第42-43页
        5.1.2 植被指数与植株氮浓度的相关性分析第43页
        5.1.3 基于光谱特征的植株氮浓度估算模型第43-44页
    5.2 基于‘图-谱’信息的氮素诊断第44-50页
        5.2.1 冬小麦的临界氮浓度稀释模型第44-45页
        5.2.2 植株氮营养指数模型第45-46页
        5.2.3 施氮量对冬小麦植株氮浓度的影响第46-47页
        5.2.4 冬小麦植株氮营养指数模型第47-49页
        5.2.5 冬小麦地上部氮素亏缺模型第49-50页
    5.3 冬小麦氮营养状况的分布情况第50-52页
        5.3.1 冬小麦氮营养指数的分布情况第50-51页
        5.3.2 冬小麦氮亏缺的分布情况第51-52页
    5.4 本章小节第52-53页
6 结论与展望第53-56页
    6.1 主要结论第53-54页
    6.2 创新点第54页
    6.3 不足与展望第54-56页
致谢第56-57页
参考文献第57-63页
附录第63页

论文共63页,点击 下载论文
上一篇:基于GF-1遥感影像的农作物面积提取方法研究
下一篇:巢湖流域农田面源污染负荷估算及其风险评估