首页--农业科学论文--农业基础科学论文--土壤学论文--土壤物理学论文--土壤水分论文

基于GIS的农田土壤墒情信息系统建立与预报模型研究

摘要第3-4页
Abstract第4-5页
第一章 文献综述第8-13页
    1.1 水资源形势第8页
    1.2 土壤墒情监测的研究意义第8-9页
    1.3 土壤墒情监测方法及研究概况第9-10页
        1.3.1 烘干法第9页
        1.3.2 张力计法第9-10页
        1.3.3 中子仪法第10页
        1.3.4 FD法第10页
        1.3.5 TDR法第10页
        1.3.6 遥感测墒法第10页
    1.4 土壤墒情预报技术研究概况第10-12页
    1.5 总结第12-13页
第二章 引言第13-16页
    2.1 研究背景及研究区介绍第13-14页
    2.2 需求分析第14页
    2.3 研究目的及研究内容第14-16页
第三章 土壤水分数据采集终端设计第16-25页
    3.1 GPRS技术简介第16页
    3.2 土壤水分数据采集终端第16-21页
        3.2.1 温湿度传感器第17-18页
        3.2.2 GPS/GPRS/GSM通讯模块第18-19页
        3.2.3 采集终端软件设计第19-20页
        3.2.4 ASW-4特点第20-21页
    3.3 ASW-4测值校正第21-23页
        3.3.1 标定函数式第21页
        3.3.2 实地二次校正第21-23页
    3.4 土壤墒情监测点布设第23-25页
        3.4.1 土壤墒情监测点位置确定第23-24页
        3.4.2 土壤墒情监测点垂向测点布设第24-25页
第四章 农田土壤墒情信息系统建立第25-38页
    4.1 系统的组成结构第25-26页
    4.2 软件系统开发第26-28页
        4.2.1 软件开发模式第26页
        4.2.2 软件开发语言第26-27页
        4.2.3 WebGIS技术第27-28页
    4.3 系统目标和功能设计第28-30页
    4.4 系统数据库设计第30-34页
    4.5 系统应用第34-38页
        4.5.1 主界面第34页
        4.5.2 土壤墒情监测第34-38页
第五章 土壤墒情预报模型研究第38-52页
    5.1 人工神经网络第38-42页
        5.1.1 生物神经细胞模型第38页
        5.1.2 人工神经细胞模型第38-40页
        5.1.3 BP人工神经网络原理第40-42页
    5.2 BP神经网络设计第42-45页
        5.2.1 确定输入变量和输出变量第42-43页
        5.2.2 学习样本预处理第43页
        5.2.3 确定隐藏层数量以及节点数量第43-44页
        5.2.4 训练网络模型第44-45页
    5.3 预报结果分析第45-48页
    5.4 利用遗传算法优化BP神经网络第48-52页
第六章 结论及展望第52-54页
    6.1 结论第52页
    6.2 展望第52-54页
参考文献第54-60页
附录第60-62页
致谢第62-63页
个人简介第63页

论文共63页,点击 下载论文
上一篇:基于RS鲁南—苏北近海初级生产力时空变化
下一篇:基于遥感的青岛市城市热岛时空特征及主要影响因素研究