| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 稻飞虱监测的研究背景及遥感监测原理 | 第9-10页 |
| 1.2 国内外研究进展 | 第10-16页 |
| 1.2.1 稻飞虱发生气象预报 | 第10-12页 |
| 1.2.2 作物长势参数遥感监测 | 第12-15页 |
| 1.2.3 稻飞虱发生遥感监测 | 第15-16页 |
| 1.3 存在主要问题 | 第16页 |
| 1.4 研究内容和技术路线 | 第16-19页 |
| 第二章 材料与方法 | 第19-25页 |
| 2.1 研究区简介 | 第19-20页 |
| 2.2 稻飞虱虫量数据与当地实况 | 第20页 |
| 2.3 气象数据 | 第20-21页 |
| 2.4 遥感数据与预处理 | 第21-22页 |
| 2.4.1 遥感影像选取 | 第21页 |
| 2.4.2 遥感影像预处理 | 第21-22页 |
| 2.5 开放性大田试验与数据采集 | 第22-25页 |
| 2.5.1 水稻样点调查试验 | 第22-23页 |
| 2.5.2 样方面积统计试验 | 第23-25页 |
| 第三章 江苏省稻飞虱适宜发生气象特点 | 第25-37页 |
| 3.1 稻飞虱适宜发生的气象判定条件 | 第25页 |
| 3.2 2016年江苏省稻飞虱适宜发生气象特点 | 第25-30页 |
| 3.2.1 2016年兴化市稻飞虱适宜发生气象情况分析 | 第25-28页 |
| 3.2.2 2016年江苏省稻飞虱适宜发生气象情况分析 | 第28-30页 |
| 3.3 历史年代江苏省稻飞虱适宜发生气象情况分析 | 第30-35页 |
| 3.3.1 空间变化特征 | 第30-32页 |
| 3.3.2 时间变化特征 | 第32-35页 |
| 3.3.2.1 年际变化特征 | 第32-34页 |
| 3.3.2.2 周期特征 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 水稻种植面积提取与长势指标反演 | 第37-47页 |
| 4.1 多类光谱指标构建决策树提取水稻种植面积 | 第37-40页 |
| 4.1.1 不同地物光谱特征分析 | 第37-38页 |
| 4.1.2 不同地物植被指数特征与决策树规则建立 | 第38-39页 |
| 4.1.3 面积精度验证 | 第39-40页 |
| 4.2 PROSAIL冠层光谱模型反演水稻LAI | 第40-43页 |
| 4.2.1 PROSPECT+SAIL模型 | 第40-41页 |
| 4.2.2 LAI反演模型的构建及精度验证 | 第41-43页 |
| 4.3 BP神经网络反演水稻SPAD和AGB | 第43-46页 |
| 4.3.1 BP神经网络 | 第43页 |
| 4.3.2 SPAD和AGB反演模型的构建及精度验证 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于长势指标的稻飞虱发生等级反演 | 第47-55页 |
| 5.1 Pearson相关系数对长势指标的选取 | 第47-48页 |
| 5.2 数据离散化 | 第48-50页 |
| 5.2.1 虫量数据的离散化 | 第48-49页 |
| 5.2.2 长势指标的离散化 | 第49-50页 |
| 5.3 等级反演模型的建立 | 第50-52页 |
| 5.4 精度验证及结果分析 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 结论与展望 | 第55-59页 |
| 6.1 主要研究结论 | 第55-57页 |
| 6.2 特色与创新 | 第57页 |
| 6.3 问题与展望 | 第57-59页 |
| 参考文献 | 第59-67页 |
| 作者简介 | 第67-69页 |
| 致谢 | 第69-70页 |
