| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1 引言 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 高光谱遥感介绍 | 第12-13页 |
| 1.2.2 高光谱遥感在土壤重金属研究中的应用 | 第13-15页 |
| 1.3 研究目标与研究内容 | 第15-18页 |
| 1.3.1 研究目标 | 第15-16页 |
| 1.3.2 研究内容 | 第16页 |
| 1.3.3 研究路线 | 第16-18页 |
| 2 研究方法 | 第18-25页 |
| 2.1 光谱预处理 | 第18-19页 |
| 2.2 建模方法 | 第19-23页 |
| 2.3 精度评价 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 区域概况与数据获取 | 第25-30页 |
| 3.1 区域概况 | 第25-26页 |
| 3.2 Hymap高光谱数据简介 | 第26-27页 |
| 3.3 土壤样品采集 | 第27-28页 |
| 3.4 土壤样品化学成分分析 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 土壤光谱信息提取及特征波段分析 | 第30-38页 |
| 4.1 土壤光谱特征分析 | 第30-34页 |
| 4.2 土壤As含量与光谱的相关分析 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 5 土壤重金属As含量反演统计方法比较 | 第38-56页 |
| 5.1 多元逐步回归分析 | 第38-43页 |
| 5.1.1 多元逐步回归建模过程 | 第38-40页 |
| 5.1.2 多元逐步回归模型精度检验 | 第40-43页 |
| 5.2 偏最小二乘回归分析 | 第43-47页 |
| 5.2.1 偏最小二乘建模过程 | 第43-44页 |
| 5.2.2 偏最小二乘模型结果分析 | 第44-47页 |
| 5.3 Bp神经网络建模 | 第47-52页 |
| 5.3.1 Bp神经网络建模过程 | 第47-48页 |
| 5.3.2 Bp神经网络模型结果分析 | 第48-52页 |
| 5.4 三种建模方法对比分析 | 第52-54页 |
| 5.5 基于Hymap影像的土壤重金属As含量空间分布反演 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 6 结论及展望 | 第56-59页 |
| 6.1 讨论与分析 | 第56-57页 |
| 6.2 结论 | 第57-58页 |
| 6.3 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 附录 | 第66页 |