首页--农业科学论文--农业基础科学论文--土壤学论文--土壤肥力(土壤肥沃性)论文

基于高光谱遥感的土壤有机质预测建模研究

致谢第1-8页
摘要第8-10页
Abstract第10-12页
目录第12-15页
图目录第15-17页
表目录第17-19页
第一章 绪论第19-32页
   ·研究背景第19-20页
   ·高光谱遥感发展及研究现状第20-21页
   ·高光谱遥感在土壤学中的应用第21-29页
     ·土壤有机质Vis-NIR光谱特性及大范围土壤光谱库的建立第21-24页
     ·土壤有机质高光谱预测建模研究进展第24-28页
     ·影响土壤有机质高光谱特征的研究进展第28-29页
   ·研究目标,研究内容及技术路线第29-32页
     ·研究目标第29页
     ·研究内容第29-30页
     ·技术路线第30-32页
第二章 土壤高光谱数据获取和预处理方法第32-39页
   ·样品采集与测试分析第32-35页
     ·土壤样品采集第32-33页
     ·室内理化指标测试分析第33页
     ·土壤光谱室内测试第33-35页
       ·光谱仪与测试条件第33-35页
       ·光谱数据预处理第35页
   ·土壤光谱数据预处理第35-39页
     ·移动平均法第35-36页
     ·Savitzky-Golay卷积平滑法第36页
     ·小波变换第36-37页
     ·微分处理技术第37-38页
     ·连续统处理第38-39页
第三章 土壤Vis-NIR光谱特性及有机质响应波段研究第39-54页
   ·土壤Vis-NIR光谱曲线的特征分析第39-49页
     ·总体土壤样本反射光谱特征第39-42页
     ·不同有机质含量水平的土壤反射光谱特征第42-45页
     ·不同类型土壤的反射光谱特征第45-49页
   ·土壤的光谱反射率与有机质含量的相关性分析第49-54页
     ·总体土壤样本光谱反射率与有机质含量的相关性第49-51页
     ·不同分类处理下土壤样本光谱反射率与有机质含量的相关性第51-54页
第四章 基于Vis-NIR的土壤有机质含量预测模型的建立第54-70页
   ·土壤光谱预测建模技术第54-60页
     ·线性模型第54-56页
       ·主成分回归(PCR)第54-55页
       ·偏最小二乘回归(PLSR)第55-56页
     ·非线性模型第56-60页
       ·随机森林(RF)第56-57页
       ·支持向量机(SVM)第57-59页
       ·人工神经网络(ANN)第59-60页
   ·土壤光谱预测精度评价第60-62页
     ·模型精度评价方法及指标第60-61页
     ·交叉验证(CrossValidation)方法第61-62页
   ·PLSR、RF、SVM建模方法在不同建模样本数量下建模结果比较第62-67页
     ·不同建模样本数量下PLSR建模结果第62-64页
     ·不同建模样本数量下RF建模结果第64-65页
     ·不同建模样本数量下SVM建模结果第65-67页
   ·不同建模方法精度比较第67-70页
     ·三种建模方法精度比较第67-68页
     ·PLSR和PLSR-ANN方法的预测精度比较第68-70页
第五章 氧化铁对有机质高光谱特征的影响第70-79页
   ·氧化铁的高光谱特征第70-71页
   ·氧化铁对有机质高光谱特征的影响第71-74页
   ·氧化铁对有机质高光谱定量反演的影响第74-79页
第六章 结论与展望第79-82页
   ·主要研究成果与结论第79-80页
     ·土壤Vis-NIR光谱特性及有机质响应波段第79页
     ·基于Vis-NIR的土壤有机质含量预测模型的建立第79-80页
     ·氧化铁对有机质高光谱特征的影响第80页
   ·存在的问题与展望第80-82页
参考文献第82-87页

论文共87页,点击 下载论文
上一篇:基于RIA技术的肉鸡质量安全追溯系统研究
下一篇:冷浸田养分障碍因子及其供应动态的研究