| 摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第11-25页 |
| ·前言 | 第11-12页 |
| ·国内外研究概述 | 第12-18页 |
| ·精细农业发展现状 | 第12-13页 |
| ·作物信息的获取研究现状 | 第13-15页 |
| ·油菜研究现状 | 第15-18页 |
| ·光谱技术的研究发展 | 第18-23页 |
| ·光谱技术概述 | 第18页 |
| ·近红外光谱技术检测研究 | 第18-21页 |
| ·光谱技术在农业领域的研究进展 | 第21-23页 |
| ·国内外研究存在的问题 | 第23-24页 |
| ·研究目的与内容 | 第24-25页 |
| 第二章 试验材料与设备 | 第25-34页 |
| ·试验设备 | 第25-28页 |
| ·SPAD-502 | 第25-26页 |
| ·便携式可见-近红外光谱仪(FieldSpec HandHeld和FieldSpec Pro FR) | 第26-28页 |
| ·试验设计 | 第28-32页 |
| ·试验材料 | 第28-29页 |
| ·田间试验设计 | 第29-32页 |
| ·油菜养分的化学定标 | 第32-33页 |
| ·油菜氮含量的测定 | 第32页 |
| ·油菜磷的测定 | 第32-33页 |
| ·油菜钾的测定 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 油菜养分信息快速获取方法的研究 | 第34-53页 |
| ·油菜冠层光谱特性分析 | 第34-35页 |
| ·测定和取样时期 | 第34-35页 |
| ·不同施肥水平下油菜冠层反射光谱特征 | 第35页 |
| ·化学计量学方法研究 | 第35-42页 |
| ·偏最小二乘法(PLS) | 第36-37页 |
| ·人工神经网络(ANN) | 第37-38页 |
| ·最小二乘支持向量机(LS-SVM) | 第38-40页 |
| ·模型评价标准 | 第40-42页 |
| ·油菜养分(氮、磷、钾)数学模型的建立与精度检验 | 第42-52页 |
| ·建模样本选择与分组 | 第42-44页 |
| ·油菜养分的线性数学模型的建立与精度预测 | 第44-46页 |
| ·油菜养分的非线性数学模型的建立与精度预测 | 第46-50页 |
| ·油菜养分线性与非线性数学模型性能比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 油菜SPAD值测定研究 | 第53-62页 |
| ·田间试验数据采集与分析 | 第54-57页 |
| ·SPAD值与光谱信息的获取 | 第54页 |
| ·油菜叶片光谱反射特性及特征波段的提取 | 第54-57页 |
| ·油菜叶片光谱反射率与SPAD值之间的关系 | 第57-60页 |
| ·模型参数确定和PLS主因子的提取 | 第57页 |
| ·不同波段油菜叶片SPAD的PLS数学模型建立与预测 | 第57-59页 |
| ·不同回归方法建立的油菜叶片SPAD值的预测数学模型的比较 | 第59-60页 |
| ·油菜冠层光谱反射率与SPAD值之间的关系 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 油菜籽品种和年份的快速鉴别分析 | 第62-73页 |
| ·油菜籽光谱信息采集 | 第62-63页 |
| ·油菜籽近红外光谱数据的预处理方法选择与精度检测 | 第63-66页 |
| ·光谱数据预处理方法 | 第63-65页 |
| ·不同预处理方法对油菜籽品种鉴别精度的影响 | 第65-66页 |
| ·油菜籽品种鉴别数学模型的建立和精度预测 | 第66-71页 |
| ·油菜籽光谱数据压缩方法的研究 | 第66-69页 |
| ·基于三种数据压缩方法与BP神经网络相结合的数学模型的建立与精度预测 | 第69-71页 |
| ·不同年份油菜籽鉴别的WT-BPNN模型的建立与精度预测 | 第71页 |
| ·本章小结 | 第71-73页 |
| 第六章 结论与展望 | 第73-76页 |
| ·结论 | 第73-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 研究成果 | 第83-86页 |
| 一、论文 | 第83-85页 |
| 二、专利 | 第85-86页 |
| 附录 | 第86-99页 |
