首页--农业科学论文--农作物论文--禾谷类作物论文--麦论文--小麦论文

基于无人机平台的小麦长势监测与产量预测研究

摘要第7-9页
ABSTRACT第9-10页
第一章 文献综述与立题依据第11-23页
    1 作物长势监测与产量预测的重要性第11页
    2 遥感技术在精确农业中的应用第11-12页
    3 基于不同遥感平台的作物长势监测与产量预测研究进展第12-16页
        3.1 基于地面及高空遥感平台的作物长势监测与产量预测研究进展第12-13页
        3.2 基于低空无人机平台的作物长势监测与产量预测研究进展第13-16页
            3.2.1 多光谱影像的预处理流程第13-15页
            3.2.2 基于无人机平台的作物长势监测与产量预测研究进展第15-16页
    4 本研究的目的与意义第16-18页
    参考文献第18-23页
第二章 技术路线与研究方法第23-37页
    1 研究思路与技术路线第23页
    2 材料与方法第23-28页
        2.1 试验设计第23-25页
        2.2 数据获取方法第25-28页
            2.2.1 测定仪器第25-27页
            2.2.2 光谱数据的测定第27页
            2.2.3 农学参数测定第27-28页
    3 数据分析与利用第28-35页
        3.1 影像预处理方法第28-32页
            3.1.1 噪声消除第28页
            3.1.2 光晕校正第28-29页
            3.1.3 镜头畸变校正第29-30页
            3.1.4 波段配准第30页
            3.1.5 辐射校正第30-32页
            3.1.6 背景去除第32页
        3.2 背景去除精度的评价第32-33页
        3.3 模型的构建与检验第33-35页
    参考文献第35-37页
第三章 小麦多光谱影像的预处理流程与方法第37-57页
    1 材料与方法第39-40页
        1.1 试验设计第39页
        1.2 叶面积指数和生物量测定第39页
        1.3 多光谱影像校正参数的测定第39页
        1.4 基于无人机平台的多光谱影像采集第39-40页
        1.5 数据分析与利用第40页
    2 结果与分析第40-49页
        2.1 噪声消除第40-41页
        2.2 光晕校正第41-43页
        2.3 镜头畸变校正第43页
        2.4 波段配准第43-45页
        2.5 辐射校正第45-48页
        2.6 背景去除第48-49页
    3 讨论第49-51页
        3.1 多光谱影像的噪声、光晕和镜头畸变的校正第49-50页
        3.2 多光谱影像波段配准、辐射校正和背景去除方法的比较第50-51页
    4 结论第51-52页
    参考文献第52-57页
第四章 基于多光谱影像的小麦生长监测与产量预测第57-81页
    1 材料与方法第59-60页
        1.1 试验设计第59页
        1.2 叶面积指数、叶片生物量和产量的测定第59页
        1.3 基于无人机平台的多光谱影像采集第59页
        1.4 监测模型的构建与检验第59页
        1.5 数据分析与利用第59-60页
    2 结果与分析第60-74页
        2.1 小麦LAI、叶片生物量随生育时期的动态变化第60-61页
        2.2 不同密度、品种、氮素水平对小麦产量的影响第61页
        2.3 无人机平台采集的小麦冠层光谱反射率随生育时期的动态变化特征第61-62页
        2.4 小麦生长指标与冠层光谱植被指数的定量关系第62-69页
        2.5 小麦产量预测模型的构建及检验第69-72页
        2.6 小麦生长指标及产量的时空分布图第72-74页
    3 讨论第74-75页
        3.1 基于无人机平台的小麦生长监测第74页
        3.2 基于无人机平台的小麦产量预测第74-75页
    4 结论第75-76页
    参考文献第76-81页
第五章 讨论与结论第81-91页
    1 讨论第81-85页
        1.1 多光谱影像预处理的校正方法第82-84页
            1.1.1 预处理的必要性第82页
            1.1.2 最佳预处理方法的确定第82-84页
        1.2 基于无人机平台的小麦LAI、叶片生物量监测的准确性第84页
        1.3 基于无人机平台的小麦产量预测的准确性第84-85页
    2 本研究的特色与创新第85页
        2.1 明确了无人机多光谱影像的预处理方法第85页
        2.2 建立了基于无人机平台的小麦长势监测和产量预测模型第85页
    3 今后的研究设想第85-86页
    4 结论第86-88页
    参考文献第88-91页
附录第91-93页
    附录Ⅰ 攻读硕士学位期间发表和投稿的学术论文第91页
    附录Ⅱ 攻读硕士学位期间参加的科研项目第91-93页
致谢第93页

论文共93页,点击 下载论文
上一篇:以日间照料中心为基础的社区失能老人长期照护服务模式及运行机制研究
下一篇:二化螟抗药性相关基因家族分析及数据库的构建