| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-17页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 无人机遥感国内外研究现状 | 第12-13页 |
| 1.2.2 叶绿素含量数据获取方法 | 第13页 |
| 1.2.3 叶绿素及叶面积指数反演研究现状 | 第13-14页 |
| 1.2.4 存在问题 | 第14页 |
| 1.3 研究内容与方法 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15页 |
| 1.4 章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 试验数据采集与预处理 | 第17-26页 |
| 2.1 研究区概况 | 第17页 |
| 2.2 实验方案 | 第17-18页 |
| 2.3 数据获取 | 第18-21页 |
| 2.3.1 遥感数据获取 | 第18-20页 |
| 2.3.2 水稻叶绿素数据采集 | 第20-21页 |
| 2.3.3 水稻LAI数据获取 | 第21页 |
| 2.4 无人机影像预处理 | 第21-25页 |
| 2.4.1 图像拼接 | 第21-23页 |
| 2.4.2 坐标系转换 | 第23页 |
| 2.4.3 辐射校正 | 第23页 |
| 2.4.4 几何校正 | 第23-24页 |
| 2.4.5 数码影像预处理 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 遥感影像氮素水平分类与解析 | 第26-33页 |
| 3.1 非监督分类 | 第26-29页 |
| 3.1.1 无人机影像氮素水平ISODATA分类 | 第26-28页 |
| 3.1.2 ISODATA分类精度评价 | 第28-29页 |
| 3.2 监督分类 | 第29-32页 |
| 3.2.1 无人机影像氮素水平SVM分类 | 第29-31页 |
| 3.2.2 SVM分类精度评价 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 大田粳稻叶绿素反演模型的构建 | 第33-45页 |
| 4.1 遥感数据分析 | 第33-34页 |
| 4.2 植被指数筛选与构建 | 第34页 |
| 4.3 生理化参量反演模型的优化算法 | 第34-36页 |
| 4.4 大田粳稻冠层叶绿素反演 | 第36-40页 |
| 4.4.1 植被指数与粳稻冠层叶绿素的相关性 | 第36-37页 |
| 4.4.2 植被指数对粳稻叶绿素的预测能力分析 | 第37-38页 |
| 4.4.3 粳稻冠层叶绿素含量LS_SVR模型的构建 | 第38-39页 |
| 4.4.4 粳稻冠层叶绿素含量LS_SVR模型的精度评价 | 第39-40页 |
| 4.5 粳稻冠层叶绿素遥感填图与精度检验 | 第40-44页 |
| 4.6 本章小结 | 第44-45页 |
| 5 大田粳稻叶面积指数反演模型的构建 | 第45-53页 |
| 5.1 植被指数的筛选与构建 | 第45-46页 |
| 5.2 大田粳稻冠层叶面积指数反演 | 第46-49页 |
| 5.2.1 光谱指数与粳稻叶面积指数的相关性 | 第46-47页 |
| 5.2.2 植被指数对粳稻叶面积指数的预测能力分析 | 第47-48页 |
| 5.2.3 粳稻叶面积指数LS_SVR模型的构建 | 第48-49页 |
| 5.2.4 粳稻叶面积指数LS_SVR模型的精度评价 | 第49页 |
| 5.3 粳稻叶面积指数遥感填图与精度检验 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |
