首页--农业科学论文--农业工程论文--农业机械化论文--农用仪器、仪表及设备论文

基于不同土质土壤的光谱特性及快速分析仪的研究

目录第1-10页
摘要第10-11页
Abstract第11-13页
第一章 绪论第13-29页
   ·引言第13-14页
   ·"数字土壤"概述第14-18页
     ·"数字土壤"的主要内容第14-16页
     ·发展"数字土壤"的必要性第16-17页
     ·发展"数字土壤"的可行性第17-18页
   ·国内外"数字土壤"发展状况第18-22页
     ·国外的研究进展第18-20页
     ·国内的研究进展第20-22页
   ·精细农业中数字土壤的研究第22-26页
     ·土壤的分类第22-24页
     ·土壤养分的测量第24-26页
   ·存在的主要问题第26-27页
   ·论文研究内容第27-28页
   ·小结第28-29页
第二章 试验材料与研究方法第29-36页
   ·引言第29页
   ·试验设备第29-31页
     ·便携式可见-近红外光谱仪第29-30页
     ·NEXUS智能型傅立叶红外光谱仪第30-31页
     ·FMR—4000傅立叶红外光谱仪第31页
   ·试验材料及方法第31-35页
     ·土壤样品的选用第31-32页
     ·土壤样品的采集第32页
     ·土壤养分的测量第32-35页
   ·小结第35-36页
第三章 土壤分类的光谱分析第36-51页
   ·引言第36页
   ·分类方法分析第36-39页
     ·聚类分析与判别分析第37页
     ·数据判别分析中的化学计量学方法第37-39页
   ·土壤光谱曲线分析第39-47页
     ·可见-近红外光谱分析(便携式可见-近红外光谱仪)第39-45页
     ·近红外光谱分析(NEXUS智能型傅立叶红外光谱仪)第45页
     ·中红外波段光谱分析第45-47页
   ·最优波段选择第47-50页
     ·可见-近红外部分波段选择第48页
     ·近红外部分波段选择第48-50页
   ·小结第50-51页
第四章 土壤养分的光谱分析第51-62页
   ·引言第51页
   ·数据处理方法选择第51-52页
     ·数据预处理方法第51-52页
     ·数据回归分析中的化学计量学方法第52页
   ·土壤速效N、P、K的近红外光谱特性分析第52-55页
   ·土壤速效N、P、K的中红外光谱特性分析第55-56页
   ·土壤养分光谱分析第56-57页
   ·最优波段的选择第57-61页
   ·小结第61-62页
第五章 土壤光谱测试分析仪的探讨第62-69页
   ·引言第62页
   ·光谱仪器的基本构造第62-64页
     ·光源第62-63页
     ·分光系统第63页
     ·测样器件第63页
     ·检测器第63页
     ·控制以及光谱数据分析系统第63-64页
   ·光谱仪器的发展第64-65页
     ·滤光片型光谱仪器第64页
     ·光栅扫描型光谱仪器第64页
     ·傅立叶变换型光谱仪器第64-65页
     ·声光可调滤光器型光谱仪器第65页
     ·多通道型光谱仪器第65页
   ·土壤专用分析仪探讨第65-68页
   ·小结第68-69页
第六章 结论与展望第69-71页
   ·本文小结第69-70页
   ·论文展望第70-71页
参考文献第71-76页
附录第76-86页
 附表1 主成分—BP/ANN模型对未知样本的预测第76-77页
 附表2 PLS回归模型对未知样本的预测第77-78页
 附表3 PLS-BP/ANN模型对未知样本的预测第78-79页
 附表4 近红外波段PLS-BP/ANN模型对未知样本的预测第79-80页
 附表5 中红外波段PLS-BP/ANN模型对未知样本的预测第80-81页
 附表6 选出的130个波段PLS-BP/ANN模型对未知样本的预测第81-82页
 附表7 选出的170个波段PLS-BP/ANN模型对未知样本的预测第82-83页
 附表8 近红外波段下PLS-BP/ANN与PLS-LS-SVM模型预测结果第83-84页
 附表9 近红外波段下的速效K及中红外波段下的速效N预测结果第84-85页
 附表10 中红外波段下的速效P和速效K预测结果第85-86页
致谢第86-87页
个人简介第87页

论文共87页,点击 下载论文
上一篇:水稻种子活力、生活力检测方法及计算机视觉的应用研究
下一篇:基于CT技术的富士苹果内部品质无损检测研究