基于多尺度遥感的寒地水稻稻瘟病信息提取与识别研究
| 摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 1 引言 | 第13-22页 |
| 1.1 背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 光谱技术在病虫害检测中的应用 | 第14-17页 |
| 1.2.2 农作物病虫害遥感监测研究 | 第17-18页 |
| 1.2.3 水稻病虫害识别研究进展 | 第18-19页 |
| 1.3 主要研究内容和技术路线 | 第19-22页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 研究方案和技术路线 | 第20-22页 |
| 2 数据获取与分析方法 | 第22-40页 |
| 2.1 试验方案 | 第22-23页 |
| 2.2 试验数据获取 | 第23-30页 |
| 2.2.1 叶片尺度的水稻稻瘟病数据获取 | 第23-24页 |
| 2.2.2 冠层尺度的稻瘟病数据获取 | 第24-26页 |
| 2.2.3 区域尺度的稻瘟病数据获取 | 第26-30页 |
| 2.3 数据处理和分析方法 | 第30-38页 |
| 2.3.1 影像预处理 | 第30-31页 |
| 2.3.2 高光谱预处理 | 第31-33页 |
| 2.3.3 光谱特征提取方法 | 第33-35页 |
| 2.3.4 稻瘟病判别分类方法 | 第35-38页 |
| 2.4 判别模型评价方法 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 3 叶片尺度水稻稻瘟病特征提取与识别 | 第40-63页 |
| 3.1 稻瘟病叶片光谱响应特征分析 | 第40-43页 |
| 3.2 光谱预处理 | 第43-44页 |
| 3.3 基于光谱降维的稻瘟病叶片尺度判别 | 第44-50页 |
| 3.3.1 基于PLS-DA的判别模型 | 第44-47页 |
| 3.3.2 基于PCA-SVM的判别模型 | 第47-50页 |
| 3.4 基于SPA特征波长的稻瘟病叶片尺度判别 | 第50-54页 |
| 3.4.1 SPA特征提取 | 第50-52页 |
| 3.4.2 基于SPA的判别模型 | 第52-54页 |
| 3.5 基于植被指数的稻瘟病叶片尺度判别 | 第54-62页 |
| 3.5.1 病害植被指数的提取 | 第54-57页 |
| 3.5.2 基于植被指数的判别模型 | 第57-62页 |
| 3.6 本章小结 | 第62-63页 |
| 4 冠层尺度稻瘟病特征提取与识别 | 第63-90页 |
| 4.1 数据预处理与标准化 | 第63-64页 |
| 4.2 冠层尺度水稻叶瘟病与氮胁迫区分 | 第64-76页 |
| 4.2.1 水稻叶瘟病和缺氮冠层光谱特征 | 第64-66页 |
| 4.2.2 水稻叶瘟病和缺氮冠层光谱特征提取 | 第66-70页 |
| 4.2.3 水稻叶瘟病和缺氮冠层判别模型 | 第70-76页 |
| 4.3 冠层尺度穗颈瘟区分识别 | 第76-87页 |
| 4.3.1 冠层尺度穗颈瘟光谱分析 | 第76-78页 |
| 4.3.2 冠层尺度穗颈瘟光谱特征提取 | 第78-81页 |
| 4.3.3 冠层尺度穗颈瘟判别模型 | 第81-87页 |
| 4.4 穗颈瘟冠层近地图像分类 | 第87-88页 |
| 4.5 本章小结 | 第88-90页 |
| 5 基于无人机的区域尺度穗颈瘟遥感监测与区分 | 第90-103页 |
| 5.1 数据及分析流程 | 第90-91页 |
| 5.2 区域尺度的穗颈瘟区分模型 | 第91-98页 |
| 5.2.1 区域穗颈瘟特征提取 | 第91-94页 |
| 5.2.2 区域穗颈瘟判别模型 | 第94-96页 |
| 5.2.3 地块级穗颈瘟区域分类填图 | 第96-98页 |
| 5.3 大区域穗颈瘟的区分识别 | 第98-102页 |
| 5.3.1 数据源 | 第98-99页 |
| 5.3.2 区域影像特征提取 | 第99-100页 |
| 5.3.3 大区域穗颈瘟区分与结果分析 | 第100-102页 |
| 5.4 本章小结 | 第102-103页 |
| 6 结论与展望 | 第103-106页 |
| 6.1 结论与创新 | 第103-104页 |
| 6.2 展望 | 第104-106页 |
| 致谢 | 第106-107页 |
| 参考文献 | 第107-116页 |
| 攻读博士学位期间发表的学术论文 | 第116页 |
