| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究进展 | 第11-14页 |
| 1.2.1 遥感技术在作物品质反演的研究进展 | 第11-13页 |
| 1.2.2 小麦籽粒蛋白品质空间变异影响因素研究现状 | 第13-14页 |
| 1.3 研究内容及技术路线 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 2 试验数据的获取与处理 | 第17-25页 |
| 2.1 研究区概况 | 第17-18页 |
| 2.2 实验设计 | 第18-21页 |
| 2.2.1 氮素农学参量研究的试验设计 | 第18-21页 |
| 2.2.2 区域气象数据研究的试验设计 | 第21页 |
| 2.3 实验数据获取 | 第21-24页 |
| 2.3.1 氮素研究的冠层光谱数据的获取 | 第21-22页 |
| 2.3.2 区域研究的影像数据的获取与预处理 | 第22-23页 |
| 2.3.3 氮素农学参数的获取 | 第23-24页 |
| 2.3.4 籽粒蛋白质含量的获取 | 第24页 |
| 2.3.5 区域气象数据的获取 | 第24页 |
| 2.4 本章总结 | 第24-25页 |
| 3 不同氮素农学参数的小麦GPC遥感反演 | 第25-41页 |
| 3.1 植被指数的选择 | 第25-27页 |
| 3.1.1 植被指数 | 第25-26页 |
| 3.1.2 植被指数与各氮素农学参数的相关性分析 | 第26-27页 |
| 3.2 支持向量机回归 | 第27-30页 |
| 3.2.1 支持向量机简介 | 第27-28页 |
| 3.2.2 支持向量机回归原理 | 第28-30页 |
| 3.3 小麦GPC模型构建 | 第30-35页 |
| 3.3.1 模型精度评价指标 | 第30-31页 |
| 3.3.2 氮素农学参数的遥感反演 | 第31-32页 |
| 3.3.3 氮素农学参数与小麦GPC模型构建 | 第32-34页 |
| 3.3.4“VI-AP-GPC”的定量反演 | 第34-35页 |
| 3.4 基于Landsat-5 卫星TM数据的小麦PNC的反演 | 第35-40页 |
| 3.4.1 Landsat-5 卫星TM数据的波谱响应函数 | 第35-36页 |
| 3.4.2 模拟Landsat-5 TM多光谱植被指数的选择 | 第36-38页 |
| 3.4.3 基于模拟TM5数据的PNC的反演 | 第38-40页 |
| 3.5 本章总结 | 第40-41页 |
| 4 小麦GPC的空间影响因子分析与选取 | 第41-47页 |
| 4.1 区域气象数据的获取 | 第41-43页 |
| 4.1.1 空间插值方法 | 第41-42页 |
| 4.1.2 关键气象因子的构建 | 第42-43页 |
| 4.2 气象因子的选取及分析 | 第43-46页 |
| 4.2.1 温度对小麦籽粒蛋白质含量的影响 | 第44-45页 |
| 4.2.2 光照对小麦籽粒蛋白质含量的影响 | 第45-46页 |
| 4.2.3 降雨对小麦籽粒蛋白质含量的影响 | 第46页 |
| 4.3 本章总结 | 第46-47页 |
| 5 基于地理加权算法的小麦GPC反演 | 第47-61页 |
| 5.1 地理加权回归模型 | 第47-54页 |
| 5.1.1 地理加权回归模型的提出 | 第47-48页 |
| 5.1.2 地理加权回归模型原理 | 第48-50页 |
| 5.1.3 空间权函数的选择 | 第50-52页 |
| 5.1.4 权函数带宽优化 | 第52-53页 |
| 5.1.5 自适应权函数 | 第53-54页 |
| 5.2 地理加权回归法反演小麦GPC | 第54-60页 |
| 5.2.1 GWR4软件简介绍 | 第54-56页 |
| 5.2.2 地理加权回归模型精度评价准则 | 第56页 |
| 5.2.3 小麦GPC地理加权回归模型的构建 | 第56-58页 |
| 5.2.4 局部回归系数的空间差异性检测 | 第58-59页 |
| 5.2.5 地理加权回归的模型精度验证 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-64页 |
| 6.1 主要研究结论 | 第61-62页 |
| 6.2 创新点 | 第62页 |
| 6.3 展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 附录 | 第73页 |
