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

低温胁迫下冬小麦叶绿素高光谱特征提取及估算模型的综合评价

摘要第6-7页
1 引言第7-12页
    1.1 研究背景及意义第7页
        1.1.1 研究背景第7页
        1.1.2 研究意义第7页
    1.2 国内外研究进展第7-11页
    1.3 技术路线第11-12页
2 试验设计与方法第12-17页
    2.1 试验设计第12-13页
    2.2 数据测定第13页
        2.2.1 冠层光谱测定第13页
        2.2.2 叶绿素(Chl)含量测定第13页
    2.3 数据分析与处理第13-15页
        2.3.1 高光谱数据常规处理第13-14页
        2.3.2 高光谱数据变换处理第14页
        2.3.3 高光谱数据校正处理第14-15页
    2.4 光谱特征提取第15页
        2.4.1 连续投影算法(SPA)第15页
        2.4.2 偏最小二乘回归(PLSR)和逐步多元线性(SMLR)第15页
    2.5 模型构建方法第15-16页
        2.5.1 偏最小二乘回归(Partial Least Square Regression,PLSR)第15-16页
        2.5.2 支持向量机(Support vector machine,SVM)第16页
        2.5.3 主成分回归(Principal component regression,PCR)第16页
    2.6 模型评价第16页
    2.7 数据分析软件第16-17页
3 结果与分析第17-28页
    3.1 低温胁迫对冬小麦叶绿素含量的影响第17-18页
    3.2 冬小麦冠层光谱变化特征分析第18-22页
        3.2.1 不同预处理方法冬小麦冠层光谱变化分析第18-20页
        3.2.2 冬小麦冠层预处理光谱与叶绿素含量的相关性分析第20-22页
        3.2.3 冬小麦冠层预处理光谱对绿素含量的PLSR响应第22页
    3.3 冬小麦光谱特征提取第22-25页
        3.3.1 基于SPA算法特征提取第23页
        3.3.2 PLSR+ SMLR的特征波段提取第23-25页
    3.4 冬小麦叶绿素含量最优监测模型的构建和选择第25-28页
        3.4.1 偏最小二乘回归(PLSR)第25-26页
        3.4.2 支持向量机(SVM)第26-27页
        3.4.3 主成分回归(PCR)第27-28页
4 讨论与结论第28-32页
    4.1 结论第28-29页
    4.2 讨论第29-32页
参考文献第32-36页
Abstract第36-37页
致谢第38页

论文共38页,点击 下载论文
上一篇:穿龙薯蓣茎段组织培养研究
下一篇:氮肥对套作玉米光合特性和产量性状潜力调控研究