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 |