土壤有机质含量高光谱预测方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11页 |
| ·国内外土壤光谱分析技术研究进展 | 第11-13页 |
| ·国内研究进展 | 第12页 |
| ·国外研究进展 | 第12-13页 |
| ·研究内容与技术路线 | 第13-15页 |
| ·主要研究内容 | 第13页 |
| ·主要研究方法 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 第二章 数据的获取及预处理 | 第15-28页 |
| ·土壤样品的采集与准备 | 第15页 |
| ·土壤有机质含量的测定 | 第15-16页 |
| ·土壤漫反射光谱的测量 | 第16-17页 |
| ·测量方法 | 第16页 |
| ·测量数据的物理含义 | 第16-17页 |
| ·建模集与预测集的划分 | 第17-19页 |
| ·土壤光谱数据的预处理 | 第19-28页 |
| ·平滑与去噪 | 第19-22页 |
| ·数据变换 | 第22-28页 |
| 第三章 利用全谱数据的土壤有机质含量预测 | 第28-42页 |
| ·引言 | 第28-29页 |
| ·模型分析评价的主要指标 | 第29-30页 |
| ·PLSR 模型的建立与分析 | 第30-36页 |
| ·偏最小二乘回归的原理 | 第30页 |
| ·PLSR 模型的建立 | 第30-33页 |
| ·不同数据变换的模型响应 | 第33-34页 |
| ·预测值与实测值的比较分析 | 第34-36页 |
| ·支持向量机模型的建立与分析 | 第36-41页 |
| ·支持向量机的原理与实现 | 第36-37页 |
| ·基于粒子群算法的模型参数优化 | 第37-40页 |
| ·建模结果分析 | 第40-41页 |
| ·两种基于全谱数据建模方法的比较 | 第41-42页 |
| 第四章 利用光谱提取特征的土壤有机质含量预测 | 第42-54页 |
| ·引言 | 第42-44页 |
| ·降维的本质与意义 | 第42页 |
| ·降维及特征提取方法 | 第42-44页 |
| ·基于核函数方法的特征提取与有机质含量预测 | 第44-50页 |
| ·核函数方法简介 | 第44-45页 |
| ·特征提取结果对比 | 第45-46页 |
| ·有机含量预测模型的建立 | 第46-49页 |
| ·预测结果的对比 | 第49-50页 |
| ·基于小波变换的特征提取及有机质含量预测 | 第50-54页 |
| ·小波变换 | 第50-51页 |
| ·特征提取及有机质含量预测 | 第51-53页 |
| ·小波变换进一步应用方法的探讨 | 第53-54页 |
| 第五章 结论与讨论 | 第54-57页 |
| ·主要结果 | 第54-55页 |
| ·主要创新点 | 第55页 |
| ·存在的问题 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |
