| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 前言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 无人机遥感国内外现状 | 第12-13页 |
| 1.2.2 作物营养诊断国内外研究现状 | 第13-15页 |
| 1.3 研究内容及技术路线 | 第15页 |
| 1.4 章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 试验数据采集与处理 | 第17-30页 |
| 2.1 研究区域概况 | 第17页 |
| 2.2 田间试验设计 | 第17-18页 |
| 2.3 无人机图像获取 | 第18-20页 |
| 2.4 无人机图像预处理 | 第20-23页 |
| 2.4.1 图像拼接 | 第20-21页 |
| 2.4.2 坐标系转换 | 第21页 |
| 2.4.3 几何校正 | 第21-22页 |
| 2.4.4 辐射校正 | 第22-23页 |
| 2.5 地面数据采集与分析 | 第23-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 遥感图像处理与解析 | 第30-43页 |
| 3.1 遥感图像信息提取 | 第30-33页 |
| 3.1.1 数码图像特征信息提取分析 | 第30-32页 |
| 3.1.2 多光谱图像特征信息提取分析 | 第32-33页 |
| 3.2 多光谱成像的不同氮素水平水稻冠层分类 | 第33-41页 |
| 3.2.1 监督分类 | 第34-36页 |
| 3.2.2 非监督分类 | 第36-38页 |
| 3.2.3 分类结果评价 | 第38-41页 |
| 3.2.4 分类后处理与分析 | 第41页 |
| 3.3 多光谱成像的氮素分级应用 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 水稻氮素反演模型构建 | 第43-51页 |
| 4.1 水稻SPAD反演模型的构建与精度评价 | 第43-47页 |
| 4.1.1 水稻叶片SPAD与光谱指数之间的相关性分析 | 第44-45页 |
| 4.1.2 水稻SPAD反演模型的构建 | 第45-46页 |
| 4.1.3 水稻SPAD反演模型的精度评价 | 第46-47页 |
| 4.2 水稻氮素反演模型的构建与精度评价 | 第47-48页 |
| 4.3 水稻生理参数解析及应用 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59页 |