三江源区土壤全氮、全碳和碳氮比的高光谱反演
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·研究目标 | 第12-13页 |
| ·研究内容及研究特色 | 第13-14页 |
| ·研究内容 | 第13页 |
| ·研究特色 | 第13-14页 |
| ·技术路线 | 第14-16页 |
| 第二章 数据获取及预处理 | 第16-29页 |
| ·研究区概况 | 第16-20页 |
| ·地理位置 | 第16-17页 |
| ·自然地理特征 | 第17-20页 |
| ·人口、社会经济特征 | 第20页 |
| ·样品采集及处理 | 第20-21页 |
| ·风干研磨 | 第20-21页 |
| ·过筛处理 | 第21页 |
| ·样品保存 | 第21页 |
| ·光谱数据测量 | 第21-22页 |
| ·实验室土壤成分测定 | 第22-24页 |
| ·光谱数据预处理 | 第24-29页 |
| ·平滑处理 | 第24-25页 |
| ·光谱变换 | 第25-29页 |
| 第三章 数据建模方法 | 第29-35页 |
| ·多元逐步线性回归 | 第29页 |
| ·偏最小二乘回归 | 第29-30页 |
| ·BP 神经网络 | 第30-32页 |
| ·模型检验方法 | 第32-35页 |
| 第四章 光谱特征分析和特征波段提取 | 第35-44页 |
| ·土壤原始反射率 | 第35-36页 |
| ·各类型土壤光谱反射率 | 第36-37页 |
| ·光谱变换形式分析 | 第37-41页 |
| ·一阶微分 | 第37-38页 |
| ·二阶微分 | 第38-39页 |
| ·倒数的对数 | 第39-40页 |
| ·波段深度 | 第40-41页 |
| ·相关性分析与特征波段提取 | 第41-44页 |
| 第五章 不同土壤类型全波段高光谱反演 | 第44-70页 |
| ·全氮含量全波段反演 | 第44-52页 |
| ·多元逐步线性回归模型 | 第44-47页 |
| ·偏最小二乘回归模型 | 第47-49页 |
| ·BP 神经网络模型 | 第49-52页 |
| ·全碳含量全波段反演 | 第52-60页 |
| ·多元逐步回归线性模型 | 第52-55页 |
| ·偏最小二乘回归模型 | 第55-57页 |
| ·BP 神经网络模型 | 第57-60页 |
| ·碳氮比全波段反演 | 第60-68页 |
| ·多元逐步回归线性模型 | 第60-62页 |
| ·偏最小二乘回归模型 | 第62-65页 |
| ·BP 神经网络模型 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 不同土壤类型特征波段高光谱反演 | 第70-92页 |
| ·全氮含量特征波段反演 | 第70-77页 |
| ·多元逐步线性回归模型 | 第70-72页 |
| ·偏最小二乘回归模型 | 第72-75页 |
| ·BP 神经网络模型 | 第75-77页 |
| ·全碳含量特征波段反演 | 第77-84页 |
| ·多元逐步线性回归模型 | 第77-79页 |
| ·偏最小二乘回归模型 | 第79-82页 |
| ·BP 神经网络模型 | 第82-84页 |
| ·碳氮比特征波段反演 | 第84-91页 |
| ·多元逐步线性回归模型 | 第84-86页 |
| ·偏最小二乘回归模型 | 第86-89页 |
| ·BP 神经网络模型 | 第89-91页 |
| ·本章小结 | 第91-92页 |
| 第七章 结论与展望 | 第92-100页 |
| ·结论与讨论 | 第92-99页 |
| ·讨论与分析 | 第92-98页 |
| ·结论 | 第98-99页 |
| ·论文不足与展望 | 第99-100页 |
| 参考文献 | 第100-104页 |
| 致谢 | 第104-105页 |
| 个人简历 | 第105页 |
