| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 小麦白粉病流行特点及光谱响应生理机制与特征位置 | 第11-14页 |
| 1.2.1 小麦白粉病的流行特点 | 第11-12页 |
| 1.2.2 小麦白粉病光谱响应生理机制 | 第12-13页 |
| 1.2.3 小麦白粉病光谱响应特征位置 | 第13-14页 |
| 1.3 小麦白粉病气象预报及遥感监测研究现状 | 第14-18页 |
| 1.3.1 小麦白粉病气象预报研究 | 第14-15页 |
| 1.3.2 小麦白粉病遥感监测研究 | 第15-16页 |
| 1.3.3 小麦病虫害的遥感识别与区分 | 第16-18页 |
| 1.4 存在问题 | 第18页 |
| 1.5 研究内容 | 第18-22页 |
| 第二章 研究资料与方法 | 第22-34页 |
| 2.1 研究区域概况及其小麦种植面积提取 | 第22-24页 |
| 2.2 遥感数据处理 | 第24-28页 |
| 2.2.1 遥感数据获取与预处理 | 第24-25页 |
| 2.2.2 遥感特征提取 | 第25-28页 |
| 2.3 气象数据的获取及处理 | 第28-30页 |
| 2.3.1 气象数据获取 | 第28-29页 |
| 2.3.2 气象数据处理 | 第29-30页 |
| 2.4 病虫害数据获取与处理 | 第30-34页 |
| 2.4.1 病虫害数据获取 | 第30-32页 |
| 2.4.2 病虫害数据处理 | 第32-34页 |
| 第三章 利用遥感数据识别小麦白粉病和蚜虫 | 第34-50页 |
| 3.1 CART决策树算法模型 | 第34-37页 |
| 3.2 病害识别模型的构建 | 第37-42页 |
| 3.2.1 特征变量的选择 | 第37-39页 |
| 3.2.2 小麦病虫害4种识别模型 | 第39-42页 |
| 3.3 病害区分模型的构建 | 第42-46页 |
| 3.3.1 小麦病虫害4分类区分模型 | 第42-44页 |
| 3.3.2 小麦病虫害3分类区分模型 | 第44-46页 |
| 3.4 病虫害识别模型与区分模型比较 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于AdaBoost模型和mRMR算法的小麦白粉病遥感监测 | 第50-60页 |
| 4.1 模型输入变量的优选 | 第50-52页 |
| 4.1.1 mRMR(最小冗余最大相关)算法 | 第50-52页 |
| 4.1.2 特征变量优选 | 第52页 |
| 4.2 AdaBoost分类器算法监测模型构建 | 第52-53页 |
| 4.3 模型对比实验与评价标准 | 第53-57页 |
| 4.3.1 模型的验证与评估 | 第53-56页 |
| 4.3.2 小麦白粉病发生严重度监测 | 第56-57页 |
| 4.4 本章小结 | 第57-60页 |
| 第五章 遥感与气象数据结合预测小麦白粉病 | 第60-68页 |
| 5.1 模型特征的选取 | 第60-62页 |
| 5.2 RVM预测模型的构建 | 第62-63页 |
| 5.3 小麦白粉病预测结果与对比分析 | 第63-66页 |
| 5.3.1 小麦白粉病发生预测 | 第63页 |
| 5.3.2 模型的评估与验证 | 第63-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 结论和展望 | 第68-72页 |
| 6.1 主要结论 | 第68-69页 |
| 6.2 创新点 | 第69-70页 |
| 6.3 展望 | 第70-72页 |
| 参考文献 | 第72-82页 |
| 作者简介 | 第82-84页 |
| 致谢 | 第84页 |