| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 1. 绪论 | 第12-24页 |
| ·引言 | 第12-13页 |
| ·土壤信息采集与检测研究现状 | 第13-16页 |
| ·位置信息的采集 | 第13-14页 |
| ·土壤水分信息的检测 | 第14页 |
| ·土壤营养物质信息的检测 | 第14-15页 |
| ·土壤pH和EC信息的检测 | 第15-16页 |
| ·遥感光谱技术 | 第16-19页 |
| ·光谱技术概述 | 第16-17页 |
| ·土壤遥感光谱技术研究现状 | 第17-19页 |
| ·数字图像处理技术 | 第19-21页 |
| ·数字图像处理技术概述 | 第19页 |
| ·数字图像处理技术的研究内容 | 第19-20页 |
| ·数字图像处理技术在土壤研究方面的应用现状 | 第20-21页 |
| ·国内外研究中存在的问题 | 第21-22页 |
| ·本文主要研究内容 | 第22-24页 |
| 2. 数据获取与处理方法 | 第24-37页 |
| ·数据获取设备 | 第24-25页 |
| ·可见-近红外光谱仪(FieldSpec~R 3 Hi-Res) | 第24页 |
| ·多光谱成像仪(Duncan MS3100 3CCD) | 第24-25页 |
| ·土壤成分化学测定方法 | 第25页 |
| ·土壤有机质含量的化学测定方法 | 第25页 |
| ·土壤水分含量的测定 | 第25页 |
| ·数据处理方法 | 第25-37页 |
| ·光谱数据预处理方法 | 第25-28页 |
| ·光谱数据建模方法 | 第28-35页 |
| ·模型评价 | 第35-37页 |
| 3. 基于光谱信号分析技术的土壤信息检测 | 第37-55页 |
| ·实验数据采集 | 第37-39页 |
| ·实验材料 | 第37-38页 |
| ·样本成分的化学测定 | 第38页 |
| ·光谱信号的采集 | 第38-39页 |
| ·光谱信号预处理 | 第39-41页 |
| ·光谱信号建模与检测 | 第41-52页 |
| ·基于不同光谱信号预处理方法的PLS模型建立与检测 | 第41-46页 |
| ·LSSVM模型的建立与检测 | 第46-48页 |
| ·BP神经网络模型的建立与检测 | 第48-52页 |
| ·不同检测模型的比较 | 第52页 |
| ·本章小结 | 第52-55页 |
| 4. 基于数字图像处理技术的土壤信息检测 | 第55-69页 |
| ·图像信息采集平台结构 | 第55-56页 |
| ·成像仪 | 第55-56页 |
| ·光源系统 | 第56页 |
| ·软件系统 | 第56页 |
| ·实验样本的采集与制备 | 第56-57页 |
| ·检测有机质含量的土样的采集与制备 | 第56页 |
| ·检测水分含量的土样的采集与制备 | 第56-57页 |
| ·实验样本成分的测定 | 第57页 |
| ·土壤样本有机质含量的测定 | 第57页 |
| ·土壤样本水分含量的测定 | 第57页 |
| ·图像数据的采集 | 第57-58页 |
| ·数字图像处理及信息提取 | 第58-62页 |
| ·图像分离 | 第59-60页 |
| ·图像背景去除 | 第60-62页 |
| ·土壤图像灰度信息提取 | 第62页 |
| ·基于图像特征值的模型建立与检测 | 第62-67页 |
| ·基于图像特征参数的土壤有机质检测模型 | 第63-65页 |
| ·基于图像特征参数的土壤水分含量检测模型 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 5. 结论与展望 | 第69-72页 |
| ·全文主要结论 | 第69-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76-80页 |
| 硕士期间发表论文 | 第80页 |
