| 致谢 | 第6-8页 |
| 中文摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 全文目录 | 第13-16页 |
| 图目录 | 第16-18页 |
| Figure list | 第18-20页 |
| 表目录 | 第20-21页 |
| Table list | 第21-23页 |
| 第一章 绪论 | 第23-35页 |
| 1.1 引言 | 第23-25页 |
| 1.2 植物病虫害遥感监测研究 | 第25-30页 |
| 1.2.1 基于成像光谱技术的病虫害遥感诊断和监测研究 | 第25-26页 |
| 1.2.2 基于近地光谱分析的病虫害遥感特征提取及监测研究 | 第26-28页 |
| 1.2.3 基于航空及卫星遥感技术的植物病虫害监测及制图研究 | 第28-29页 |
| 1.2.4 遥感信息辅助的植物病虫害生境监测 | 第29-30页 |
| 1.3 病虫害遥感监测的最大挑战——病虫害识别与区分 | 第30-31页 |
| 1.4 中国北方麦区几种主要病虫害特点和研究概况 | 第31-33页 |
| 1.4.1 小麦条锈病 | 第31-32页 |
| 1.4.2 小麦白粉病 | 第32页 |
| 1.4.3 小麦蚜虫 | 第32-33页 |
| 1.5 论文结构安排及技术路线 | 第33-35页 |
| 第二章 试验方案、数据获取及处理 | 第35-53页 |
| 2.1 试验方案 | 第35-40页 |
| 2.1.1 试验1—基于成像高光谱的小麦病虫害识别及区分试验 | 第35-36页 |
| 2.1.2 试验2—叶片尺度小麦病虫害光谱识别及区分试验 | 第36-38页 |
| 2.1.3 试验3—冠层尺度小麦病虫害光谱识别及区分试验 | 第38-39页 |
| 2.1.4 试验4—区域尺度小麦病虫害识别及区分试验 | 第39-40页 |
| 2.2 地面控制试验数据获取 | 第40-48页 |
| 2.2.1 病害田间接种 | 第40-41页 |
| 2.2.2 光谱数据获取 | 第41-46页 |
| 2.2.3 病/虫情严重度调查 | 第46-48页 |
| 2.3 卫星遥感影像数据获取及预处理 | 第48-53页 |
| 2.3.1 卫星影像获取 | 第48-49页 |
| 2.3.2 卫星影像预处理 | 第49-53页 |
| 第三章 基于成像高光谱技术的小麦病虫害叶片区分方法 | 第53-81页 |
| 3.1 成像高光谱病虫害区分概述 | 第53-55页 |
| 3.2 基于成像光谱数据的叶片及病虫伤斑范围提取方法 | 第55-65页 |
| 3.2.1 叶片与背景分离方法 | 第55-56页 |
| 3.2.2 基于病虫害光谱曲线特征的波段优选 | 第56-59页 |
| 3.2.3 小麦叶片病虫伤斑范围提取方法 | 第59-65页 |
| 3.3 基于光谱比率方法的小麦病虫害区分 | 第65-71页 |
| 3.3.1 光谱比率特征计算及意义 | 第65-66页 |
| 3.3.2 基于光谱比率特征的小麦病虫害区分模型 | 第66-71页 |
| 3.4 基于图像形态学特征的叶片病虫害区分方法 | 第71-77页 |
| 3.4.1 区分叶片病虫害的形态学特征 | 第72-74页 |
| 3.4.2 基于图像形态学特征的叶片病虫害区分模型 | 第74-77页 |
| 3.5 综合叶片光谱和形态学特征的病虫害区分方法以及软件实现 | 第77-80页 |
| 3.6 本章小结 | 第80-81页 |
| 第四章 叶片尺度小麦病虫害光谱区分方法研究 | 第81-105页 |
| 4.1 数据分析及处理流程 | 第81-82页 |
| 4.2 光谱标准化处理 | 第82页 |
| 4.3 小麦不同病虫害区分特征选择 | 第82-95页 |
| 4.3.1 基于原始光谱的小麦不同病虫害区分特征选择 | 第83-86页 |
| 4.3.2 基于植被指数的小麦不同病虫害区分特征选择 | 第86-89页 |
| 4.3.3 基于连续小波分析的小麦不同病虫害区分特征选择 | 第89-95页 |
| 4.4. 小麦不同病虫害叶片光谱判别模型 | 第95-104页 |
| 4.4.1 基于原始光谱的小麦不同病虫害叶片光谱判别模型 | 第95-98页 |
| 4.4.2 基于植被指数的小麦不同病虫害叶片光谱判别模型 | 第98-100页 |
| 4.4.3 基于小波特征的小麦不同病虫害叶片光谱判别模型 | 第100-102页 |
| 4.4.4 基于FLDA判别模型的样本特征空间分布 | 第102-104页 |
| 4.5 本章小结 | 第104-105页 |
| 第五章 冠层尺度小麦病虫害光谱区分方法研究 | 第105-131页 |
| 5.1 数据分析及处理流程 | 第105页 |
| 5.2 光谱标准化处理 | 第105-106页 |
| 5.3 小麦不同病虫害区分特征选择 | 第106-115页 |
| 5.3.1 小麦不同病虫害冠层光谱响应特征 | 第106-109页 |
| 5.3.2 基于植被指数的小麦不同病虫害区分特征选择 | 第109-112页 |
| 5.3.3 基于连续小波分析的小麦不同病虫害区分特征选择 | 第112-115页 |
| 5.4 小麦不同病虫害冠层光谱判别模型 | 第115-120页 |
| 5.4.1 基于植被指数的小麦不同病虫害冠层光谱判别模型 | 第116-117页 |
| 5.4.2 基于小波特征的小麦不同病虫害冠层光谱判别模型 | 第117-119页 |
| 5.4.3 基于FLDA判别模型的样本特征空间分布 | 第119-120页 |
| 5.5 基于宽波段传感器的小麦病虫害区分模拟研究 | 第120-129页 |
| 5.5.1 多种传感器通道响应特征及模拟 | 第120-122页 |
| 5.5.2 研究基本思路 | 第122-123页 |
| 5.5.3 传感器病虫害识别和区分能力评价 | 第123-127页 |
| 5.5.4 传感器病虫害识别和区分能力总结 | 第127-129页 |
| 5.6 本章小结 | 第129-131页 |
| 第六章 结合作物生长与生境特征反演的区域病虫害遥感监测与区分研究 | 第131-147页 |
| 6.1 数据分析及处理流程 | 第131-132页 |
| 6.2 数据源说明及特征提取方法 | 第132-135页 |
| 6.2.1 数据源介绍 | 第132页 |
| 6.2.2 地面调查 | 第132-133页 |
| 6.2.3 光谱及生境特征 | 第133-135页 |
| 6.3 结合星地协同观测数据的胁迫区域识别 | 第135-139页 |
| 6.3.1 农田胁迫区域识别特征选择 | 第136-137页 |
| 6.3.2 农田健康与胁迫区域识别判别模型 | 第137-139页 |
| 6.4 综合作物生长和生境特征的病虫害区分方法 | 第139-144页 |
| 6.4.1 病虫害识别区分特征选择 | 第139-142页 |
| 6.4.2 反映相对差异的比率特征计算 | 第142页 |
| 6.4.3 病虫害区分模型构建 | 第142-144页 |
| 6.5 本章小结 | 第144-147页 |
| 第七章 结论、创新点与展望 | 第147-153页 |
| 7.1 主要工作与结论 | 第147-149页 |
| 7.2 论文特色与创新点 | 第149-150页 |
| 7.3 研究展望 | 第150-153页 |
| 参考文献 | 第153-165页 |
| 作者简介与攻读博士研究生期间的科研成果 | 第165-168页 |
