| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 病虫害监测方法和原理 | 第10-14页 |
| 1.2.1 遥感监测病害的基本原理 | 第10-12页 |
| 1.2.2 病虫害的估测方法 | 第12-14页 |
| 1.3 存在的主要问题 | 第14-15页 |
| 1.4 研究内容和技术路线 | 第15-17页 |
| 第二章 实验设计和数据处理 | 第17-23页 |
| 2.1 研究区简介 | 第17页 |
| 2.2 地面实验和数据获取 | 第17-21页 |
| 2.2.1 冬小麦长势因子的获取 | 第17-19页 |
| 2.2.2 遥感数据的获取 | 第19-20页 |
| 2.2.3 遥感影像的预处理 | 第20-21页 |
| 2.2.4 植被指数的提取 | 第21页 |
| 2.3 气象数据的获取以及处理 | 第21-23页 |
| 第三章 冬小麦生物量遥感估测 | 第23-33页 |
| 3.1 冬小麦生物量模型描述 | 第23-25页 |
| 3.2 结果与分析 | 第25-31页 |
| 3.2.1 冬小麦叶面积指数反演 | 第25页 |
| 3.2.2 冬小麦拔节期生物量遥感估测 | 第25-28页 |
| 3.2.3 冬小麦抽穗期生物量动态变化 | 第28-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第四章 多因素相关的冬小麦赤霉病遥感估测 | 第33-41页 |
| 4.1 多元线性回归方法 | 第34-35页 |
| 4.1.1 方程拟合优度检验（R~2检验） | 第34-35页 |
| 4.1.2 方程显著性检验 | 第35页 |
| 4.2 结果与分析 | 第35-39页 |
| 4.2.1 冬小麦抽穗-扬花期生长参数与赤霉病病情指数的关系 | 第35页 |
| 4.2.2 冬小麦抽穗期气象因素与赤霉病病情指数的关系 | 第35-36页 |
| 4.2.3 冬小麦赤霉病与NDVI间的相关关系 | 第36-37页 |
| 4.2.4 多元线性回归模型 | 第37-39页 |
| 4.3 本章小结 | 第39-41页 |
| 第五章 基于神经网络算法的冬小麦赤霉病估测 | 第41-49页 |
| 5.1 BP神经网络算法 | 第41-42页 |
| 5.2 基于BP神经网络建立的冬小麦赤霉病估测 | 第42-43页 |
| 5.3 两种预测模型的比较 | 第43-45页 |
| 5.4 冬小麦赤霉病病情分级遥感估测 | 第45-46页 |
| 5.5 本章小结 | 第46-49页 |
| 第六章 结论和展望 | 第49-53页 |
| 6.1 主要结论 | 第49-51页 |
| 6.2 特色与创新 | 第51页 |
| 6.3 存在的问题与展望 | 第51-53页 |
| 参考文献 | 第53-61页 |
| 致谢 | 第61-62页 |
| 作者简介 | 第62页 |