| 缩略词 | 第10-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 第一章 绪论 | 第15-33页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 土壤有机碳Vis-NIR定量遥感的物理基础 | 第16-17页 |
| 1.3 Vis-NIR光谱土壤有机碳研究进展 | 第17-27页 |
| 1.3.1 基于室内处理土样的Vis-NIR土壤有机碳研究进展 | 第18-21页 |
| 1.3.2 基于原状湿土的Vis-NIR土壤有机质研究进展 | 第21-23页 |
| 1.3.3 方法研究进展 | 第23-27页 |
| 1.4 土壤湿度对土壤反射光谱的影响 | 第27-29页 |
| 1.5 存在问题及需求 | 第29页 |
| 1.5.1 土壤有机碳光谱定量分析研究归纳 | 第29页 |
| 1.5.2 问题及需求 | 第29页 |
| 1.6 研究内容及技术路线 | 第29-33页 |
| 1.6.1 研究目标 | 第29-30页 |
| 1.6.2 研究内容及章节安排 | 第30-31页 |
| 1.6.3 技术路线 | 第31-33页 |
| 第二章 实验设计、数据获取与分析 | 第33-49页 |
| 2.1 研究区域及土样采集 | 第33页 |
| 2.2 土壤Vis-NIR光谱测定及属性测定 | 第33-35页 |
| 2.2.1 土壤光谱测定 | 第33-34页 |
| 2.2.2 有机质测量 | 第34页 |
| 2.2.3 土壤水分梯度调配及含水量计算 | 第34-35页 |
| 2.3 土壤光谱处理方法 | 第35-40页 |
| 2.3.1 微分变换 | 第35-36页 |
| 2.3.2 小波及小波包分析 | 第36-40页 |
| 2.4 局部最相关算法 | 第40-41页 |
| 2.5 模型的建立与检验 | 第41-46页 |
| 2.5.1 偏最小二乘回归 | 第41-44页 |
| 2.5.2 模型不确定性分析 | 第44-45页 |
| 2.5.3 VIP得分计算 | 第45-46页 |
| 2.6 本章小结 | 第46-49页 |
| 第三章 基于分数阶微分的光谱差异增强 | 第49-57页 |
| 3.1 不同微分阶次反射光谱曲线特征 | 第49-50页 |
| 3.2 分数阶微分对反射率与有机碳相关性的影响 | 第50-54页 |
| 3.2.1 分数阶微分对全波段相关性的影响 | 第50-52页 |
| 3.2.2 分数阶微分对单波长相关性的影响 | 第52-54页 |
| 3.3 不同阶次微分光谱有机碳含量预测 | 第54-55页 |
| 3.4 本章小结 | 第55-57页 |
| 第四章 基于小波包分析的高光谱去噪 | 第57-67页 |
| 4.1 小波包分解各层光谱特征 | 第57-58页 |
| 4.2 小波包分解对光谱与有机碳相关性的影响 | 第58-60页 |
| 4.3 不同小波包分解层光谱有机碳含量预测 | 第60-62页 |
| 4.4 分数阶微分与小波包分析耦合使用对SOC的预测效果 | 第62-64页 |
| 4.5 本章小结 | 第64-67页 |
| 第五章 基于LCM算法的土壤有机碳信号提取 | 第67-77页 |
| 5.1 土壤有机碳最优光谱构造 | 第67-70页 |
| 5.2 有机碳预测效果 | 第70-72页 |
| 5.3 模型不确定性分析 | 第72-73页 |
| 5.4 LCM效果分析 | 第73-74页 |
| 5.5 本章小结 | 第74-77页 |
| 第六章 LCM算法在不同湿度下的适用性评价 | 第77-87页 |
| 6.1 土壤湿度和SOC含量的光谱特征 | 第77-81页 |
| 6.1.1 不同湿度梯度土壤光谱曲线 | 第77-79页 |
| 6.1.2 相同水分状况下不同有机碳含量光谱 | 第79-81页 |
| 6.2 不同土壤湿度机碳含量与反射率的相关分析 | 第81-82页 |
| 6.3 不同湿度梯度有机碳含量PLSR预测结果 | 第82-84页 |
| 6.4 不同湿度梯度下LCM算法有机碳含量预测结果 | 第84-85页 |
| 6.5 本章小结 | 第85-87页 |
| 第七章 结论与展望 | 第87-89页 |
| 7.1 结论 | 第87-88页 |
| 7.2 创新点 | 第88页 |
| 7.3 不足与展望 | 第88-89页 |
| 涉及算法的关键代码 | 第89-91页 |
| 参考文献 | 第91-99页 |
| 致谢 | 第99-100页 |
| 作者简介及在读研期间发表的学术论文 | 第100页 |
