| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状与进展 | 第10-13页 |
| 1.2.1 棉叶螨发生特点及规律 | 第10-11页 |
| 1.2.2 遥感技术在病虫害监测中的应用 | 第11-12页 |
| 1.2.3 遥感技术在病虫害预测中的应用 | 第12页 |
| 1.2.4 病虫害预测的其他方法 | 第12-13页 |
| 1.3 研究内容与组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 棉田螨害光谱响应规律分析与分级识别模型构建 | 第16-30页 |
| 2.1 研究区概况 | 第16页 |
| 2.2 数据获取与处理 | 第16-18页 |
| 2.2.1 棉花冠层高光谱数据获取 | 第16-17页 |
| 2.2.2 螨害指数调查 | 第17-18页 |
| 2.3 研究方法 | 第18-22页 |
| 2.3.1 分类方法 | 第18-21页 |
| 2.3.2 模型精度评价 | 第21页 |
| 2.3.3 模型构建 | 第21-22页 |
| 2.4 结果与分析 | 第22-28页 |
| 2.4.1 冠层光谱分析 | 第22-23页 |
| 2.4.2 敏感波段选择 | 第23-25页 |
| 2.4.3 模型特征选择 | 第25-27页 |
| 2.4.4 模型构建与对比分析 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 区域尺度的棉叶螨发生预测 | 第30-44页 |
| 3.1 研究区概况 | 第30-31页 |
| 3.2 数据获取与处理 | 第31-33页 |
| 3.2.1 气象数据获取 | 第31页 |
| 3.2.2 遥感卫星数据获取及处理 | 第31-32页 |
| 3.2.3 螨害数据调查 | 第32页 |
| 3.2.4 研究区棉花种植面积提取 | 第32-33页 |
| 3.3 建模方法 | 第33-35页 |
| 3.3.1 Logistic回归 | 第33-34页 |
| 3.3.2 相关向量机(RVM) | 第34页 |
| 3.3.3 技术路线 | 第34-35页 |
| 3.4 模型特征变量提取 | 第35-38页 |
| 3.4.1 气象特征因子提取 | 第35-37页 |
| 3.4.2 遥感特征因子提取 | 第37-38页 |
| 3.5 模型构建与应用 | 第38-42页 |
| 3.5.1 特征选择 | 第38页 |
| 3.5.2 模型构建及对比分析 | 第38-40页 |
| 3.5.3 模型应用 | 第40-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 棉叶螨年度总体趋势预测 | 第44-58页 |
| 4.1 研究区概况 | 第44-45页 |
| 4.2 螨害数据获取 | 第45页 |
| 4.3 灰色系统理论 | 第45-49页 |
| 4.3.1 灰色GM(1,1)预测模型 | 第46页 |
| 4.3.2 灰色马尔可夫链模型 | 第46-48页 |
| 4.3.3 灰色BP神经网络模型 | 第48-49页 |
| 4.4 GM(1,1)螨害灾变预测模型 | 第49-52页 |
| 4.4.1 螨害数据处理 | 第49-50页 |
| 4.4.2 灾变预测模型的建立 | 第50页 |
| 4.4.3 模型精度检验 | 第50-52页 |
| 4.4.4 预测模型验证 | 第52页 |
| 4.5 螨害等级预测模型的构建与分析 | 第52-56页 |
| 4.5.1 螨害数据处理 | 第52-53页 |
| 4.5.2 GM(1,1)等级预测模型的建立 | 第53页 |
| 4.5.3 灰色马尔可夫组合模型的应用 | 第53-55页 |
| 4.5.4 灰色BP神经网络组合模型的应用 | 第55页 |
| 4.5.5 螨害等级预测结果比较分析 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 作者简介 | 第68-70页 |
| 导师评阅表 | 第70页 |