| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景 | 第12页 |
| 1.2 国内外研究进展 | 第12-13页 |
| 1.3 研究目的与意义 | 第13-14页 |
| 1.4 研究内容和技术路线 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 第二章 材料与方法 | 第16-23页 |
| 2.1 研究区域概况 | 第16-17页 |
| 2.2 数据获取 | 第17-19页 |
| 2.2.1 粳稻叶片叶绿素含量测定 | 第17-18页 |
| 2.2.2 无人机获取粳稻的高光谱数据 | 第18-19页 |
| 2.3 叶绿素含量反演的建模方法 | 第19-22页 |
| 2.3.1 多元回归模型 | 第19页 |
| 2.3.2 BP神经网络 | 第19-21页 |
| 2.3.3 极限学习机 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 无人机高光谱遥感影像处理与水稻特征信息提取 | 第23-42页 |
| 3.1 高光谱遥感影像基础与辐射定标 | 第23-24页 |
| 3.2 水稻高光谱影像分类 | 第24-36页 |
| 3.2.1 基本分类算法 | 第24-26页 |
| 3.2.2 基于支持向量机的水稻高光谱影像信息分类 | 第26-29页 |
| 3.2.3 基于二代小波融合的冠层水稻高光谱影像分类 | 第29-35页 |
| 3.2.4 水稻高光谱分类精度评价 | 第35-36页 |
| 3.3 试验数据处理 | 第36-40页 |
| 3.3.1 高光谱数据的预处理方法 | 第36-37页 |
| 3.3.2 光谱特征波长提取方法 | 第37-40页 |
| 3.3.3 光谱植被指数的构建 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 粳稻叶片叶绿素含量无人机高光谱遥感反演建模 | 第42-55页 |
| 4.1 基于回归模型的水稻叶绿素高光谱遥感反演模型 | 第42-47页 |
| 4.1.1 采用SPA提取特征波段构建水稻叶绿素的回归模型 | 第42-45页 |
| 4.1.2 采用植被指数构建水稻叶绿素的回归模型 | 第45-47页 |
| 4.2 基于BP神经网络的水稻叶绿素高光谱遥感反演模型 | 第47-51页 |
| 4.2.1 采用SPA提取特征波段构建水稻叶绿素的BP神经网络模型 | 第47-50页 |
| 4.2.2 采用植被指数构建水稻叶绿素的BP神经网络模型对比 | 第50-51页 |
| 4.3 基于极限学习机的水稻叶绿素高光谱遥感反演模型 | 第51-54页 |
| 4.3.1 采用SPA提取特征波段构建水稻叶绿素的极限学习机模型 | 第51-53页 |
| 4.3.2 采用植被指数构建水稻叶绿素的极限学习机模型对比 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 水稻叶绿素含量遥感反演模型分析与讨论 | 第55-61页 |
| 5.1 基于回归模型的水稻叶绿素高光谱遥感反演模型对比分析 | 第55-57页 |
| 5.1.1 采用SPA提取特征波段构建水稻叶绿素的回归模型对比 | 第55-56页 |
| 5.1.2 采用植被指数构建水稻叶绿素的回归模型对比 | 第56页 |
| 5.1.3 基于回归的水稻叶绿素高光谱遥感反演模型对比 | 第56-57页 |
| 5.2 基于BP神经网络的水稻叶绿素高光谱遥感反演模型对比分析 | 第57-58页 |
| 5.2.1 采用SPA提取特征波段构建水稻叶绿素的BP神经网络模型对比 | 第57页 |
| 5.2.2 采用植被指数构建水稻叶绿素的BP神经网络模型对比 | 第57-58页 |
| 5.2.3 基于BP神经网络的水稻叶绿素高光谱遥感反演模型对比 | 第58页 |
| 5.3 基于极限学习机的水稻叶绿素高光谱遥感反演模型对比分析 | 第58-59页 |
| 5.3.1 采用SPA提取特征波段构建水稻叶绿素的极限学习机模型对比 | 第58-59页 |
| 5.3.2 采用植被指数构建水稻叶绿素的极限学习机模型对比 | 第59页 |
| 5.3.3 基于极限学习机的水稻叶绿素高光谱遥感反演模型对比 | 第59页 |
| 5.4 本章小结 | 第59-61页 |
| 第六章 结论与展望 | 第61-64页 |
| 6.1 主要结论 | 第61-62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士期间发表论文 | 第70-71页 |
