| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 选题背景与研究意义 | 第14-15页 |
| 1.2 国内外研究进展 | 第15-20页 |
| 1.2.1 光合产物的分配 | 第15-16页 |
| 1.2.2 植物功能结构模型 | 第16-18页 |
| 1.2.3 棉花功能结构模型 | 第18-19页 |
| 1.2.4 机器学习在预测作物产量上的应用 | 第19-20页 |
| 1.3 目前研究存在的问题 | 第20页 |
| 1.4 研究内容、目标和技术路线 | 第20-22页 |
| 1.4.1 研究目标 | 第20页 |
| 1.4.2 研究内容 | 第20-21页 |
| 1.4.3 技术路线 | 第21-22页 |
| 第二章 材料与方法 | 第22-26页 |
| 2.1 田间试验 | 第22-24页 |
| 2.1.1 试验地概况 | 第22-23页 |
| 2.1.2 试验设计及管理 | 第23页 |
| 2.1.3 植株器官干物质与形态的测定 | 第23页 |
| 2.1.4 棉铃生育时间与空间分布的测定 | 第23页 |
| 2.1.5 产量及构成要素的测定 | 第23-24页 |
| 2.2 模型模拟 | 第24-26页 |
| 2.2.1 数据处理和统计分析 | 第24页 |
| 2.2.2 模型模拟效果的评价方法 | 第24-26页 |
| 第三章 棉花形态结构和干物质分配对密度和缩节安的响应 | 第26-38页 |
| 3.1 密度和缩节安对棉花形态结构的影响 | 第26-33页 |
| 3.1.1 分枝方位角和倾角的分布规律 | 第26-27页 |
| 3.1.2 分枝类型和分枝数量的特征 | 第27-30页 |
| 3.1.3 主茎长度、分枝长度和叶片面积 | 第30-33页 |
| 3.2 密度和缩节安对棉花干物质分配的影响 | 第33-36页 |
| 3.2.1 地上部干物质 | 第33页 |
| 3.2.2 籽棉产量 | 第33-34页 |
| 3.2.3 果实干物质占地上部干物质比例 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 棉花功能结构模型的构建 | 第38-48页 |
| 4.1 模型设计和框架搭建 | 第38-39页 |
| 4.1.1 模拟设计语言和实现平台 | 第38页 |
| 4.1.2 模型框架 | 第38-39页 |
| 4.2 模型各子模块的实现 | 第39-47页 |
| 4.2.1 输入变量 | 第39-40页 |
| 4.2.2 辐射模型和光截获计算 | 第40-42页 |
| 4.2.3 光合生产、同化物传输和分配 | 第42-44页 |
| 4.2.4 器官形态建成 | 第44-47页 |
| 4.3 模型输出 | 第47-48页 |
| 第五章 基于本地碳池的干物质分配假说的可行性验证 | 第48-60页 |
| 5.1 基于全局碳池的干物质分配假说的局限性 | 第48-50页 |
| 5.2 碳水化合物传输系数对干物质及其分布的影响 | 第50-51页 |
| 5.3 棉花功能结构模型模拟准确性的评价 | 第51-56页 |
| 5.3.1 单株叶面积 | 第51-52页 |
| 5.3.2 各器官的干物质分配系数 | 第52-54页 |
| 5.3.3 碳水化合物在器官间的传输 | 第54-55页 |
| 5.3.4 同一年龄圈层碳水化合物的差异性 | 第55-56页 |
| 5.4 情景分析 | 第56页 |
| 5.5 本章小结 | 第56-60页 |
| 第六章 机器学习在预测新疆棉花产量上的应用研究 | 第60-68页 |
| 6.1 机器学习三种主要模型 | 第60-63页 |
| 6.1.1 线性模型 | 第60-61页 |
| 6.1.2 支持向量机 | 第61页 |
| 6.1.3 神经网络 | 第61-63页 |
| 6.2 数据来源和分析方法 | 第63-64页 |
| 6.3 模型模拟结果评价 | 第64-65页 |
| 6.4 影响棉花产量的关键气象要素解析 | 第65-67页 |
| 6.5 本章小结 | 第67-68页 |
| 第七章 结论与讨论 | 第68-72页 |
| 7.1 主要结论 | 第68-69页 |
| 7.2 主要创新之处 | 第69页 |
| 7.3 研究展望 | 第69-72页 |
| 参考文献 | 第72-80页 |
| 致谢 | 第80-82页 |
| 作者简介 | 第82页 |