首页--农业科学论文--农业基础科学论文--农业物理学论文--遥感技术在农业上的应用论文

基于无人机遥感影像的冬小麦播种效果与空间变异评价

摘要第3-5页
ABSTRACT第5-6页
1 绪论第9-17页
    1.1 研究的背景、目的及意义第9-11页
    1.2 国内外研究进展第11-15页
        1.2.1 无人机在农业遥感中的应用第11页
        1.2.2 播种效果研究进展第11-13页
        1.2.3 长势监测反演研究进展第13-14页
        1.2.4 空间变异研究进展第14-15页
    1.3 研究的主要目标、方法和内容第15页
        1.3.1 研究目标第15页
        1.3.2 主要研究内容和方法第15页
    1.4 本文的框架结构第15-16页
    1.5 论文的技术路线第16-17页
2 实验设计与研究方法第17-24页
    2.1 实验设计第17-19页
    2.2 测定项目与方法第19-24页
        2.2.1 无人机影像的获取与预处理第19-22页
        2.2.2 冬小麦冠层反射光谱的测定第22-23页
        2.2.3 叶面积指数的测定第23-24页
3 播种效果评价研究第24-30页
    3.1 播种效果的研究基础第24-25页
    3.2 遥感影像的处理第25-26页
        3.2.1 稀疏冬小麦的提取第25页
        3.2.2 中心点位置信息的提取第25-26页
        3.2.3 布设NDVI采样区第26页
    3.3 评价方法第26-27页
        3.3.1 直线性评价方法第26页
        3.3.2 均匀性评价方法第26-27页
    3.4 结果分析第27-29页
        3.4.1 冬小麦行中心线提取结果第27-28页
        3.4.2 播种效果评价结果第28-29页
    3.5 本章小结第29-30页
4 稀疏冬小麦长势监测研究第30-43页
    4.1 长势监测理论基础第30-33页
        4.1.1 作物长势及长势监测的定义第30页
        4.1.2 长势监测的理论基础第30-32页
        4.1.3 作物长势监测中的参数第32-33页
    4.2 材料与方法第33-36页
        4.2.1 数据分析第33页
        4.2.2 LAI敏感波段选择第33页
        4.2.3 候选植被指数第33-35页
        4.2.4 稀疏冬小麦LAI高光谱反演模型及验证第35-36页
    4.3 结果与分析第36-42页
        4.3.1 LAI敏感波段第36-37页
        4.3.2 植被指数与LAI相关性第37-41页
        4.3.3 LAI反演模型第41-42页
    4.4 本章小结第42-43页
5 空间变异评价研究第43-51页
    5.1 空间变异理论基础第43-45页
    5.2 材料与方法第45-46页
        5.2.1 无人机影像的获取预处理第45页
        5.2.2 LAI实测数据的获取第45页
        5.2.3 空间变异评价方法第45-46页
    5.3 结果与分析第46-50页
        5.3.1 作物长势的传统统计分析第46页
        5.3.2 作物长势的地统计分析第46-50页
    5.4 本章小结第50-51页
6 结论与展望第51-53页
    6.1 结论第51-52页
    6.2 不足及展望第52-53页
致谢第53-54页
参考文献第54-59页

论文共59页,点击 下载论文
上一篇:灵芝细胞中参与灵芝酸生物合成细胞色素P450基因的筛选与分析
下一篇:遮荫和施肥对干热区小粒咖啡根区养分、微生物量碳和产量的影响