| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 研究现状 | 第14-20页 |
| 1.2.1 作物病虫害遥感监测研究现状 | 第15-17页 |
| 1.2.2 作物倒伏遥感监测研究现状 | 第17-19页 |
| 1.2.3 代价敏感学习研究现状 | 第19-20页 |
| 1.3 研究目标与主要内容 | 第20-21页 |
| 1.3.1 研究目标 | 第20-21页 |
| 1.3.2 研究内容 | 第21页 |
| 1.4 技术路线与基本框架 | 第21-24页 |
| 1.4.1 论文技术路线 | 第21-22页 |
| 1.4.2 论文组织框架 | 第22-24页 |
| 第二章 研究区概况与数据获取 | 第24-36页 |
| 2.1 研究区概况 | 第24-26页 |
| 2.1.1 河南省新乡市研究区 | 第24-25页 |
| 2.1.2 河南省长葛市研究区 | 第25-26页 |
| 2.2 遥感数据搜集与预处理 | 第26-32页 |
| 2.2.1 遥感数据集 | 第26-30页 |
| 2.2.2 遥感数据预处理 | 第30-32页 |
| 2.3 地面调查 | 第32-34页 |
| 2.3.1 新乡市冬小麦病虫害调查数据 | 第32-33页 |
| 2.3.2 长葛市冬小麦倒伏调查数据 | 第33-34页 |
| 2.4 其他数据 | 第34-36页 |
| 第三章 研究方法 | 第36-50页 |
| 3.1 小麦识别与分布制图 | 第36-37页 |
| 3.2 冬小麦生长状况检测特征指数构建 | 第37-41页 |
| 3.2.1 光谱波段选取 | 第37页 |
| 3.2.2 植被指数 | 第37-40页 |
| 3.2.3 纹理指数 | 第40-41页 |
| 3.3 特征优选方法 | 第41-44页 |
| 3.3.1 Relief方法 | 第42-43页 |
| 3.3.2 XGBoost | 第43-44页 |
| 3.4 特征降维方法 | 第44页 |
| 3.5 代价敏感学习分类模型 | 第44-48页 |
| 3.5.1 支持向量机与代价敏感支持向量机 | 第45-46页 |
| 3.5.2 朴素贝叶斯与代价敏感贝叶斯 | 第46-48页 |
| 3.6 精度评价指标 | 第48-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 冬小麦种植空间分布提取 | 第50-56页 |
| 4.1 分类体系构建 | 第51页 |
| 4.2 监督分类提取地面类型空间分布 | 第51-55页 |
| 4.2.1 分类特征选择 | 第51页 |
| 4.2.2 基于JM距离类别可分离性判别 | 第51-53页 |
| 4.2.3 分类方法 | 第53-54页 |
| 4.2.4 研究区冬小麦种植空间分布 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 基于Sentinel-2A数据的冬小麦病虫害遥感检测 | 第56-65页 |
| 5.1 冬小麦病虫害遥感检测特征挖掘与优选 | 第56-61页 |
| 5.1.1 病虫害冬小麦冠层光谱分析 | 第57-58页 |
| 5.1.2 冬小麦病虫害遥感检测特征空间构建 | 第58页 |
| 5.1.3 小麦病虫害遥感检测特征筛选 | 第58-61页 |
| 5.2 病虫害遥感检测实验设计 | 第61页 |
| 5.3 小麦病虫害遥感检测结果与精度分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 基于GF-2数据的冬小麦倒伏遥感检测 | 第65-76页 |
| 6.1 冬小麦倒伏遥感检测特征优选 | 第66-72页 |
| 6.1.1 倒伏小麦冠层光谱特征分析 | 第66-67页 |
| 6.1.2 小麦倒伏遥感检测特征构建 | 第67-71页 |
| 6.1.3 实验结果与小麦倒伏检测最优特征组合 | 第71-72页 |
| 6.2 倒伏遥感检测实验 | 第72-73页 |
| 6.3 小麦倒伏检测结果与精度分析 | 第73-74页 |
| 6.4 本章小结 | 第74-76页 |
| 第七章 总结与展望 | 第76-79页 |
| 7.1 主要结论 | 第76-77页 |
| 7.2 论文创新性 | 第77页 |
| 7.3 展望 | 第77-79页 |
| 参考文献 | 第79-90页 |
| 致谢 | 第90-92页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第92-93页 |