声明
摘要
英文缩略表
第一章 引言
1.1 研究背景及意义
1.2 国内外研究进展
1.2.1 灌溉决策指标研究进展
1.2.2 多源信息融合算法研究进展
1.3 研究目标与研究内容
1.3.1 研究目标
1.3.2 研究内容
1.4 研究方法与技术路线
第二章 试验方案与研究方法
2.1 研究区概况与试验设计
2.1.1 研究区概况
2.1.2 试验设计
2.2 观测项目与方法
2.2.1 土壤水分
2.2.2 环境因素
2.2.3 气孔导度
2.2.4 叶水势
2.2.5 冠层光谱
2.2.6 植株生长状况
2.3 参数确定方法
2.3.1 CWSI计算方法
2.3.2 植被指数计算方法
2.4 基础数据分析
第三章 灌溉决策指标的变化规律分析
3.1 土壤水分变化规律分析
3.1.1 传感器监测的土壤水分
3.1.2 植被指数反演的土壤水分
3.2 叶水势变化规律分析
3.2.1 不同水分处理下的叶水势变化规律分析
3.2.2 叶水势与气象因素之间的关系
3.3 冠层温度变化规律分析
3.3.1 不同水分处理下的冠层温度变化规律分析
3.3.2 冠层温度与气象因素之间的关系
3.4 气孔导度变化规律分析
3.4.1 不同水分处理下的气孔导度变化规律分析
3.4.2 气孔导度与气象因素之间的关系
3.5 小结
第四章 多源灌溉信息在数据层的融合
4.1 基于自适应加权平均的多源灌溉信息在数据层的融合
4.1.1 数据一致性检验
4.1.2 自适应加权融合的原理
4.1.3 自适应加权融合算法的推导过程
4.1.4 自适应加权融合算法的线性无偏最小方差性
4.1.5 融合结果分析
4.2 基于贝叶斯最大熵的多源灌溉信息在数据层的融合
4.2.1 贝叶斯最大熵理论概述
4.2.2 软数据生成
4.2.3 构建协方差模型
4.2.4 融合结果分析
4.2.5 融合结果的不确定性评价
4.3 小结
第五章 多源灌溉信息在特征层的融合
5.1 模糊集理论概述
5.1.1 模糊集定义及表示方法
5.1.2 模糊集运算规则
5.1.3 模糊集隶属度函数
5.2 构建灌溉决策因子隶属度函数
5.2.1 土壤水分隶属度函数的建立
5.2.2 叶水势隶属度函数的建立
5.2.3 作物水分胁迫指数隶属度函数的建立
5.2.4 气孔导度隶属度函数的建立
5.3 小结
第六章 多源灌溉信息在决策层的融合
6.1.2 D-S证据理论的基本概念
6.1.3 D-S合成规则
6.2 本文对D-S证据理论的改进
6.3 基于D-S证据理论的多源灌溉信息在决策层的融合
6.4 小结
7.1 主要结论
7.2 主要创新点
7.3 需要进一步研究的问题
参考文献
致谢
作者简历