声明
摘要
1 引言
1.1 研究的目的与意义
1.2 作物营养诊断技术国内外研究现状
1.2.1 传统作物营养诊断技术
1.2.2 现代作物营养诊断技术
1.3 本章小结
2 研究内容与技术路线
2.1 试验材料与方法
2.1.1 试验设计
2.1.2 高光谱系统
2.1.3 水稻叶片氮素含量测定
2.2 研究内容
2.3 技术路线
2.4 本章小结
3 水稻叶片高光谱信息处理
3.1 水稻叶片高光谱图像采集
3.2 水稻叶片高光谱数据提取与分析
3.2.1 水稻叶片高光谱反射率提取
3.2.2 水稻叶片高光谱反射率曲线
3.2.3 水稻叶片高光谱红边参数
3.3 本章小结
4 水稻叶片高光谱特征波段选择
4.1 基于SPA方法的特征波段选择
4.1.1 水稻叶片分蘖期SPA特征波段选择
4.1.2 水稻叶片拔节期SPA特征波段选择
4.1.3 水稻叶片抽穗期SPA特征波段选择
4.1.4 水稻叶片成熟期SPA特征波段选择
4.2 基于SPCA方法的特征波段选择
4.2.1 水稻叶片分蘖期SPCA特征波段选择
4.2.2 水稻叶片拔节期SPCA特征波段选择
4.2.3 水稻叶片抽穗期SPCA特征波段选择
4.2.4 水稻叶片成熟期SPCA特征波段选择
4.3 本章小结
5 水稻叶片氮素含量预测模型
5.1 基于全波段高光谱数据的建模预测
5.1.1 水稻叶片分蘖期全光谱氮素预测模型
5.1.2 水稻叶片拔节期全光谱氮素预测模型
5.1.3 水稻叶片抽穗期全光谱氮素预测模型
5.1.4 水稻叶片成熟期全光谱氮素预测模型
5.2 基于SPA方法的特征波段建模预测
5.2.1 水稻叶片分蘖期SPA氮素预测模型
5.2.2 水稻叶片拔节期SPA氮素预测模型
5.2.3 水稻叶片抽穗期SPA氮素预测模型
5.2.4 水稻叶片成熟期SPA氮素预测模型
5.3 基于SPCA方法的特征波段建模预测
5.3.1 水稻叶片分蘖期SPCA氮素预测模型
5.3.2 水稻叶片拔节期SPCA氮素预测模型
5.3.3 水稻叶片抽穗期SPCA氮素预测模型
5.3.4 水稻叶片成熟期SPCA氮素预测模型
5.4 水稻叶片氮素含量预测模型分析
5.5 本章小结
6 结论
6.1 结论
6.2 展望
致谢
参考文献
附录
攻读硕士学位期间发表的学术论文