第一个书签之前
摘要
Abstract
Contents
1 绪论
1.1 研究背景与选题依据
1.1.1研究背景
1.1.2选题依据
1.1.3课题来源
1.2 国内外研究现状及进展
1.2.1高光谱遥感在作物氮素含量监测中的应用
1.2.2无人机遥感的发展现状及分析
1.3 研究内容与技术方案
1.3.1 研究内容
1.3.2 拟解决的关键问题
1.3.3 研究方法和技术路线
1.4 论文组织结构
2试验设计与数据准备
2.1试验设计
2.1.1试验概况
2.1.2无人机飞行试验设计
2.1.3冬小麦田间试验设计
2.2数据获取与预处理
2.2.1无人机高光谱数据获取与处理
2.2.2地面冬小麦冠层实测高光谱数据获取与处理
2.2.2冬小麦生化参数测定
2.3冬小麦叶片氮含量(LNC)分析
2.3.1不同生育期叶片氮含量统计分析
2.3.2不同施氮水平的叶片氮含量统计特征分析
2.4 小结与讨论
3 无人机高光谱数据的比对与光谱特征分析
3.1基于地面实测数据的无人机高光谱数据分析
3.1.1波段相关分析
3.1.2光谱指数分析
3.2基于理论模型的无人机高光谱数据分析
3.2.1 PROSAIL模型
3.2.2模型预测光谱与无人机高光谱数据对比分析
3.3冬小麦无人机光谱特征分析
3.3.1不同生育期的冬小麦无人机冠层光谱特征
3.3.2不同施氮水平下冬小麦无人机冠层光谱特征
3.3.3不同水分条件下冬小麦无人机冠层光谱特征
3.3.4不同叶片氮含量的冬小麦无人机冠层光谱特征
3.4 小结与讨论
4响应冬小麦LNC的无人机高光谱数据分析与特征波段提取
4.1冬小麦LNC与无人机高光谱数据的相关性分析
4.2基于氮光谱指数的叶片氮含量分析
4.2.1氮光谱指数的计算与冬小麦LNC的相关性分析
4.2.2基于氮光谱指数的冬小麦LNC估测分析
4.3基于传统方法的响应冬小麦LNC的高光谱代表波段提取
4.3.1基于一阶微分光谱变换的代表波段提取
4.3.2基于连续统去除光谱变换的代表波段提取
4.4.3波段提取结果的比较分析
4.4基于波段相关性阈值的高光谱代表波段提取
4.4.1方法原理与思想
4.4.2方法过程
4.4.3代表波段提取结果与分析
4.4.4响应冬小麦叶片氮含量的代表波段光谱特征分析
4.5 小结与讨论
5 冬小麦LNC的无人机高光谱估算模型建立与遥感反演
5.1基于LNC光谱指数构建的冬小麦LNC估算模型研究
5.1.1LNC光谱指数的构建
5.1.2LNC光谱指数与氮光谱指数的模型预测结果对比
5.1.3基于LNC光谱指数的冬小麦LNC估算模型建立与检验
5.2基于多元统计回归方法的冬小麦LNC估算模型的建立
5.3基于机器学习方法的冬小麦LNC估算模型建立
5.3.1基于随机森林的LNC定量估算模型建立与检验
5.3.2基于BP神经网络的LNC估算模型建立与检验
5.4定量估算模型的对比分析
5.5冬小麦叶片氮含量的无人机高光谱影像遥感反演
5.6小结与讨论
6基于LNC高光谱遥感反演的冬小麦氮营养状况初步诊断
6.1基于LNC的冬小麦氮营养指数估测模型构建
6.1.1氮营养指数(NNI)计算
6.1.2冬小麦叶片氮含量与氮营养指数的定量关系模型建立
6.1.3基于叶片氮含量的氮营养指数估测模型的检验
6.2基于LNC的冬小麦氮营养指数无人机高光谱遥感反演与分析
6.2.1NNI无人机遥感影像反演
6.2.2NNI无人机遥感影像反演结果分析
6.3小结与讨论
7 结论与展望
7.1 研究总结
7.1.1主要结论
7.1.2主要创新之处
7.2 展望进一步需要研究的问题
参考文献
攻读博士期间主要研究成果及参与的科研项目
致谢词