高光譜遙感的興起,是人類在對地觀測方面取得的重大技術(shù)突破之一,它的出現(xiàn)大大拓寬了人類對物質(zhì)的認(rèn)識,使得原本在寬波段遙感中無法探測的物質(zhì)能夠?yàn)槿藗兯J(rèn)識和了解。高光譜遙感是指在電磁波譜的紫外、可見光、近紅外和中紅外波段,獲取許多狹窄而連續(xù)的光譜數(shù)據(jù),使得這些光譜數(shù)據(jù)蘊(yùn)含豐富的輻射和光譜信息,能更好地描述作物的“紅邊”特性,區(qū)分葉片中的不同生化組分、含量及變化情況。因此,高光譜遙感在農(nóng)作物的分類識別、長勢監(jiān)測、產(chǎn)量估算以及病蟲害預(yù)測上得到了更廣泛的實(shí)踐應(yīng)用。本文主要探討了冬小麥產(chǎn)量形成關(guān)鍵期冠層光譜與產(chǎn)量的關(guān)系,通過兩類分析方法,一是利用傳統(tǒng)的回歸分析建立光譜特征參量與作物單產(chǎn)間的定量關(guān)系；二是利用數(shù)據(jù)挖掘（人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)）和多元線性回歸,建立三種模式的作物單產(chǎn)估算模型,從而篩選出估算冬小麥單產(chǎn)的最佳模型。此外,本文探討了作物光譜與氮肥利用率的關(guān)系,嘗試?yán)脭?shù)據(jù)挖掘的方法對其進(jìn)行了模擬。所得結(jié)論如下：1.對冬小麥單產(chǎn)與光譜特征參數(shù)進(jìn)行相關(guān)分析,結(jié)果表明,植被指數(shù)、微分光譜指數(shù)和導(dǎo)數(shù)光譜與冬小麥單產(chǎn)具有密切的關(guān)系,都能夠準(zhǔn)確地模擬出作物的單產(chǎn)信息。其中,植被指數(shù)中綠度植被指數(shù)GND... 

【文章來源】：南京農(nóng)業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒言
    1.1 研究背景及意義
    1.2 高光譜遙感在作物監(jiān)測中的應(yīng)用
        1.2.1 農(nóng)作物估產(chǎn)的理論基礎(chǔ)
        1.2.2 作物識別與分類
        1.2.3 作物的氮素含量監(jiān)測及營養(yǎng)診斷
        1.2.4 作物生理生態(tài)參數(shù)的反演
    1.3 作物遙感估產(chǎn)研究動態(tài)
        1.3.1 遙感估產(chǎn)最佳時相的選擇
        1.3.2 遙感估產(chǎn)光譜指數(shù)的選擇
        1.3.3 作物單產(chǎn)遙感估測模型
    1.4 我國氮肥利用率研究進(jìn)展
        1.4.1 氮肥利用率的定義及評價指標(biāo)
        1.4.2 氮肥利用率的現(xiàn)狀
        1.4.3 提高氮肥利用率的途徑
    1.5 研究內(nèi)容與方法
        1.5.1 研究目的與內(nèi)容
        1.5.2 研究方法與技術(shù)路線
2 試驗(yàn)設(shè)計與測定方法
    2.1 材料與方法
        2.1.1 研究區(qū)概況
        2.1.2 田間試驗(yàn)設(shè)計
    2.2 數(shù)據(jù)來源與預(yù)處理
        2.2.1 數(shù)據(jù)獲取
        2.2.2 數(shù)據(jù)處理與分析
3 基于光譜變量的遙感估產(chǎn)研究
    3.1 基于植被指數(shù)的冬小麥估產(chǎn)
        3.1.1 植被指數(shù)的選取
        3.1.2 基于植被指數(shù)的冬小麥估產(chǎn)
    3.2 基于微分參數(shù)的冬小麥估產(chǎn)
        3.2.1 “三邊”參數(shù)及微分光譜的選取
        3.2.2 基于微分光譜的冬小麥估產(chǎn)
    3.3 基于導(dǎo)數(shù)光譜的冬小麥估產(chǎn)
        3.3.1 導(dǎo)數(shù)光譜參數(shù)的選擇
        3.3.2 基于導(dǎo)數(shù)光譜的冬小麥估產(chǎn)
    3.4 本章小結(jié)
4 作物產(chǎn)量遙感估測新方法
    4.1 基于人工神經(jīng)網(wǎng)絡(luò)的冬小麥估產(chǎn)
        4.1.1 人工神經(jīng)網(wǎng)絡(luò)的原理
        4.1.2 基于人工神經(jīng)網(wǎng)絡(luò)的冬小麥估產(chǎn)
    4.2 基于支持向量機(jī)的冬小麥估產(chǎn)
        4.2.1 支持向量機(jī)的原理
        4.2.2 利用支持向量機(jī)估產(chǎn)的步驟
    4.3 三種估產(chǎn)模型的對比研究
    4.4 本章小結(jié)
5 施肥措施對作物光譜及氮肥利用率的影響
    5.1 不同施肥條件下的冬小麥冠層反射光譜
    5.2 不同施肥措施對產(chǎn)量的影響
    5.3 不同施肥條件對氮肥利用率的影響
    5.4 利用光譜指數(shù)估測氮肥利用率研究
        5.4.1 光譜指數(shù)與氮肥利用率的相關(guān)性分析
        5.4.2 基于光譜指數(shù)的冬小麥氮肥利用率估測
    5.5 本章小結(jié)
6 結(jié)論與展望
    6.1 全文結(jié)論
    6.2 創(chuàng)新點(diǎn)與不足之處
        6.2.1 研究特色與創(chuàng)新
        6.2.2 不足之處
    6.3 展望
參考文獻(xiàn)
碩士期間發(fā)表論文及參與項(xiàng)目
致謝



本文編號：3026618