水稻高光譜遙感實驗研究

內容概要

《水稻高光譜遙感實驗研究》是黃敬峰、王福民、王秀珍等堅持抓住我國糧食主栽作物——水稻，在不斷吸取國內外研究成果的同時，持續(xù)15年全面系列的光譜遙感實驗研究，取得了豐碩成果后撰寫而成的科技專著。該書不僅多種實驗設計科學合理、研究技術先進、取得的數據翔實可靠，而且內容新穎全面、成果水平較高，處于國內外前沿。該書對進一步深入研究水稻高光譜遙感技術非常有用，而且對其他地物光譜遙感研究也有很高的利用和參考價值。

書籍目錄

第1章  水稻高光譜特征及其參數提取和分析方法
  1.1  水稻植株各組分的高光譜特征
    1.1.1  水稻植株不同組分的光譜特征
    1.1.2  水稻葉片的正面與背面反射特征
    1.1.3  不同氮素水平水稻葉片反射光譜特征
    1.1.4  不同水稻葉片層數的高光譜特征
    1.1.5  稻米及其蛋白質和淀粉提取物的高光譜特征
  1.2  水稻冠層高光譜特征
    1.2.1  基于室內模擬背景的水稻冠層光譜特征
    1.2.2  田間條件下的水稻冠層光譜特征
    1.2.3  同一品種不同生育期水稻冠層的高光譜特征  
    1.2.4  不同葉面積指數對應的水稻冠層高光譜反射率變化特征  
    1.2.5  不同氮素營養(yǎng)水平的水稻冠層高光譜特征
    1.2.6  水稻冠層反射光譜的紅邊特征
  1.3  水稻反射光譜變換及其特征參數提取方法
    1.3.1  導數變換
    1.3.2  對數變換
    1.3.3  基于光譜位置和面積的特征參數
    1.3.4  基于連續(xù)統去除的特征參數
    1.3.5  光譜指數
  1.4  數據分析與建模方法
    1.4.1  回歸分析方法  
    1.4.2  主成分分析法
    1.4.3  神經網絡
    1.4.4  模型精度檢驗指標
  1.5  小結
第2章  水稻地上生物量的光譜遙感估算模型
  2.1  地上鮮生物量的光譜遙感估算模型
    2.1.1  地上鮮生物量的多光譜遙感估算模型  
    2.1.2  地上鮮生物量的高光譜遙感估算模型  
  2.2  地上干生物量的光譜遙感估算模型
    2.2.1  地上干生物量的多光譜遙感估算模型  
    2.2.2  地上千生物量的高光譜遙感估算模型  
  2.3  小結
第3章  水稻葉面積指數的光譜遙感估算模型
  3.1  水稻葉面積指數多光譜遙感估算模型
    3.1.1  水稻葉面積指數與多光譜變量的相關分析
    3.1.2  水稻葉面積指數多光譜遙感估算的線性與非線性模型  
  3.2  水稻葉面積指數高光譜遙感估算模型
    3.2.1  水稻葉面積指數與高光譜變量的相關分析
    3.2.2  水稻葉面積指數高光譜遙感估算的線性與非線性模型  
  3.3  水稻葉面積指數估算最佳波段位置及其寬度研究
    3.3.1  NDvI紅光波段和近紅外波段運算區(qū)域和中心位置的確定
    3.3.2  近紅外波段位置和寬度對NDVI的影響
    3.3.3  紅光波段位置和寬度對NDVI的影響
    3.3.4  水稻葉面積指數估算最佳波段中心位置及其寬度研究  
  3.4  面向水稻葉面積指數估算的植被指數參數優(yōu)化研究
    3.4.1  權重差值植被指數的參數優(yōu)化
    3.4.2  土壤調節(jié)植被指數的參數優(yōu)化
    3.4.3  土壤調節(jié)植被指數2的參數優(yōu)化
    3.4.4  改進的轉換型土壤調節(jié)植被指數的參數優(yōu)化
  3.5  面向水稻葉面積指數估算的新型植被指數的構建
    3.5.1  新型植被指數的構建
    3.5.2  相關性分析
    3.5.3  紅、綠、藍波段反射率對LAI敏感性及其構成的植被指數的比較
    3.5.4  基于標準差和變異系數的植被指數敏感性分析
    3.5.5  模型驗證
  3.6  小結
第4章  水稻色素含量／密度的高光譜估算模型
  4.1  實驗數據的統計描述及相關性分析
    4.1.1  水稻色素含量數據的統計分析
    4.1.2  不同色素之間的相關性分析  
    4.1.3  不同葉位色素含量與冠層光譜的相關分析  
  4.2  水稻色素含量估算模型
    4.2.1  基于窄波段光譜指數的水稻色素含量估算模型  
    4.2.2  水稻組分色素含量的BP神經網絡估算模型
  4.3  水稻冠層葉綠素密度估算模型
    4.3.1  基于改進葉綠素吸收連續(xù)統指數的葉綠素密度估算
    4.3.2  基于植被指數的水稻葉綠素密度神經網絡和支持向量機遙感估算模型
    4.3.3  基于高光譜變換的水稻葉綠素密度神經網絡和支持向量機模型
  4.4  小結
第5章  水稻氮素含量的高光譜遙感估算模型
  5.1  基于葉片光譜的水稻氮素含量估算模型
    5.1.1  水稻葉片光譜反射率的主成分分析
    5.1.2  基于葉片光譜的水稻氮素含量估算統計回歸模型
    5.1.3  基于葉片光譜的水稻氮素含量估算神經網絡與支持向量機模型
  5.2  基于冠層光譜的水稻氮素含量估算模型
    5.2.1  水稻冠層光譜反射率的主成分分析
    5.2.2  基于冠層光譜的水稻氮素含量估算統計回歸模型
    5.2.3  基于冠層光譜的水稻氮素含量估算神經網絡與支持向量機模型
  5.3  小結
    5.3.1  不同遙感水平水稻氮素含量估算模型精度比較
    5.3.2  不同建模方法構建的水稻氮素含量估算模型精度比較
    5.3.3  不同輸入變量構建的水稻氮素含量估算模型精度比較
第6章  水稻主要病蟲危害高光譜遙感研究
  6.1  水稻主要病蟲害簡介及其高光譜遙感實驗
    6.1.1  水稻胡麻斑病危害高光譜遙感實驗
    6.1.2  水稻干尖線蟲病危害高光譜遙感實驗
    6.1.3  水稻稻縱卷葉螟危害高光譜遙感實驗
    6.1.4  水稻稻飛虱危害高光譜遙感實驗
    6.1.5  稻瘟病危害高光譜遙感實驗
  6.2  水稻主要病蟲害危害高光譜遙感敏感波段分析
    6.2.1  基于連續(xù)統去除法的水稻主要病蟲害危害高光譜遙感敏感波段選擇  
    6.2.2  基于光譜敏感度分析的水稻主要病蟲害危害高光譜遙感敏感波段選擇
    6.2.3  基于相關分析的水稻主要病蟲害高光譜遙感敏感波段選擇
    6.2.4  小結
  6.3  水稻胡麻斑病危害高光譜遙感方法研究
    6.3.1  基于敏感波段的水稻胡麻斑病危害高光譜遙感識別
    6.3.2  水稻胡麻斑病危害高光譜遙感監(jiān)測模型
  6.4  水稻干尖線蟲病危害高光譜遙感方法研究
    6.4.1  面向水稻干尖線蟲病監(jiān)測的葉綠素含量高光譜遙感估算逐步回歸模型
    6.4.2  面向水稻干尖線蟲病監(jiān)測的葉綠素含量高光譜遙感估算偏最小二乘回歸模型
    6.4.3  基于光譜指數的水稻干尖線蟲病危害遙感監(jiān)測模型
  6.5  小結
第7章  水稻產量的高光譜遙感估算模型
  7.1水稻產量與生物物理參數的相關性分析
  7.2水稻理論產量與實際產量的相關分析
  7.3水稻產量與高光譜變量的相關分析
    7.3.1  產量構成要素與冠層光譜的相關性分析
    7.3.2  水稻產量與冠層光譜的相關性分析
  7.4  水稻產量的高光譜估算模型及其精度分析
    7.4.1  水稻理論產量的高光譜估算模型
    7.4.2  水稻實際產量的高光譜估算模型
  7.5  基于在軌衛(wèi)星植被指數模擬的水稻遙感估產研究
  7.6  小結
第8章  水稻品質高光譜遙感監(jiān)測模型
  8.1  水稻品質的主要影響因素
  8.2  稻穗及稻谷粗蛋白質和粗淀粉含量的高光譜遙感估算模型
    8.2.1  水稻不同組分粗蛋白質和粗淀粉含量隨發(fā)育期的變化
    8.2.2  稻穗及稻谷粗蛋白質和粗淀粉含量與高光譜變量的相關分析
    8.2.3  稻穗及稻谷粗蛋白質和粗淀粉含量的高光譜遙感估算模型及其精度檢驗
  8.3  稻米粗蛋白質和直鏈淀粉含量遙感監(jiān)測綜合模型
    8.3.1  稻米粗蛋白質和直鏈淀粉含量與米粉干樣光譜的相關分析
    8.3.2  稻米粗蛋白質和直鏈淀粉含量的遙感估算模型及其檢驗
    8.3.3  稻米粗蛋白質和直鏈淀粉含量的綜合監(jiān)測模型及其檢驗
  8.4  小結
第9章  水稻遙感信息提取最佳波段
  9.1  基于主成分分析的波段選擇
  9.2  基于波段自相關的波段選擇
  9.3  基于導數相關系數的波段選擇(一階、二階)
  9.4  基于植被指數估算模型決定系數的波段選擇
  9.5  基于逐步回歸方法的波段選擇
  9.6  小結
    9.6.1  水稻葉面積指數監(jiān)測光譜區(qū)間的確定
    9.6.2  水稻葉面積指數監(jiān)測光譜波段的確定
第10章  水稻冠層二向反射模型
  10.1  水稻冠層二向反射率的一般規(guī)律
    10.1.1  水稻冠層二向反射率隨觀測天頇角和方位角的變化規(guī)律  
    10.1.2  不同冠層結構下水稻冠層二向反射率的變化
  10.2  水稻BRDF模型
    10.2.1  水稻冠層葉傾角分布模擬
    10.2.2  水稻葉片反射率模擬
    10.2.3  水稻冠層二向反射率的模擬
  10.3  小結
第11章  植被高光譜數據處理系統的設計和開發(fā)
  11.1  程序的總體設計
    11.1.1  設計目標
    11.1.2  設計原則  
    11.1.3  結構設計
    11.1.4  功能設計
    11.1.5  開發(fā)方式
    11.1.6  系統的軟硬件環(huán)境
  11.2  系統功能模塊介紹
    11.2.1  光譜變換數據分析模塊
    11.2.2  數據分析建模模塊
    11.2.3  波段位置、寬度分析模塊
    11.2.4  其他模塊
  11.3  小結
第12章  水稻高光譜遙感實驗設計與參數測定
  12.1  小區(qū)實驗設計和數據獲取
    12.1.1  1999—2000年水稻田間實驗設計與數據獲取
    12.1.2  2002年水稻田間實驗設計與數據獲取
    12.1.3  2003年水稻田間實驗設計與數據獲取
    12.1.4 2004年水稻田間實驗設計與數據獲取
  12.2  水稻生物理化參數測定方法
    12.2.1  水稻生物物理參數測定方法
    12.2.2  水稻生物化學參數測定方法
  12.3  小結
附錄  研究組發(fā)表的相關論文
參考文獻

章節(jié)摘錄

版權頁：插圖：

圖書封面

評論、評分、閱讀與下載

---

    水稻高光譜遙感實驗研究 PDF格式下載

---