掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
四千年農夫 中國、朝鮮和日本的永續農業
-
>
(精)中華古樹名木(全2冊)
-
>
線辣椒優質高產栽培
-
>
生命的藝術:動物解剖學的神秘歷史之旅
-
>
正確使用農藥知識問答
-
>
龍眼譜:外二種
-
>
迷你花園:打造你的玻璃生態瓶
西北地區生態環境與作物長勢遙感監測叢書西北地區冬小麥長勢遙感監測 版權信息
- ISBN：9787030576132
- 條形碼：9787030576132 ; 978-7-03-057613-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
西北地區生態環境與作物長勢遙感監測叢書西北地區冬小麥長勢遙感監測 本書特色
遙感技術是精確獲取農田環境和農作物長勢信息的現代手段。本書針對西北地區主要糧食作物冬小麥，依據田間試驗，將試驗觀測數據與地面高光譜影像、無人機高光譜影像和衛星多光譜影像等多源遙感數據相結合，進行冬小麥葉片、冠層和地塊尺度的長勢監測。主要內容包括：冬小麥長勢遙感監測試驗設計與數據測定、處理方法，冬小麥理化參數及其高光譜特性分析，葉綠素、花青素、含水量、葉面積指數、大量營養元素含量的地面高光譜估算模型和UHD高光譜影像遙感反演，葉綠素和花青素的SOC高光譜建模與填圖，多光譜衛星數據的冬小麥葉片葉綠素和氮含量估算與遙感制圖。
西北地區生態環境與作物長勢遙感監測叢書西北地區冬小麥長勢遙感監測 內容簡介
本專著依托國家高技術研究發展計劃（863計劃）課題：農田生態環境信息獲取與作物長勢監測技術研究（2013AA102401-2）的資助，立足于西北旱作農業區，從地面-低空-衛星尺度多方面開展冬小麥的多光譜和高光譜遙感監測理論與方法研究。內容包括冬小麥理化參數的變化規律，冬小麥葉片和冠層光譜特征，冬小麥主要生物理化參數的葉片和冠層光譜響應規律，農學參數特征光譜和敏感光譜指數提取，基于地面葉片和冠層高光譜的冬小麥生物理化參數反演，基于SOC高光譜圖像的冬小麥葉綠素、花青素反演模型以及葉片和植株葉綠素和花青素的遙感填圖，基于無人機影像的冬小麥冠層葉綠素、花青素、葉面積指數和氮、磷、鉀含量的反演模型和空間分布研究，基于GF-1號等多光譜衛星數據的冬小麥葉片SPAD和全氮含量遙感監測。
西北地區生態環境與作物長勢遙感監測叢書西北地區冬小麥長勢遙感監測 目錄
第1章 冬小麥遙感監測試驗設計與方法
1.1 試驗設計
1.1.1 研究區概況
1.1.2 田間試驗設計
1.1.3 大田試驗設計
1.1.4 田間觀測項目和時間設計
1.2 冬小麥葉片和冠層光譜及其圖像信息采集
1.2.1 非成像高光譜信息采集
1.2.2 近地成像高光譜信息采集
1.2.3 無人機成像高光譜信息獲取
1.2.4 衛星多光譜信息獲取
1.3 冬小麥生物理化參數測定
1.3.1 葉片葉綠素含量測定
1.3.2 葉片花青素含量測定
1.3.3 植株含水量測定
1.3.4 營養元素含量測定
1.3.5 葉面積指數測量
1.3.6 生長狀況觀測
1.4 光譜數據處理
1.4.1 高光譜數據預處理
1.4.2 高光譜數據變換
1.4.3 衛星多光譜數據預處理
1.5 光譜特征參數提取
1.5.1 光譜位置、面積特征參數
1.5.2 吸收特征參數
1.5.3 常用植被指數
1.5.4 特定參數敏感光譜指數
1.5.5 連續投影算法特征波段提取
1.5.6 小波變換特征參數提取
1.6 數據分析與建模方法
1.6.1 普通回歸
1.6.2 偏*小二乘回歸
1.6.3 支持向量機回歸
1.6.4 隨機森林回歸
1.6.5 人工神經網絡建模
1.6.6 模型精度檢驗
第2章 冬小麥理化參數及其高光譜特征
2.1 不同生育期冬小麥理化參數變化
2.1.1 葉片色素含量
2.1.2 葉面積指數
2.1.3 大量營養元素含量
2.2 不同生育期冬小麥葉片高光譜特征
2.2.1 葉片光譜反射率
2.2.2 光譜紅邊特征
2.3 不同生育期冬小麥冠層高光譜特征
2.3.1 冠層光譜反射率
2.3.2 冠層光譜紅邊特征
2.4 不同施氮水平冬小麥冠層光譜特征
2.5 不同葉片氮含量的冬小麥冠層光譜特征
2.6 結論
第3章 冬小麥葉綠素含量高光譜估算
3.1 冬小麥葉片葉綠素含量高光譜估算
3.1.1 不同葉綠素含量葉片光譜特征
3.1.2 基于特征光譜的葉片葉綠素含量反演
3.1.3 基于光譜參數的葉片葉綠素含量反演
3.2 冬小麥冠層葉綠素含量高光譜估算
3.2.1 不同葉綠素含量冠層光譜特征
3.2.2 基于特征光譜的冠層葉綠素含量反演
3.2.3 基于光譜參數的冠層葉綠素含量反演
3.3 結論
第4章 冬小麥花青素含量高光譜估算
4.1 冬小麥葉片花青素含量高光譜估算
4.1.1 不同花青素含量葉片光譜特征
4.1.2 基于特征光譜的葉片花青素含量反演
4.1.3 基于光譜參數的葉片花青素含量反演
4.2 冬小麥冠層花青素含量高光譜估算
4.2.1 不同花青素含量的冠層光譜特征
4.2.2 基于特征光譜的冠層花青素含量反演
4.2.3 基于光譜參數的冠層花青素含量反演
4.3 結論
第5章 冬小麥葉面積指數高光譜估算
5.1 LAI數據統計描述
5.2 不同LAI的冠層光譜特征
5.3 LAI高光譜估算
5.3.1 基于特征光譜的LAI反演
5.3.2 基于光譜參數的LAI反演
5.4 結論
第6章 冬小麥葉片氮素含量高光譜估算
6.1 冠層光譜與葉片氮含量的相關性分析
6.2 基于“三邊”參數的葉片氮含量估算
6.2.1 “三邊”參數與葉片氮含量的相關性分析
6.2.2 紅邊位置與葉片氮含量的關系
6.2.3 基于“三邊”參數的葉片氮含量估算
6.3 基于光譜吸收特征參數的葉片氮含量估算
6.3.1 400～770nm連續統去除光譜對葉片氮含量的響應
6.3.2 吸收特征參數與葉片氮含量的相關分析
6.3.3 基于敏感波段的葉片氮含量估算與檢驗
6.3.4 基于吸收特征參數的葉片氮含量估算與檢驗
6.4 基于光譜指數的葉片氮含量估算
6.4.1 基于光譜指數的葉片氮含量估算
6.4.2 基于任意兩波段組合光譜指數的葉片氮含量估算
6.5 基于離散小波多尺度分解的葉片氮含量估算
6.5.1 離散小波分析方法及實現
6.5.2 小波母函數和分解尺度的確定
6.5.3 基于PLSR的葉片氮含量高光譜估算
6.5.4 基于RF的葉片氮含量高光譜估算
6.6 基于人工神經網絡的冬小麥氮素含量估算
6.6.1 基于BP神經網絡的冬小麥氮素含量估算
6.6.2 基于RBF神經網絡的冬小麥氮素含量估算模型及檢驗
6.6.3 模型精度對比
6.7 結論
第7章 冬小麥植株氮磷鉀元素含量高光譜估算
7.1 植株氮磷鉀含量統計
7.2 不同N、P、K含量的冠層光譜特征
7.3 植株N、P、K含量高光譜估算
7.3.1 基于特征光譜的N、P、K含量估算
7.3.2 基于光譜參數的N、P、K含量反演
7.4 結論
第8章 冬小麥植株含水量高光譜估算
8.1 植株含水量變化
8.2 植株含水量的冠層光譜響應
8.3 植株含水量的高光譜估算模型
8.3.1 植株含水量的高光譜估算
8.3.2 植株含水量估算模型檢驗
8.4 結論
第9章 近地高光譜影像冬小麥理化參數反演
9.1 葉片和植株的近地高光譜影像獲取與處理
9.1.1 近地成像光譜儀介紹與測量試驗
9.1.2 SOC高光譜影像處理
9.1.3 SOC影像光譜特征及精度驗證
9.2 葉片和植株不同部位光譜特征分析
9.3 基于SOC影像的葉片SPAD值和Anth值估算模型構建
9.3.1 葉片SPAD值和Anth值與SOC影像光譜參數相關性分析
9.3.2 基于SOC影像光譜參數的冬小麥理化參數估算模型
9.4 SOC高光譜影像冬小麥SPAD值和Anth值反演
9.5 結論
第10章 無人機高光譜影像冬小麥長勢監測
10.1 低空無人機影像獲取與處理
10.1.1 低空無人機成像光譜儀介紹及飛行試驗
10.1.2 UHD高光譜影像處理
10.1.3 UHD影像光譜特征及精度驗證
10.2 基于UHD高光譜影像的冬小麥農學參數估算模型構建
10.2.1 冬小麥農學參數與UHD影像光譜參數相關性分析
10.2.2 基于UHD影像光譜參數的冬小麥農學參數估算模型
10.3 基于UHD高光譜影像的冬小麥農學參數反演
10.4 結論
第11章 GF-1號衛星影像冬小麥葉片SPAD遙感反演
11.1 材料與方法
11.1.1 冠層光譜和SPAD采集
11.1.2 遙感數據預處理
11.1.3 植被指數選擇
11.1.4 數據分析方法
11.2 SPAD 值與植被指數的相關性分析
11.3 冬小麥葉片SPAD反演模型構建
11.4 冬小麥SPAD估算模型檢驗
11.5 GF-1號衛星影像數據區域冬小麥SPAD反演
11.6 結論
第12章 多光譜衛星影像冬小麥葉片氮含量估算
12.1 模擬GF-1多光譜衛星反射率的葉片氮含量估算
12.1.1 模擬GF-1多光譜衛星光譜反射率
12.1.2 光譜指數篩選
12.1.3 基于光譜指數的葉片氮含量估算
12.2 不同衛星傳感器模擬光譜比較
12.3 基于光譜指數的葉片氮含量通用模型構建
12.3.1 基于光譜指數的葉片氮含量通用模型構建
12.3.2 SI-LNC估算模型的敏感性分析
12.3.3 葉片氮含量估算模型檢驗
12.4 GF-1號衛星數字影像LNC反演制圖
12.5 結論
參考文獻
展開全部
書友推薦
- >
李白與唐代文化
- >
回憶愛瑪儂
- >
巴金－再思錄
- >
羅庸西南聯大授課錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
【精裝繪本】畫給孩子的中國神話
- >
詩經-先民的歌唱
- >
月亮與六便士
本類暢銷
