论文目录 | |
摘要 | 第5-6页 |
abstract | 第6-12页 |
1 绪论 | 第12-30页 |
1.1 研究背景与研究意义 | 第12-13页 |
1.2 国内外研究进展 | 第13-23页 |
1.2.1 农田作物遥感分类研究进展 | 第13-16页 |
1.2.2 农田土壤含水量遥感估测研究进展 | 第16-19页 |
1.2.3 农田作物高度信息提取研究进展 | 第19-21页 |
1.2.4 叶面积指数的遥感反演研究进展 | 第21-23页 |
1.3 无人机技术及其在农业中的应用 | 第23-26页 |
1.3.1 无人机遥感技术的特点 | 第23-24页 |
1.3.2 无人机在农业中的应用研究进展与可行性分析 | 第24-26页 |
1.4 研究内容与技术路线 | 第26-30页 |
1.4.1 研究目标 | 第26页 |
1.4.2 研究内容 | 第26-27页 |
1.4.3 技术路线 | 第27-30页 |
2 实验方案与数据获取 | 第30-42页 |
2.1 实验区概况 | 第30-31页 |
2.2 实验 1-可见光相机数据与地面数据的采集实验与处理 | 第31-33页 |
2.2.1 实验目的与设计 | 第31页 |
2.2.2 无人机相机数据的采集 | 第31-32页 |
2.2.3 地面调查数据 | 第32-33页 |
2.3 实验 2-激光雷达数据与地面数据的采集与处理 | 第33-35页 |
2.3.1 实验目的与设计 | 第33页 |
2.3.2 激光雷达数据的采集 | 第33-34页 |
2.3.3 地面株高、LAI等数据的采集与测定 | 第34-35页 |
2.4 实验 3-多光谱数据与地面数据的采集与处理 | 第35-40页 |
2.4.1 实验目的与设计 | 第35-37页 |
2.4.2 多光谱数据的采集 | 第37-39页 |
2.4.3 地面土壤水分与LAI实测数据的获取 | 第39-40页 |
2.5 实验 4-多传感器综合验证与评价实验 | 第40-42页 |
2.5.1 实验目的与设计 | 第40-41页 |
2.5.2 机载传感器的数据采集 | 第41页 |
2.5.3 地面验证数据的获取 | 第41-42页 |
3 基于无人机可见光相机数据的农田分类方法研究 | 第42-61页 |
3.1 引言 | 第42页 |
3.2 色彩空间转换和灰度滤波法作物类型特征分析 | 第42-48页 |
3.2.1 色彩空间的主要类型 | 第42-43页 |
3.2.2 RGB与HLS色彩空间转换结果分析 | 第43-45页 |
3.2.3 灰度共生矩阵特征计算与分析 | 第45-46页 |
3.2.4 不同作物类型影像特征分析 | 第46-48页 |
3.3 颜色指数法的作物类型特征分析 | 第48-50页 |
3.3.1 常用的颜色指数及其计算方法 | 第48页 |
3.3.2 颜色指数选择与计算 | 第48-49页 |
3.3.3 不同作物灰度阈值的确定与信息提取 | 第49-50页 |
3.4 面向对象的可见光数据作物分类方法研究 | 第50-55页 |
3.4.1 面向对象的分类方法 | 第50-51页 |
3.4.2 面向对象分类的结果分析 | 第51-55页 |
3.5 基于可见光数据的作物分类方法结果对比分析 | 第55-59页 |
3.5.1 基于色彩纹理特征和颜色指数分类结果对比与验证 | 第56-58页 |
3.5.2 基于对象的分类结果对比分析 | 第58-59页 |
3.6 本章小结 | 第59-61页 |
4 基于无人机多光谱数据的农田LAI反演研究 | 第61-76页 |
4.1 引言 | 第61页 |
4.2 植被指数的计算方法与结果 | 第61-63页 |
4.2.1 植被指数的概念 | 第61页 |
4.2.2 植被指数的类型与计算方法 | 第61-63页 |
4.2.3 植被指数的计算结果 | 第63页 |
4.3 基于植被指数的LAI反演方法研究 | 第63-71页 |
4.3.1 植被指数间相关特征分析 | 第63-64页 |
4.3.2 一元线性回归模型 | 第64-66页 |
4.3.3 二次多项式非线性回归模型 | 第66-68页 |
4.3.4 模型敏感性分析与评价 | 第68-69页 |
4.3.5 模型精度评价与分析 | 第69-71页 |
4.4 利用神经网络估算农田叶面积指数 | 第71-74页 |
4.4.1 理论方法介绍 | 第72页 |
4.4.2 BP神经网络设计 | 第72页 |
4.4.3 人工神经网络LAI估算与结果分析 | 第72-74页 |
4.5 本章小结 | 第74-76页 |
5 基于无人机激光雷达数据的农田生长参数信息提取研究 | 第76-88页 |
5.1 引言 | 第76页 |
5.2 机载激光雷达系统 | 第76-77页 |
5.2.1 系统原理 | 第77页 |
5.2.2 LiDAR数据的特点 | 第77页 |
5.3 激光雷达数据预处理 | 第77-78页 |
5.3.1 数据噪声去除 | 第77-78页 |
5.3.2 数据滤波 | 第78页 |
5.3.3 能量标定 | 第78页 |
5.4 作物冠层高度的计算 | 第78-82页 |
5.4.1 点云数据预处理 | 第78-79页 |
5.4.2 棉花冠层高度的反演 | 第79-81页 |
5.4.3 计算作物高度与实测样本验证与分析 | 第81-82页 |
5.5 农田覆盖度与LAI的反演 | 第82-87页 |
5.5.1 理论方法 | 第83页 |
5.5.2 点云分类与植被覆盖度的计算 | 第83-84页 |
5.5.3 反演LAI指数 | 第84-85页 |
5.5.4 作物高度、覆盖度与LAI相关性分析 | 第85页 |
5.5.5 验证与分析 | 第85-87页 |
5.6 本章小结 | 第87-88页 |
6 基于无人机多光谱数据的土壤水分反演研究 | 第88-111页 |
6.1 引言 | 第88页 |
6.2 播种前土壤水分反演与结果分析 | 第88-92页 |
6.2.1 利用热惯量法计算土壤含水量 | 第88-89页 |
6.2.2 利用灰色关联分析法筛选特征指数与波段 | 第89-90页 |
6.2.3 模型验证与结果分析 | 第90-92页 |
6.3 中等覆盖度条件下农田的土壤水分反演与结果分析 | 第92-102页 |
6.3.1 二维特征空间的描述 | 第92页 |
6.3.2 利用二维特征空间法反演棉田土壤水分 | 第92-97页 |
6.3.3 改进的二维特征法模型 | 第97-98页 |
6.3.4 模型检验与结果分析 | 第98-102页 |
6.4 高覆盖度条件下的农田土壤水分反演与结果分析 | 第102-109页 |
6.4.1 二维特征空间法 | 第103-104页 |
6.4.2 基于光学植被覆盖度的改进MPDI指数提取土壤水分 | 第104-106页 |
6.4.3 模型验证与结果分析 | 第106-109页 |
6.5 本章小结 | 第109-111页 |
7 农田作物长势参数信息提取综合验证与分析 | 第111-130页 |
7.1 引言 | 第111页 |
7.2 可见光相机农田分类结果分析与验证 | 第111-116页 |
7.2.1 分割尺度及对象的建立 | 第111-112页 |
7.2.2 样本的选择 | 第112-113页 |
7.2.3 分类指标的选择与优化 | 第113-114页 |
7.2.4 结果分析与验证 | 第114-116页 |
7.3 多光谱数据LAI与土壤水分反演结果分析与验证 | 第116-122页 |
7.3.1 利用植被指数反演农田LAI结果分析与验证 | 第116-117页 |
7.3.2 利用二维特征空间法反演土壤水分 | 第117-118页 |
7.3.3 结果分析与验证 | 第118-122页 |
7.4 基于激光雷达数据的农田参数提取结果分析与验证 | 第122-128页 |
7.4.1 数据预处理 | 第122页 |
7.4.2 农田作物冠层高度计算 | 第122-123页 |
7.4.3 农田覆盖度与LAI的反演 | 第123-125页 |
7.4.4 结果分析与验证 | 第125-128页 |
7.5 本章小结 | 第128-130页 |
8 结论与展望 | 第130-136页 |
8.1 结论 | 第130-133页 |
8.2 主要创新点 | 第133-134页 |
8.3 展望 | 第134-136页 |
参考文献 | 第136-145页 |
致谢 | 第145-147页 |
附录 | 第147-149页 |