書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè)

西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè)

出版社：科學(xué)出版社出版時(shí)間：2017-06-01
開(kāi)本： B5 頁(yè)數(shù)： 236
中 圖 價(jià):¥64.8(4.1折) 定價(jià)  ¥158.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
溫馨提示：5折以下圖書(shū)主要為出版社尾貨，大部分為全新（有塑封/無(wú)塑封），個(gè)別圖書(shū)品相8-9成新、切口
有劃線標(biāo)記、光盤等附件不全詳細(xì)品相說(shuō)明>>
本類五星書(shū)更多>

西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè) 版權(quán)信息

西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè) 本書(shū)特色

遙感技術(shù)是精確獲取農(nóng)田環(huán)境和農(nóng)作物長(zhǎng)勢(shì)信息的現(xiàn)代手段。本書(shū)針對(duì)西北地區(qū)主要糧食作物冬小麥，依據(jù)田間試驗(yàn)，將試驗(yàn)觀測(cè)數(shù)據(jù)與地面高光譜影像、無(wú)人機(jī)高光譜影像和衛(wèi)星多光譜影像等多源遙感數(shù)據(jù)相結(jié)合，進(jìn)行冬小麥葉片、冠層和地塊尺度的長(zhǎng)勢(shì)監(jiān)測(cè)。主要內(nèi)容包括：冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè)試驗(yàn)設(shè)計(jì)與數(shù)據(jù)測(cè)定、處理方法，冬小麥理化參數(shù)及其高光譜特性分析，葉綠素、花青素、含水量、葉面積指數(shù)、大量營(yíng)養(yǎng)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(wèi)星數(shù)據(jù)的冬小麥葉片葉綠素和氮含量估算與遙感制圖。

西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè) 內(nèi)容簡(jiǎn)介

本專著依托國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）課題：農(nóng)田生態(tài)環(huán)境信息獲取與作物長(zhǎng)勢(shì)監(jiān)測(cè)技術(shù)研究（2013AA102401-2）的資助，立足于西北旱作農(nóng)業(yè)區(qū)，從地面-低空-衛(wèi)星尺度多方面開(kāi)展冬小麥的多光譜和高光譜遙感監(jiān)測(cè)理論與方法研究。內(nèi)容包括冬小麥理化參數(shù)的變化規(guī)律，冬小麥葉片和冠層光譜特征，冬小麥主要生物理化參數(shù)的葉片和冠層光譜響應(yīng)規(guī)律，農(nóng)學(xué)參數(shù)特征光譜和敏感光譜指數(shù)提取，基于地面葉片和冠層高光譜的冬小麥生物理化參數(shù)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(wú)人機(jī)影像的冬小麥冠層葉綠素、花青素、葉面積指數(shù)和氮、磷、鉀含量的反演模型和空間分布研究，基于GF-1號(hào)等多光譜衛(wèi)星數(shù)據(jù)的冬小麥葉片SPAD和全氮含量遙感監(jiān)測(cè)。

西北地區(qū)生態(tài)環(huán)境與作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)叢書(shū)西北地區(qū)冬小麥長(zhǎng)勢(shì)遙感監(jiān)測(cè) 目錄

第1章 冬小麥遙感監(jiān)測(cè)試驗(yàn)設(shè)計(jì)與方法 1.1 試驗(yàn)設(shè)計(jì) 1.1.1 研究區(qū)概況 1.1.2 田間試驗(yàn)設(shè)計(jì) 1.1.3 大田試驗(yàn)設(shè)計(jì) 1.1.4 田間觀測(cè)項(xiàng)目和時(shí)間設(shè)計(jì) 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(wú)人機(jī)成像高光譜信息獲取 1.2.4 衛(wèi)星多光譜信息獲取 1.3 冬小麥生物理化參數(shù)測(cè)定 1.3.1 葉片葉綠素含量測(cè)定 1.3.2 葉片花青素含量測(cè)定 1.3.3 植株含水量測(cè)定 1.3.4 營(yíng)養(yǎng)元素含量測(cè)定 1.3.5 葉面積指數(shù)測(cè)量 1.3.6 生長(zhǎng)狀況觀測(cè) 1.4 光譜數(shù)據(jù)處理 1.4.1 高光譜數(shù)據(jù)預(yù)處理 1.4.2 高光譜數(shù)據(jù)變換 1.4.3 衛(wèi)星多光譜數(shù)據(jù)預(yù)處理 1.5 光譜特征參數(shù)提取 1.5.1 光譜位置、面積特征參數(shù) 1.5.2 吸收特征參數(shù) 1.5.3 常用植被指數(shù) 1.5.4 特定參數(shù)敏感光譜指數(shù) 1.5.5 連續(xù)投影算法特征波段提取 1.5.6 小波變換特征參數(shù)提取 1.6 數(shù)據(jù)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(jī)回歸 1.6.4 隨機(jī)森林回歸 1.6.5 人工神經(jīng)網(wǎng)絡(luò)建模 1.6.6 模型精度檢驗(yàn) 第2章 冬小麥理化參數(shù)及其高光譜特征 2.1 不同生育期冬小麥理化參數(shù)變化 2.1.1 葉片色素含量 2.1.2 葉面積指數(shù) 2.1.3 大量營(yíng)養(yǎng)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(jié)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(shù)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(shù)的冠層葉綠素含量反演 3.3 結(jié)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(shù)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(shù)的冠層花青素含量反演 4.3 結(jié)論 第5章 冬小麥葉面積指數(shù)高光譜估算 5.1 LAI數(shù)據(jù)統(tǒng)計(jì)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(shù)的LAI反演 5.4 結(jié)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(guān)性分析 6.2 基于“三邊”參數(shù)的葉片氮含量估算 6.2.1 “三邊”參數(shù)與葉片氮含量的相關(guān)性分析 6.2.2 紅邊位置與葉片氮含量的關(guān)系 6.2.3 基于“三邊”參數(shù)的葉片氮含量估算 6.3 基于光譜吸收特征參數(shù)的葉片氮含量估算 6.3.1 400～770nm連續(xù)統(tǒng)去除光譜對(duì)葉片氮含量的響應(yīng) 6.3.2 吸收特征參數(shù)與葉片氮含量的相關(guān)分析 6.3.3 基于敏感波段的葉片氮含量估算與檢驗(yàn) 6.3.4 基于吸收特征參數(shù)的葉片氮含量估算與檢驗(yàn) 6.4 基于光譜指數(shù)的葉片氮含量估算 6.4.1 基于光譜指數(shù)的葉片氮含量估算 6.4.2 基于任意兩波段組合光譜指數(shù)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(shí)現(xiàn) 6.5.2 小波母函數(shù)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(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算 6.6.1 基于BP神經(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算 6.6.2 基于RBF神經(jīng)網(wǎng)絡(luò)的冬小麥氮素含量估算模型及檢驗(yàn) 6.6.3 模型精度對(duì)比 6.7 結(jié)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(tǒng)計(jì) 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(shù)的N、P、K含量反演 7.4 結(jié)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(yīng) 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(yàn) 8.4 結(jié)論 第9章 近地高光譜影像冬小麥理化參數(shù)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(cè)量試驗(yàn) 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(yàn)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(gòu)建 9.3.1 葉片SPAD值和Anth值與SOC影像光譜參數(shù)相關(guān)性分析 9.3.2 基于SOC影像光譜參數(shù)的冬小麥理化參數(shù)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(jié)論 第10章 無(wú)人機(jī)高光譜影像冬小麥長(zhǎng)勢(shì)監(jiān)測(cè) 10.1 低空無(wú)人機(jī)影像獲取與處理 10.1.1 低空無(wú)人機(jī)成像光譜儀介紹及飛行試驗(yàn) 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(yàn)證 10.2 基于UHD高光譜影像的冬小麥農(nóng)學(xué)參數(shù)估算模型構(gòu)建 10.2.1 冬小麥農(nóng)學(xué)參數(shù)與UHD影像光譜參數(shù)相關(guān)性分析 10.2.2 基于UHD影像光譜參數(shù)的冬小麥農(nóng)學(xué)參數(shù)估算模型 10.3 基于UHD高光譜影像的冬小麥農(nóng)學(xué)參數(shù)反演 10.4 結(jié)論 第11章 GF-1號(hào)衛(wèi)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(shù)據(jù)預(yù)處理 11.1.3 植被指數(shù)選擇 11.1.4 數(shù)據(jù)分析方法 11.2 SPAD 值與植被指數(shù)的相關(guān)性分析 11.3 冬小麥葉片SPAD反演模型構(gòu)建 11.4 冬小麥SPAD估算模型檢驗(yàn) 11.5 GF-1號(hào)衛(wèi)星影像數(shù)據(jù)區(qū)域冬小麥SPAD反演 11.6 結(jié)論 第12章 多光譜衛(wèi)星影像冬小麥葉片氮含量估算 12.1 模擬GF-1多光譜衛(wèi)星反射率的葉片氮含量估算 12.1.1 模擬GF-1多光譜衛(wèi)星光譜反射率 12.1.2 光譜指數(shù)篩選 12.1.3 基于光譜指數(shù)的葉片氮含量估算 12.2 不同衛(wèi)星傳感器模擬光譜比較 12.3 基于光譜指數(shù)的葉片氮含量通用模型構(gòu)建 12.3.1 基于光譜指數(shù)的葉片氮含量通用模型構(gòu)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(yàn) 12.4 GF-1號(hào)衛(wèi)星數(shù)字影像LNC反演制圖 12.5 結(jié)論 參考文獻(xiàn)
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服