多源遙感數(shù)據(jù)的小麥病害預(yù)測監(jiān)測研究

《多源遙感數(shù)據(jù)的小麥病害預(yù)測監(jiān)測研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、＇吃Ｘ？分類號：Ｐ４９單位代碼：１０３００密級：公巧學(xué)號：２０１２１２０４２２５為ｉ巧東立的少４％碩±學(xué)位論文冷：多源違感數(shù)據(jù)的小麥病害預(yù)測監(jiān)測妍究ＲｅｓｅａｒｃｈｆｏｒＦｏｒｅｃａｓｔｉｎａｎｄＭｏｎｉｔｏｒｉｎｏｆＷｈｅａｔＤｉｓｅａｓｅｂａｓｅｄｇｇ０打－Ｍｕｌｔｉｓｏｕｒｃｅ民ｅｍｏｔｅＳｅｎｓｉｎＤａｔａｇ＇，二＇申請人姓名：王靜’＾卻．指導(dǎo)教師／＾：：景元書教授，合作導(dǎo)師：黃文江研究員？＇．＇

2、’Ｉ：應(yīng)用氣象學(xué)；．］專業(yè)名稱＇研究方向：農(nóng)業(yè)遙感應(yīng)用，－‘．ｋ占，、？Ｖ■所在學(xué)院：應(yīng)用氣象學(xué)曉二ｆ二０—五年五月ａ—Ｖ＇手，；．１．‘—＇義‘古Ｖ若Ｖ讀戶？－亭茄，戶－、二’．方－‘?。崳姡憾墲?jì)武又誨皆獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研。究成果本論文除了文中特別加Ｗ標(biāo)注和致謝的內(nèi)容外，不包含其他人或其他機(jī)構(gòu)已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京信息工程大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書

3、而使用過的材料。其他同志對本研究所做的貢獻(xiàn)均已在論文中作了聲明并表示謝意。、學(xué)位論文作者簽名；糾簽字日期：從谷＾弓關(guān)于論文使用授權(quán)的說明南京信息工程大學(xué)、國家圖書館、中國學(xué)術(shù)期刊（光盤版）雜志社、中國科學(xué)技術(shù)信息研究所的《中國學(xué)位論文全文數(shù)據(jù)庫》有權(quán)保留本人所送交學(xué)位，論文的復(fù)印件和電子文檔，可采用影印、縮印或其他復(fù)制手段保存論文并通過網(wǎng)絡(luò)向社會提供信息服務(wù)一。本人電子文擋的內(nèi)容和紙質(zhì)論文的內(nèi)容相致。除在保密期內(nèi)的保密論文外），允許論文被查閱和借閱，可公布（包括刊登論文的全部

4、或部分內(nèi)容。論文的公布（包括刊登）授權(quán)南京信息工程大學(xué)研究生院辦理。□公開□保密（年月）（保密的學(xué)位論文在解密后應(yīng)遵守此協(xié)議）學(xué)位論文作者簽名；簽字日期；Ｕ‘?。崳娭笇?dǎo)教師簽名：％簽字日期：於和目錄摘要ＩＡＢＳＴＲＡＣＴＩｌｌ…１第章緒論１．１研巧背景及意義１１．２研究進(jìn)展２１．３目前存在問題６１．４研究內(nèi)容７第二章數(shù)據(jù)獲取及化理９２．１冬小麥條鎊病嚴(yán)重度不同估算方法對比研究９２．２基于氣

5、象與遙感的小麥條繡病預(yù)測研究１１４２．３基于遙感圖像的小麥白粉病預(yù)測及監(jiān)測研究１第己章冬小麥條鎊病嚴(yán)重度不同估算方法對比研究１９３．１１９＆演方＾＾；３．２模型輸入變量的選擇２３？３．３結(jié)果與分析？．．２４３４２７．本章小結(jié)第四章基于氣象與遙感的小麥條鑄病氣象預(yù)測研究２９４．１預(yù)測因子的反演和獲?。墸玻梗崳姡矗玻墸校蹋咏㈩A(yù)測模型巧３４４．３模型對比實驗與評價標(biāo)準(zhǔn)４－４本章小結(jié)３５３７第五章基于遙感圖像的小麥白粉病預(yù)測監(jiān)測

6、研究５．１研究區(qū)小麥種植面積提?。墸牐牐常罚崳姡担捕S空間的特征選取及提取３９．５３二４１．維特征空間的構(gòu)建５．３基于二維特征空間的白粉病發(fā)生發(fā)展預(yù)測模型４４５．４小麥病害監(jiān)測識別研究４６５５．本章小結(jié)４８第六章總結(jié)和展望４９６４．１研究內(nèi)容總結(jié)９６．２創(chuàng)新點５０６．３展望５０參考嫌５３Ｓ５９謝作＃簡如６１摘要近年來，病蟲害流行程度逐年加重，使得及早預(yù)測及實時監(jiān)測病蟲害的任務(wù)更加艱巨。利用遙感進(jìn)行病蟲害預(yù)測及監(jiān)測己成

7、為大范圍快速獲取作物摘蟲害信息的重要方式。、本研究主要Ｗ小麥條鎊病及白粉病為研究對象，ｌｉｗ麥病害區(qū)域預(yù)測巧監(jiān)測為研究主線，分別在區(qū)域尺度上利用衛(wèi)星光學(xué)和熱紅外數(shù)據(jù)等數(shù)據(jù)開展小麥病害預(yù)測監(jiān)測模型和利用冠和結(jié)果如下：層高光譜數(shù)據(jù)建立小麥條誘病臟測模型研究，具體研究內(nèi)容（１）為了提高遙感監(jiān)測小麥條誘病病害嚴(yán)重度的準(zhǔn)確程抵尋找小麥病害的較優(yōu)反演模型，論文在國家精準(zhǔn)農(nóng)業(yè)示范研究基地基于野外定位調(diào)查小麥病情指數(shù)及冠層光譜數(shù)據(jù)，利用與小麥病害發(fā)生呈顯著關(guān)系且有效反映植被生理生長化況的７種高光譜植被指數(shù)

8、，嘗試分別采用ＰＬＳ（偏最小二乘回歸）、ＢＰ神經(jīng)網(wǎng)絡(luò)和植被指數(shù)經(jīng)驗法Ｓ種方法建立小麥條鎊病病情反演模型，并進(jìn)行比較分析。結(jié)果表明；病害嚴(yán)重度預(yù)測模型精度偏最小二乘法優(yōu)２于植被指數(shù)和神經(jīng)網(wǎng)絡(luò)方法，Ｈ種方法病害嚴(yán)重度預(yù)測值與實測值間的Ｒ分別為０．９３６、０９１８化７６。二．、７研究表明采用偏最小乘回歸方法監(jiān)測小麥病情指數(shù)效果更好，此方法可在后遙感監(jiān)測小麥病