雙子葉植物葉片類胡蘿卜素含量高光譜反演估算及建模研究
發(fā)布時(shí)間:2024-07-06 00:06
植被的光合作用在整個(gè)生態(tài)系統(tǒng)的物質(zhì)和能量的循環(huán)過程中起到了至關(guān)重要的作用,其中類胡蘿卜素是植被進(jìn)行光合作用的主要色素之一。類胡蘿卜素在保護(hù)葉綠素以維持光合作用進(jìn)行、延緩植被葉片衰老以及能及時(shí)響應(yīng)外界刺激并作出反應(yīng)等方面有著重要作用,對(duì)預(yù)測(cè)植被的健康狀況、營養(yǎng)狀況以及生長狀況意義重大,因此快速、準(zhǔn)確、無誤的估算其含量對(duì)于預(yù)測(cè)植被的健康狀況有著十分重要的意義。本研究以LOPEX’93數(shù)據(jù)庫為基礎(chǔ),系統(tǒng)分析了400-2500nm的高光譜反射信息,通過提取特征波段來構(gòu)成歸一化差值植被指數(shù)(NDVI)、比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)、再歸一化植被指數(shù)(RDVI)以及原始光譜主成分與雙子葉植物葉片類胡蘿卜素含量之間的定量關(guān)系。通過對(duì)400-2500nm光譜波段進(jìn)行任意兩兩組合來構(gòu)造植被指數(shù)NDVI、RVI、DVI和RDVI,發(fā)現(xiàn)這四種植被指數(shù)在最優(yōu)波段與類胡籮卜素含量的相關(guān)系數(shù)都大于0.880,達(dá)到了強(qiáng)相關(guān)水平。相關(guān)性分析結(jié)果為這些植被指數(shù)與類胡蘿卜素含量進(jìn)行建模分析提供可靠的理論和數(shù)據(jù)支持。利用高光譜信息所構(gòu)造的植被指數(shù)及原始光譜主成分與類胡蘿卜素含量進(jìn)行回歸及神經(jīng)網(wǎng)絡(luò)反演建模分...
【文章頁數(shù)】:66 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究的目的與意義
1.4 研究?jī)?nèi)容和技術(shù)路線
1.4.1 研究?jī)?nèi)容
1.4.2 技術(shù)路線
1.5 論文結(jié)構(gòu)安排
第二章 材料、方法和數(shù)據(jù)預(yù)處理
2.1 數(shù)據(jù)來源
2.2 研究方法
2.2.1 植被指數(shù)的選擇
2.2.2 模型算法的選擇
2.2.3 反演模型精度驗(yàn)證指標(biāo)
2.3 數(shù)據(jù)預(yù)處理
2.3.1 雙子葉植物葉片高光譜信息
2.3.2 各植被指數(shù)特征波段選擇與相關(guān)性分析
2.3.3 基于原始光譜的主成分獲取
2.4 本章小結(jié)
第三章 類胡蘿卜素含量回歸分析方法反演建模研究
3.1 單植被指數(shù)的類胡蘿卜素含量反演建模研究
3.1.1 線性反演建模研究
3.1.2 非線性反演建模研究
3.1.3 單植被指數(shù)反演建模研究結(jié)果分析
3.2 多植被指數(shù)組合的類胡蘿卜素含量線性反演建模研究
3.3 基于主成分分析的類胡蘿卜素含量反演建模研究
3.4 回歸分析反演建模效果對(duì)比
3.5 本章小結(jié)
第四章 類胡蘿卜素含量神經(jīng)網(wǎng)絡(luò)方法反演建模研究
4.1 基于BP神經(jīng)網(wǎng)絡(luò)的類胡籮卜素含量反演建模研究
4.1.1 BP神經(jīng)網(wǎng)絡(luò)的基本原理
4.1.2 BP神經(jīng)網(wǎng)絡(luò)的反演建模結(jié)果分析
4.2 基于RBF神經(jīng)網(wǎng)絡(luò)的類胡蘿卜素含量反演建模研究
4.2.1 RBF神經(jīng)網(wǎng)絡(luò)的基本原理
4.2.2 RBF神經(jīng)網(wǎng)絡(luò)的反演結(jié)果分析
4.3 基于遺傳神經(jīng)網(wǎng)絡(luò)的類胡蘿卜素含量反演建模研究
4.3.1 遺傳算法的基本原理
4.3.2 遺傳神經(jīng)網(wǎng)絡(luò)的反演結(jié)果分析
4.4 三種神經(jīng)網(wǎng)絡(luò)反演建模效果對(duì)比
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 研究結(jié)論
5.2 問題與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文
本文編號(hào):4001758
【文章頁數(shù)】:66 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景
1.2 國內(nèi)外研究現(xiàn)狀
1.3 研究的目的與意義
1.4 研究?jī)?nèi)容和技術(shù)路線
1.4.1 研究?jī)?nèi)容
1.4.2 技術(shù)路線
1.5 論文結(jié)構(gòu)安排
第二章 材料、方法和數(shù)據(jù)預(yù)處理
2.1 數(shù)據(jù)來源
2.2 研究方法
2.2.1 植被指數(shù)的選擇
2.2.2 模型算法的選擇
2.2.3 反演模型精度驗(yàn)證指標(biāo)
2.3 數(shù)據(jù)預(yù)處理
2.3.1 雙子葉植物葉片高光譜信息
2.3.2 各植被指數(shù)特征波段選擇與相關(guān)性分析
2.3.3 基于原始光譜的主成分獲取
2.4 本章小結(jié)
第三章 類胡蘿卜素含量回歸分析方法反演建模研究
3.1 單植被指數(shù)的類胡蘿卜素含量反演建模研究
3.1.1 線性反演建模研究
3.1.2 非線性反演建模研究
3.1.3 單植被指數(shù)反演建模研究結(jié)果分析
3.2 多植被指數(shù)組合的類胡蘿卜素含量線性反演建模研究
3.3 基于主成分分析的類胡蘿卜素含量反演建模研究
3.4 回歸分析反演建模效果對(duì)比
3.5 本章小結(jié)
第四章 類胡蘿卜素含量神經(jīng)網(wǎng)絡(luò)方法反演建模研究
4.1 基于BP神經(jīng)網(wǎng)絡(luò)的類胡籮卜素含量反演建模研究
4.1.1 BP神經(jīng)網(wǎng)絡(luò)的基本原理
4.1.2 BP神經(jīng)網(wǎng)絡(luò)的反演建模結(jié)果分析
4.2 基于RBF神經(jīng)網(wǎng)絡(luò)的類胡蘿卜素含量反演建模研究
4.2.1 RBF神經(jīng)網(wǎng)絡(luò)的基本原理
4.2.2 RBF神經(jīng)網(wǎng)絡(luò)的反演結(jié)果分析
4.3 基于遺傳神經(jīng)網(wǎng)絡(luò)的類胡蘿卜素含量反演建模研究
4.3.1 遺傳算法的基本原理
4.3.2 遺傳神經(jīng)網(wǎng)絡(luò)的反演結(jié)果分析
4.4 三種神經(jīng)網(wǎng)絡(luò)反演建模效果對(duì)比
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 研究結(jié)論
5.2 問題與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文
本文編號(hào):4001758
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/zidonghuakongzhilunwen/4001758.html
上一篇:基于深度學(xué)習(xí)陶瓷梭式窯智能控制方法研究
下一篇:沒有了
下一篇:沒有了
最近更新
教材專著