内容简介
遥感技术是获取农田环境和农作物长势信息的现代手段。本书针对西北地区主要粮食作物——玉米，依据田间试验，将试验观测数据与光谱仪辐射数据和地面高光谱影像相结合行玉米叶片和植株的长势高光谱遥感监测，及其土壤水分和养分含量的高光谱监测。主要内括：玉米长势遥感监测实验设计与数据测定、法，玉米长势及其高光谱特分析，叶片花青素、叶绿素，植株生物量和含水量的高光谱遥感监测，玉米种植区土壤含水量、碱解氮、有效磷和钾含量的高光谱监测。 本书可供从事遥感、农业科学、地球科学、资源环境等学科领域的科技工作者使用，也可供高等院校农学、资源环境、地理学和遥感技术专业的师生参考。
目录
第1章 绪论 1.1 研究背景 1.2 高光谱遥感在农业中的应用 1.3 作物生理参数的高光谱遥感监测研究 1.3.1 作物花青素含量的高光谱遥感监测 1.3.2 作物叶绿素含量的高光谱遥感监测 1.3.3 作物生物量的高光谱遥感监测 1.3.4 作物水分含量的高光谱遥感监测 1.4 土壤信息的高光谱遥感监测研究 1.4.1 土壤水分含量的高光谱遥感监测 1.4.2 土壤氮素含量的高光谱遥感监测 1.4.3 土壤磷素含量的高光谱遥感监测 1.4.4 土壤钾素含量的高光谱遥感监测第2章 材料与方法 2.1 研究区概况 2.2 研究目标与内容 2.2.1 研究目标 2.2.2 研究内容 2.3 研究方法 2.3.1 技术路线 2.3.2 试验设计 2.4 高光谱遥感数据获取 2.4.1 地面非成像高光谱遥感数据获取 2.4.2 地面成像高光谱遥感数据获取 2.5 玉米生理参数及农田土壤信息的测定 2.5.1 生理参数的测定 2.5.2 土壤质测定 2.6 数据分析与处理 2.6.1 SVC数据预处理 2.6.2 SOC数据预处理 2.6.3 高光谱遥感数据处理 2.7 玉米生理参数及农田土壤质估算模型 2.7.1 简单的统计回归模型 2.7.2 偏小二乘回归模型 2.7.3 人工神经网络模型 2.7.4 模型验证第3章 玉米叶片花青素含量的高光谱监测 3.1 材料与方法 3.1.1 数据获取 3.1.2 数据处理与模型建立 3.2 玉米叶片花青素及其光谱特征 3.2.1 叶片花青素含量基本特征 3.2.2 玉米叶片光谱特征 3.2.3 红边位置特征 3.3 基于SVC光谱的玉米叶片花青素含量高光谱监测 3.3.1 SVC光谱与玉米叶片花青素含量的相关 3.3.2 基于SVC光谱的玉米叶片花青素含量高光谱监测 3.4 基于SOC光谱的玉米叶片花青素含量高光谱监测 3.4.1 SOC光谱与玉米叶片花青素含量的相关 3.4.2 基于SOC光谱的玉米叶片花青素含量高光谱监测 3.5 讨论与结论 3.5.1 讨论 3.5.2 结论第4章 玉米叶片叶绿素含量的高光谱监测 4.1 材料与方法 4.1.1 数据获取 4.1.2 数据处理与模型建立 4.2 玉米冠层光谱特征 4.2.1 不同生育期玉米冠层光谱特征 4.2.2 不同SPAD值的玉米冠层光谱特征 4.3 玉米冠层光谱与叶片SPAD值的相关 4.3.1 冠层反射率及其微分光谱与SPAD值的相关 4.3.2 植被指数与不同生育期玉米叶片SPAD值的相关 4.3.3 光谱特征参数与不同生育期玉米叶片SPAD值的相关 4.4 不同生育期玉米叶片SPAD值的一元线监测 4.4.1 基于特征光谱的SPAD值一元线估算模型 4.4.2 基于植被指数的SPAD值一元线估算模型 4.4.3 基于光谱特征参数的SPAD值一元线估算模型 4.5 不同生育期玉米叶片SPAD值的PLSR监测 4.5.1 基于光谱的SPAD值PLSR估算模型 4.5.2 基于植被指数的SPAD值PLSR估算模型 4.5.3 基于光谱特征参数的SPAD值PLSR估算模型 4.6 不同生育期玉米叶片SPAD值的ANN监测 4.6.1 基于光谱的SPAD值ANN估算模型 4.6.2 基于植被指数的SPAD值ANN估算模型 4.6.3 基于光谱特征参数的玉米叶片SPAD值ANN估算模型 4.7 讨论与结论 4.7.1 讨论 4.7.2 结论第5章 玉米生物量的高光谱监测 5.1 材料与方法 5.1.1 数据获取 5.1.2 数据处理与模型建立 5.2 玉米生物量与冠层光谱的相关 5.2.1 不同生物量玉米冠层光谱特征 5.2.2 冠层反射率及其一阶微分光谱与生物量的相关 5.2.3 植被指数与生物量的相关 5.2.4 光谱特征参数与生物量的相关 5.3 不同生育期玉米生物量的一元线监测 5.3.1 基于特征光谱的玉米生物量一元线估算模型 5.3.2 基于植被指数的生物量一元线估算模型 5.3.3 基于光谱特征参数的生物量一元线估算模型 5.4 不同生育期玉米生物量的PLSR监测 5.4.1 基于光谱的生物量PLSR估算模型 5.4.2 基于植被指数的生物量PLSR估算模型 5.4.3 基于光谱特征参数的生物量PLSR估算模型 5.5 不同生育期玉米生物量的ANN监测 5.5.1 基于光谱的生物量ANN估算模型 5.5.2 基于植被指数的玉米生物量的ANN估算模型 5.5.3 基于光谱特征参数的玉米生物量ANN估算模型 5.6 讨论与结论 5.6.1 讨论 5.6.2 结论第6章 玉米植株含水量的高光谱监测 6.1 材料与方法 6.1.1 数据获取 6.1.2 数据处理与模型建立 6.2 玉米植株水分含量与冠层光谱的相关 6.2.1 玉米植株不同水分含量的冠层光谱特征 6.2.2 玉米冠层反射率及其一阶微分与植株含水量的相关 6.2.3 玉米光谱指数与植株含水量的相关 6.3 不同生育期玉米植株含水量的一元线监测 6.3.1 基于特征光谱的含水量一元线估算模型 6.3.2 基于光谱指数的含水量一元线估算模型 6.4 不同生育期玉米植株含水量的PLSR监测 6.4.1 基于光谱的含水量PLSR估算模型 6.4.2 基于光谱指数的含水量PLSR估算模型 6.5 不同生育期玉米植株含水量的ANN监测 6.5.1 基于光谱的含水量ANN估算模型 6.5.2 基于光谱指数的含水量ANN估算模型 6.6 讨论与结论 6.6.1 讨论 6.6.2 结论第7章 土壤水分含量的高光谱监测 7.1 材料与方法 7.1.1 样品采集与处理 7.1.2 数据处理与模型建立 7.2 不同含水量土壤光谱特征 7.2.1 研究区土壤含水量基本特征 7.2.2 不同含水量土壤反射光谱特征 7.2.3 土壤水分的光谱吸收特征 7.3 基于特征波长的土壤含水量监测 7.3.1 土壤光谱反射率与含水量的相关 7.3.2 土壤含水量估算模型构建 7.3.3 模型精度评价 7.4 基于吸收特征参数的土壤含水量监测 7.4.1 吸收特征参数与水分含量相关 7.4.2 土壤含水量估算模型构建 7.4.3 模型精度评价 7.5 讨论与结论 7.5.1 讨论 7.5.2 结论第8章 土壤氮含量的高光谱监测 8.1 材料与方法 8.1.1 样品采集与处理 8.1.2 数据处理与模型建立 8.2 土壤氮含量及其光谱特征 8.2.1 供试土壤氮含量基本特征 8.2.2 不同氮含量土壤的反射光谱特征 8.3 土壤光谱与氮含量的相关 8.3.1 土壤光谱与全氮含量的相关 8.3.2 土壤光谱与碱解氮含量的相关 8.4 土壤全氮含量的高光谱监测 8.4.1 基于特征光谱的全氮含量一元线估算模型 8.4.2 基于特征指数的全氮含量一元线估算模型 8.4.3 基于光谱和特征参数的全氮含量PLSR估算模型 8.4.4 基于光谱及特征参数的土壤全氮含量ANN估算模型 8.5 土壤碱解氮含量的高光谱监测 8.5.1 基于特征光谱的碱解氮含量一元线估算模型 8.5.2 基于特征指数的碱解氮含量一元线估算模型 8.5.3 基于光谱和特征参数的碱解氮含量PLSR估算模型 8.5.4 基于光谱及特征参数的碱解氮含量ANN估算模型 8.6 讨论与结论 8.6.1 讨论 8.6.2 结论第9章 土壤磷和钾含量的高光谱监测 9.1 材料与方法 9.1.1 样品采集与处理 9.1.2 数据处理与模型建立 9.2 土壤磷和钾含量及其光谱特征 9.2.1 研究区土壤磷和钾含量基本特征 9.2.2 不同磷和钾含量土壤的反射光谱特征 9.3 土壤光谱与磷和钾含量的相关 9.3.1 土壤光谱与磷含量的相关 9.3.2 土壤光谱与钾含量的相关 9.3.3 土壤磷含量的特征指数 9.3.4 土壤钾含量的特征指数 9.4 土壤磷含量的高光谱监测 9.4.1 土壤全磷含量高光谱监测 9.4.2 土壤有效磷含量高光谱监测 9.5 土壤钾含量的高光谱监测 9.5.1 基于光谱及特征参数的全钾含量PLSR估算模型 9.5.2 基于光谱及特征参数的全钾含量ANN估算模型 9.5.3 土壤钾含量高光谱监测 9.6 讨论与结论 9.6.1 讨论 9.6.2 结论第10章 成果与展望 10.1 主要成果 10.2 展望参考文献