无人机遥感与智慧农业信息提取

第1章 绪论 001
1.1　智慧农业+ 遥感信息 001
1.2　研究区及作物品种 002
1.2.1　形态指标 002
1.2.2　生理生化指标 003
1.2.3　胁迫指标 003
1.2.4　产量指标 003
1.2.5　综合分析 004
1.3　无人机平台 005
1.4　无人机机载传感器 007
1.5　地面传感器 010
1.6　农林遥感光谱指数 012
1.7　农林业建模方法 014

第2章 农作物形态信息提取 017
2.1　株数和株高——阈值分割技术 017
2.1.1　原理 017
2.1.2　无人机数据 019
2.1.3　波段指数计算 019
2.1.4　阈值分割 020
2.1.5　后处理 023
2.1.6　株数统计、查询和制图 023
2.2　冠层覆盖度——属性计算技术 026
2.2.1　原理 026
2.2.2　无人机数据 027
2.2.3　导出面积数据 028
2.2.4　计算冠层覆盖度 028
2.3　作物倒伏——数字表面模型技术 030
2.3.1　原理 030
2.3.2　无人机数据 032
2.3.3　对齐照片 033
2.3.4　建立密集点云 033
2.3.5　生成网格 034
2.3.6　生成纹理 034
2.3.7　生成数字表面模型 036
2.3.8　导出DEM 数据和正射数据 038
2.3.9　分析株高和作物倒伏 038
2.4　不同生育期状况——变化检测技术 040
2.4.1　理论和方法 040
2.4.2　无人机数据 042
2.4.3　变化检测工作流 042
2.4.4　不同生育期结果分析 045

第3章 农作物生理生化信息提取 046
3.1　叶面积指数——多元线性回归技术 046
3.1.1　原理 046
3.1.2　无人机数据 048
3.1.3　地面实测数据 049
3.1.4　假设条件 049
3.1.5　植被指数提取 050
3.1.6　数据整理 051
3.1.7　建立反演模型 053
3.1.8　数字制图 055
3.2　作物系数——多项式回归技术 056
3.2.1　原理 056
3.2.2　无人机数据 057
3.2.3　地面实测数据 057
3.2.4　假设条件 057
3.2.5　归一化水分指数提取 058
3.2.6　数据整理 058
3.2.7　建立反演模型 060
3.2.8　数字制图 061
3.3　叶绿素含量——相关性分析技术 062
3.3.1　原理 062
3.3.2　无人机数据 064
3.3.3　地面实测数据 064
3.3.4　假设条件 065
3.3.5　数据采集与整理 065
3.3.6　相关性分析 067
3.3.7　建立回归方程 071
3.3.8　数字制图 071
3.4　营养元素含量——间接提取技术 072
3.4.1　原理 072
3.4.2　无人机数据 074
3.4.3　地面实测数据 075
3.4.4　假设条件 076
3.4.5　回归分析 076
3.4.6　数字制图 077

第4章 农作物胁迫信息提取 078
4.1　异常因素胁迫——异常信息提取技术 078
4.1.1　原理 078
4.1.2　无人机数据 080
4.1.3　建立遮掩层 080
4.1.4　异常信息提取流程 082
4.1.5　数字制图 084
4.2　病虫害——农作物胁迫信息提取技术 085
4.2.1　原理 085
4.2.2　无人机数据 087
4.2.3　胁迫提取 088
4.2.4　数字制图 088
4.3　作物衰老——森林健康提取技术 089
4.3.1　原理 089
4.3.2　无人机数据 090
4.3.3　衰老信息提取 090
4.3.4　数字制图 091

第5章 农作物产量信息提取 092
5.1　净同化率——面向对象图谱合一提取技术 092
5.1.1　原理 092
5.1.2　无人机数据 093
5.1.3　地面实测数据 094
5.1.4　建立基于样本的规则 095
5.1.5　农田分割与合并 096
5.1.6　特征提取 096
5.1.7　数字制图 100
5.2　蛋白质含量——多指数决策树技术 101
5.2.1　原理 101
5.2.2　无人机数据 102
5.2.3　地面实测数据 102
5.2.4　作物多种指数计算 103
5.2.5　采集指数数据 109
5.2.6　建立决策树 110
5.2.7　运行决策树 113
5.3　生物量——人工智能信息提取技术 114
5.3.1　原理 114
5.3.2　数据集说明 116
5.3.3　上传数据 117
5.3.4　图片标注 119
5.3.5　模型训练 121
5.3.6　校验模型 121
5.3.7　识别未知生物量图片 123

第6章 应用实例 125
6.1　无人机获取数据的前期准备工作 125
6.1.1　项目需求设计 125
6.1.2　传感器定标 126
6.1.3　无人机机载飞行作业 127
6.1.4　地面测量 127
6.2　提取反射率均值 128
6.2.1　提取树冠 129
6.2.2　提取每棵树的反射率均值 133
6.3　制作田块状遥感信息结果图 135
6.3.1　勾画或者生成田块边界信息 136
6.3.2　选择算法提取边界内部信息数据 142
6.3.3　设置级别进行制图 144
6.4　通过光谱数据比对实现陌生作物的鉴别 147
6.4.1　获取一条未知光谱 148
6.4.2　打开光谱库 150
6.4.3　鉴别未知农作物 152
6.5　“空-地” 高光谱数据协同下的农作物品种精细分类 155
6.5.1　“空-地” 数据情况 155
6.5.2　基于地面数据的农作物品种分类 160
6.5.3　结果分析 164

参考文献 166