包邮农业遥感数据分析——以小麦监测预警为例

第1章 遥感概述 1.1 遥感的概念与特点 1.2 遥感系统 1.3 遥感的分类 1.4 遥感发展历程与趋势 1.4.1 遥感发展历程 1.4.2 遥感发展趋势 1.4.3 我国农业遥感的发展 第2章 遥感监测小麦病虫害研究现状 2.1 遥感监测意义 2.2 遥感监测原理 2.2.1 植被反射光谱特征 2.2.2 土壤反射光谱特征 2.3 外研究现状及发展动态分析 2.3.1 小麦赤霉病农学研究进展 2.3.2 作物病虫害遥感监测研究进展 2.3.3 作物病虫害遥感预测研究进展 2.4 小麦赤霉病遥感监测的应用前景 第3章 遥感监测实验设计与数据获取 3.1 冬小麦物候期及赤霉病分级标准 3.1.1 河南省冬小麦物候期 3.1.2 冬小麦赤霉病分级标准 3.2 小麦赤霉病“无人机-地”实验 3.2.1 地面实验设计 3.2.2 地面数据采集 3.2.3 无人机多光谱数据采集 3.3 小麦赤霉病“星-地”实验 3.3.1 地面调查方式 3.3.2 “星-地”同步数据收集 3.3.3 农业管理部门数据收集 第4章 多源遥感数据处理方法 4.1 遥感影像处理方法 4.1.1 遥感传感器定标 4.1.2 大气校正方法 4.1.3 几何校正方法 4.2 遥感影像增强技术 4.2.1 影像融合 4.2.2 遥感影像超分辨率 4.2.3 植被指数和纹理指数 4.3 不同平台遥感数据预处理技术 4.3.1 地面便携式地物光谱仪数据预处理 4.3.2 无人机航拍影像拼接 4.3.3 卫星多光谱遥感影像大气校正 4.4 冬小麦遥感图像分类技术 4.4.1 遥感图像分类的概念 4.4.2 遥感图像分类的步骤 4.4.3 遥感图像分类的基本算法 4.4.4 冬小麦种植区域提取 第5章 遥感作物病害监测理论和模型 5.1 作物病害分类技术 5.1.1 作物病害敏感参数遥感估算 5.1.2 作物病害图像分类算法 5.1.3 卷积神经网络发展 5.1.4 图像分类算法 5.1.5 语义分割和实例分割算法 5.2 作物病害深度学习目标检测技术 5.2.1 图像目标检测原理 5.2.2 深度学习目标检测技术发展 5.2.3 目标检测算法 第6章 近地监测小麦赤霉病 6.1 作物病害近地监测研究现状 6.1.1 作物病害研究现状 6.1.2 近地监测优势 6.2 近地监测案例 6.2.1 研究区与图像数据采集 6.2.2 数据增强 6.2.3 单穗小麦赤霉病严重度识别 6.2.4 群体小麦赤霉病穗实时检测 第7章 无人机遥感监测小麦赤霉病 7.1 作物病害无人机遥感监测现状 7.1.1 光谱特征监测 7.1.2 纹理特征监测 7.2 无人机监测案例 7.2.1 监测流程 7.2.2 特征提取 7.2.3 机器学习模型 7.2.4 精度分析与效果评估 第8章 卫星遥感监测小麦赤霉病 8.1 作物病害卫星遥感监测现状 8.1.1 叶片尺度监测 8.1.2 冠层尺度监测 8.1.3 区域尺度监测 8.2 卫星监测案例 8.2.1 研究区与数据概述 8.2.2 遥感数据预处理 8.2.3 监测模型选取 8.2.4 小麦赤霉病监测结果 第9章 区域尺度小麦赤霉病预测 9.1 作物病害预测现状 9.1.1 作物病害气象预测研究进展 9.1.2 作物病害遥感预测研究进展 9.2 多源数据结合预测小麦赤霉病 9.2.1 研究区域与数据 9.2.2 小麦种植分布提取 9.2.3 病害特征提取模型 9.2.4 小麦赤霉病预测和分析 参考文献