多層次遙感農田信息獲取技術體系

目錄
第1章 植被地面光譜和碳匯信息獲取與分析 1
1.1 引言 1
1.2 概述 2
1.2.1 研究意義和背景 9
1.2.2 研究進展 3
1.3 地面光譜數據和理化參數獲取方法 9
1.3.1 實驗區(qū) 9
1.3.2 數據采集與預處理 10
1.4 植被葉綠素及LAI反演方法 16
1.4.1 植被光譜影響因素分析 17
1.4.2 冠層光譜與冠層葉綠素的關系分析 19
1.4.3 反演模型概述 27
1.4.4 植被指數經驗模型反演結果 30
1.4.5 物理模型與優(yōu)化算法的反演結果 37
1.4.6 HyperScan成像光譜數據的植被葉綠素反演 39
1.4.7 小結 41
1.5 基于連續(xù)小波變換的葉綠素含量反演 42
1.5.1 小波變換在植被參數反演中的應用 13
1.5.2 植被光譜的連續(xù)小波變換 44
1.5.3 葉片尺度反演結果 46
1.5.4 冠層尺度反演結果 49
1.5.5 交叉驗證 51
1.5.6 小結 52
1.6 典型農作物碳匯能力監(jiān)測分析 53
1.6.1 油菜GPP的遙感估計模型 53
1.6.2 小麥GPP的遙感估算模型 62
1.6.3 兩種植被對比分析 69
1.6.4小結 71
參考文獻 73
第2章 幾何與光譜信息結合的作物信息獲取與分析 88
2.1 引言 88
2.2 概述 88
2.2.1 研究意義和背景 88
2.2.2 研究進展 89
2.2.3 研究目的和內容 90
2.3 研究對象及數據預處理 92
2.3.1 研究對象 92
2.3.2 研究儀器 92
2.3.3 數據獲取與數據預處理 94
2.4 幾何信息的處理 98
2.4.1 點云數據圖像化 98
2.4.2 計算圖像的灰度共生矩陣 101
2.4.3 提取灰度共生矩陣的特征參數 101
2.5 光譜信息的處理 105
2.5.1 輻射校正 105
2.5.2 植被指數的選擇 106
2.5.3 獲取小麥冠層的紅邊指數 107
2.6 回歸分析 109
2.6.1 幾何信息的回歸分析 109
2.6.2 光譜信息的回歸分析 117
2.7 本章小結 120
參考文獻 122
第3章 多層次遙感信息輻射校正技術 124
3.1 引言 121
2.9概述 125
3.2.1 研究意義和背景 125
3.2.2 研究進展 125
3.3 多源信息輔助的光學遙感影像輻射校正 126
3.3.1 數據獲取與處理 128
3.3.2 機載地面數據輔助輻射校正 136
3.3.3 星載數據輔助輻射校正 152
3.3.4 小結 163
3.4 光譜信息約束下的輻射校正模型 164
3.4.1 實驗地區(qū)介紹和數據采集 165
3.4.2 研究方法簡介 166
3.4.3 通用輻射定標模型 171
3.4.4 光譜信息約束下的輻射定標模型 172
3.4.5 兩種模型的對比分析 177
3.4.6 小結 181
3.5 兼顧幾何信息的多光譜相機輻射定標 182
3.5.1 研究區(qū)域及儀器介紹 183
3.5.2 多光譜相機輻射定標原理和方法 185
3.5.3 兼顧幾何信息的輻射定標方法 190
3.5.4 多光譜相機輻射測量性能評估與輻射定標建議 202
3.5.5 小結 205
參考文獻 206
第4章 多層次信息系統輔助作物長勢分析技術 211
4.1 引言 211
4.2 概述 211
4.2.1 研究意義和背景 211
4.2.2 研究進展 212
4.2.3 研究內容 214
4.3 數據獲取與數據處理 215
4.3.1 實驗數據獲取 215
4.3.2 數據處理 216
4.4 系統設計及基礎功能實現 221
4.4.1 數據庫設計 221
4.4.2 0racle與VisualStudio平臺連接 222
4.4.3 數據上傳 222
4.4.4 數據下載 221
4.4.5 數據查詢、刪除、修改 224
4.4.6 用戶管理 225
4.5 農作物長勢參數相關性分析和回歸分析 225
4.5.1 相關分析 226
4.5.2 回歸分析 238
4.5.3 小結 241
4.6 農作物多長勢參數分析 242
4.6.1 相似性測度 212
4.6.2 單一生長期農作物氏努分析 243
4.6.3 多時序農作物長勢分析 259
4.6.4 小結 262
4.7 基于BS模式的農作物光譜信息系統設計 262
4.7.1 國內外光譜庫研究進展 262
4.7.2 基于BS模式的農作物信息系統設計方案 261
4.7.3 農作物光譜信息數據庫設計 265
4.7.4 農作物光譜信息系統前端設計 267
4.8 本章小結 272
參考文獻 273
第5章 無人機平臺農田信息獲取技術 276
5.1 引言 276
5.2 概述 277
5.2.1 研究的意義和背景 277
5.2.2 研究進展 279
5.3 實驗數據的采集與處理 285
5.3.1 實驗區(qū)簡介 285
5.3.2 地面平臺數據的采集與預處理 287
5.3.3 無人機平臺數據的獲取與預處理 289
5.4 油菜冠層光譜影響因素分析 291
5.4.1 典型參數對油菜冠層光譜影響分析 294
5.4.2 不同生長期對冠層光譜及反演典型參數的影響分析 296
5.4.3 不同波段寬度敏感性分析 298
5.4.4 小結 306
5.5 地面平臺油菜典型參數反演及產量估產 307
5.5.1 油菜葉面積指數和葉綠素反演 307
5.5.2 植被指數經驗模型估產 319
5.5.3 小波變換方法估產 326
5.5.4 神經網絡方法估產 332
5.5.5 油菜不同生長期對產量的貢獻 331
5.5.6 不同估產方法比較 339
5.5.7 小結 311
5.6 無人機平臺油菜典型參數反演及產量估產 342
5.6.1 植被覆蓋率反演 312
5.6.2 油菜葉而積指數和葉綠素反演 353
5.6.3 經驗模型估產 357
5.6.4 混合像元分析法估產 361
5.6.5 神經網絡方法估產 367
5.6.6 組合預測方法估產 369
5.6.7 不同估產方法比較 372
5.6.8 施氮量財產量的影響 373
5.6.9 小結 375
5.7 油菜多時期多平臺綜合估產評價模型與估產模型 376
5.7.1 油菜各生長期葉面積指數與葉綠素含量的變化 376
5.7.2 油菜全時期多平臺綜合估產評價模型 378
5.7.3 油菜多時期多平臺綜合估產模型 382
5.7.4小結 383
5.8 本章小結 381
參考文獻 388