無人機遙感與智慧農(nóng)業(yè)信息提取

第1章 緒論 001
1.1　智慧農(nóng)業(yè)+ 遙感信息 001
1.2　研究區(qū)及作物品種 002
1.2.1　形態(tài)指標 002
1.2.2　生理生化指標 003
1.2.3　脅迫指標 003
1.2.4　產(chǎn)量指標 003
1.2.5　綜合分析 004
1.3　無人機平臺 005
1.4　無人機機載傳感器 007
1.5　地面?zhèn)鞲衅?010
1.6　農(nóng)林遙感光譜指數(shù) 012
1.7　農(nóng)林業(yè)建模方法 014

第2章 農(nóng)作物形態(tài)信息提取 017
2.1　株數(shù)和株高——閾值分割技術 017
2.1.1　原理 017
2.1.2　無人機數(shù)據(jù) 019
2.1.3　波段指數(shù)計算 019
2.1.4　閾值分割 020
2.1.5　后處理 023
2.1.6　株數(shù)統(tǒng)計、查詢和制圖 023
2.2　冠層覆蓋度——屬性計算技術 026
2.2.1　原理 026
2.2.2　無人機數(shù)據(jù) 027
2.2.3　導出面積數(shù)據(jù) 028
2.2.4　計算冠層覆蓋度 028
2.3　作物倒伏——數(shù)字表面模型技術 030
2.3.1　原理 030
2.3.2　無人機數(shù)據(jù) 032
2.3.3　對齊照片 033
2.3.4　建立密集點云 033
2.3.5　生成網(wǎng)格 034
2.3.6　生成紋理 034
2.3.7　生成數(shù)字表面模型 036
2.3.8　導出DEM 數(shù)據(jù)和正射數(shù)據(jù) 038
2.3.9　分析株高和作物倒伏 038
2.4　不同生育期狀況——變化檢測技術 040
2.4.1　理論和方法 040
2.4.2　無人機數(shù)據(jù) 042
2.4.3　變化檢測工作流 042
2.4.4　不同生育期結果分析 045

第3章 農(nóng)作物生理生化信息提取 046
3.1　葉面積指數(shù)——多元線性回歸技術 046
3.1.1　原理 046
3.1.2　無人機數(shù)據(jù) 048
3.1.3　地面實測數(shù)據(jù) 049
3.1.4　假設條件 049
3.1.5　植被指數(shù)提取 050
3.1.6　數(shù)據(jù)整理 051
3.1.7　建立反演模型 053
3.1.8　數(shù)字制圖 055
3.2　作物系數(shù)——多項式回歸技術 056
3.2.1　原理 056
3.2.2　無人機數(shù)據(jù) 057
3.2.3　地面實測數(shù)據(jù) 057
3.2.4　假設條件 057
3.2.5　歸一化水分指數(shù)提取 058
3.2.6　數(shù)據(jù)整理 058
3.2.7　建立反演模型 060
3.2.8　數(shù)字制圖 061
3.3　葉綠素含量——相關性分析技術 062
3.3.1　原理 062
3.3.2　無人機數(shù)據(jù) 064
3.3.3　地面實測數(shù)據(jù) 064
3.3.4　假設條件 065
3.3.5　數(shù)據(jù)采集與整理 065
3.3.6　相關性分析 067
3.3.7　建立回歸方程 071
3.3.8　數(shù)字制圖 071
3.4　營養(yǎng)元素含量——間接提取技術 072
3.4.1　原理 072
3.4.2　無人機數(shù)據(jù) 074
3.4.3　地面實測數(shù)據(jù) 075
3.4.4　假設條件 076
3.4.5　回歸分析 076
3.4.6　數(shù)字制圖 077

第4章 農(nóng)作物脅迫信息提取 078
4.1　異常因素脅迫——異常信息提取技術 078
4.1.1　原理 078
4.1.2　無人機數(shù)據(jù) 080
4.1.3　建立遮掩層 080
4.1.4　異常信息提取流程 082
4.1.5　數(shù)字制圖 084
4.2　病蟲害——農(nóng)作物脅迫信息提取技術 085
4.2.1　原理 085
4.2.2　無人機數(shù)據(jù) 087
4.2.3　脅迫提取 088
4.2.4　數(shù)字制圖 088
4.3　作物衰老——森林健康提取技術 089
4.3.1　原理 089
4.3.2　無人機數(shù)據(jù) 090
4.3.3　衰老信息提取 090
4.3.4　數(shù)字制圖 091

第5章 農(nóng)作物產(chǎn)量信息提取 092
5.1　凈同化率——面向對象圖譜合一提取技術 092
5.1.1　原理 092
5.1.2　無人機數(shù)據(jù) 093
5.1.3　地面實測數(shù)據(jù) 094
5.1.4　建立基于樣本的規(guī)則 095
5.1.5　農(nóng)田分割與合并 096
5.1.6　特征提取 096
5.1.7　數(shù)字制圖 100
5.2　蛋白質含量——多指數(shù)決策樹技術 101
5.2.1　原理 101
5.2.2　無人機數(shù)據(jù) 102
5.2.3　地面實測數(shù)據(jù) 102
5.2.4　作物多種指數(shù)計算 103
5.2.5　采集指數(shù)數(shù)據(jù) 109
5.2.6　建立決策樹 110
5.2.7　運行決策樹 113
5.3　生物量——人工智能信息提取技術 114
5.3.1　原理 114
5.3.2　數(shù)據(jù)集說明 116
5.3.3　上傳數(shù)據(jù) 117
5.3.4　圖片標注 119
5.3.5　模型訓練 121
5.3.6　校驗模型 121
5.3.7　識別未知生物量圖片 123

第6章 應用實例 125
6.1　無人機獲取數(shù)據(jù)的前期準備工作 125
6.1.1　項目需求設計 125
6.1.2　傳感器定標 126
6.1.3　無人機機載飛行作業(yè) 127
6.1.4　地面測量 127
6.2　提取反射率均值 128
6.2.1　提取樹冠 129
6.2.2　提取每棵樹的反射率均值 133
6.3　制作田塊狀遙感信息結果圖 135
6.3.1　勾畫或者生成田塊邊界信息 136
6.3.2　選擇算法提取邊界內部信息數(shù)據(jù) 142
6.3.3　設置級別進行制圖 144
6.4　通過光譜數(shù)據(jù)比對實現(xiàn)陌生作物的鑒別 147
6.4.1　獲取一條未知光譜 148
6.4.2　打開光譜庫 150
6.4.3　鑒別未知農(nóng)作物 152
6.5　“空-地” 高光譜數(shù)據(jù)協(xié)同下的農(nóng)作物品種精細分類 155
6.5.1　“空-地” 數(shù)據(jù)情況 155
6.5.2　基于地面數(shù)據(jù)的農(nóng)作物品種分類 160
6.5.3　結果分析 164

參考文獻 166