無人機(jī)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(biāo) 002
1.2.2　生理生化指標(biāo) 003
1.2.3　脅迫指標(biāo) 003
1.2.4　產(chǎn)量指標(biāo) 003
1.2.5　綜合分析 004
1.3　無人機(jī)平臺(tái) 005
1.4　無人機(jī)機(jī)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(shù) 017
2.1.1　原理 017
2.1.2　無人機(jī)數(shù)據(jù) 019
2.1.3　波段指數(shù)計(jì)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(jì)、查詢和制圖 023
2.2　冠層覆蓋度——屬性計(jì)算技術(shù) 026
2.2.1　原理 026
2.2.2　無人機(jī)數(shù)據(jù) 027
2.2.3　導(dǎo)出面積數(shù)據(jù) 028
2.2.4　計(jì)算冠層覆蓋度 028
2.3　作物倒伏——數(shù)字表面模型技術(shù) 030
2.3.1　原理 030
2.3.2　無人機(jī)數(shù)據(jù) 032
2.3.3　對(duì)齊照片 033
2.3.4　建立密集點(diǎn)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(dǎo)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(shù) 040
2.4.1　理論和方法 040
2.4.2　無人機(jī)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(jié)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(shù) 046
3.1.1　原理 046
3.1.2　無人機(jī)數(shù)據(jù) 048
3.1.3　地面實(shí)測數(shù)據(jù) 049
3.1.4　假設(shè)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(xiàng)式回歸技術(shù) 056
3.2.1　原理 056
3.2.2　無人機(jī)數(shù)據(jù) 057
3.2.3　地面實(shí)測數(shù)據(jù) 057
3.2.4　假設(shè)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(guān)性分析技術(shù) 062
3.3.1　原理 062
3.3.2　無人機(jī)數(shù)據(jù) 064
3.3.3　地面實(shí)測數(shù)據(jù) 064
3.3.4　假設(shè)條件 065
3.3.5　數(shù)據(jù)采集與整理 065
3.3.6　相關(guān)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(shù) 072
3.4.1　原理 072
3.4.2　無人機(jī)數(shù)據(jù) 074
3.4.3　地面實(shí)測數(shù)據(jù) 075
3.4.4　假設(shè)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(shù) 078
4.1.1　原理 078
4.1.2　無人機(jī)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(shù) 085
4.2.1　原理 085
4.2.2　無人機(jī)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(shù) 089
4.3.1　原理 089
4.3.2　無人機(jī)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?qū)ο髨D譜合一提取技術(shù) 092
5.1.1　原理 092
5.1.2　無人機(jī)數(shù)據(jù) 093
5.1.3　地面實(shí)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(zhì)含量——多指數(shù)決策樹技術(shù) 101
5.2.1　原理 101
5.2.2　無人機(jī)數(shù)據(jù) 102
5.2.3　地面實(shí)測數(shù)據(jù) 102
5.2.4　作物多種指數(shù)計(jì)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(yùn)行決策樹 113
5.3　生物量——人工智能信息提取技術(shù) 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(biāo)注 119
5.3.5　模型訓(xùn)練 121
5.3.6　校驗(yàn)?zāi)Ｐ?121
5.3.7　識(shí)別未知生物量圖片 123

第6章 應(yīng)用實(shí)例 125
6.1　無人機(jī)獲取數(shù)據(jù)的前期準(zhǔn)備工作 125
6.1.1　項(xiàng)目需求設(shè)計(jì) 125
6.1.2　傳感器定標(biāo) 126
6.1.3　無人機(jī)機(jī)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(jié)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(nèi)部信息數(shù)據(jù) 142
6.3.3　設(shè)置級(jí)別進(jìn)行制圖 144
6.4　通過光譜數(shù)據(jù)比對(duì)實(shí)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(xì)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(jié)果分析 164

參考文獻(xiàn) 166