书籍详情
农作物监测的多源遥感数据分析与应用
作者：汪善勤 著
出版社：科学出版社
出版时间：2022-06-01
ISBN：9787030724922
定价：¥108.00
购买这本书可以去
内容简介
《农作物监测的多源遥感数据分析与应用》主要介绍多源遥感技术在农作物监测中的理论、方法和应用。《农作物监测的多源遥感数据分析与应用》共7章，1～5章主要介绍多源遥感理论和方法，包括农作物遥感的基础理论、影像融合技术、农作物遥感监测数据获取与处理和农作物参数反演建模。6～7章以冬油菜遥感监测应用为例，综合运用地面光谱、无人机和卫星遥感数据，实现冬油菜关键生育期长势参数的反演、冬油菜的识别和估产。
作者简介
暂缺《农作物监测的多源遥感数据分析与应用》作者简介
目录
目 录
第1章 绪论 1
1.1 农作物遥感概述 1
1.2 多源遥感数据类型 3
1.3 多源遥感数据融合 7
参考文献 9
第2章 农作物遥感基础 13
2.1 农作物遥感基本原理 13
2.1.1 植被冠层辐射传输 13
2.1.2 光谱特征 14
2.1.3 时序遥感 14
2.1.4 多角度遥感 15
2.2 植被光谱特征和冠层光谱特征 15
2.2.1 植被光谱特征 16
2.2.2 冠层光谱特征 19
2.3 农作物生理生化指标 23
2.3.1 植被指数 23
2.3.2 叶面积指数 27
2.3.3 叶绿素含量 28
2.3.4 吸收光合有效辐射比 28
2.3.5 生物量 29
2.3.6 含水量 30
2.4 时序遥感数据应用 31
2.4.1 农作物长势监测 31
2.4.2 农作物类型识别和种植面积提取 32
参考文献 33
第3章 影像融合技术 38
3.1 影像融合概述 38
3.1.1 影像融合概念 38
3.1.2 影像融合方法和过程 38
3.1.3 影像融合的遥感应用 39
3.2 影像融合分类 41
3.2.1 像素级影像融合 41
3.2.2 特征级影像融合 42
3.2.3 决策级影像融合 42
3.3 空间域影像融合方法 43
3.3.1 Brovey变换融合方法 44
3.3.2 分块替代融合方法 44
3.3.3 基于引导滤波的影像融合方法 45
3.4 变换域影像融合方法 46
3.4.1 离散小波变换融合方法 46
3.4.2 Curvelet变换融合方法 47
3.4.3 非下采样Contourlet变换融合方法 52
3.4.4 混合式影像融合方法 56
3.5 基于深度学习的影像融合技术 57
3.5.1 深度学习 57
3.5.2 人工神经网络 58
3.5.3 卷积神经网络 64
3.6 融合评价 73
3.6.1 有参考影像融合评价 73
3.6.2 无参考影像融合评价 74
参考文献 75
第4章 农作物遥感监测数据获取与处理 80
4.1 遥感数据获取与预处理概述 81
4.1.1 遥感数据获取与选择 81
4.1.2 时序遥感数据构建 83
4.1.3 超分辨率重建 84
4.2 无人机遥感及其数据获取与预处理 85
4.2.1 无人机遥感 85
4.2.2 无人机遥感数据采集与预处理 88
4.3 田间调查取样与分析 90
4.3.1 调查方案及试验设计 90
4.3.2 光谱测量 93
4.3.3 作物农学参数的调查与测量 94
4.4 其他辅助数据 98
4.4.1 气象数据 98
4.4.2 土壤环境数据 100
4.4.3 病虫害数据 100
4.4.4 栽培管理数据 102
4.4.5 社会经济统计数据 102
4.5 数据融合与集成 103
4.5.1 数据融合策略 103
4.5.2 数据集成技术与平台 106
参考文献 107
第5章 农作物参数反演建模 111
5.1 机理模型 112
5.1.1 PROSAIL模型 113
5.1.2 DART模型 116
5.1.3 计算机模拟模型 117
5.1.4 机理模型的应用 119
5.2 经验统计模型 120
5.2.1 经验统计建模的过程和步骤 120
5.2.2 经验统计反演模型的形式 122
5.2.3 经验统计模型的优缺点 124
5.3 机器学习方法 124
5.3.1 随机森林 125
5.3.2 支持向量机 126
5.3.3 误差反向传播神经网络 128
5.4 模型评价 129
5.4.1 模型验证 129
5.4.2 敏感性分析 130
5.4.3 模型比较和选择 132
参考文献 134
第6章 冬油菜冠层参数的光谱估计 139
6.1 冬油菜冠层光谱及预处理 139
6.1.1 冬油菜冠层的反射光谱特点 140
6.1.2 光谱去噪 141
6.1.3 光谱变换 142
6.1.4 光谱特征提取 143
6.1.5 高光谱植被指数 144
6.2 冬油菜LAI的光谱估计 144
6.2.1 不同施氮水平下LAI的变化 144
6.2.2 冠层光谱反射率与LAI的相关性 145
6.2.3 各生育期冬油菜LAI的估计模型 146
6.2.4 全生育期冬油菜LAI的估计模型 151
6.2.5 模型精度分析与建议 152
6.3 冬油菜冠层叶绿素含量的光谱估计 154
6.3.1 氮肥施用量与叶绿素含量的关系 154
6.3.2 叶绿素含量预测模型建立与评价结果 154
6.4 冬油菜生物量的光谱估计 156
6.4.1 氮肥施用量对冬油菜生物量积累的影响 156
6.4.2 生物量预测模型建立与评价结果 156
6.5 基于LUT的冬油菜冠层参数反演 157
6.5.1 材料与方法 158
6.5.2 结果与分析 161
6.5.3 讨论 168
参考文献 169
第7章 冬油菜遥感监测与估产 173
7.1 无人机多光谱遥感的应用 173
7.1.1 数据采集 173
7.1.2 基于数字表面模型的株高提取 177
7.1.3 基于植被指数和株高的LAI估算 179
7.1.4 NBI、Chl、Flav植被指数反演 181
7.2 作物生长模型与无人机遥感 186
7.2.1 作物生长模型 186
7.2.2 APSIM-Canola模型的本地化 187
7.2.2 长势参数与模型调参结果 190
7.3 基于田块的冬油菜早期模糊聚类识别 193
7.3.1 研究区与数据采集 193
7.3.2 模糊聚类方法 195
7.3.3 冬油菜模糊识别结果与分析 198
7.4 基于HJ影像-地面LAI-产量模型的冬油菜产量估计 202
7.4.1 研究区与数据采集 202
7.4.2 结果与分析 203
参考文献 210
第1章 绪论 1
1.1 农作物遥感概述 1
1.2 多源遥感数据类型 3
1.3 多源遥感数据融合 7
参考文献 9
第2章 农作物遥感基础 13
2.1 农作物遥感基本原理 13
2.1.1 植被冠层辐射传输 13
2.1.2 光谱特征 14
2.1.3 时序遥感 14
2.1.4 多角度遥感 15
2.2 植被光谱特征和冠层光谱特征 15
2.2.1 植被光谱特征 16
2.2.2 冠层光谱特征 19
2.3 农作物生理生化指标 23
2.3.1 植被指数 23
2.3.2 叶面积指数 27
2.3.3 叶绿素含量 28
2.3.4 吸收光合有效辐射比 28
2.3.5 生物量 29
2.3.6 含水量 30
2.4 时序遥感数据应用 31
2.4.1 农作物长势监测 31
2.4.2 农作物类型识别和种植面积提取 32
参考文献 33
第3章 影像融合技术 38
3.1 影像融合概述 38
3.1.1 影像融合概念 38
3.1.2 影像融合方法和过程 38
3.1.3 影像融合的遥感应用 39
3.2 影像融合分类 41
3.2.1 像素级影像融合 41
3.2.2 特征级影像融合 42
3.2.3 决策级影像融合 42
3.3 空间域影像融合方法 43
3.3.1 Brovey变换融合方法 44
3.3.2 分块替代融合方法 44
3.3.3 基于引导滤波的影像融合方法 45
3.4 变换域影像融合方法 46
3.4.1 离散小波变换融合方法 46
3.4.2 Curvelet变换融合方法 47
3.4.3 非下采样Contourlet变换融合方法 52
3.4.4 混合式影像融合方法 56
3.5 基于深度学习的影像融合技术 57
3.5.1 深度学习 57
3.5.2 人工神经网络 58
3.5.3 卷积神经网络 64
3.6 融合评价 73
3.6.1 有参考影像融合评价 73
3.6.2 无参考影像融合评价 74
参考文献 75
第4章 农作物遥感监测数据获取与处理 80
4.1 遥感数据获取与预处理概述 81
4.1.1 遥感数据获取与选择 81
4.1.2 时序遥感数据构建 83
4.1.3 超分辨率重建 84
4.2 无人机遥感及其数据获取与预处理 85
4.2.1 无人机遥感 85
4.2.2 无人机遥感数据采集与预处理 88
4.3 田间调查取样与分析 90
4.3.1 调查方案及试验设计 90
4.3.2 光谱测量 93
4.3.3 作物农学参数的调查与测量 94
4.4 其他辅助数据 98
4.4.1 气象数据 98
4.4.2 土壤环境数据 100
4.4.3 病虫害数据 100
4.4.4 栽培管理数据 102
4.4.5 社会经济统计数据 102
4.5 数据融合与集成 103
4.5.1 数据融合策略 103
4.5.2 数据集成技术与平台 106
参考文献 107
第5章 农作物参数反演建模 111
5.1 机理模型 112
5.1.1 PROSAIL模型 113
5.1.2 DART模型 116
5.1.3 计算机模拟模型 117
5.1.4 机理模型的应用 119
5.2 经验统计模型 120
5.2.1 经验统计建模的过程和步骤 120
5.2.2 经验统计反演模型的形式 122
5.2.3 经验统计模型的优缺点 124
5.3 机器学习方法 124
5.3.1 随机森林 125
5.3.2 支持向量机 126
5.3.3 误差反向传播神经网络 128
5.4 模型评价 129
5.4.1 模型验证 129
5.4.2 敏感性分析 130
5.4.3 模型比较和选择 132
参考文献 134
第6章 冬油菜冠层参数的光谱估计 139
6.1 冬油菜冠层光谱及预处理 139
6.1.1 冬油菜冠层的反射光谱特点 140
6.1.2 光谱去噪 141
6.1.3 光谱变换 142
6.1.4 光谱特征提取 143
6.1.5 高光谱植被指数 144
6.2 冬油菜LAI的光谱估计 144
6.2.1 不同施氮水平下LAI的变化 144
6.2.2 冠层光谱反射率与LAI的相关性 145
6.2.3 各生育期冬油菜LAI的估计模型 146
6.2.4 全生育期冬油菜LAI的估计模型 151
6.2.5 模型精度分析与建议 152
6.3 冬油菜冠层叶绿素含量的光谱估计 154
6.3.1 氮肥施用量与叶绿素含量的关系 154
6.3.2 叶绿素含量预测模型建立与评价结果 154
6.4 冬油菜生物量的光谱估计 156
6.4.1 氮肥施用量对冬油菜生物量积累的影响 156
6.4.2 生物量预测模型建立与评价结果 156
6.5 基于LUT的冬油菜冠层参数反演 157
6.5.1 材料与方法 158
6.5.2 结果与分析 161
6.5.3 讨论 168
参考文献 169
第7章 冬油菜遥感监测与估产 173
7.1 无人机多光谱遥感的应用 173
7.1.1 数据采集 173
7.1.2 基于数字表面模型的株高提取 177
7.1.3 基于植被指数和株高的LAI估算 179
7.1.4 NBI、Chl、Flav植被指数反演 181
7.2 作物生长模型与无人机遥感 186
7.2.1 作物生长模型 186
7.2.2 APSIM-Canola模型的本地化 187
7.2.2 长势参数与模型调参结果 190
7.3 基于田块的冬油菜早期模糊聚类识别 193
7.3.1 研究区与数据采集 193
7.3.2 模糊聚类方法 195
7.3.3 冬油菜模糊识别结果与分析 198
7.4 基于HJ影像-地面LAI-产量模型的冬油菜产量估计 202
7.4.1 研究区与数据采集 202
7.4.2 结果与分析 203
参考文献 210
猜您喜欢
