●第1章 緒論
1.1 農作物遙感概述
1.2 多源遙感數據類型
1.3 多源遙感數據融合
參考文獻
第2章 農作物遙感基礎
2.1 農作物遙感基本原理
2.1.1 植被冠層輻射傳輸
2.1.2 光譜特征
2.1.3 時序遙感
2.1.4 多角度遙感
2.2 植被光譜特征和冠層光譜特征
2.2.1 植被光譜特征
2.2.2 冠層光譜特征
2.3 農作物生理生化指標
2.3.1 植被指數
2.3.2 葉面積指數
2.3.3 葉綠素含量
2.3.4 吸收光合有效輻射比
2.3.5 生物量
2.3.6 含水量
2.4 時序遙感數據應用
2.4.1 農作物長勢監測
2.4.2 農作物類型識別和種植面積提取
參考文獻
第3章 影像融合技術
3.1 影像融合概述
3.1.1 影像融合概念
3.1.2 影像融合方法和過程
3.1.3 影像融合的遙感應用
3.2 影像融合分類
3.2.1 像素級影像融合
3.2.2 特征級影像融合
3.2.3 決策級影像融合
3.3 空間域影像融合方法
3.3.1 Brovey變換融合方法
3.3.2 分塊替代融合方法
3.3.3 基於引導濾波的影像融合方法
3.4 變換域影像融合方法
3.4.1 離散小波變換融合方法
3.4.2 Curvelet變換融合方法
3.4.3 非下采樣Contourlet變換融合方法
3.4.4 混合式影像融合方法
3.5 基於深度學習的影像融合技術
3.5.1 深度學習
3.5.2 人工神經網絡
3.5.3 卷積神經網絡
3.6 融合評價
3.6.1 有參考影像融合評價
3.6.2 無參考影像融合評價
參考文獻
第4章 農作物遙感監測數據獲取與處理
4.1 遙感數據獲取與預處理概述
4.1.1 遙感數據獲取與選擇
4.1.2 時序遙感數據構建
4.1.3 超分辨率重建
4.2 無人機遙感及其數據獲取與預處理
4.2.1 無人機遙感
4.2.2 無人機遙感數據采集與預處理
4.3 田間調查取樣與分析
4.3.1 調查方案及試驗設計
4.3.2 光譜測量
4.3.3 作物農學參數的調查與測量
4.4 其他輔助數據
4.4.1 氣像數據
4.4.2 土壤環境數據
4.4.3 病蟲害數據
4.4.4 栽培管理數據
4.4.5 社會經濟統計數據
4.5 數據融合與集成
4.5.1 數據融合策略
4.5.2 數據集成技術與平臺
參考文獻
第5章 農作物參數反演建模
5.1 機理模型
5.1.1 PROSAIL模型
5.1.2 DART模型
5.1.3 計算機模擬模型
5.1.4 機理模型的應用
5.2 經驗統計模型
5.2.1 經驗統計建模的過程和步驟
5.2.2 經驗統計反演模型的形式
5.2.3 經驗統計模型的優缺點
5.3 機器學習方法
5.3.1 隨機森林
5.3.2 支持向量機
5.3.3 誤差反向傳播神經網絡
5.4 模型評價
5.4.1 模型驗證
5.4.2 敏感性分析
5.4.3 模型比較和選擇
參考文獻
第6章 鼕油菜冠層參數的光譜估計
6.1 鼕油菜冠層光譜及預處理
6.1.1 鼕油菜冠層的反射光譜特點
6.1.2 光譜去噪
6.1.3 光譜變換
6.1.4 光譜特征提取
6.1.5 高光譜植被指數
6.2 鼕油菜LAI的光譜估計
6.2.1 不同施氮水平下LAI的變化
6.2.2 冠層光譜反射率與LAI的相關性
6.2.3 各生育期鼕油菜LAI的估計模型
6.2.4 全生育期鼕油菜LAI的估計模型
6.2.5 模型精度分析與建議
6.3 鼕油菜冠層葉綠素含量的光譜估計
6.3.1 氮肥施用量與葉綠素含量的關繫
6.3.2 葉綠素含量預測模型建立與評價結果
6.4 鼕油菜生物量的光譜估計
6.4.1 氮肥施用量對鼕油菜生物量積累的影響
6.4.2 生物量預測模型建立與評價結果
6.5 基於LUT的鼕油菜冠層參數反演
6.5.1 材料與方法
6.5.2 結果與分析
6.5.3 討論
參考文獻
第7章 鼕油菜遙感監測與估產
7.1 無人機多光譜遙感的應用
7.1.1 數據采集
7.1.2 基於數字表面模型的株高提取
7.1.3 基於植被指數和株高的LAI估算
7.1.4 NBI、Chl、Flav植被指數反演
7.2 作物生長模型與無人機遙感
7.2.1 作物生長模型
7.2.2 APSIM-Canola模型的本地化
7.2.2 長勢參數與模型調參結果
7.3 基於田塊的鼕油菜早期模糊聚類識別
7.3.1 研究區與數據采集
7.3.2 模糊聚類方法
7.3.3 鼕油菜模糊識別結果與分析
7.4 基於HJ影像-地面LAI-產量模型的鼕油菜產量估計
7.4.1 研究區與數據采集
7.4.2 結果與分析
參考文獻
