無人機遙感與智慧農業信息提取

本書以小麥、果樹、玉米、水稻和林木等無人機遙感作物信息數據為例，
介紹了可見光、多光譜、高光譜和激光雷達等傳感器的數據獲取、預處理和信息提取技術。
並按照形態、生理生化、脅迫和產量4類信息，詳細闡述了株數和株高、冠層覆蓋度、作物倒伏、
不同生育期狀況、葉面積指數、作物係數、葉綠素含量、營養元素含量、異常因素脅迫、病蟲害、
作物衰老、淨同化率、蛋白質含量、生物量等14項子信息提取技術，並提出了一套實現“無人機遙感+智慧農業”的解決方案。
本書可供高等院校農業、林業、遙感、GIS和無人機應用等相關專業師生參考閱讀，
也可作為智能智造、大數據、圖像處理技術和高新技術應用等相關領域研究人員的參考用書。

第1章 緒論 001
1.1 智慧農業遙感信息 001
1.2 研究區及作物品種 002
1.2.1 形態指標 002
1.2.2 生理生化指標 003
1.2.3 脅迫指標 003
1.2.4 產量指標 003
1.2.5 綜合分析 004
1.3 無人機平台 005
1.4 無人機機載傳感器 007
1.5 地面傳感器 010
1.6 農林遙感光譜指數 012
1.7 農林業建模方法 014

第2章 農作物形態信息提取 017
2.1 株數和株高——閾值分割技術 017
2.1.1 原理 017
2.1.2 無人機數據 019
2.1.3 波段指數計算 019
2.1.4 閾值分割 020
2.1.5 後處理 023
2.1.6 株數統計、查詢和製圖 023
2.2 冠層覆蓋度——屬性計算技術 026
2.2.1 原理 026
2.2.2 無人機數據 027
2.2.3 導出面積數據 028
2.2.4 計算冠層覆蓋度 028
2.3 作物倒伏——數字表面模型技術 030
2.3.1 原理 030
2.3.2 無人機數據 032
2.3.3 對齊照片 033
2.3.4 建立密集點雲 033
2.3.5 生成網格 034
2.3.6 生成紋理 034
2.3.7 生成數字表面模型 036
2.3.8 導出DEM 數據和正射數據 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 無人機數據 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 農作物生理生化信息提取 046
3.1 葉面積指數——多元線性回歸技術 046
3.1.1 原理 046
3.1.2 無人機數據 048
3.1.3 地面實測數據 049
3.1.4 假設條件 049
3.1.5 植被指數提取 050
3.1.6 數據整理 051
3.1.7 建立反演模型 053
3.1.8 數字製圖 055
3.2 作物係數——多項式回歸技術 056
3.2.1 原理 056
3.2.2 無人機數據 057
3.2.3 地面實測數據 057
3.2.4 假設條件 057
3.2.5 歸一化水分指數提取 058
3.2.6 數據整理 058
3.2.7 建立反演模型 060
3.2.8 數字製圖 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 無人機數據 064
3.3.3 地面實測數據 064
3.3.4 假設條件 065
3.3.5 數據採集與整理 065
3.3.6 相關性分析 067
3.3.7 建立回歸方程 071
3.3.8 數字製圖 071
3.4 營養元素含量——間接提取技術 072
3.4.1 原理 072
3.4.2 無人機數據 074
3.4.3 地面實測數據 075
3.4.4 假設條件 076
3.4.5 回歸分析 076
3.4.6 數字製圖 077

第4章 農作物脅迫信息提取 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 無人機數據 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 數字製圖 084
4.2 病蟲害——農作物脅迫信息提取技術 085
4.2.1 原理 085
4.2.2 無人機數據 087
4.2.3 脅迫提取 088
4.2.4 數字製圖 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 無人機數據 090
4.3.3 衰老信息提取 090
4.3.4 數字製圖 091

第5章 農作物產量信息提取 092
5.1 淨同化率——面向對像圖譜合一提取技術 092
5.1.1 原理 092
5.1.2 無人機數據 093
5.1.3 地面實測數據 094
5.1.4 建立基於樣本的規則 095
5.1.5 農田分割與合併 096
5.1.6 特徵提取 096
5.1.7 數字製圖 100
5.2 蛋白質含量——多指數決策樹技術 101
5.2.1 原理 101
5.2.2 無人機數據 102
5.2.3 地面實測數據 102
5.2.4 作物多種指數計算 103
5.2.5 採集指數數據 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 數據集說明 116
5.3.3 上傳數據 117
5.3.4 圖片標註 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 無人機獲取數據的前期準備工作 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 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 製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據 142
6.3.3 設置級別進行製圖 144
6.4 通過光譜數據比對實現陌生作物的鑑別 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 鑑別未知農作物 152
6.5 “空-地” 高光譜數據協同下的農作物品種精細分類 155
6.5.1 “空-地” 數據情況 155
6.5.2 基於地面數據的農作物品種分類 160
6.5.3 結果分析 164
參考文獻 166