遥感技术以其大面积、快速、动态的优势可在不破坏植物物理结构的同时获得不同时间和空间尺度的植被信息，在识别植物种类、估算植被参数等方面得到广泛应用，为监测及分析植被生态系统的时空变化提供有力的数据支持。本书概述多层次遥感农田信息获取的基本理论和应用实例。第1章以我国华中及美国地区的典型农作物类型为研究对象，讨论利用遥感光谱数据反演关键植被参数的方法；第2章以小麦为主要研究对象，通过遥感数据同时提取植被的几何和光谱信息以反演作物典型参数；第3章针对不同光学遥感数据在时间分辨率、空间分辨率、光谱分辨率和辐射分辨率的差异问题研究多层次遥感信息辐射校正技术；第4章以油菜作为实验对象，结合冠层光谱反射率、光谱指数、光谱特征参数、无人机纹理特征参数等遥感数据综合分析评估油菜的长势变化；第5章讨论利用无人机平台获取农田信息的技术和应用实例。
样章试读
目录
- 目录
第1章 植被地面光谱和碳汇信息获取与分析 1
1.1 引言 1
1.2 概述 2
1.2.1 研究意义和背景 9
1.2.2 研究进展 3
1.3 地面光谱数据和理化参数获取方法 9
1.3.1 实验区 9
1.3.2 数据采集与预处理 10
1.4 植被叶绿素及LAI反演方法 16
1.4.1 植被光谱影响因素分析 17
1.4.2 冠层光谱与冠层叶绿素的关系分析 19
1.4.3 反演模型概述 27
1.4.4 植被指数经验模型反演结果 30
1.4.5 物理模型与优化算法的反演结果 37
1.4.6 HyperScan成像光谱数据的植被叶绿素反演 39
1.4.7 小结 41
1.5 基于连续小波变换的叶绿素含量反演 42
1.5.1 小波变换在植被参数反演中的应用 13
1.5.2 植被光谱的连续小波变换 44
1.5.3 叶片尺度反演结果 46
1.5.4 冠层尺度反演结果 49
1.5.5 交叉验证 51
1.5.6 小结 52
1.6 典型农作物碳汇能力监测分析 53
1.6.1 油菜GPP的遥感估计模型 53
1.6.2 小麦GPP的遥感估算模型 62
1.6.3 两种植被对比分析 69
1.6.4小结 71
参考文献 73
第2章 几何与光谱信息结合的作物信息获取与分析 88
2.1 引言 88
2.2 概述 88
2.2.1 研究意义和背景 88
2.2.2 研究进展 89
2.2.3 研究目的和内容 90
2.3 研究对象及数据预处理 92
2.3.1 研究对象 92
2.3.2 研究仪器 92
2.3.3 数据获取与数据预处理 94
2.4 几何信息的处理 98
2.4.1 点云数据图像化 98
2.4.2 计算图像的灰度共生矩阵 101
2.4.3 提取灰度共生矩阵的特征参数 101
2.5 光谱信息的处理 105
2.5.1 辐射校正 105
2.5.2 植被指数的选择 106
2.5.3 获取小麦冠层的红边指数 107
2.6 回归分析 109
2.6.1 几何信息的回归分析 109
2.6.2 光谱信息的回归分析 117
2.7 本章小结 120
参考文献 122
第3章 多层次遥感信息辐射校正技术 124
3.1 引言 121
2.9概述 125
3.2.1 研究意义和背景 125
3.2.2 研究进展 125
3.3 多源信息辅助的光学遥感影像辐射校正 126
3.3.1 数据获取与处理 128
3.3.2 机载地面数据辅助辐射校正 136
3.3.3 星载数据辅助辐射校正 152
3.3.4 小结 163
3.4 光谱信息约束下的辐射校正模型 164
3.4.1 实验地区介绍和数据采集 165
3.4.2 研究方法简介 166
3.4.3 通用辐射定标模型 171
3.4.4 光谱信息约束下的辐射定标模型 172
3.4.5 两种模型的对比分析 177
3.4.6 小结 181
3.5 兼顾几何信息的多光谱相机辐射定标 182
3.5.1 研究区域及仪器介绍 183
3.5.2 多光谱相机辐射定标原理和方法 185
3.5.3 兼顾几何信息的辐射定标方法 190
3.5.4 多光谱相机辐射测量性能评估与辐射定标建议 202
3.5.5 小结 205
参考文献 206
第4章 多层次信息系统辅助作物长势分析技术 211
4.1 引言 211
4.2 概述 211
4.2.1 研究意义和背景 211
4.2.2 研究进展 212
4.2.3 研究内容 214
4.3 数据获取与数据处理 215
4.3.1 实验数据获取 215
4.3.2 数据处理 216
4.4 系统设计及基础功能实现 221
4.4.1 数据库设计 221
4.4.2 0racle与VisualStudio平台连接 222
4.4.3 数据上传 222
4.4.4 数据下载 221
4.4.5 数据查询、删除、修改 224
4.4.6 用户管理 225
4.5 农作物长势参数相关性分析和回归分析 225
4.5.1 相关分析 226
4.5.2 回归分析 238
4.5.3 小结 241
4.6 农作物多长势参数分析 242
4.6.1 相似性测度 212
4.6.2 单一生长期农作物氏努分析 243
4.6.3 多时序农作物长势分析 259
4.6.4 小结 262
4.7 基于BS模式的农作物光谱信息系统设计 262
4.7.1 国内外光谱库研究进展 262
4.7.2 基于BS模式的农作物信息系统设计方案 261
4.7.3 农作物光谱信息数据库设计 265
4.7.4 农作物光谱信息系统前端设计 267
4.8 本章小结 272
参考文献 273
第5章 无人机平台农田信息获取技术 276
5.1 引言 276
5.2 概述 277
5.2.1 研究的意义和背景 277
5.2.2 研究进展 279
5.3 实验数据的采集与处理 285
5.3.1 实验区简介 285
5.3.2 地面平台数据的采集与预处理 287
5.3.3 无人机平台数据的获取与预处理 289
5.4 油菜冠层光谱影响因素分析 291
5.4.1 典型参数对油菜冠层光谱影响分析 294
5.4.2 不同生长期对冠层光谱及反演典型参数的影响分析 296
5.4.3 不同波段宽度敏感性分析 298
5.4.4 小结 306
5.5 地面平台油菜典型参数反演及产量估产 307
5.5.1 油菜叶面积指数和叶绿素反演 307
5.5.2 植被指数经验模型估产 319
5.5.3 小波变换方法估产 326
5.5.4 神经网络方法估产 332
5.5.5 油菜不同生长期对产量的贡献 331
5.5.6 不同估产方法比较 339
5.5.7 小结 311
5.6 无人机平台油菜典型参数反演及产量估产 342
5.6.1 植被覆盖率反演 312
5.6.2 油菜叶而积指数和叶绿素反演 353
5.6.3 经验模型估产 357
5.6.4 混合像元分析法估产 361
5.6.5 神经网络方法估产 367
5.6.6 组合预测方法估产 369
5.6.7 不同估产方法比较 372
5.6.8 施氮量财产量的影响 373
5.6.9 小结 375
5.7 油菜多时期多平台综合估产评价模型与估产模型 376
5.7.1 油菜各生长期叶面积指数与叶绿素含量的变化 376
5.7.2 油菜全时期多平台综合估产评价模型 378
5.7.3 油菜多时期多平台综合估产模型 382
5.7.4小结 383
5.8 本章小结 381
参考文献 388
京公网安备 11010102004214号