遙感能夠準(zhǔn)確、快捷、大面積、無(wú)破壞地監(jiān)測(cè)作物長(zhǎng)勢(shì)和籽粒品質(zhì)及評(píng)估作物產(chǎn)量,對(duì)作物生長(zhǎng)進(jìn)行宏觀動(dòng)態(tài)監(jiān)測(cè)和實(shí)時(shí)指導(dǎo)作物生產(chǎn)具有獨(dú)特的優(yōu)勢(shì),實(shí)現(xiàn)大面積、高效、低耗作物生長(zhǎng)進(jìn)程監(jiān)測(cè)預(yù)報(bào),能夠推動(dòng)現(xiàn)代農(nóng)業(yè)的快速發(fā)展,促進(jìn)農(nóng)業(yè)提質(zhì)增效。本書系作者多年從事農(nóng)業(yè)遙感教學(xué)與科研創(chuàng)新成果完成的學(xué)術(shù)專著,圍繞作物生長(zhǎng)遙感應(yīng)用為主線,從衛(wèi)星遙感和地面遙感兩個(gè)層面,深入淺出地介紹作物生長(zhǎng)參數(shù)遙感測(cè)報(bào)模型和應(yīng)用。全書分5章,主要內(nèi)容包括作物生長(zhǎng)遙感概述、實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)處理、作物養(yǎng)分指標(biāo)遙感方法、作物形態(tài)指標(biāo)遙感方法、作物產(chǎn)量與品質(zhì)遙感方法。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
中國(guó)作物科技獎(jiǎng)一等獎(jiǎng)稻茬小麥兩主體三配套精準(zhǔn)栽培技術(shù)體系集成與應(yīng)用,排名第11
江蘇省農(nóng)業(yè)技術(shù)推廣一等獎(jiǎng)小麥高產(chǎn)穩(wěn)產(chǎn)優(yōu)質(zhì)抗逆栽培技術(shù)集成推廣,排名第27
目錄
“博士后文庫(kù)”序言
前言
第1章 作物生長(zhǎng)星地定量遙感進(jìn)展 1
1.1 遙感基本概念 1
1.1.1 遙感的概念與發(fā)展 1
1.1.2 定量遙感的農(nóng)學(xué)應(yīng)用基礎(chǔ) 3
1.2 作物生長(zhǎng)星地定量遙感測(cè)報(bào)進(jìn)展 4
1.2.1 作物養(yǎng)分指標(biāo)星地遙感監(jiān)測(cè)進(jìn)展 4
1.2.2 作物形態(tài)指標(biāo)星地遙感監(jiān)測(cè)進(jìn)展 9
1.2.3 作物光合輻射參數(shù)近地遙感監(jiān)測(cè)進(jìn)展 12
1.2.4 作物產(chǎn)量與品質(zhì)星地遙感預(yù)報(bào)進(jìn)展 13
1.3 主要存在問題 15
1.4 科學(xué)意義與發(fā)展前景 16
第2章 星地遙感數(shù)據(jù)處理 18
2.1 衛(wèi)星遙感數(shù)據(jù)處理 18
2.1.1 常用衛(wèi)星遙感數(shù)據(jù)與數(shù)據(jù)處理平臺(tái) 18
2.1.2 衛(wèi)星遙感數(shù)據(jù)處理流程 20
2.2 近地遙感數(shù)據(jù)處理 27
2.2.1 近地遙感試驗(yàn)設(shè)計(jì) 27
2.2.2 微分光譜數(shù)據(jù)定義與處理 30
2.2.3 光譜吸收與反射特征 32
2.3 遙感圖像處理智能算法 35
2.3.1 遙感圖像處理基本概念與機(jī)理 35
2.3.2 基于傳統(tǒng)方法的遙感圖像目標(biāo)分割方法 36
2.3.3 基于學(xué)習(xí)的遙感圖像目標(biāo)分割方法 37
2.3.4 基于深度神經(jīng)網(wǎng)絡(luò)的遙感圖像目標(biāo)分割方法 39
第3章 作物養(yǎng)分指標(biāo)星地定量遙感監(jiān)測(cè) 40
3.1 基于衛(wèi)星圖像的作物養(yǎng)分指標(biāo)遙感監(jiān)測(cè) 40
3.1.1 作物主要養(yǎng)分指標(biāo)遙感監(jiān)測(cè)機(jī)理 40
3.1.2 不同生長(zhǎng)進(jìn)程養(yǎng)分指標(biāo)遙感監(jiān)測(cè)模型構(gòu)建與驗(yàn)證 43
3.1.3 植被指數(shù)組合的養(yǎng)分指標(biāo)遙感監(jiān)測(cè)模型建立與評(píng)價(jià) 48
3.2 基于高光譜數(shù)據(jù)的作物養(yǎng)分指標(biāo)遙感監(jiān)測(cè) 55
3.2.1 作物養(yǎng)分指標(biāo)與原始和一階微分光譜反射率的相關(guān)性 55
3.2.2 作物養(yǎng)分指標(biāo)線性和非線性遙感監(jiān)測(cè)模型建立與驗(yàn)證 61
3.3 基于O2-A吸收帶的導(dǎo)數(shù)光譜估計(jì)作物冠層葉綠素含量 67
3.3.1 原位冠層反射光譜的測(cè)量與模型校正 67
3.3.2 遙感光譜指標(biāo)與冠層葉綠素含量的定量關(guān)系 71
3.3.3 遙感光譜指標(biāo)與冠層葉綠素含量關(guān)系的檢驗(yàn) 74
3.4 作物養(yǎng)分指標(biāo)遙感監(jiān)測(cè)展望 75
3.4.1 基于衛(wèi)星觀測(cè)尺度作物養(yǎng)分指標(biāo)遙感監(jiān)測(cè)展望 75
3.4.2 基于地面觀測(cè)尺度作物養(yǎng)分指標(biāo)遙感監(jiān)測(cè)展望 78
第4章 作物形態(tài)指標(biāo)星地定量遙感監(jiān)測(cè) 81
4.1 基于衛(wèi)星圖像的作物生長(zhǎng)全程形態(tài)指標(biāo)遙感監(jiān)測(cè) 81
4.1.1 作物主要形態(tài)指標(biāo)的遙感監(jiān)測(cè)機(jī)理 81
4.1.2 作物不同生長(zhǎng)進(jìn)程形態(tài)指標(biāo)遙感監(jiān)測(cè)模型構(gòu)建與驗(yàn)證 83
4.1.3 基于不同組合植被指數(shù)的作物形態(tài)指標(biāo)遙感監(jiān)測(cè)模型構(gòu)建 88
4.2 植被指數(shù)與Beer-Lambert定律相結(jié)合的LAI定量遙感監(jiān)測(cè) 92
4.2.1 作物冠層形態(tài)指標(biāo)的確定 92
4.2.2 不同類型植株的LAI、NDVI和k值隨不同生育期的變化 93
4.2.3 不同植株類型NDVI與LAI的相關(guān)性分析 95
4.2.4 LAI遙感監(jiān)測(cè)模型的驗(yàn)證 97
4.3 基于機(jī)器學(xué)習(xí)技術(shù)的作物形態(tài)指標(biāo)混合模型監(jiān)測(cè) 99
4.3.1 作物形態(tài)指標(biāo)混合模型監(jiān)測(cè)機(jī)理 99
4.3.2 作物生育期內(nèi)形態(tài)指標(biāo)與植被指數(shù)之間關(guān)系 102
4.3.3 作物生育期內(nèi)形態(tài)指標(biāo)遙感監(jiān)測(cè)混合模型的變量篩選 111
4.3.4 作物生育期內(nèi)形態(tài)指標(biāo)遙感監(jiān)測(cè)混合模型的建立與驗(yàn)證 120
4.3.5 基于混合模型下的作物生育期內(nèi)遙感可視化監(jiān)測(cè) 129
4.4 基于開源WebGIS的作物形態(tài)指標(biāo)衛(wèi)星遙感定量監(jiān)測(cè)系統(tǒng) 134
4.4.1 作物形態(tài)指標(biāo)衛(wèi)星遙感監(jiān)測(cè)數(shù)據(jù)分析 134
4.4.2 作物形態(tài)指標(biāo)信息衛(wèi)星遙感監(jiān)測(cè) 139
4.4.3 作物形態(tài)指標(biāo)衛(wèi)星遙感定量監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 141
4.5 作物形態(tài)指標(biāo)星地遙感測(cè)報(bào)展望 144
4.5.1 基于衛(wèi)星觀測(cè)尺度作物形態(tài)指標(biāo)遙感測(cè)報(bào)展望 144
4.5.2 基于地面觀測(cè)尺度作物形態(tài)指標(biāo)遙感測(cè)報(bào)展望 146
第5章 作物生長(zhǎng)光合指標(biāo)近地定量遙感監(jiān)測(cè) 147
5.1 基于高光譜植被指數(shù)的作物冠層Fv/Fm遙感監(jiān)測(cè) 147
5.1.1 小麥冠層Fv/Fm隨生育期的變化 147
5.1.2 植被指數(shù)與Fv/Fm的相關(guān)性分析 147
5.1.3 建立小麥冠層Fv/Fm監(jiān)測(cè)模型 150
5.1.4 植被指數(shù)飽和度分析 151
5.1.5 基于植被指數(shù)的Fv/Fm評(píng)估模型的評(píng)價(jià) 152
5.2 基于光譜特征變量的作物冠層FPAR遙感監(jiān)測(cè) 153
5.2.1 小麥冠層FPAR的變化與成長(zhǎng)階段 154
5.2.2 植被指數(shù)與FPAR相關(guān)性分析 154
5.2.3 基于植被指數(shù)的FPAR評(píng)價(jià)模型的建立 155
5.2.4 植被指數(shù)飽和度分析 156
5.2.5 基于植被指數(shù)的FPAR模型的評(píng)估 157
5.3 作物光合指標(biāo)遙感監(jiān)測(cè)展望 157
第6章 作物產(chǎn)量與品質(zhì)衛(wèi)星遙感預(yù)報(bào) 160
6.1 基于開花期衛(wèi)星遙感的作物估產(chǎn)模型構(gòu)建方法 160
6.1.1 作物產(chǎn)量直接估算模型建立 160
6.1.2 作物產(chǎn)量間接估算模型建立 162
6.1.3 基于HJ-CCD影像和PLS算法作物產(chǎn)量預(yù)報(bào) 162
6.2 花后15d Sentinel-2影像小麥產(chǎn)量混合模型遙感預(yù)報(bào) 166
6.2.1 小麥產(chǎn)量與不同時(shí)期衛(wèi)星遙感變量間關(guān)系 166
6.2.2 小麥產(chǎn)量混合模型的構(gòu)建與驗(yàn)證 170
6.3 基于返青后綜合苗情參數(shù)的長(zhǎng)勢(shì)與產(chǎn)量衛(wèi)星遙感測(cè)報(bào) 176
6.3.1 不同生育期下關(guān)鍵苗情參數(shù)定量遙感監(jiān)測(cè) 176
6.3.2 作物綜合苗情參數(shù)遙感定量監(jiān)測(cè) 185
6.3.3 基于綜合苗情參數(shù)的集成學(xué)習(xí)算法遙感模型構(gòu)建 190
6.4 基于衛(wèi)星圖像的作物品質(zhì)定量遙感預(yù)報(bào) 197
6.4.1 利用衛(wèi)星圖像預(yù)報(bào)作物籽粒蛋白質(zhì)含量 197
6.4.2 基于PLS算法的小麥蛋白質(zhì)含量遙感預(yù)報(bào) 199
6.5 作物產(chǎn)量與品質(zhì)衛(wèi)星遙感測(cè)報(bào)展望 203
參考文獻(xiàn) 206
編后記 220