前言】:在新一轮互联网信息技术大发展的现今,无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节,逐步摆脱人力依赖;在施肥灌溉环节构建智慧节能系统;在产量预测和商品定价生产管理环节提高效能。这些智慧农业迫切需要实现的目标,首先要解决的问题就是多源数据的获取与快速分析。

遥感技术作为一种空间大数据手段,能够从多时、多维、多地等角度,获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势,是智慧农业必须采用的重要技术之一。本次梳理了我国目前无人机遥感在智慧农业信息提取的综合态势,对无人机平台的性能、机载传感器指标、地面传感器应用、农林遥感光谱指数、农林光谱建模方法进行了大量的分析。在此基础上,按照形态、生理生化、胁迫、估产等四大类信息提取目标,从理论和实践两方面进行了详细的分析。

其中,围绕着四大类信息,划分为十四个子专题:株数和株高、冠层覆盖度、作物倒伏、不同生育期状况、叶面积指数、作物系数、叶绿素含量、营养元素含量、异常因素胁迫、病虫害、作物衰老、净同化率、蛋白质含量、生物量。对每一个子信息都有相应的数据,涵盖三波段真彩色、多光谱和高光谱无人机数据,进行智慧信息提取的学习。

如何将无人机真彩色、多光谱和高光谱数据,与农林业应用需求紧密结合起来,为了能在短时间内较系统的掌握无人机遥感信息提取技术,注重理论与实践相结合,针对高光谱建模的具体实现方法,系统地阐释基于信息量方法的建模思路与基本原理,并进行深入地实现方法培训,涉及数据获取、分析、处理、软件操作和结果分析等主要环节。 本次包含无人机平台和传感器等分析。按照作物形态、生理生化、作物胁迫和产量计算等4大专题,划分为株数和株高、冠层覆盖度、作物倒伏、不同生育期状况、叶面积指数、作物系数、叶绿素含量、营养元素含量、异常因素胁迫、病虫害、作物衰老、净同化率、蛋白质含量、生物量等主要环节。

阅读全文点击《无人机遥感在农林信息提取中的实现方法与GIS融合制图》

第一章 综合态势分析

1.1 研究区及作物品种分析

(1)形态指标分析

(2)生理生化指标分析

(3)胁迫指标分析

(4)产量指标分析

(5)综合分析

​                                 图1 近5年低空遥感研究的作物品种统计(产量指标方面)

​                                    图2 近5年低空遥感研究的作物品种研究区分布图

1.2 无人机平台分析

分析目前常用于农林行业的无人机平台。

​                                        图3 目前农林业遥感使用的无人机性能指标与领域图

1.3 无人机机载传感器分析

分析目前常用于农林行业的无人机机载传感器。

​                                       图4 目前适用于无人机数据获取的传感器对比

1.4 地面应用传感器分析

分析目前常用于农林行业的地面应用传感器分析。

图5 目前农林业遥感使用的地面传感器性能指标与领域

1.5 农林遥感光谱指数分析

1.6 农林业建模方法分析

​                                          图6 农林业遥感常用的建模方法应用领域数量对比

第二章 农作物形态信息提取理论与实践

2.1 株数和株高——阈值分割技术

2.1.1 理论与方法

2.1.2 加载影像

2.1.3 波段指数计算

2.1.4 阈值分割

2.1.5 后处理

​                                                          图7经后处理的植株影像对比

2.1.6 植株数统计、查询和制图

2.2 冠层覆盖度——属性计算技术

2.2.1 理论与方法

2.2.2 加载影像

2.2.3 导出面积数据

2.2.4 计算冠层覆盖度

2.3 作物倒伏——数字表面模型技术

2.3.1 理论与方法

2.3.2 加载影像

2.3.3 对齐照片

2.3.4 建立密集点云

2.3.4 生成网格

2.3.5 生成纹理

2.3.6 生成数字表面模型

2.3.7 导出DEM数据和正射数据

​                                                        图8 农作物株高和倒伏计算结果

2.3.8 分析株高和作物倒伏

2.4 不同生育期状况——变化检测技术

2.4.1 理论和方法 41

2.4.2 加载影像 43

2.4.3 变化检测工作流 44

2.4.4 不同生育期结果分析 46

图9 不同生育期结果分析

第三章 农作物生理生化信息提取理论与实践

3.1 叶面积指数——多元线性回归技术

3.1.1 理论与方法

3.1.2 加载影像

3.1.3 地面实测数据

3.1.4 假设条件

3.1.5 植被指数提取

​                                                         图11 平铺并关联3个植被指数

3.1.6 数据整理

3.1.7 建立反演模型

3.1.8 数字制图

3.2 作物系数——多项式回归技术

3.2.1 理论与方法

3.2.2 加载影像

3.2.3 地面实测数据

3.2.4 假设条件

3.2.5 归一化水分指数提取

3.2.6 数据整理

3.2.7 建立反演模型

​                                                           图12 多项式模型的拟合精度

3.2.8 数字制图

3.3 叶绿素含量——相关性分析技术

3.3.1 理论与方法

3.3.2 加载影像

3.2.3 地面实测数据

3.2.4 假设条件

3.2.5 数据采集与整理

3.2.6 相关性分析

3.2.6 建立回归方程

3.1.8 数字制图

图13 叶绿素含量制图结果

3.4 营养元素含量——间接提取技术

3.4.1 理论与方法

3.4.2 加载影像

3.4.3 地面实测数据

3.4.4 假设条件

3.4.5 回归分析

3.4.6 数字制图

图14 全氮含量制图结果

第四章 农作物胁迫信息提取理论与实践

4.1 异常因素胁迫——异常信息提取技术

4.1.1 理论与方法

4.1.2 加载影像

4.1.3 建立遮掩层

4.1.4 异常信息提取流程

4.1.5 数字制图

​                                                      图15 干旱胁迫区域提取结果

4.2 病虫害——农作物胁迫信息提取技术

4.2.1 理论与方法

4.2.2 加载影像

4.2.3 胁迫提取

4.2.4 数字制图

​                                                       图16 病虫害胁迫提取结果

4.3 作物衰老——森林健康提取技术

4.3.1 理论与方法

4.3.1 加载影像

4.3.3 衰老信息提取

4.3.4 数字制图

​                                                              图17 作物衰老提取结果

第五章 农作物产量信息提取理论与实践

5.1 净同化率——面向对象图谱合一提取技术

5.1.1 理论与方法

5.1.2 加载数据

5.1.3 地面实测数据

5.1.4 建立基于样本的规则

5.1.5 农田分割与合并

5.1.6 特征提取

5.1.7 数字制图

​                                                      图18 作物衰老提取结果

5.2 蛋白质含量——多指数决策树技术

5.2.1 理论与方法

5.2.2 加载数据

5.2.3 地面实测数据

5.2.4 作物多种指数计算

5.2.5 采集指数数据

5.2.6 建立决策树

​                                                              图19 作物衰老提取结果

5.2.7 运行决策树

5.3 生物量——人工智能信息提取技术

5.3.1 理论与方法

5.3.2 数据集说明

5.3.3 上传数据

5.3.4 图片标注

5.3.5 模型训练

5.3.6 校验模型

5.3.7 识别未知生物量图片

​                                  图20 人工智能判断该地为极高生物量农田

第六章:遥感提取结果的空间表达——GIS制图流程

1 地理信息系统的基本概念

2 ArcGIS应用

(1)创建新地图文档

(2)地图与图层操作

(3)ToolBox内容简介

3 遥感结果数据的采集与组织

(1)创建shapefile文件

(2)创建Geodatabase数据库

(3)数据编辑

(4)遥感结果数据投影变换

(5)数据翻转、移动与扭曲

(6)数据裁切、拼接、提取

4 空间数据综合制图

(1)数据符号化

(2)编制一景高质量的专题地图

无人机遥感在农林信息提取中的实现方法与GIS融合制图相关推荐

  1. 【案例教程】无人机遥感在农林信息提取中的实现方法与GIS融合应用

    [查看原文]无人机遥感在农林信息提取中的实现方法与GIS融合应用 在新一轮互联网信息技术大发展的现今,无人机.大数据.人工智能.物联网等新兴技术在各行各业都处于大爆发的前夜.为了将人工智能方法引入农业 ...

  2. 无人机遥感在农林信息提取中的实现方法与GIS融合应用

    注重理论与实践相结合,针对高光谱建模的具体实现方法,系统地阐释基于信息量方法的建模思路与基本原理,并进行深入地实现方法培训,涉及数据获取.分析.处理.软件操作和结果分析等主要环节.掌握各种无人机遥感信 ...

  3. 认识主被动无人机遥感数据、预处理无人机遥感数据、定量估算农林植被关键性状、期刊论文插图精细制作与Appdesigner应用开发

    目录 第一章.认识主被动无人机遥感数据 第二章.预处理无人机遥感数据 第三章.定量估算农林植被关键性状 第四章.期刊论文插图精细制作与Appdesigner应用开发 更多推荐 遥感技术作为一种空间大数 ...

  4. 基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割

    随着无人机自动化能力的逐步升级,它被广泛的应用于多种领域,如航拍.农业.植保.灾难评估.救援.测绘.电力巡检等.但同时由于无人机飞行高度低.获取目标类型多.以及环境复杂等因素使得对无人机获取的数据处理 ...

  5. 无人机遥感图像拼接与处理操作技术

    [内容简述]: 无人机遥感图像采集流程: 无人机遥感监测介绍 无人机航线规划设计 无人机飞行软件操作 无人机航拍一般过程 无人机遥感图像拼接软件操作: Photoscan软件介绍 软件基本操作与实践 ...

  6. 无人机遥感技术在房产测绘中的应用

    随着房地产行业发展规模的不断扩大,传统的房产测绘已经难以满足房产建设需求.我国房产测绘正向着数字化和信息化方向发展,这也是房产测绘行业未来重要的发展趋势. 无人机遥感技术是房产测绘中常见的一种应用手段 ...

  7. 基于MATLAB的无人机遥感数据预处理与农林植被性状估算

    目录 第一章:认识主被动无人机遥感数据 第二章:预处理无人机遥感数据 第三章:定量估算农林植被关键性状 第四章:期刊论文插图精细制作与Appdesigner应用开发 在新一轮互联网信息技术大发展的现今 ...

  8. 无人机遥感测绘技术在工程测绘中的应用探究

    经济的快速发展促使了人们对于工程测绘质量提出了更高的要求,推动着相关技术的改革和创新,无人机遥感测绘在此背景之下应运而生.作为一种新型测试技术,无人机遥感测绘有着其他手段所无法比拟的优势,涉及了多个层 ...

  9. 无人机遥感技术在各个行业中的应用

    随着科技的不断发展和进步,无人机遥感技术也经历了发展和完善,并逐渐运用于各个行业中.那么,无人机遥感技术具体应用在哪些行业呢? 1.气候监测 气象监测指的是无人机在地理环境中的应用,无人机遥感技术可以 ...

最新文章

  1. 亿级商城计价中心 - 从容应对复杂场景价格计算
  2. [转] boost::function用法详解
  3. asp.net core 2使用本地https证书
  4. DDoS高防(国际)子产品发布,替代原本在DDoS高防IP中的海外线路。
  5. rbac权限管理5张表_PHP之常用的RBAC权限管理详解
  6. 什么端口可以抓LINUX,linux下抓包工具
  7. python汇率编程_【菜鸟学Python】案例一:汇率换算
  8. 连发Science和Nature, 王二涛研究员:推倒教科书里的“围墙”
  9. 信息学奥赛一本通(1195:判断整除)
  10. php redis 扩展安装
  11. AUTOCAD——文本标注
  12. 计算机技术在工业的应用,计算机技术在工业自动化控制的应用
  13. 软件测试证书(1)— 软件评测师
  14. 统信UOS个人版安装与激活教程2020.5.17
  15. javaweb复习题库
  16. 计算机会计课程设计范文,会计课程设计心得体会范文
  17. 2019面试宝典之.Net
  18. php简单抽奖,php 简单随机抽奖函数的简单示例
  19. 互联网行业入门必读书籍
  20. @程序员:GitHub这个项目快薅羊毛

热门文章

  1. 关于如何在pycharm中将自己的女神设置为背景图片
  2. Oracle数据库 数据库调优
  3. c#.Net上传图片压缩质量,不改变尺寸
  4. 七日杀服务器文件翻译,七日杀文件progression翻译 | 手游网游页游攻略大全
  5. 中南大学计算机博士就业,科学网—中南大学博士、硕士待遇之见解 - 李得建的博文...
  6. 基于微信预约挂号小程序毕业设计毕设作品(4)开题报告
  7. 购物商城模板APP和定制APP的区别到底在哪里
  8. 计算机网络第七版第一章习题答案自用
  9. 关于android手机文件目录的收集
  10. 【Silvaco example】GaN diode, Reverse-bias leakage current vs temperature