多層次遙感農(nóng)田信息獲取技術體系

目錄
第1章 植被地面光譜和碳匯信息獲取與分析 1
1.1 引言 1
1.2 概述 2
1.2.1 研究意義和背景 9
1.2.2 研究進展 3
1.3 地面光譜數(shù)據(jù)和理化參數(shù)獲取方法 9
1.3.1 實驗區(qū) 9
1.3.2 數(shù)據(jù)采集與預處理 10
1.4 植被葉綠素及LAI反演方法 16
1.4.1 植被光譜影響因素分析 17
1.4.2 冠層光譜與冠層葉綠素的關系分析 19
1.4.3 反演模型概述 27
1.4.4 植被指數(shù)經(jīng)驗模型反演結(jié)果 30
1.4.5 物理模型與優(yōu)化算法的反演結(jié)果 37
1.4.6 HyperScan成像光譜數(shù)據(jù)的植被葉綠素反演 39
1.4.7 小結(jié) 41
1.5 基于連續(xù)小波變換的葉綠素含量反演 42
1.5.1 小波變換在植被參數(shù)反演中的應用 13
1.5.2 植被光譜的連續(xù)小波變換 44
1.5.3 葉片尺度反演結(jié)果 46
1.5.4 冠層尺度反演結(jié)果 49
1.5.5 交叉驗證 51
1.5.6 小結(jié) 52
1.6 典型農(nóng)作物碳匯能力監(jiān)測分析 53
1.6.1 油菜GPP的遙感估計模型 53
1.6.2 小麥GPP的遙感估算模型 62
1.6.3 兩種植被對比分析 69
1.6.4小結(jié) 71
參考文獻 73
第2章 幾何與光譜信息結(jié)合的作物信息獲取與分析 88
2.1 引言 88
2.2 概述 88
2.2.1 研究意義和背景 88
2.2.2 研究進展 89
2.2.3 研究目的和內(nèi)容 90
2.3 研究對象及數(shù)據(jù)預處理 92
2.3.1 研究對象 92
2.3.2 研究儀器 92
2.3.3 數(shù)據(jù)獲取與數(shù)據(jù)預處理 94
2.4 幾何信息的處理 98
2.4.1 點云數(shù)據(jù)圖像化 98
2.4.2 計算圖像的灰度共生矩陣 101
2.4.3 提取灰度共生矩陣的特征參數(shù) 101
2.5 光譜信息的處理 105
2.5.1 輻射校正 105
2.5.2 植被指數(shù)的選擇 106
2.5.3 獲取小麥冠層的紅邊指數(shù) 107
2.6 回歸分析 109
2.6.1 幾何信息的回歸分析 109
2.6.2 光譜信息的回歸分析 117
2.7 本章小結(jié) 120
參考文獻 122
第3章 多層次遙感信息輻射校正技術 124
3.1 引言 121
2.9概述 125
3.2.1 研究意義和背景 125
3.2.2 研究進展 125
3.3 多源信息輔助的光學遙感影像輻射校正 126
3.3.1 數(shù)據(jù)獲取與處理 128
3.3.2 機載地面數(shù)據(jù)輔助輻射校正 136
3.3.3 星載數(shù)據(jù)輔助輻射校正 152
3.3.4 小結(jié) 163
3.4 光譜信息約束下的輻射校正模型 164
3.4.1 實驗地區(qū)介紹和數(shù)據(jù)采集 165
3.4.2 研究方法簡介 166
3.4.3 通用輻射定標模型 171
3.4.4 光譜信息約束下的輻射定標模型 172
3.4.5 兩種模型的對比分析 177
3.4.6 小結(jié) 181
3.5 兼顧幾何信息的多光譜相機輻射定標 182
3.5.1 研究區(qū)域及儀器介紹 183
3.5.2 多光譜相機輻射定標原理和方法 185
3.5.3 兼顧幾何信息的輻射定標方法 190
3.5.4 多光譜相機輻射測量性能評估與輻射定標建議 202
3.5.5 小結(jié) 205
參考文獻 206
第4章 多層次信息系統(tǒng)輔助作物長勢分析技術 211
4.1 引言 211
4.2 概述 211
4.2.1 研究意義和背景 211
4.2.2 研究進展 212
4.2.3 研究內(nèi)容 214
4.3 數(shù)據(jù)獲取與數(shù)據(jù)處理 215
4.3.1 實驗數(shù)據(jù)獲取 215
4.3.2 數(shù)據(jù)處理 216
4.4 系統(tǒng)設計及基礎功能實現(xiàn) 221
4.4.1 數(shù)據(jù)庫設計 221
4.4.2 0racle與VisualStudio平臺連接 222
4.4.3 數(shù)據(jù)上傳 222
4.4.4 數(shù)據(jù)下載 221
4.4.5 數(shù)據(jù)查詢、刪除、修改 224
4.4.6 用戶管理 225
4.5 農(nóng)作物長勢參數(shù)相關性分析和回歸分析 225
4.5.1 相關分析 226
4.5.2 回歸分析 238
4.5.3 小結(jié) 241
4.6 農(nóng)作物多長勢參數(shù)分析 242
4.6.1 相似性測度 212
4.6.2 單一生長期農(nóng)作物氏努分析 243
4.6.3 多時序農(nóng)作物長勢分析 259
4.6.4 小結(jié) 262
4.7 基于BS模式的農(nóng)作物光譜信息系統(tǒng)設計 262
4.7.1 國內(nèi)外光譜庫研究進展 262
4.7.2 基于BS模式的農(nóng)作物信息系統(tǒng)設計方案 261
4.7.3 農(nóng)作物光譜信息數(shù)據(jù)庫設計 265
4.7.4 農(nóng)作物光譜信息系統(tǒng)前端設計 267
4.8 本章小結(jié) 272
參考文獻 273
第5章 無人機平臺農(nóng)田信息獲取技術 276
5.1 引言 276
5.2 概述 277
5.2.1 研究的意義和背景 277
5.2.2 研究進展 279
5.3 實驗數(shù)據(jù)的采集與處理 285
5.3.1 實驗區(qū)簡介 285
5.3.2 地面平臺數(shù)據(jù)的采集與預處理 287
5.3.3 無人機平臺數(shù)據(jù)的獲取與預處理 289
5.4 油菜冠層光譜影響因素分析 291
5.4.1 典型參數(shù)對油菜冠層光譜影響分析 294
5.4.2 不同生長期對冠層光譜及反演典型參數(shù)的影響分析 296
5.4.3 不同波段寬度敏感性分析 298
5.4.4 小結(jié) 306
5.5 地面平臺油菜典型參數(shù)反演及產(chǎn)量估產(chǎn) 307
5.5.1 油菜葉面積指數(shù)和葉綠素反演 307
5.5.2 植被指數(shù)經(jīng)驗模型估產(chǎn) 319
5.5.3 小波變換方法估產(chǎn) 326
5.5.4 神經(jīng)網(wǎng)絡方法估產(chǎn) 332
5.5.5 油菜不同生長期對產(chǎn)量的貢獻 331
5.5.6 不同估產(chǎn)方法比較 339
5.5.7 小結(jié) 311
5.6 無人機平臺油菜典型參數(shù)反演及產(chǎn)量估產(chǎn) 342
5.6.1 植被覆蓋率反演 312
5.6.2 油菜葉而積指數(shù)和葉綠素反演 353
5.6.3 經(jīng)驗模型估產(chǎn) 357
5.6.4 混合像元分析法估產(chǎn) 361
5.6.5 神經(jīng)網(wǎng)絡方法估產(chǎn) 367
5.6.6 組合預測方法估產(chǎn) 369
5.6.7 不同估產(chǎn)方法比較 372
5.6.8 施氮量財產(chǎn)量的影響 373
5.6.9 小結(jié) 375
5.7 油菜多時期多平臺綜合估產(chǎn)評價模型與估產(chǎn)模型 376
5.7.1 油菜各生長期葉面積指數(shù)與葉綠素含量的變化 376
5.7.2 油菜全時期多平臺綜合估產(chǎn)評價模型 378
5.7.3 油菜多時期多平臺綜合估產(chǎn)模型 382
5.7.4小結(jié) 383
5.8 本章小結(jié) 381
參考文獻 388