作物遥感识别与病虫害监测方法PDF电子书下载

查看更多关于的内容

第1章 作物遥感识别与监测概述 1

1.1 作物遥感识别与监测原理 1

1.1.1 光学遥感 1

1.1.2 微波遥感 3

1.2 作物遥感识别与种植面积监测方法 4

1.2.1 卫星遥感作物识别与监测方法 4

1.2.2 航空遥感作物识别与监测方法 4

1.2.3 地面遥感作物识别与监测方法 4

1.3 作物遥感识别与种植面积监测研究进展 5

1.4 作物遥感识别与种植面积监测存在问题 6

1.4.1 多使用中低空间分辨率遥感影像，监测精度低 6

1.4.2 作物识别与监测模型适用性不足 7

1.4.3 多重研究，缺少应用 7

1.5 作物遥感识别与种植面积监测发展对策 7

1.5.1 运用多源遥感数据，提高监测精度 7

1.5.2 改进作物识别与遥感监测模型或算法 8

1.5.3 建立基于遥感监测的作物综合信息服务平台 8

参考文献 8

第2章 作物病虫害遥感监测基本方法及研究进展 17

2.1 作物病虫害遥感监测原理 17

2.2 作物病虫害遥感监测方法 17

2.2.1 气象测报方法 18

2.2.2 农学测报方法 18

2.2.3 遥感测报方法 18

2.2.4 多学科综合测报法 18

2.3 作物病虫害遥感监测研究进展 19

2.3.1 国外研究进展 19

2.3.2 国内研究进展 20

2.4 作物病虫害遥感监测存在问题 21

2.4.1 “同谱异物”和“异谱同物”现象 21

2.4.2 病虫灾情指标监测预报模型适用性差 21

2.4.3 多重研究，较少应用 21

2.5 农作物病虫害遥感监测的发展对策 22

2.5.1 综合运用多源遥感信息数据 22

2.5.2 改进农作物病虫害遥感监测预报模型 22

2.5.3 建立基于遥感监测的农作物病虫害综合防治信息平台 22

参考文献 23

第3章 遥感数据预处理方法 28

3.1 遥感数据辐射定标 28

3.1.1 辐射定标的概念 28

3.1.2 辐射定标的方法 29

3.2 遥感数据几何校正 31

3.2.1 几何校正的概念 31

3.2.2 HJ-1A/B卫星轨道及主要载荷参数 31

3.2.3 几何校正方法 33

3.3 遥感数据大气校正 39

3.3.1 大气校正的概念 39

3.3.2 大气校正方法 39

3.4 遥感数据融合 55

3.4.1 遥感影像融合的概念 55

3.4.2 遥感影像融合的方法 56

3.4.3 融合效果定量评价指标 62

参考文献 64

第4章 遥感影像分类方法 66

4.1 遥感影像非监督分类 66

4.2 遥感影像监督分类 78

4.3 遥感专题信息图制作 91

参考文献 102

第5章 作物遥感识别与种植面积提取 105

5.1 基于优化ISODATA的作物识别与种植面积提取 105

5.1.1 试验布置与HJ-1A影像获取 105

5.1.2 水稻种植面积监测信息图制作流程 106

5.1.3 水稻种植面积遥感监测 107

5.2 基于最佳波段选择的作物识别与种植面积提取 109

5.2.1 ALOS/AVNIR多光谱和全色（PRISM）影像 109

5.2.2 冬小麦试验数据获取与利用 111

5.2.3 最佳波段选择 111

5.2.4 冬小麦种植面积监测 115

5.2.5 冬小麦种植面积监测精度评价 116

5.3 基于面向对象分类的作物识别与种植面积提取 118

5.3.1 Landsat 5/TM和ERS/SAR影像 119

5.3.2 冬小麦样点数据与影像预处理 121

5.3.3 面向对象分类方法 121

5.3.4 样本空间的确定 124

5.3.5 遥感影像分割 124

5.3.6 不同植被特征提取 124

5.3.7 冬小麦面积提取与精度验证 125

5.4 基于数据融合模式优选的作物识别与种植面积提取 127

5.4.1 水稻试验数据获取及利用 128

5.4.2 不同遥感影像数据融合模式 128

5.4.3 融合效果定量评价方法 130

5.4.4 不同融合模式效果定性评价 132

5.4.5 不同融合模式的影像融合效果定量评价 132

5.4.6 水稻识别与种植面积提取 135

5.5 基于NDVI密度分割的作物识别与种植面积提取 136

5.5.1 试验基地概况与影像数据 137

5.5.2 试验样点建立与数据利用 137

5.5.3 遥感数据处理与NDVI提取 138

5.5.4 NDVI密度分割方法 139

5.5.5 冬小麦识别与种植面积提取 142

5.5.6 冬小麦种植面积提取精度 143

5.5.7 冬小麦种植面积空间分布监测 144

5.6 基于植被分层的作物识别与种植面积提取 145

5.6.1 地面控制点建立与遥感数据 146

5.6.2 植被分层信息提取法 146

5.6.3 冬小麦可能种植区域提取 147

5.6.4 冬小麦识别与种植面积提取 148

5.6.5 冬小麦不同长势等级种植面积监测 149

5.6.6 冬小麦种植面积监测效果验证与应用 151

5.7 基于影像适宜尺度的作物识别与种植面积提取 152

5.7.1 GF-1号和环境一号卫星遥感数据 153

5.7.2 研究区域选择与影像数据处理 154

5.7.3 不同尺度融合影像质量定性评价 155

5.7.4 不同尺度融合影像定量评价 156

5.7.5 适宜尺度融合遥感影像光谱特征 157

5.7.6 适宜尺度融合影像冬小麦种植面积提取 159

5.8 基于植被指数运算的作物识别与种植面积提取 160

5.8.1 研究区概况与遥感数据选择 161

5.8.2 地面控制点建立与数据处理 161

5.8.3 不同地物光谱反射率特征 162

5.8.4 不同地物光谱垂直分布特征 163

5.8.5 冬小麦识别与种植面积获取 164

5.8.6 冬小麦种植面积统计与精度 166

5.9 基于光谱指标决策树的作物识别与种植面积提取 167

5.9.1 研究区域概况与样点建立 168

5.9.2 遥感影像选择与预处理 168

5.9.3 不同地物光谱特征分析 170

5.9.4 决策树规则建立 171

5.9.5 基于决策树的遥感影像分类 172

5.9.6 市域水稻种植空间分布特征 173

5.10 基于影像融合特征的作物识别与种植面积提取 174

5.10.1 研究区域概况与数据获取 175

5.10.2 HJ-1B和GF-1遥感影像选用与预处理 175

5.10.3 融合影像效果评价指标与方法 176

5.10.4 不同融合影像特征与目视评价 177

5.10.5 不同融合影像效果定量评价 178

5.10.6 不同融合影像光谱信息特征比较 180

5.10.7 基于融合影像的水稻种植面积提取 181

5.11 基于光谱特征分异的作物识别与种植面积提取 183

5.11.1 Landsat 1～ 8卫星影像 183

5.11.2 试验设计与样点数据获取 184

5.11.3 Landsat-8/OLI影像数据及预处理 185

5.11.4 植被指数计算 186

5.11.5 主要地物光谱特征分析 186

5.11.6 主要作物植被指数分析 188

5.11.7 县域玉米识别与种植面积提取 189

5.11.8 县域玉米种植面积提取精度分析 189

参考文献 192

第6章 作物病虫害遥感监测预报 198

6.1 基于双重植被指数的冬小麦赤霉病监测 198

6.1.1 研究区域概况与试验数据采集 199

6.1.2 遥感影像数据选择与处理 200

6.1.3 赤霉病监测与植被指数选择 201

6.1.4 冬小麦赤霉病遥感监测模型 203

6.1.5 冬小麦赤霉病遥感监测 204

6.2 气象因素与生长参数结合的冬小麦赤霉病估测 206

6.2.1 样点试验数据获取与利用 207

6.2.2 HJ-1A/CCD影像数据与预处理 208

6.2.3 冬小麦抽穗-扬花期生长参数与赤霉病病情指数的关系 208

6.2.4 冬小麦抽穗-扬花期气象因素与赤霉病病情指数的关系 210

6.2.5 冬小麦抽穗-扬花期赤霉病病害估测模型 211

6.2.6 县域冬小麦赤霉病病情估测 211

6.3 气象因素与遥感信息协同的冬小麦赤霉病估测 213

6.3.1 试验区建立与样点选择 213

6.3.2 试验样点数据采集与处理 214

6.3.3 不同时间尺度气温与赤霉病间的特征关系 216

6.3.4 不同时间尺度空气湿度与赤霉病间的特征关系 219

6.3.5 冬小麦生长参数与赤霉病间的特征关系 221

6.3.6 冬小麦生长参数与遥感光谱指标间的特征关系 223

6.3.7 冬小麦赤霉病遥感估测模型建立 224

6.3.8 冬小麦赤霉病遥感估测方法提炼 226

6.4 冬小麦拔节期纹枯病遥感监测 227

6.4.1 研究区域与数据获取 227

6.4.2 影像数据获取与处理 228

6.4.3 冬小麦纹枯病病情指数计算 229

6.4.4 冬小麦纹枯病主要病发因子 229

6.4.5 冬小麦拔节期纹枯病监测模型建立 230

6.4.6 县域冬小麦纹枯病遥感监测 231

6.5 冬小麦扬花期白粉病遥感监测 234

6.5.1 研究区域概况与数据获取 234

6.5.2 冬小麦白粉病病情指数计算 235

6.5.3 遥感数据获取与处理利用 235

6.5.4 叶面积指数与白粉病病情指数间关系 236

6.5.5 叶片叶绿素含量与白粉病病情指数间关系 236

6.5.6 气温变化与白粉病病情指数的关系 237

6.5.7 叶片水分含量与白粉病病情指数间的关系 238

6.5.8 冬小麦白粉病监测模型建立 239

6.5.9 县域冬小麦白粉病遥感监测 239

6.6 水稻始穗期稻曲病遥感监测 240

6.6.1 试验区布置与数据获取 242

6.6.2 多光谱遥感影像处理与利用 242

6.6.3 稻曲病病情指数计算 243

6.6.4 气象因素对水稻稻曲病发生的影响 244

6.6.5 生长参数对水稻稻曲病发生的影响 244

6.6.6 水稻稻曲病估测模型建立 245

6.6.7 水稻稻曲病估测模型精度分析 245

6.6.8 水稻稻曲病发生的遥感监测 247

6.7 水稻拔节期稻飞虱遥感估测 248

6.7.1 样点数据获取与利用 249

6.7.2 稻飞虱发生与植株长势的关系 249

6.7.3 稻飞虱发生与植株含氮量的关系 250

6.7.4 稻飞虱发生与气候环境因素的关系 251

6.7.5 稻飞虱发生遥感预测模型 252

6.7.6 稻飞虱发生遥感预测模型验证 252

6.8 基于神经网络的水稻稻飞虱估测 253

6.8.1 研究区域选择与数据获取 254

6.8.2 GF-1/WFV4遥感影像处理与利用 256

6.8.3 长势指标和植被指数与稻飞虱虫量间相关性 257

6.8.4 稻飞虱虫量及影响因子数据离散化 258

6.8.5 稻飞虱虫量估测模型建立 259

6.8.6 稻飞虱虫量估测模型精度验证与应用 261

6.9 冬小麦病害遥感监测信息系统（WDRSMIS） 263

6.9.1 系统开发背景 263

6.9.2 WDRSMIS系统简介 264

6.9.3 WDRSMIS系统功能说明 264

6.9.4 WDRSMIS系统需求及运行环境 269

参考文献 271

第7章 县域作物生长遥感监测应用图景 275

7.1 作物遥感监测大田信息实地采集场景 275

7.2 作物遥感监技术（专题信息图）交流与培训 279

7.3 作物种植面积、长势和病害遥感监专题图实例 284

查看更多关于的内容