農(nóng)業(yè)無人機遙感與應用

目錄
第1章緒論1
1.1研究意義1
1.2國內(nèi)外研究現(xiàn)狀2
1.2.1無人機平臺及傳感器研究進展2
1.2.2田間作物無人機遙感信息獲取研究進展5
1.2.3作物表型無人機遙感研究進展5
1.2.4果園無人機遙感研究進展9
1.2.5病蟲害無人機遙感研究進展12
1.3總結(jié)與展望14
參考文獻14
第2章無人機平臺及傳感器18
2.1無人機系統(tǒng)18
2.1.1無人機的定義18
2.1.2無人機系統(tǒng)的組成19
2.2無人機分類28
2.2.1按飛行平臺構(gòu)型分類28
2.2.2按質(zhì)量分類30
2.2.3按飛行半徑分類30
2.2.4按飛行高度分類30
2.2.5按用途分類31
2.2.6按動力系統(tǒng)分類31
2.3無人機遙感監(jiān)測常用傳感器32
2.3.1數(shù)碼相機33
2.3.2多光譜相機34
2.3.3熱紅外相機35
2.3.4高光譜相機37
2.3.5激光雷達43
2.3.6合成孔徑雷達46
2.4無人機遙感數(shù)據(jù)采集48
2.4.1無人機飛行控制48
2.4.2無人機平臺控制52
2.5無人機遙感數(shù)據(jù)處理56
農(nóng)業(yè)無人機遙感與應用
2.5.1無人機圖像拼接56
2.5.2遙感圖像分析59
2.5.3三維點云數(shù)據(jù)處理61
2.6總結(jié)與展望62
參考文獻63
第3章無人機遙感數(shù)據(jù)處理技術(shù)64
3.1無人機遙感數(shù)據(jù)獲取64
3.2無人機圖像幾何處理68
3.2.1常規(guī)無人機影像的幾何處理68
3.2.2無人機熱紅外圖像的拼接73
3.2.3無人機多光譜影像的拼接74
3.2.4無人機高光譜影像的拼接74
3.3無人機光譜輻射處理80
3.3.1無人機多光譜圖像輻射校正80
3.3.2無人機高光譜圖像輻射校正83
3.4無人機熱紅外輻射處理88
3.5無人機激光雷達點云處理89
3.5.1無人機激光雷達數(shù)據(jù)解算89
3.5.2無人機激光雷達點云去噪90
3.5.3無人機激光雷達點云濾波91
3.5.4無人機激光雷達點云配準92
參考文獻92
第4章大田作物無人機遙感技術(shù)95
4.1大田作物無人機遙感監(jiān)測的基本流程95
4.1.1飛行規(guī)劃和參數(shù)設置95
4.1.2無人機遙感數(shù)據(jù)采集95
4.1.3常用植被指數(shù)96
4.1.4作物生長參數(shù)反演98
4.1.5精度評價99
4.2田間試驗觀測100
4.2.1小麥試驗設計100
4.2.2玉米試驗設計101
4.2.3大豆試驗設計101
4.2.4馬鈴薯試驗設計102
4.3葉面積指數(shù)無人機遙感103
4.3.1基于無人機數(shù)碼影像的葉面積指數(shù)反演103
4.3.2基于無人機多光譜影像的葉面積指數(shù)反演107
4.3.3基于無人機高光譜影像的作物葉面積指數(shù)反演111
4.4生物量無人機遙感118
4.4.1基于無人機數(shù)碼影像的生物量估算119
4.4.2基于無人機多光譜影像的AGB估算.124
4.4.3基于無人機高光譜影像“圖-譜”融合的生物量估算.128
4.5氮素無人機遙感136
4.5.1基于無人機數(shù)碼影像的冬小麥氮營養(yǎng)指數(shù)估算136
4.5.2基于無人機多光譜影像的玉米葉片氮含量遙感估測144
4.5.3基于無人機高光譜影像的氮素反演148
4.6總結(jié)與展望153
參考文獻153
第5章無人機遙感作物表型獲取156
5.1基于無人機圖像解析作物株高156
5.1.1試驗設計及數(shù)據(jù)獲取156
5.1.2作物群體株高解析158
5.2作物結(jié)構(gòu)表型動態(tài)分析164
5.2.1株高增長動態(tài)及聚類分析164
5.2.2地上生物量估算及空間分布170
5.2.3多表型參數(shù)聚類分析171
5.3基于LiDAR的作物結(jié)構(gòu)參數(shù)解析.177
5.3.1試驗設計及數(shù)據(jù)獲取177
5.3.2結(jié)構(gòu)參數(shù)解析185
5.4作物冠層溫度變化分析200
5.4.1無人機熱紅外數(shù)據(jù)獲取200
5.4.2玉米冠層溫度時序分析202
5.4.3玉米冠層溫度節(jié)律與土壤干旱相關(guān)分析205
5.5總結(jié)與展望207
參考文獻208
第6章果園無人機遙感211
6.1果樹識別與單木分割211
6.1.1基于無人機數(shù)碼影像的果園單木分割212
6.1.2基于無人機激光雷達的果園單木分割218
6.2果樹冠層信息提取226
6.2.1基于無人機數(shù)碼影像的果樹冠層信息提取227
6.2.2無人機激光雷達果樹冠層信息提取230
6.3果樹枝條信息提取232
6.3.1定量結(jié)構(gòu)模型（QSM）.234
6.3.2TreeQSM參數(shù)優(yōu)化.236
6.3.3枝條長度提取239
6.4果樹產(chǎn)量估計245
6.4.1基于CASA模型的蘋果產(chǎn)量估測模型246
6.4.2基于植被指數(shù)積分的蘋果產(chǎn)量估測模型249
6.5果樹養(yǎng)分診斷與施肥決策253
6.5.1氮肥效應函數(shù)方法253
6.5.2基于氮肥效應函數(shù)和目標產(chǎn)量的區(qū)域氮肥施用量**257
6.6總結(jié)與展望259
參考文獻259
第7章植被病蟲害無人機遙感264
7.1小麥赤霉病無人機遙感監(jiān)測264
7.1.1試驗設計與數(shù)據(jù)獲取264
7.1.2基于U-Net的田間麥穗分割265
7.1.3基于脈沖耦合神經(jīng)網(wǎng)絡（PCNN）的小麥赤霉病病斑分割270
7.1.4基于融合特征的小麥赤霉病病害嚴重度分級274
7.2小麥條銹病無人機遙感監(jiān)測276
7.2.1試驗設計與數(shù)據(jù)獲取276
7.2.2葉片病害嚴重度估算278
7.2.3冠層病害嚴重度估算286
7.2.4田塊病害嚴重度估算298
7.3油松毛蟲無人機遙感監(jiān)測314
7.3.1數(shù)據(jù)獲取314
7.3.2油松毛蟲危害木單木冠幅提取314
7.3.3油松毛蟲危害等級劃分318
7.4總結(jié)與展望324
參考文獻324
第8章展望327
8.1無人機遙感平臺與傳感器發(fā)展趨勢327
8.2無人機遙感智能化大數(shù)據(jù)分析加速328
8.3無人機智慧管控仍然是行業(yè)發(fā)展的瓶頸330
8.4無人機遙感推進智慧農(nóng)業(yè)快速發(fā)展332
參考文獻333