上海网站建设 亿速seo描述是什么
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。本课程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，为了让感兴趣学员在短时间内较系统的掌握无人机遥感信息提取技术，本次会议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。通过本次视频课程的理论学习，让学员掌握各种无人机遥感信息提取思路与基本步骤，结合十四种典型无人机应用领域的实际案例，通过一步步讲解与上机操作，解决无人机信息提取的能力。
专家：
张博士，来自重点高校及科研院所一线科研人员，长期从事无人机遥感技术与应用研究，主持多项国家级科研项目，编写著作2部，第一作者发表科研论文20余篇。对无人机遥感的多平台、多传感器应用现状，以及涉及的核心技术具有很深的理解，精通ArcGIS、ENVI、R语言、Unscrambler等分析工具，熟悉目前我国无人机多光谱、高光谱、激光雷达等传感器的应用现状，具有丰富的科研及遥感信息提取经验。
介绍：
介绍：
本理论环节包括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。培训大纲的设置主要围绕上述环节来设计相关的基础理论知识与上机操作步骤，通过逐一环节的讲解与实际操作，达到目的，实现既定目标（下图）。
第一章综合态势分析
1.1 研究区及作物品种分析[☆理论学习]
（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[☆理论学习]
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[☆理论学习]
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[☆理论学习]
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[☆理论学习]
1.6 农林业建模方法分析[☆理论学习]
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
2.1.6 植株数统计、查询和制图
图7经后处理的植株影像对比
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
2.3.8 分析株高和作物倒伏
图8 农作物株高和倒伏计算结果
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
3.1.6 数据整理
3.1.7 建立反演模型
3.1.8 数字制图
图11 平铺并关联3个植被指数
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
3.2.8 数字制图
图12 多项式模型的拟合精度
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
5.2.7 运行决策树
图19 作物衰老提取结果
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
