本書對農(nóng)業(yè)遙感和遙感數(shù)據(jù)分析的基礎知識及其基本應用進行了詳細的闡述。本書基于河南省重點研發(fā)專項：小麥赤霉病智能化監(jiān)測平臺與綠色防控技術體系研發(fā)與示范（241111110800），國家自然科學基金面上項目：花生白絹病多源數(shù)據(jù)時空動態(tài)預測方法研究（32271993）和國家自然科學基金青年基金：基于譜段間角度差異指數(shù)的農(nóng)田作物殘留物遙感信息提取方法研究（42101362）研究成果而撰寫。
全書共9章，包括遙感概述、遙感監(jiān)測小麥病蟲害研究現(xiàn)狀、遙感監(jiān)測實驗設計與數(shù)據(jù)獲取、多源遙感數(shù)據(jù)處理方法、遙感作物病害監(jiān)測理論和模型、近地監(jiān)測小麥赤霉病、無人機遙感監(jiān)測小麥赤霉病、衛(wèi)星遙感監(jiān)測小麥赤霉病、區(qū)域尺度小麥赤霉病預測等。每章內(nèi)容除了詳細的內(nèi)容講解外，還安排了小麥種植區(qū)域提取、小麥赤霉病近地、無人機和衛(wèi)星遙感監(jiān)測等實例，以讓讀者全面了解農(nóng)業(yè)遙感圖像分析的應用。
本書組織結構合理、內(nèi)容全面豐富，不僅可作為農(nóng)業(yè)碩士農(nóng)業(yè)工程與信息技術領域研究生專業(yè)用書，農(nóng)業(yè)信息化相關從業(yè)者、圖像處理相關愛好者的參考工具書，還可作為高等院校智慧農(nóng)業(yè)、遙感測繪相關師生的學習和參考用書，以及農(nóng)業(yè)信息化相關行業(yè)培訓班的教學用書。
本書是河南農(nóng)業(yè)大學農(nóng)業(yè)災害監(jiān)測預警團隊通過十余年來在小麥赤霉病監(jiān)測和預警領域的深入研究，基于團隊多個國家級、省部級科研項目，其中包括國家自然科學基金多源數(shù)據(jù)小麥全蝕病區(qū)域尺度預警研究，河南省重點研發(fā)項目基于無人機圖譜信息的小麥赤霉病地塊尺度監(jiān)測研究與應用示范等相關研究論文、專利和科技進步獎成果的總結。這本書不僅為我們提供了豐富的理論知識和實踐經(jīng)驗，更展示了一種科學、精準、高效的病害防治思路。對于從事農(nóng)業(yè)科技、植物保護、遙感技術等領域的研究人員和實踐者來說，這無疑是一部不可多得的技術寶典。
黨的二十大報告指出，必須堅持科技是第一生產(chǎn)力、人才是第一資源、創(chuàng)新是第一動力，深入實施科教興國戰(zhàn)略、人才強國戰(zhàn)略、創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，開辟發(fā)展新領域新賽道，不斷塑造發(fā)展新動能新優(yōu)勢。精準農(nóng)業(yè)是新質(zhì)生產(chǎn)力在農(nóng)業(yè)領域的重要應用之一，通過引入遙感技術、地理信息系統(tǒng)、智能裝備等，實現(xiàn)對農(nóng)田的精準監(jiān)測和管理，提高農(nóng)業(yè)生產(chǎn)的精準度和效率。
本書為實現(xiàn)小麥赤霉病的地塊尺度的時空預警問題，研究如何通過在小麥關鍵生育期開展多時相航拍監(jiān)測病害的早期發(fā)生；如何整合遙感、氣象信息進行病害流行驅(qū)動因子篩選及時相特征提取，為小麥赤霉病流行監(jiān)測及預測模型提供關鍵信息；如何通過深度學習算法將這些驅(qū)動因子與傳統(tǒng)病害流行模型進行耦合，建立小麥赤霉病流行監(jiān)測及預測時空動態(tài)模型，實現(xiàn)對該病害發(fā)展時間與空間上的動態(tài)監(jiān)測及預警。在上述研究基礎上，有望提出一種基于地塊尺度的預警穗部病害的新手段，從而為其他機理相似的病蟲害提供準確識別與預警、減少農(nóng)藥投入、降低病菌產(chǎn)生毒素威脅人畜健康的風險提供技術支持。同時隨著我國國產(chǎn)多角度衛(wèi)星遙感、無人機多角度航拍和農(nóng)業(yè)物聯(lián)網(wǎng)技術的不斷發(fā)展和成熟也為項目成果轉化提供了廣闊的空間。
本書特點如下。
涵蓋面廣。農(nóng)業(yè)遙感涉及近地、無人機、衛(wèi)星等多源、多尺度、多傳感器數(shù)據(jù)分析問題，書中涵蓋了近地、無人機和衛(wèi)星多光譜傳感器等多方面的遙感圖像分析案例。
邏輯嚴謹。按照遙感概述、遙感監(jiān)測小麥病蟲害研究現(xiàn)狀、遙感監(jiān)測實驗設計與數(shù)據(jù)獲取、多源遙感數(shù)據(jù)處理方法、遙感作物病害監(jiān)測理論和模型的總體脈絡進行理論介紹；按照近地監(jiān)測小麥赤霉病、無人機遙感監(jiān)測小麥赤霉病、衛(wèi)星遙感監(jiān)測小麥赤霉病、區(qū)域尺度小麥赤霉病預測等不同尺度開展農(nóng)業(yè)遙感數(shù)據(jù)分析案例介紹。
本書適合以下讀者學習使用：
農(nóng)業(yè)碩士農(nóng)業(yè)工程與信息技術領域研究生專業(yè)用書。
智慧農(nóng)業(yè)、遙感測繪和地理學相關師生。
圖像處理相關愛好者。
農(nóng)業(yè)信息化相關從業(yè)者。
在本書編著過程中，河南農(nóng)業(yè)大學馬新明教授、喬紅波教授、王健博士、張哲博士、西北農(nóng)林科技大學張東彥教授、杭州電子科技大學張競成教授、北京市農(nóng)林科學院農(nóng)業(yè)信息技術研究中心楊浩研究員等提出了許多寶貴的修改意見。同時，河南農(nóng)業(yè)大學研究生高春鳳、公政、李尚洲、申家寧、姚藝晗、何強、溫甜甜、張亞鵬、胡靜宇等協(xié)助整理了部分數(shù)據(jù)和內(nèi)容，在此對他們的辛勤付出一并表示感謝。盡管著者在編寫過程中力求嚴謹細致，但由于時間與精力有限，疏漏之處在所難免，望廣大讀者批評指正。
著?者
2024年5月
郭偉，博士，教授，碩士生導師，畢業(yè)于國家農(nóng)業(yè)信息化工程技術中心，美國農(nóng)業(yè)部航空航天應用中心訪問學者，長期從事智慧農(nóng)業(yè)和農(nóng)業(yè)遙感領域研究，針對作物病蟲害等農(nóng)業(yè)災害的監(jiān)測、預警，作物生長監(jiān)測等問題，利用衛(wèi)星、無人機遙感技術、人工智能模型算法，在農(nóng)業(yè)災害監(jiān)測、預警模型構建和智能化檢測等方面開展創(chuàng)新性研究，實現(xiàn)技術轉化和應用。近年主持國家級、省部級項目十余項，包括國家自然科學基金項目2項；獲河南省科技進步二等獎3次；近5年發(fā)表論文40余篇，其中以第一/通訊作者發(fā)表SCI論文19篇；主編、參編專著2部；獲得授權發(fā)明專利5項；擔任《Computers and Electronics in Agriculture》,《International Journal of Agricultural and Biological Engineering》《Frontiers in Plant Science》等多個領域知名SCI刊物特邀審稿人。
第1章 遙感概述 1
1.1 遙感的概念與特點 2
1.2 遙感系統(tǒng) 3
1.3 遙感的分類 4
1.4 遙感發(fā)展歷程與趨勢 7
1.4.1 遙感發(fā)展歷程 7
1.4.2 遙感發(fā)展趨勢 9
1.4.3 我國農(nóng)業(yè)遙感的發(fā)展 11
第2章 遙感監(jiān)測小麥病蟲害研究現(xiàn)狀 13
2.1 遙感監(jiān)測意義 14
2.2 遙感監(jiān)測原理 17
2.2.1 植被反射光譜特征 17
2.2.2 土壤反射光譜特征 22
2.3 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析 23
2.3.1 小麥赤霉病農(nóng)學研究進展 23
2.3.2 作物病蟲害遙感監(jiān)測研究進展 26
2.3.3 作物病蟲害遙感預測研究進展 30
2.4 小麥赤霉病遙感監(jiān)測的應用前景 32
第3章 遙感監(jiān)測實驗設計與數(shù)據(jù)獲取 33
3.1 冬小麥物候期及赤霉病分級標準 34
3.1.1 河南省冬小麥物候期 34
3.1.2 冬小麥赤霉病分級標準 35
3.2 小麥赤霉病無人機-地實驗 40
3.2.1 地面實驗設計 41
3.2.2 地面數(shù)據(jù)采集 42
3.2.3 無人機多光譜數(shù)據(jù)采集 49
3.3 小麥赤霉病星-地實驗 51
3.3.1 地面調(diào)查方式 51
3.3.2 星-地同步數(shù)據(jù)收集 52
3.3.3 農(nóng)業(yè)管理部門數(shù)據(jù)收集 54
第4章 多源遙感數(shù)據(jù)處理方法 56
4.1 遙感影像處理方法 57
4.1.1 遙感傳感器定標 58
4.1.2 大氣校正方法 59
4.1.3 幾何校正方法 60
4.2 遙感影像增強技術 61
4.2.1 影像融合 62
4.2.2 遙感影像超分辨率 65
4.2.3 植被指數(shù)和紋理指數(shù) 66
4.3 不同平臺遙感數(shù)據(jù)預處理技術 69
4.3.1 地面便攜式地物光譜儀數(shù)據(jù)預處理 69
4.3.2 無人機航拍影像拼接 72
4.3.3 衛(wèi)星多光譜遙感影像大氣校正 73
4.4 冬小麥遙感圖像分類技術 78
4.4.1 遙感圖像分類的概念 79
4.4.2 遙感圖像分類的步驟 79
4.4.3 遙感圖像分類的基本算法 81
4.4.4 冬小麥種植區(qū)域提取 84
第5章 遙感作物病害監(jiān)測理論和模型 89
5.1 作物病害分類技術 90
5.1.1 作物病害敏感參數(shù)遙感估算 90
5.1.2 作物病害圖像分類算法 95
5.1.3 卷積神經(jīng)網(wǎng)絡發(fā)展 97
5.1.4 圖像分類算法 100
5.1.5 語義分割和實例分割算法 110
5.2 作物病害深度學習目標檢測技術 114
5.2.1 圖像目標檢測原理 114
5.2.2 深度學習目標檢測技術發(fā)展 114
5.2.3 目標檢測算法 115
第6章 近地監(jiān)測小麥赤霉病 124
6.1 作物病害近地監(jiān)測研究現(xiàn)狀 125
6.1.1 作物病害研究現(xiàn)狀 125
6.1.2 近地監(jiān)測優(yōu)勢 128
6.2 近地監(jiān)測案例 129
6.2.1 研究區(qū)與圖像數(shù)據(jù)采集 129
6.2.2 數(shù)據(jù)增強 132
6.2.3 單穗小麥赤霉病嚴重度識別 134
6.2.4 群體小麥赤霉病穗實時檢測 150
第7章 無人機遙感監(jiān)測小麥赤霉病 163
7.1 作物病害無人機遙感監(jiān)測現(xiàn)狀 164
7.1.1 光譜特征監(jiān)測 164
7.1.2 紋理特征監(jiān)測 165
7.2 無人機監(jiān)測案例 166
7.2.1 監(jiān)測流程 167
7.2.2 特征提取 169
7.2.3 機器學習模型 172
7.2.4 精度分析與效果評估 173
第8章 衛(wèi)星遙感監(jiān)測小麥赤霉病 177
8.1 作物病害衛(wèi)星遙感監(jiān)測現(xiàn)狀 178
8.1.1 葉片尺度監(jiān)測 178
8.1.2 冠層尺度監(jiān)測 180
8.1.3 區(qū)域尺度監(jiān)測 181
8.2 衛(wèi)星監(jiān)測案例 182
8.2.1 研究區(qū)與數(shù)據(jù)概述 183
8.2.2 遙感數(shù)據(jù)預處理 186
8.2.3 監(jiān)測模型選取 190
8.2.4 小麥赤霉病監(jiān)測結果 191
第9章 區(qū)域尺度小麥赤霉病預測 201
9.1 作物病害預測現(xiàn)狀 202
9.1.1 作物病害氣象預測研究進展 202
9.1.2 作物病害遙感預測研究進展 204
9.2 多源數(shù)據(jù)結合預測小麥赤霉病 204
9.2.1 研究區(qū)域與數(shù)據(jù) 204
9.2.2 小麥種植分布提取 207
9.2.3 病害特征提取模型 210
9.2.4 小麥赤霉病預測和分析 215
參考文獻 224
書單推薦
