详情点击链接：无人机遥感在农林信息提取中的实现方法与GIS融合制图

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。

                        无人机遥感在智慧农业信息提取中的实现方法体系图
第一，综合态势分析
1.1 研究区及作物品种分析

（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

                                        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

                                         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

                               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
1.6农林业建模方法分析

                              图6 农林业遥感常用的建模方法应用领域数量对比
第二，农作物形态信息提取
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

                                                          图7经后处理的植株影像对比

2.1.6 植株数统计、查询和制图

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

图8 农作物株高和倒伏计算结果

2.3.8 分析株高和作物倒伏

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 农作物生理生化信息提取
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

图10 平铺并关联3个植被指数

3.1.6 数据整理

3.1.7 建立反演模型

3.1.8 数字制图
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

图11 多项式模型的拟合精度

3.2.8 数字制图
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12 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13 全氮含量制图结果
第四 农作物胁迫信息提取
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14 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15 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16 作物衰老提取结果
第五 农作物产量信息提取
5.1 净同化率——面向对象图谱合-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17 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

图18 作物衰老提取结果

5.2.7 运行决策树

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19 人工智能判断该地为极高生物量农田

第六：遥感提取结果的空间表达——GIS制图流程

1 地理信息系统

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