前言
第1章 水稻遥感监测试验设计与方法
1.1 研究区概况
1.2 试验设计
1.3 高光谱遥感简介
1.3.1 高光谱遥感基本理论
1.3.2 植被高光谱遥感原理
1.3.3 高光谱植被指数
1.4 高光谱数据获取
1.4.1 非成像光谱测定
1.4.2 高光谱影像获取
1.5 水稻生理参数测定
1.5.1 叶绿素含量测定
1.5.2 叶面积指数测定
1.5.3 叶片氮含量测定
1.6 研究方法与技术路线
1.6.1 高光谱数据处理
1.6.2 建模方法
1.6.3 模型检验方法
1.6.4 技术路线
第2章 西北地区水稻的光谱特征
2.1 水稻叶片反射光谱特征
2.1.1 不同叶绿素含量水稻叶片反射光谱特征
2.1.2 不同土壤氮素水平水稻叶片反射光谱特征
2.1.3 不同土壤碳素水平下水稻叶片反射光谱特征
2.2 水稻冠层的波谱特性
2.2.1 不同生育期水稻冠层波谱特性
2.2.2 不同叶绿素含量水稻冠层波谱特性
2.2.3 不同叶面积指数水稻冠层波谱特性
2.2.4 不同LNC水稻冠层波谱特征
2.2.5 不同土壤氮素水平水稻冠层波谱特性
2.2.6 不同碳素水平水稻冠层波谱特性
2.3 水稻冠层光谱的红边特征
2.3.1 不同生育期水稻冠层红边特征
2.3.2 不同土壤氮素水平水稻冠层红边特征
2.4 讨论与结论
2.4.1 讨论
2.4.2 结论
第3章 水稻叶绿素含量高光谱估测模型
3.1 水稻叶片SPAD值的基本特征
3.2 水稻叶绿素含量普通回归模型估测
3.2.1 基于特征波段的水稻叶绿素含量估测
3.2.2 基于光谱反射率参数的水稻叶绿素监测
3.2.3 基于光谱指数的水稻叶绿素含量估测
3.2.4 基于“三边”参数的水稻叶绿素监测
3.3 水稻叶绿素含量多元模型估测
3.3.1 基于BP神经网络的水稻叶绿素含量估测
3.3.2 基于随机森林算法的水稻叶绿素含量估测
3.4 水稻幼苗期植株SPAD值高光谱影像遥感反演
3.4.1 水稻幼苗叶片高光谱影像的光谱特征
3.4.2 水稻幼苗SPAD值与高光谱影像光谱反射率相关性
3.4.3 水稻叶片SPAD值估测模型及单株SPAD值填图
3.5 讨论与结论
3.5.1 讨论
3.5.2 结论
第4章 水稻叶面积指数的高光谱估测模型
4.1 水稻叶面积指数在各生育期的变化
4.1.1 不同施氮条件下水稻叶面积指数随生育期的变化
4.1.2 不同施碳条件下水稻叶面积指数随生育期的变化
4.2 水稻叶面积指数与冠层光谱的相关性分析
4.2.1 叶面积指数与原始光谱？导数光谱的相关性
4.2.2 叶面积指数与高光谱特征参数的相关性
4.2.3 叶面积指数与植被指数的相关性
4.3 水稻叶面积指数普通回归模型估测
4.3.1 基于特征波段的水稻叶面积指数估测
4.3.2 基于植被指数的水稻叶面积指数估测
4.3.3 基于光谱参数的水稻叶面积指数估测
4.3.4 基于“三边”参数的水稻叶面积指数估测
4.4 水稻叶面积指数多元模型估测
4.4.1 基于BP神经网络的叶面积指数估测
4.4.2 基于支持向量机的水稻叶面积指数估测
4.4.3 基于随机森林算法的估算模型及精度检验
4.5 讨论与结论
4.5.1 讨论
4.5.2 结论
第5章 水稻叶片氮含量高光谱估测模型
5.1 水稻叶片氮含量在各生育期的变化
5.2 水稻叶片氮素与冠层光谱之间的关系
5.2.1 不同LNC的冠层光谱特征
5.2.2 水稻LNC与光谱反射率的相关性
5.2.3 水稻LNC与高光谱特征参数的相关性
5.2.4 水稻LNC与植被指数的相关性
5.3 基于光谱指数的水稻叶片氮含量估测
5.3.1 水稻叶片氮含量的最优光谱指数
5.3.2 水稻叶片氮含量光谱指数模型构建
5.3.3 各种光谱指数估测水稻叶片氮含量精度比较
5.4 水稻叶片氮含量估测的多变量模型构建
5.4.1 水稻叶片氮含量估测的多元线性模型
5.4.2 基于随机森林算法的水稻叶片氮含量估测模型
5.5 讨论与结论
5.5.1 讨论
5.5.2 结论
第6章 基于无人机高光谱影像的小区水稻长势监测
6.1 无人机高光谱影像数据采集与处理
6.2 无人机高光谱影像实现小区水稻生理生化参数监测
6.2.1 基于特征波段的水稻SPAD值和LAI遥感反演
6.2.2 基于BP神经网络的水稻SPAD值和LAI遥感反演
6.2.3 不同反演模型高光谱影像估测能力比较
6.3 讨论与结论
第7章 基于无人机高光谱影像的大田水稻长势监测
7.1 水稻SPAD值高光谱影像空间反演
7.2 水稻LAI高光谱影像空间反演
7.3 水稻LNC高光谱影像空间反演
7.4 讨论与结论
7.4.1 讨论
7.4.2 结论
第8章 高分一号遥感影像在水稻长势监测中的应用
8.1 影像预处理
8.2 卫星波段反射率模拟和植被指数
8.3 基于GF-1卫星数据的水稻SPAD值空间监测
8.3.1 光谱指数与水稻抽穗期SPAD值的相关性
8.3.2

本书针对西北地区主要粮食作物之一——水稻，依据田间试验，将试验观测数据与地面高光谱影像、无人机高光谱影像和卫星多光谱影像等多源遥感数据相结合，进行水稻叶片、冠层和地块尺度的长势监测。主要内容包括：水稻长势遥感监测试验设计与数据测定、处理方法，水稻长势及其高光谱特性分析，叶绿素含量、叶面积指数、叶片氮含量的地面高光谱估测模型和UHD高光谱影像遥感空间反演，多光谱卫星遥感影像的水稻叶绿素含量、叶面积指数和叶片氮含量估算与遥感空间反演。
本书可供从事遥感、农业科学、地球科学、资源环境等学科领域的科技工作者使用，也可供高等院校农学、资源环境、地理学和遥感技术专业的师生参考。