【无人机遥感技术】无人机遥感在农林信息提取中的实现方法与GIS融合应用（如何将无人机真彩色、多光谱和高光谱数据，与农林业应用结合）
无人机遥感技术因其高效、灵活、高分辨率等特点，在多个领域得到了广泛应用。以下是主要的应用领域：
1. 测绘工程
地形测量与制图：无人机遥感技术能够高效、准确地获取地表高程和地形特征数据，生成精确的地形图和数字高程模型（DEM），为城市规划、土地资源管理等提供数据支撑。
工程建设与监测：用于工程量的测量与实时监测，通过定期获取图像与数据，对比施工计划和设计，实现进度监控和评估，及时发现并处理质量问题。
基础设施变形监测：对建筑物、道路、桥梁等基础设施进行长期变形监测，分析是否存在沉降、倾斜、裂缝等变形情况，为安全管理提供预警。
2. 农业领域
作物生长监测：通过搭载多光谱相机等设备，实时监测作物的生长状况，获取植被指数等信息，为精准农业提供决策依据。
病虫害防治：快速发现病虫害的发生区域，及时采取防治措施，减少损失。
农田管理：用于土地平整度测量、灌溉系统规划、土壤肥力分布分析等，优化农业生产管理。
3. 环境保护
空气质量监测：搭载气体传感器，监测大气中的污染物浓度，为环境监管提供数据支持。
水体污染监测：通过光学传感器或水质传感器，监测水体的污染状况，及时发现污染源。
生态监测：对生态系统进行长期监测，评估生态环境的变化，为生态保护和修复提供依据。
4. 地质灾害与应急救援
地质灾害调查与监测：快速获取地质灾害区域的高分辨率影像和地形数据，用于灾害点位置提取、规模评估、潜在危险判识等。
应急测绘与救援：在地震、泥石流等灾害发生后，第一时间提供灾后的第一手灾情数据，辅助应急救援和灾情评估。
公共安全：在维稳、反恐、跨国救援等领域，提供实时情报和高精度影像，保障救援人员安全。
5. 城市规划与管理
城市规划设计：获取城市区域的高分辨率影像，辅助城市规划和建筑设计。
交通流量分析：监测交通流量和道路状况，为交通规划和管理提供数据支持。
城市管理：用于城市环境监测、违法建筑监测等，提升城市管理的智能化水平。
6. 国防与军事
军事侦察：无人机遥感技术在军事侦察、目标发现等方面具有重要应用，能够实时获取小面积零散区域的影像，提供情报支持。
边境监控：用于边境地区的监控和巡逻，保障国家安全。
7. 其他领域
考古研究：用于考古遗址的测绘和监测，辅助考古发掘和研究。
电力巡检：对输电线路进行巡检，及时发现线路故障和隐患。
林业资源调查：监测森林资源的分布、生长状况和火灾隐患。
随着技术的不断进步，无人机遥感技术的应用领域还将进一步拓展和深化
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。
目 标：
1、了解目前我国无人机遥感在农林业应用的总体态势；
2、掌握无人机遥感在农作物形态、生理生化、胁迫、估产方面的应用方法；
3、掌握ENVI软件、PhotoScan软件处理无人机遥感数据（真彩色、多光谱、高光谱）技术；
4、掌握基于在线AI技术的农作物估产技术；
张博士，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。
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。目标（下图）。
无人机遥感在智慧农业信息提取中的实现方法体系图
第一章 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
1.2 无人机平台分析
分析目前常用于农林行业的无人机平台。
1.3 无人机机载传感器分析
分析目前常用于农林行业的无人机机载传感器。
1.4 地面应用传感器分析
分析目前常用于农林行业的地面应用传感器分析。
1.5 农林遥感光谱指数分析
1.6 农林业建模方法分析
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
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
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
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
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
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
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
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
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
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
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
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
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
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
原文