目录
第一章、认识主被动无人机遥感数据
第二章、预处理无人机遥感数据
第三章、定量估算农林植被关键性状
第四章、期刊论文插图精细制作与Appdesigner应用开发
更多推荐
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。本教程主要针对农业、林业、生态、遥感背景的对无人机遥感有兴趣的初学者（本科生、低年级研究生），MATLAB编程初学者小白。通过学习，将掌握无人机遥感数据预处理的全链条理论与实践流程、典型农林植被性状的估算理论与实践方法、利用MATLAB进行编程实践（脚本与GUI开发）以及期刊论文插图制作等。可用于支持科研或应用项目开展、研究技术方案推进、期刊论文写作等。
第一章、认识主被动无人机遥感数据
1. 初识主被动无人机遥感数据
①无人机平台与坐标系
②遥感载荷类型与数据
③飞行参数设置与计算
④无人机VS卫星主被动遥感数据特点
2. 读写无人机遥感数据
①读写带有/不带地理坐标的无人机影像
②读写超大尺寸无人机影像
③读写影像元数据信息
④读写激光雷达/摄影测量点云
第二章、预处理无人机遥感数据
1. 概述遥感数据预处理
①地物反射辐射信号
②地物二向反射特性表征
③无人机影像的几何问题
2.辐射校正无人机影像
①光学测量系统辐射校正
②反射率校正
③BRDF与阴影校正
3.几何校正无人机影像
①原始影像的几何畸变校正
②多光谱影像的几何配准
③正射影像地理几何校正
第三章、定量估算农林植被关键性状
1. 估算植被覆盖度fCover与光合有效辐射吸收比fPAR
①基于RGB图像分割的估算
②基于像元分解的估算
③基于点云的估算
④基于激光雷达回波的估算
2. 估算叶面积指数LAI
①基于间隙率模型的估算
②基于辐射传输模型的估算
③基于机器学习模型的估算
3. 估算叶绿素含量LCC
①了解叶片辐射传输模型
②基于辐射传输模型的估算
③基于植被指数的估算
第四章、期刊论文插图精细制作与Appdesigner应用开发
1.制作精美的期刊论文插图
①论文插图的尺寸、配色、字体要点
②散点图、直方图、折线图、小提琴图、密度图、假彩色图等制作
2.利用Appdesigner进行GUI开发
①认识Appdesigner
②函数调用与更新
③窗口间参数互传
注：请提前自备电脑及安装所需软件
更多推荐
无人机遥感在农林信息提取中的实现方法与GIS融合应用_无人机在gis中的应用_WangYan2022的博客-CSDN博客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。_无人机在gis中的应用
https://blog.csdn.net/WangYan2022/article/details/126946189″ />无人机生态环境监测、图像处理与GIS数据分析综合应用_无人机点云数据采集及gis技术综合研究背景介绍_WangYan2022的博客-CSDN博客融合无人机生态环境监测技术和ArcGIS数据分析技术，通过具体案例分析与软件操作实践，详细介绍包括无人机多源遥感影像数据采集（可见光、多光谱、热红外、激光雷达等）、影像数据拼接、空间数据编辑、空间数据分析、空间数据专题制图等流程的一条完整作业“流水线”。_无人机点云数据采集及gis技术综合研究背景介绍https://blog.csdn.net/WangYan2022/article/details/126848129″ />基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化_在gee里面用pytorch_WangYan2022的博客-CSDN博客理解卷积神经网络背后的数学模型和计算机算法，掌握利用PyTorch为基础的遥感影像地物分类，遥感图像目标检测，以及遥感图像目标分割等应用。_在gee里面用pytorchhttps://blog.csdn.net/WangYan2022/article/details/126757557″ />近地面无人机植被定量遥感与生理参数反演_定量遥感反演案例_WangYan2022的博客-CSDN博客通过详细的理论讲解及多案例操作，从实践技术应用的角度出发，综合该领域学习者的需求及特点，深度掌握实践应用方法。_定量遥感反演案例https://blog.csdn.net/WangYan2022/article/details/126721108″ />GEE入门学习，遥感云大数据分析、管理与可视化以及在林业应用丨灾害、水体与湿地领域应用丨GPT模型应用_WangYan2022的博客-CSDN博客近年来遥感技术得到了突飞猛进的发展，航天、航空、临近空间等多遥感平台不断增加，数据的空间、时间、光谱分辨率不断提高，数据量猛增，遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了前所未有的机遇，同时如何处理好这些数据也提出了巨大的挑战。传统的工作站和服务器已经无法胜任大区域、多尺度海量遥感数据处理的需要。
https://blog.csdn.net/WangYan2022/article/details/131678440?spm=1001.2014.3001.5502