本书对农业遥感和遥感数据分析的基础知识及其基本应用进行了详细的阐述。本书基于河南省重点研发专项：小麦赤霉病智能化监测平台与绿色防控技术体系研发与示范（241111110800），国家自然科学基金面上项目：花生白绢病多源数据时空动态预测方法研究（32271993）和国家自然科学基金青年基金：基于谱段间角度差异指数的农田作物残留物遥感信息提取方法研究（42101362）研究成果而撰写。
全书共9章，包括遥感概述、遥感监测小麦病虫害研究现状、遥感监测实验设计与数据获取、多源遥感数据处理方法、遥感作物病害监测理论和模型、近地监测小麦赤霉病、无人机遥感监测小麦赤霉病、卫星遥感监测小麦赤霉病、区域尺度小麦赤霉病预测等。每章内容除了详细的内容讲解外，还安排了小麦种植区域提取、小麦赤霉病近地、无人机和卫星遥感监测等实例，以让读者全面了解农业遥感图像分析的应用。
本书组织结构合理、内容全面丰富，不仅可作为农业硕士农业工程与信息技术领域研究生专业用书，农业信息化相关从业者、图像处理相关爱好者的参考工具书，还可作为高等院校智慧农业、遥感测绘相关师生的学习和参考用书，以及农业信息化相关行业培训班的教学用书。
党的二十大报告指出，必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，开辟发展新领域新赛道，不断塑造发展新动能新优势。精准农业是新质生产力在农业领域的重要应用之一，通过引入遥感技术、地理信息系统、智能装备等，实现对农田的精准监测和管理，提高农业生产的精准度和效率。
本书为实现小麦赤霉病的地块尺度的时空预警问题，研究如何通过在小麦关键生育期开展多时相航拍监测病害的早期发生；如何整合遥感、气象信息进行病害流行驱动因子筛选及时相特征提取，为小麦赤霉病流行监测及预测模型提供关键信息；如何通过深度学习算法将这些驱动因子与传统病害流行模型进行耦合，建立小麦赤霉病流行监测及预测时空动态模型，实现对该病害发展时间与空间上的动态监测及预警。在上述研究基础上，有望提出一种基于地块尺度的预警穗部病害的新手段，从而为其他机理相似的病虫害提供准确识别与预警、减少农药投入、降低病菌产生毒素威胁人畜健康的风险提供技术支持。同时随着我国国产多角度卫星遥感、无人机多角度航拍和农业物联网技术的不断发展和成熟也为项目成果转化提供了广阔的空间。
本书特点如下。
涵盖面广。农业遥感涉及近地、无人机、卫星等多源、多尺度、多传感器数据分析问题，书中涵盖了近地、无人机和卫星多光谱传感器等多方面的遥感图像分析案例。
逻辑严谨。按照遥感概述、遥感监测小麦病虫害研究现状、遥感监测实验设计与数据获取、多源遥感数据处理方法、遥感作物病害监测理论和模型的总体脉络进行理论介绍；按照近地监测小麦赤霉病、无人机遥感监测小麦赤霉病、卫星遥感监测小麦赤霉病、区域尺度小麦赤霉病预测等不同尺度开展农业遥感数据分析案例介绍。
本书适合以下读者学习使用：
农业硕士农业工程与信息技术领域研究生专业用书。
智慧农业、遥感测绘和地理学相关师生。
图像处理相关爱好者。
农业信息化相关从业者。
在本书编著过程中，河南农业大学马新明教授、乔红波教授、王健博士、张哲博士、西北农林科技大学张东彦教授、杭州电子科技大学张竞成教授、北京市农林科学院农业信息技术研究中心杨浩研究员等提出了许多宝贵的修改意见。同时，河南农业大学研究生高春凤、公政、李尚洲、申家宁、姚艺晗、何强、温甜甜、张亚鹏、胡静宇等协助整理了部分数据和内容，在此对他们的辛勤付出一并表示感谢。尽管著者在编写过程中力求严谨细致，但由于时间与精力有限，疏漏之处在所难免，望广大读者批评指正。
著?者
2024年5月
郭伟，博士，教授，硕士生导师，毕业于国家农业信息化工程技术中心，美国农业部航空航天应用中心访问学者，长期从事智慧农业和农业遥感领域研究，针对作物病虫害等农业灾害的监测、预警，作物生长监测等问题，利用卫星、无人机遥感技术、人工智能模型算法，在农业灾害监测、预警模型构建和智能化检测等方面开展创新性研究，实现技术转化和应用。近年主持国家级、省部级项目十余项，包括国家自然科学基金项目2项；获河南省科技进步二等奖3次；近5年发表论文40余篇，其中以第一/通讯作者发表SCI论文19篇；主编、参编专著2部；获得授权发明专利5项；担任《Computers and Electronics in Agriculture》,《International Journal of Agricultural and Biological Engineering》《Frontiers in Plant Science》等多个领域知名SCI刊物特邀审稿人。
第1章 遥感概述 1
1.1 遥感的概念与特点 2
1.2 遥感系统 3
1.3 遥感的分类 4
1.4 遥感发展历程与趋势 7
1.4.1 遥感发展历程 7
1.4.2 遥感发展趋势 9
1.4.3 我国农业遥感的发展 11
第2章 遥感监测小麦病虫害研究现状 13
2.1 遥感监测意义 14
2.2 遥感监测原理 17
2.2.1 植被反射光谱特征 17
2.2.2 土壤反射光谱特征 22
2.3 国内外研究现状及发展动态分析 23
2.3.1 小麦赤霉病农学研究进展 23
2.3.2 作物病虫害遥感监测研究进展 26
2.3.3 作物病虫害遥感预测研究进展 30
2.4 小麦赤霉病遥感监测的应用前景 32
第3章 遥感监测实验设计与数据获取 33
3.1 冬小麦物候期及赤霉病分级标准 34
3.1.1 河南省冬小麦物候期 34
3.1.2 冬小麦赤霉病分级标准 35
3.2 小麦赤霉病无人机-地实验 40
3.2.1 地面实验设计 41
3.2.2 地面数据采集 42
3.2.3 无人机多光谱数据采集 49
3.3 小麦赤霉病星-地实验 51
3.3.1 地面调查方式 51
3.3.2 星-地同步数据收集 52
3.3.3 农业管理部门数据收集 54
第4章 多源遥感数据处理方法 56
4.1 遥感影像处理方法 57
4.1.1 遥感传感器定标 58
4.1.2 大气校正方法 59
4.1.3 几何校正方法 60
4.2 遥感影像增强技术 61
4.2.1 影像融合 62
4.2.2 遥感影像超分辨率 65
4.2.3 植被指数和纹理指数 66
4.3 不同平台遥感数据预处理技术 69
4.3.1 地面便携式地物光谱仪数据预处理 69
4.3.2 无人机航拍影像拼接 72
4.3.3 卫星多光谱遥感影像大气校正 73
4.4 冬小麦遥感图像分类技术 78
4.4.1 遥感图像分类的概念 79
4.4.2 遥感图像分类的步骤 79
4.4.3 遥感图像分类的基本算法 81
4.4.4 冬小麦种植区域提取 84
第5章 遥感作物病害监测理论和模型 89
5.1 作物病害分类技术 90
5.1.1 作物病害敏感参数遥感估算 90
5.1.2 作物病害图像分类算法 95
5.1.3 卷积神经网络发展 97
5.1.4 图像分类算法 100
5.1.5 语义分割和实例分割算法 110
5.2 作物病害深度学习目标检测技术 114
5.2.1 图像目标检测原理 114
5.2.2 深度学习目标检测技术发展 114
5.2.3 目标检测算法 115
第6章 近地监测小麦赤霉病 124
6.1 作物病害近地监测研究现状 125
6.1.1 作物病害研究现状 125
6.1.2 近地监测优势 128
6.2 近地监测案例 129
6.2.1 研究区与图像数据采集 129
6.2.2 数据增强 132
6.2.3 单穗小麦赤霉病严重度识别 134
6.2.4 群体小麦赤霉病穗实时检测 150
第7章 无人机遥感监测小麦赤霉病 163
7.1 作物病害无人机遥感监测现状 164
7.1.1 光谱特征监测 164
7.1.2 纹理特征监测 165
7.2 无人机监测案例 166
7.2.1 监测流程 167
7.2.2 特征提取 169
7.2.3 机器学习模型 172
7.2.4 精度分析与效果评估 173
第8章 卫星遥感监测小麦赤霉病 177
8.1 作物病害卫星遥感监测现状 178
8.1.1 叶片尺度监测 178
8.1.2 冠层尺度监测 180
8.1.3 区域尺度监测 181
8.2 卫星监测案例 182
8.2.1 研究区与数据概述 183
8.2.2 遥感数据预处理 186
8.2.3 监测模型选取 190
8.2.4 小麦赤霉病监测结果 191
第9章 区域尺度小麦赤霉病预测 201
9.1 作物病害预测现状 202
9.1.1 作物病害气象预测研究进展 202
9.1.2 作物病害遥感预测研究进展 204
9.2 多源数据结合预测小麦赤霉病 204
9.2.1 研究区域与数据 204
9.2.2 小麦种植分布提取 207
9.2.3 病害特征提取模型 210
9.2.4 小麦赤霉病预测和分析 215
参考文献 224
书单推荐
