目录介绍
第1章 绪论……………………………………………………………………………… 1
1.1 研究背景与意义 …………………………………………………………………… 1
1.2 国内外研究现状 …………………………………………………………………… 2
1.3 研究思路及方法 …………………………………………………………………… 3
第2章 基于机器学习的作物叶绿素含量多源遥感反演 ……………………… 5
2.1 作物叶绿素含量多源遥感反演的理论基础 ……………………………………… 5
2.2 基于机器学习和哨兵二号遥感数据的不同生长阶段梨树叶片SPAD值反演 … 7
2.2.1 方法实现 ……………………………………………………………………… 9
2.2.2 实验和结果…………………………………………………………………… 15
2.2.3 结论…………………………………………………………………………… 24
2.3 通过整合无人机光谱信息和纹理特征对梨树叶片SPAD值进行反演………… 26
2.3.1 方法实现……………………………………………………………………… 27
2.3.2 实验和结果…………………………………………………………………… 33
2.3.3 结论…………………………………………………………………………… 38
2.4 基于高光谱与图像特征的多算法融合枣树叶片叶绿素含量反演……………… 39
2.4.1 方法实现……………………………………………………………………… 40
2.4.2 实验和结果…………………………………………………………………… 45
2.4.3 结论…………………………………………………………………………… 52
第3章 基于光谱与图像的作物叶片营养元素估测 …………………………… 54
3.1 叶片营养元素光谱估测的理论基础……………………………………………… 54
3.2 棉叶高光谱反射率与全氮含量估算模型研究…………………………………… 56
3.2.1 方法实现……………………………………………………………………… 57
3.2.2 实验和结果…………………………………………………………………… 61
3.2.3 结论…………………………………………………………………………… 67
第4章 基于深度学习的作物叶部病害识别与分割 …………………………… 69
4.1 深度学习在作物叶部病害识别中应用的理论基础……………………………… 69
4.2 基于YOLOv11模型的高效多类别棉叶病害检测算法………………………… 71
4.2.1 方法实现……………………………………………………………………… 74
4.2.2 实验和结果…………………………………………………………………… 85
4.2.3 结论…………………………………………………………………………… 94
4.3 RMP-UNet:一种高效轻量的苹果叶病害分割模型…………………………… 95
4.3.1 方法实现……………………………………………………………………… 95
4.3.2 实验和结果 ………………………………………………………………… 101
4.3.3 结论 ………………………………………………………………………… 105
第5章 土壤环境参数遥感反演与作物生理响应……………………………… 107
5.1 土壤参数遥感反演的理论基础 ………………………………………………… 107
5.2 基于光谱指数建模的阿拉尔垦区土壤盐渍化空间信息提取与分析 ………… 109
5.2.1 方法实现 …………………………………………………………………… 110
5.2.2 实验与结果分析 …………………………………………………………… 111
5.2.3 结论 ………………………………………………………………………… 115
5.3 利用GBR-RF集成学习算法结合哨兵二号卫星光谱数据反演棉田
土壤水分含量 …………………………………………………………………… 116
5.3.1 方法实现 …………………………………………………………………… 117
5.3.2 实验和结果 ………………………………………………………………… 120
5.3.3 结论 ………………………………………………………………………… 124
第6章 多源遥感与智能算法的应用挑战与对策……………………………… 127
6.1 当前研究存在的主要问题 ……………………………………………………… 127
6.2 解决方案与展望 ………………………………………………………………… 129
参考文献 ………………………………………………………………………………… 132