天空地一体化水稻农情监测预警技术及应用

本书系统介绍水稻长势及病虫害监测预警方法及应用，主要内容包括基于多源遥感数据的水稻种植区提取方法、基于无人机高光谱的水稻叶绿素含量估算方法、产量估算与稻曲病监测、稻飞虱种群动态规律分析与预报方法、水稻药肥精准施用大数据平台的设计与研发。本书可供农业信息技术、农业植物保护、农业气象及农业技术推广部门工作者参考，也可供农林业、地理信息、遥感、空间信息等学科领域的科研和教学人员参考。

第1章 绪论 1

1.1 研究背景及意义 1

1.2 水稻农情遥感监测研究进展 2

1.2.1 水稻种植区提取 2

1.2.2 水稻叶绿素含量反演 7

1.2.3 水稻产量遥感估算 8

1.3 水稻病虫害监测预报研究进展 9

1.3.1 水稻病虫害遥感监测 9

1.3.2 稻飞虱种群动态监测预报 9

1.4 大数据技术及其在精准农业中的应用 16

1.4.1 大数据采集技术 17

1.4.2 大数据存储技术 17

1.4.3 大数据分析处理技术 18

1.4.4 大数据技术在精准农业中的应用 18

主要参考文献 20

第2章 数据采集与预处理 32

2.1 研究区 32

2.2 试验仪器设备 34

2.2.1 无人机高光谱遥感数据采集系统 34

2.2.2 叶绿素测定仪与谷物水分测定仪 35

2.3 数据采集 37

2.3.1 无人机高光谱遥感数据采集 37

2.3.2 地面辅助数据采集 38

2.3.3 2013～2017年全国地表类型遥感影像样本数据集 41

2.3.4 构建南方部分地区水稻数据集 41

2.4 多源数据及预处理 42

2.4.1 遥感数据及预处理 42

2.4.2 虫情监测数据及预处理 48

2.4.3 气象数据及预处理 49

2.4.4 其他数据 50主要参考文献 51

第3章 中低空间分辨率水稻种植区提取 54

3.1 基于植被指数阈值模型的水稻种植区提取 54

3.1.1 遥感植被指数阈值识别水稻方法 55

3.1.2 光谱指数及时空滤波处理 55

3.1.3 水稻潜在移栽区与移栽期识别 56

3.1.4 水稻种植区划 57

3.1.5 植被指数阈值模型 58

3.1.6 实验结果及分析 59

3.2 基于深度学习的水稻种植区提取 61

3.2.1 MLSTM-FCN时间序列分类算法 61

3.2.2 基于时空张量补全的光谱指数时间序列重建 63

3.2.3 样本集构建 64

3.2.4 华南、西南水稻种植区提取结果与分析 65

主要参考文献 69

第4章 中高空间分辨率水稻种植区提取 71

4.1 基于 Landsat数据的水稻种植区提取 71

4.1.1 研究区与数据 71

4.1.2 时间序列光谱指数构建 72

4.1.3 基于植被指数阈值模型的水稻种植区提取 74

4.1.4 基于 SMLSTM-FCN的岑巩县水稻种植区提取 76

4.2 基于 Sentinel-1A数据的水稻种植区提取 86

4.2.1 极化方式选择 86

4.2.2 阈值设置 87

4.2.3 实验结果与分析 88

主要参考文献 89

第5章 基于 RCRWa-b的水稻 SPAD估算 91

5.1 引言 91

5.2 RCRWa-b定义 91

5.3 敏感RCRWa-b特征选择 92

5.4 水稻 SPAD估算模型构建 96

5.4.1 数据分割 96

5.4.2 基于随机森林的水稻 SPAD估算模型 96

5.4.3 基于梯度提升树的水稻 SPAD估算模型 97

5.5 水稻 SPAD估算结果评价 98

5.5.1 水稻 SPAD估算模型精度评价 98

5.5.2 水稻 SPAD生长期内变化 100

5.5.3 基于多时相无人机高光谱数据的水稻SPAD制图100主要参考文献 102

第6章 稻曲病发生信息监测 104

6.1 引言 104

6.2 稻曲病光谱特性分析 105

6.3 基于光谱相似性分析的稻曲病发生信息监测 107

6.3.1 模型构建与评价 107

6.3.2 稻曲病发生信息制图与分析 110

6.4 结合光谱特征和时间特征的稻曲病发生信息监测 111

6.4.1 模型构建与评价 113

6.4.2 稻曲病发生信息制图与分析 113

6.5 不同稻曲病发生信息监测模型对比 114

6.6稻曲病与叶绿素含量关系分析 115

主要参考文献 116

第7章 基于植被指数的水稻产量估算 117

7.1 引言 117

7.2 光谱指数与水稻产量相关性分析 117

7.3 水稻产量估算模型构建与评价 119

7.4 叶绿素含量与水稻产量关系分析 121

主要参考文献 121

第8章 华南、西南地区稻飞虱种群时空动态 122

8.1 引言 122

8.2 稻飞虱种群时空动态分析方法 122

8.2.1 空间权重矩阵生成 122

8.2.2 稻飞虱种群空间分布模式识别 123

8.2.3 稻飞虱种群时空分布特征 124

8.3 华南、西南地区稻飞虱种群时空动态 125

8.3.1 分析数据 125

8.3.2 稻飞虱种群数量动态 125

8.3.3 稻飞虱种群空间分布格局 127

8.3.4 稻飞虱种群分布热点 128

8.4 讨论 132

主要参考文献 133

第9章 基于因果推断的稻飞虱种群动态主控因子探测 137

9.1 引言 137

9.2 稻飞虱种群动态控制因子数据集 137

9.2.1 虫情数据 138

9.2.2 气象资料 138

9.2.3 寄主状态遥感监测数据 139

9.3 基于因果推断的稻飞虱种群动态主控因子探测方法 139

9.4 实验结果与分析 141

9.4.1 不同稻飞虱种群动态主控因子分析 141

9.4.2 不同时滞下田间种群依赖关系强弱 143

主要参考文献 145

第10章 顾及时空依赖的稻飞虱种群动态预报 147

10.1 引言 147

10.2 顾及时空依赖的稻飞虱种群动态预报模型 148

10.2.1 稻飞虱种群动态预报模型框架 148

10.2.2 动态图卷积网络 149

10.2.3 基于注意力机制的 LSTM编解码网络 153

10.3 实验结果 154

10.3.1 实验设置 154

10.3.2 不同模型预报精度对比 157

10.3.3 不同监测站 DGCN-ALSMT模型预报精度对比 159

10.3.4 稻飞虱种群动态预报结果对比 160

10.3.5 模型参数对预报精度的影响 161

10.4 讨论 163主要参考文献 165

第11章 水稻药肥精准施用大数据原型平台需求分析 168

11.1 功能性需求 168

11.2 非功能性需求 169

11.3 设计约束 170

主要参考文献 171

第12章 水稻药肥精准施用大数据原型平台设计 172

12.1 功能组成设计 172

12.1.1 功能简述 172

12.1.2 用户角色 173

12.2 体系结构设计 174

12.2.1 核心技术遴选 174

12.2.2 体系结构简述 179

12.3 数据库设计 180

12.3.1 数据整合 180

12.3.2 用户管理 181

12.3.3 示范区 184

12.3.4 商业服务 186

12.3.5 上报 187

12.4 非功能性需求保障设计 188

12.4.1 代码托管 188

12.4.2 服务器管理 188

12.4.3 服务器资源保护 189

主要参考文献 189

第13章 水稻药肥精准施用大数据平台实现 190

13.1 平台环境搭建 190

13.2 数据整合 191

13.2.1 遥感数据 191

13.2.2 水稻病虫害测报数据 191

13.2.3 水稻农药抗性与残留数据 192

13.2.4 水稻药肥销售数据 192

13.2.5 病虫害图片 192

13.2.6 示范区 192

13.2.7 物联网数据 192

13.3 大数据分析处理 193

13.3.1 遥感大数据处理分析 193

13.3.2 水稻长势分析 194

13.3.3 病虫害预报 196

13.4 核心功能实现 197

13.4.1 用户管理 198

13.4.2 农情监测 200

13.4.3 示范区 201

13.4.4 预报 202

13.4.5 商业服务 203

13.4.6 上报 205

13.4.7 数据可视化 206

13.4.8 后台管理 218

13.5 测试 219

附图 221