遥感技术在农业中的应用课件课件.pptVIP

遥感技术在农业中的应用;;

;

;;元数据;遥感影像处理方式和结果的表现形式：;一、农业遥感应用领域：;;2.作物种植面积监测;3.作物长势监测;4.作物产量估产;5.土壤墒情信息监测;5.土壤墒情信息监测;6.土壤肥力信息提取;7.农作物病虫害信息提取;7.农作物病虫害信息提取;7.农作物病虫害信息提取;8.农业资源监测;马苏利用MODIS数据的植被指数和陆地表面温度及TRMM数据的降雨因子，建立了干旱状态指数(DCI)模型，提出了适用于南方湿润地区的遥感干旱监测模型。

曾广伟选择BP神经网络算法作为遥感图像的分类方法，从而大大提高了分类的效果和精度。结合ENVI+IDL开发模式，开发出神经网络分类器，促进了遥感领域行业软件的发展。

胡秋霞针对植物病斑彩色图像噪声大和边缘模糊等特点，提出了一种基于水平集和加权颜色信息的改进C-V模型，比传统C-V模型分割效果好，性能明显提高，抗噪性和可扩展性好。

石永华等提出基于Contourlet变换的农业图像增强方法，将CycleSpinning引入到Contourlet中，以克服由于Contourlet变换的滤波器结构缺乏平移不变性而引起的伪Gibbs失真。可以很好的增强重要特征和细节分量，便于后期的分级与检测工作。

李志臣等采用二维熵阈值法对在自然光照条件下拍摄的图像进行目标分割，其分割质量很高，能够达到满足实际需要的效果。

;农情遥感监测

基于土壤热惯量模型的土壤表层含水量的反演

基于植被指数与土地表面温度的旱情监测

基于微波遥感数据的土壤水分反演

水灾监测

农情遥感监测

精确农业

植物不同营养状态的反射光谱特性曲线数据分析

高光谱遥感

遥感技术与其他信息获取技术的集成

精确农业中“3S”技术的综合应用

;基于边缘检测的分割;sobel;基于区域生长的分割;基于阈值的分割;直方图;基于分数布朗运动的分割;