目录
专题四 期刊论文插图精细制作与Appdesigner应用开发
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。
专题一 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
无人机平台与坐标系
遥感载荷类型与数据
飞行参数设置与计算
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
读写带有/不带地理坐标的无人机影像
读写超大尺寸无人机影像
读写影像元数据信息
读写激光雷达/摄影测量点云
专题二 预处理无人机遥感数据
1. 概述遥感数据预处理
地物反射辐射信号
地物二向反射特性表征
无人机影像的几何问题
2.辐射校正无人机影像
光学测量系统辐射校正
反射率校正
BRDF与阴影校正
3.几何校正无人机影像
原始影像的几何畸变校正
多光谱影像的几何配准正
射影像地理几何校正
专题三 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
基于RGB图像分割的估算
基于像元分解的估算
基于点云的估算
基于激光雷达回波的估算
2. 估算叶面积指数LAI
基于间隙率模型的估算
基于辐射传输模型的估算
基于机器学习模型的估算
3. 估算叶绿素含量LCC
了解叶片辐射传输模型
基于辐射传输模型的估算
基于植被指数的估算
专题四 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
论文插图的尺寸、配色、字体要点
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
认识Appdesigner
函数调用与更新
窗口间参数互传
注：请提前自备电脑及安装所需软件
近地面无人机植被定量遥感与生理参数反演
专题一 近十年近地面无人机植被遥感文献分析、传感器选择、观测方式及质量控制要点
1.1近十余年无人机植被遥感文献分析
文献分析软件VOSviewer的使用（实践）
无人机植被遥感的重点研究方向、研究机构、科学家
1.2无人机遥感的特点及与卫星遥感的差异
核心优势与四大基本特点
无人机与卫星遥感影像的成像方式差异
1.3无人机传感器类型、特点及选择
消费级RGB相机的简要成像几何与光谱特点
多光谱相机成像类型与核心问题（波段影像套合、滤光片）
高光谱相机成像方式与光谱真实性
热红外相机特点与温度测量可靠性
1.4无人机遥感观测方式、特点与质量控制
天底观测、多尺度观测与倾斜观测
四种典型的多角度观测模式
影像质量控制的要点
专题二 辐射度量与地物反射特性 【讲解+实践】
2.1基本辐射度量与表面辐射特性
由浅入深基本辐射度量：辐射通量、辐照度、辐射强度、辐亮度（推导）
基本辐射定律之朗伯余弦定律与平方反比定律（推导）
朗伯表面辐射与辐射的各向异性
2.2地物二向反射特性与表征
能量守恒与反射率的定义（推导）
非朗伯表面的二向性反射之BRDF与BRF详解（推导）
九种反射因子/率（推导）
2.3典型地物光谱反射特征与物理生理机制
健康与胁迫状态下叶片光谱反射率与物理生理机制
多种土壤类型与状态下土壤光谱反射率特征与物理解释
植被指数构建的基本思想、原则与方法（示例）
专题三 无人机遥感影像辐射与几何处理 【讲解+实践】
3.1遥感影像的辐射处理
成像光路中的暗电流、暗角效应、大气效应介绍
成像传感器辐射定标之二向反射率获取方法（实践+代码讲解）
绝对定标与相对定标
3.2遥感影像的几何校正
成像几何与投影变换简要原理
成像畸变与校正方法
正射影像、DEM、DSM的生成（实践+代码讲解）
3.3摄影测量SfM点云
二维影像与三维点云的投影与反投影（实践+代码讲解）
影像与SfM点云联合使用案例（实践）
点云去噪、滤波、归一化、冠层高度模型生产、单木检测与分割（实践）
专题四 光在植被叶片与冠层中的辐射传输机理及平面模型应用 【讲解+实践】
4.1植被的结构与功能简介
叶片尺度的结构与功能
植株/冠层尺度的结构与功能
冠层覆盖度与叶面积指数的定义详解
4.2阔叶片辐射传输模型
单子叶平板模型PLATE （推导）
双子叶多层平板模型PROSPECT （代码详解）
4.3比尔-朗伯定律与叶面积指数
比尔-朗伯定律与间隙率理论（两种推导）
投影G函数与聚集指数（推导+代码）
4.4冠层一维辐射传输模型
SAIL模型详解
专题五 植被覆盖度与叶面积指数遥感估算【讲解+实践】
5.1无人机影像的植被覆盖度估算
传统图像分割与像元分解（实践）
森林冠层覆盖度估算（实践）
5.2无人机影像的叶面积指数估算
基于间隙率模型的反演
基于SAIL模型的反演
基于机器学习模型的反演
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?spm=1001.2014.3001.5502GEE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?spm=1001.2014.3001.5502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pytorch
https://blog.csdn.net/WangYan2022/article/details/126757557?spm=1001.2014.3001.5502从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类_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为基础的遥感影像和无人机影像的分类，目标检测，以及语义分割等应用。
https://blog.csdn.net/WangYan2022/article/details/128897625?spm=1001.2014.3001.5502