目次
トピック 1 アクティブおよびパッシブ UAV リモート センシング データについて
トピック 4 ジャーナル論文のイラストレーション ファインプロダクションと Appdesigner アプリケーション開発
地上近くのUAVによる植生の定量的リモートセンシングと生理学的パラメータの反転
リモートセンシング技術は、空間ビッグデータの手段として、多時間、多次元、多場所の観点から大量の農業データを取得することができます。データには、表面、リアルタイム、非接触、非傷害の検出などの大きな利点があり、スマート農業に導入する必要がある重要なテクノロジーの 1 つです。
このチュートリアルは主に、農業、林業、生態学、リモート センシングの背景を持つ UAV リモート センシングに興味のある初心者 (学部生、大学院生)、および MATLAB プログラミングの初心者を対象としています。
学習を通じて、UAVリモートセンシングデータ前処理の全体連鎖理論と実践プロセス、典型的な農林植生形質の推定理論と実践方法、MATLABを用いたプログラミング演習（スクリプトとGUIの開発）、雑誌論文イラスト制作を習得します。 、など。科学研究や応用プロジェクトの開発、研究技術ソリューションの進歩、雑誌論文の執筆などをサポートするために使用できます。
トピック 1 アクティブおよびパッシブ UAV リモート センシング データについて
1. アクティブおよびパッシブ UAV リモート センシング データ、 UAV プラットフォームと座標系、
リモート センシング負荷の種類とデータ、
飛行パラメータの設定と計算、
UAV VS 衛星のアクティブおよびパッシブ リモート センシング データ特性の最初の理解
2. ドローン リモート センシング データの読み取りと書き込み
地理座標あり/なしのドローン画像の読み取りと
書き込み 超サイズのドローン画像の読み取りと
書き込み 画像メタデータ情報の読み取り
と書き込み LIDAR/写真測量点群の読み取りと書き込み
トピック 2 UAV リモートセンシングデータの前処理
1. リモートセンシングデータ前処理の概要
地上物体反射放射信号地上物体
の双方向反射特性の評価
UAV 画像の幾何学的問題
2. 放射線補正 UAV 画像 光学
測定システムの放射線補正
反射率補正
BRDF および影の補正
3. UAV 画像の幾何補正
元画像の幾何歪み補正
マルチスペクトル画像の幾何位置合わせ
オルソフォトの幾何補正
テーマ3 農林植生の主要形質の定量的推定
1. 植生被覆率 fCover と光合成活性放射線吸収率 fPAR の
推定 RGB 画像分割に基づく推定
ピクセル分解に基づく推定
点群に基づく推定
LIDAR エコーに基づく推定
2. 葉面積指数（LAI）の推定
格子間比モデルに基づく推定
放射伝達モデルに基づく推定
機械学習モデルに基づく推定
3.葉の放射線伝達モデルを理解するためのクロロフィル含有量LCCの
推定 放射線伝達モデルに基づく推定
植生指数に基づく推定
トピック 4 ジャーナル論文のイラストレーション ファインプロダクションと Appdesigner アプリケーション開発
1. 絶妙なジャーナル用紙
イラストの作成 用紙イラストのサイズ、カラーマッチング、フォントポイント
散布図、ヒストグラム、折れ線グラフ、バイオリンプロット、密度マップ、疑似カラーマップなど。
2. GUI 開発に Appdesigner を使用し、
Appdesigner の
関数呼び出しと更新を理解し、
ウィンドウ間でパラメータを転送する
注：お客様ご自身でパソコンをご用意いただき、必要なソフトウェアを事前にインストールしてください
地上近くのUAVによる植生の定量的リモートセンシングと生理学的パラメータの反転
トピック 1過去 10
年間の地上付近の
UAV
1.2 UAVリモートセンシングの特徴と衛星リモートセンシングとの違い
主な利点と4つの基本特性
UAVと衛星リモートセンシング画像の撮像方式の違い
1.3 UAV センサーのタイプ、特性、および選択
民生用 RGB カメラの簡単なイメージング ジオメトリとスペクトル特性
マルチスペクトル カメラのイメージング タイプと主要な問題 (バンド画像マッチング、フィルター)
ハイパースペクトル カメラのイメージング方法とスペクトル リアリティ
熱赤外線カメラと温度測定の信頼性
1.4 UAVリモートセンシングの観察方法と特徴と品質管理
直下観察、マルチスケール観察、斜方観察
代表的な4つのマルチアングル観察モード
画質管理のポイント
トピック２ 地上物体の放射線測定と反射特性 【解説＋実習】
2.1 基本的な放射線測定と表面放射線特性
浅部から深部までの基本的な放射線測定：放射線束、放射照度、放射線強度、放射輝度（導出）
基本的な放射線法則 ランバートの余弦法則と逆二乗法則（導出）
ランバートの表面放射と放射異方性
2.2 地上物体の双方向反射特性と特性評価
エネルギー保存と反射率の定義（導出）
非ランバート面の双方向反射に対する BRDF と BRF の詳細な説明（導出）
9 つの反射係数/率（導出）
2.3 典型的な地上物体の分光反射率特性と物理生理学的メカニズム
健康およびストレス条件下での葉の分光反射率と物理生理学的メカニズム
さまざまな土壌タイプおよび条件下での土壌の分光反射率特性と物理的解釈
手法による植生指数構築の基本的な考え方と原則（例）
トピック3 UAVリモートセンシング画像の放射線と幾何学的処理【解説＋実習】
3.1 リモートセンシング画像の放射線処理
撮像光路における暗電流、暗角効果、大気効果
の紹介放射校正における双方向反射率の取得方法イメージセンサの実習（演習＋コード解説）
絶対校正と相対校正
3.2 リモートセンシング画像の幾何補正
結像幾何学と投影変換の簡単な原理
結像歪みと補正方法
オルソフォト、DEM、DSM の生成（演習 + コードの説明）
3.3 写真測量 SfM点群
2D画像と3D点群の投影と逆投影（演習＋コード解説）
画像とSfM点群の組み合わせユースケース（演習）
点群のノイズ除去、フィルタリング、正規化、クラウン 層高さモデルの作成、単一ツリーの検出とセグメンテーション (演習)
特別テーマ 植生の葉と樹冠における 4 つの光放射伝達機構と平面モデルの応用 [解説 + 演習] 4.1 植生の
構造
と機能の概要葉の鱗片の構造と
機能植物/樹冠のスケールの構造と
機能樹冠 被覆率と葉の詳細な定義エリアインデックス
4.2 広葉樹放射伝達モデル
単子葉植物プレートモデル PLATE (導出)
双子葉植物多層プレートモデル PROSPECT (詳細コード説明)
4.3 ランベルト ベールの法則と葉面積指数
ランベルト ベールの法則とギャップ レート理論 (2 つの導出)
射影 G 関数と集計指数 (導出 + コード)
4.4 キャノピー一次元放射線伝達
モデルSAILモデル詳細説明
トピック5 リモートセンシングによる植生被覆率と葉面積指数の推定【解説＋実習】
5.1 UAV画像の植生被覆率推定従来の
画像分割と画素分解（実習）
林冠被覆率推定（実習）
5.2 UAV画像からのLAIの推定
ギャップレートモデルに基づく逆算
SAILモデルに基づく逆算
機械学習モデルに基づく逆算
さらなる推奨事項
農林業情報抽出におけるUAVリモートセンシングの導入手法とGISの融合応用 情報量法に基づくモデリングの考え方や基本原理を説明し、データ収集の主要な連携を含めた徹底した導入手法研修を実施、分析、処理、ソフトウェア操作および結果分析。_GIS におけるドローンの応用https://blog.csdn.net/WangYan2022/article/details/126946189?spm=1001.2014.3001.5502 GEE 入門学習、リモート センシング クラウド ビッグ データ分析、管理と可視化、林業アプリケーション丨災害における応用、水と湿地丨 GPTモデル アプリケーション リモートセンシングビッグデータの出現は、関連研究に前例のない機会をもたらしますが、これらのデータをどのように扱うかは大きな課題でもあります。従来のワークステーションやサーバーは、大規模、マルチスケールの大規模なリモート センシング データ処理のニーズを満たすことができませんでした。
https://blog.csdn.net/WangYan2022/article/details/131678440?spm=1001.2014.3001.5502 UAV生態環境モニタリング、画像処理、GISデータ分析の包括的応用_UAV点群データ収集とGIS技術合成 研究背景紹介_WangYan2022のブログ-CSDN ブログUAVの生態環境モニタリング技術とArcGISデータ解析技術を統合し、具体的な事例分析とソフトウェア操作の実践を通じて、UAVのマルチソースリモートセンシング画像データ収集（可視光、マルチスペクトル、熱赤外線、レーザーレーダーなど）を含めて詳細に紹介します。 .)、画像 データ スプライシング、空間データ編集、空間データ分析、空間データ テーマ マッピングなどのプロセスのための完全な操作「パイプライン」。_UAV 点群データ取得と GIS テクノロジーの包括的な研究
背景の紹介、リモート センシング画像問題のセグメンテーションとディープ ラーニングの最適化_gee の pytorch_WangYan2022 のブログを使用する - CSDN ブログを使用して、畳み込みニューラル ネットワークの背後にある数学的モデルとコンピューター アルゴリズムを理解し、PyTorch の使用をマスターする-ベースのリモート センシング画像オブジェクト分類、リモート センシング画像ターゲット検出、およびリモート センシング画像ターゲット セグメンテーションおよびその他のアプリケーション。_Use pytorch in gee
https://blog.csdn.net/WangYan2022/article/details/126757557?spm=1001.2014.3001.5502 CNN から Transformer まで: PyTorch ベースのリモート センシング画像、UAV 画像のオブジェクト分類、ターゲット検出、セマンティック セグメンテーション点群分類
https://blog.csdn.net/WangYan2022/article/details/128897625?spm=1001.2014.3001.5502