在新一轮互联网信息技术大发展的现今，无人机、大数据、人工智能、物联网等新兴技术在各行各业都处于大爆发的前夜。为了将人工智能方法引入农业生产领域。首先在种植、养护等生产作业环节，逐步摆脱人力依赖；在施肥灌溉环节构建智慧节能系统；在产量预测和商品定价生产管理环节提高效能。这些智慧农业迫切需要实现的目标，首先要解决的问题就是多源数据的获取与快速分析。

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.本次重点为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

认识主被动无人机遥感数据

1.1. 无人机平台与坐标系

1.2. 遥感载荷类型与数据

1.3. 飞行参数设置与计算

1.4. 无人机VS卫星主被动遥感数据特点

 读写无人机遥感数据

2.1. 读写带有/不带地理坐标的无人机影像

2.2. 读写超大尺寸无人机影像

2.3. 读写影像元数据信息

2.4. 读写激光雷达/摄影测量点云

概述遥感数据预处理

1.1 地物反射辐射信号

1.2 地物二向反射特性表征

1.3无人机影像的几何问题

2.1. 光学测量系统辐射校正

2.2. 反射率校正

2.3. BRDF与阴影校正

3.1. 原始影像的几何畸变校正

3.2. 多光谱影像的几何配准

3.3. 正射影像地理几何校正

估算植被覆盖度fCover与光合有效辐射吸收比fPAR

1.1. 基于RGB图像分割的估算

1.2. 基于像元分解的估算

1.3. 基于点云的估算

1.4. 基于激光雷达回波的估算

估算叶面积指数LAI

2.1. 基于间隙率模型的估算

2.2. 基于辐射传输模型的估算

2.3. 基于机器学习模型的估算

估算叶绿素含量LCC

3.1 了解叶片辐射传输模型

3.2 基于辐射传输模型的估算

3.3 基于植被指数的估算

1.1. 论文插图的尺寸、配色、字体要点

1.2. 散点图、直方图、折线图、小提琴图、密度图、假彩色图等制作

2.1. 认识Appdesigner

2.2. 函数调用与更新

2.3. 窗口间参数互传

无人机遥感在农林信息提取中的实现方法与GIS融合应用

无人机生态环境监测、图像处理与GIS数据分析综合应用

基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割

近地面无人机植被定量遥感与生理参数反演实践技术

“卫星-无人机-地面”遥感数据快速使用及地物含量计算​