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
- 辐射校正无人机影像
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
- 几何校正无人机影像
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
- 制作精美的期刊论文插图
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
- 利用Appdesigner进行GUI开发
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