本书在梳理智慧农业兴起背景与核心内涵的基础上，系统阐述了遥感技术赋能智慧农业的理论体系、关键技术及实践路径，重点讲解了叶面积指数、分蘖数、叶绿素含量、作物产量、碳水通量等核心农情参数的地面测量与遥感反演方法，以及从经典机器学习到深度学习算法的原理及其应用场景。通过作物长势监测、水稻分蘖数估算、棉花估产、水分利用效率评估及稻作模式识别等多个典型案例，全景式展示了多源遥感数据如何转化为可操作的农情信息与决策支持。全书内容丰富、体系完整、案例翔实，兼具理论深度与实践指导价值。

更多科学出版社服务，请扫码获取。

2004.9~2008.7 吉林大学地球科学学院 土地资源管理 本科 2008.9~2013.7 中国科学院大学 地图学与地理信息系统专业 博士 2013.8~2015.8 中科院南京地理与湖泊研究所，助理研究员 2015.9~2016.10 瑞士苏黎世联邦理工大学农业环境系，博士后 2016.12~2023.8 西南大学地理科学学院，教授，博士生导师 2023.9迄今 杭州师范大学信息科学与技术学院，教授，博士生导师 生态信息学

目录
序
前言
第1章 智慧农业概述 1
1.1 智慧农业的定义与特征 1
1.2 智慧农业的内涵及其与相关概念的辨析 2
1.3 智慧农业的发展历程、现状与趋势 4
1.4 智慧农业的关键技术 8
1.5 遥感技术在智慧农业中的应用与挑战 13
1.6 本章小结 16
参考文献 17
第2章 农业遥感技术基础 20
2.1 农业遥感的物理基础与光谱机制 20
2.2 农业典型地物的光谱响应特征 22
2.3 农业遥感观测平台与尺度响应特性 25
2.4 农业遥感传感器类型与信息维度 29
2.5 本章小结 32
参考文献 32
第3章 主要农情信息监测方法 34
3.1 引言 34
3.2 叶面积指数 35
3.3 分蘖数 38
3.4 叶绿素含量 39
3.5 叶片含水量 42
3.6 地上生物量 43
3.7 作物产量 45
3.8 日光诱导叶绿素荧光 47
3.9 作物物候 49
3.10 作物种植结构 51
3.11 碳水通量 52
3.12 土壤水分 55
3.13 本章小结 58
参考文献 58
第4章 常用的人工智能算法 62
4.1 引言 62
4.2 机器学习算法 63
4.3 深度学习算法 77
4.4 本章小结 99
参考文献 99
第5章 基于无人机多光谱的水稻关键生育期长势遥感监测 102
5.1 引言 102
5.2 试验设计与数据处理 104
5.3 主要结果分析 110
5.4 讨论 115
5.5 本章小结 116
参考文献 116
第6章 基于可解释性机器学习的水稻分蘖数无人机遥感监测 118
6.1 引言 118
6.2 试验设计与数据处理 119
6.3 主要结果分析 125
6.4 讨论 129
6.5 本章小结 130
参考文献 131
第7章 基于无人机多源遥感数据和机器学习的棉花估产 133
7.1 引言 133
7.2 试验设计与数据处理 134
7.3 主要结果分析 140
7.4 讨论 145
7.5 本章小结 146
参考文献 146
第8章 基于多生态指标的农田干旱胁迫遥感监测 150
8.1 引言 150
8.2 试验设计与数据处理 151
8.3 主要结果分析 155
8.4 讨论 161
8.5 本章小结 163
参考文献 163
第9章 全球尺度农田生态系统水分利用效率时空动态 167
9.1 引言 167
9.2 试验设计与数据处理 168
9.3 主要结果分析 171
9.4 讨论 186
9.5 本章小结 195
参考文献 195
第10章 基于Sentinel-1/2影像与机器学习的稻作模式识别方法 198
10.1 引言 198
10.2 试验设计与数据处理 200
10.3 主要结果分析 205
10.4 讨论 210
10.5 本章小结 211
参考文献 211