V
主页
教程分享:基于无人机农业遥感影像如何进行作物株数读取
发布人
本节采用了机器学习的方法,对研究区农田进行了生物量的提取。将人工智能的方法引入到无人机遥感信息提取领域,通过数据上传、图片标注、模型训练、校验模型和发布模型的流程,对生物量5个等级进行了机器的智能学习。随着数据量的增加和标注信息的丰富,人工智能必将发挥越来越大的作用,使得智慧农业成为现实。
打开封面
下载高清视频
观看高清视频
视频下载器
无人机遥感在农林信息提取中的实现方法与GIS融合应用高级实践课程(作物倒伏--数字表面模型技术)
近地面无人机植被定量遥感与生理参数反演——叶片光谱反射率曲线
长时间序列遥感数据处理——遥感反演植被参数类型
基于PyTorch深度学习无人机遥感影像——图像分割
基于MATLAB的无人机遥感数据预处理与农林植被性状估算/期刊论文插图制作
植被参数遥感反演
CESM运行教程:CESM 2.0编译运行环境模拟
倾斜摄影测量实操流程——ContextCapture Master无人机倾斜摄影测量与实景三维模型应用
教程分享:水资源论证方法与报告编制技术及实际案例分析
光学遥感/植被参数遥感反演教程
Python高光谱遥感数据处理与机器学习/城市规划/矿产勘查/环境检测/高光谱深度学习/高光谱农业应用案例/土壤质量评估/木材含水率评估
视频教程:“卫星-无人机-地面”遥感数据快速使用及地物含量计算的实现方法实践技术——遥感数据辐射校正方法(遥感)
双碳目标下基于“遥感+”融合技术在碳储量、碳收支、碳循环等多领域监测与模拟实践应用、陆地生态系统碳循环模型的遥感应用-DNDC模型
教程分享—基于R语言的分位数回归
高精度气象模拟软件WRF实践技术教程分享
遥感、GIS及GPS在土壤普查、制图及土壤空间数据分析中的实践技术应用
最好教程分享:CLM 陆面过程模式实践技术应用
基于“Python+”集成技术高光谱遥感数据处理与机器学习进阶应用
HEC-RAS建模教程
近地面无人机植被定量遥感与生理参数反演实践技术 —— 光在理想冠层中的辐射传输
遥感、GIS及GPS在土壤普查、制图及土壤空间数据分析中的实践技术应用——GPS定位数据及土壤采样设计
高光谱遥感数值建模技术--在植被、水体、土壤信息提取
基于遥感与GIS在滑坡、泥石流风险普查中的实践技术应用——灾害信息的查询与输出
教程 生态环境领域中meta分析图形分析法——加权直方图
无人机生态环境监测、图像处理与GIS数据分析综合实践技术应用
海量遥感数据处理GEE云计算
知乎
SWMM模型中如何利用GIS数据快速建立模型
视频教程:R语言与作物模型前沿应用案例
干货分享:基于ArcGIS土地利用空间分析
全流程基于GIS、Python机器学习技术的地质灾害风险评价、易发性分析与信息化建库及灾后重建中的实践应用
“Python+”集成技术高光谱遥感数据处理与机器学习深度应用
作物倒伏—数字表面模型技术
基于GIS与遥感解译技术环境影响评价图件制作实践应用——遥感图像GIS制图
基于Citespace和vosviewer的文献信息可视化分析——期刊的双图叠加
GEE遥感云大数据在林业中的应用与典型案例实践
FVCOM水动力数值模拟前处理、模型设置、后处理
我悔过,这就是1299的无人机不该买的原因 | DJI Neo评测
WRF-CMAQ教程指南:空气质量预报模式系统(wrf-cmaq)模式输出结果变量
教程 | 快速了解广义线性混合效应模型