第1章  绪论
  1.1  研究背景及意义
  1.2  水稻农情遥感监测研究进展
    1.2.1  水稻种植区提取
    1.2.2  水稻叶绿素含量反演
    1.2.3  水稻产量遥感估算
  1.3  水稻病虫害监测预报研究进展
    1.3.1  水稻病虫害遥感监测
    1.3.2  稻飞虱种群动态监测预报
  1.4  大数据技术及其在精准农业中的应用
    1.4.1  大数据采集技术
    1.4.2  大数据存储技术
    1.4.3  大数据分析处理技术
    1.4.4  大数据技术在精准农业中的应用
  主要参考文献
第2章  数据采集与预处理
  2.1  研究区
  2.2  试验仪器设备
    2.2.1  无人机高光谱遥感数据采集系统
    2.2.2  叶绿素测定仪与谷物水分测定仪
  2.3  数据采集
    2.3.1  无人机高光谱遥感数据采集
    2.3.2  地面辅助数据采集
    2.3.3  2013～2017年全国地表类型遥感影像样本数据集
    2.3.4  构建南方部分地区水稻数据集
  2.4  多源数据及预处理
    2.4.1  遥感数据及预处理
    2.4.2  虫情监测数据及预处理
    2.4.3  气象数据及预处理
    2.4.4  其他数据
  主要参考文献
第3章  中低空间分辨率水稻种植区提取
  3.1  基于植被指数阈值模型的水稻种植区提取
    3.1.1  遥感植被指数阈值识别水稻方法
    3.1.2  光谱指数及时空滤波处理
    3.1.3  水稻潜在移栽区与移栽期识别
    3.1.4  水稻种植区划
    3.1.5  植被指数阈值模型
    3.1.6  实验结果及分析
  3.2  基于深度学习的水稻种植区提取
    3.2.1  MLSTM-FCN时间序列分类算法
    3.2.2  基于时空张量补全的光谱指数时间序列重建
    3.2.3  样本集构建
    3.2.4  华南、西南水稻种植区提取结果与分析
  主要参考文献
第4章  中高空间分辨率水稻种植区提取
  4.1  基于 Landsat数据的水稻种植区提取
    4.1.1  研究区与数据
    4.1.2  时间序列光谱指数构建
    4.1.3  基于植被指数阈值模型的水稻种植区提取
    4.1.4  基于SMLSTM-FCN的岑巩县水稻种植区提取
  4.2  基于Sentinel-1A数据的水稻种植区提取
    4.2.1  极化方式选择
    4.2.2  阈值设置
    4.2.3  实验结果与分析
  主要参考文献
第5章  基于RCRWa-b的水稻SPAD估算
  5.1  引言
  5.2  RCRWa-b定义
  5.3  敏感RCRWa-b特征选择
  5.4  水稻SPAD估算模型构建
    5.4.1  数据分割
    5.4.2  基于随机森林的水稻SPAD估算模型
    5.4.3  基于梯度提升树的水稻SPAD估算模型
  5.5  水稻 SPAD估算结果评价
    5.5.1  水稻 SPAD估算模型精度评价
    5.5.2  水稻 SPAD生长期内变化
    5.5.3  基于多时相无人机高光谱数据的水稻SPAD制图
  主要参考文献
第6章  稻曲病发生信息监测
  6.1  引言
  6.2  稻曲病光谱特性分析
  6.3  基于光谱相似性分析的稻曲病发生信息监测
    6.3.1  模型构建与评价
    6.3.2  稻曲病发生信息制图与分析
  6.4  结合光谱特征和时间特征的稻曲病发生信息监测
    6.4.1  模型构建与评价
    6.4.2  稻曲病发生信息制图与分析
  6.5  不同稻曲病发生信息监测模型对比
  6.6  稻曲病与叶绿素含量关系分析
  主要参考文献
第7章  基于植被指数的水稻产量估算
  7.1  引言
  7.2  光谱指数与水稻产量相关性分析
  7.3  水稻产量估算模型构建与评价
  7.4  叶绿素含量与水稻产量关系分析
  主要参考文献
第8章  华南、西南地区稻飞虱种群时空动态
  8.1  引言
  8.2  稻飞虱种群时空动态分析方法
    8.2.1  空间权重矩阵生成
    8.2.2  稻飞虱种群空间分布模式识别
    8.2.3  稻飞虱种群时空分布特征
  8.3  华南、西南地区稻飞虱种群时空动态
    8.3.1  分析数据
    8.3.2  稻飞虱种群数量动态
    8.3.3  稻飞虱种群空间分布格局
    8.3.4  稻飞虱种群分布热点
  8.4  讨论
  主要参考文献
第9章  基于因果推断的稻飞虱种群动态主控因子探测
  9.1  引言
  9.2  稻飞虱种群动态控制因子数据集
    9.2.1  虫情数据
    9.2.2  气象资料
    9.2.3  寄主状态遥感监测数据
  9.3  基于因果推断的稻飞虱种群动态主控因子探测方法
  9.4  实验结果与分析
    9.4.1  不同稻飞虱种群动态主控因子分析
    9.4.2  不同时滞下田间种群依赖关系强弱
  主要参考文献
第10章  顾及时空依赖的稻飞虱种群动态预报
  10.1  引言
  10.2  顾及时空依赖的稻飞虱种群动态预报模型
    10.2.1  稻飞虱种群动态预报模型框架
    10.2.2  动态图卷积网络
    10.2.3  基于注意力机制的LSTM编解码网络
  10.3  实验结果
    10.3.1  实验设置
    10.3.2  不同模型预报精度对比
    10.3.3  不同监测站DGCN-ALSMT模型预报精度对比
    10.3.4  稻飞虱种群动态预报结果对比
    10.3.5  模型参数对预报精度的影响
  10.4  讨论
  主要参考文献
第11章  水稻药肥精准施用大数据原型平台需求分析
  11.1  功能性需求
  11.2  非功能性需求
  11.3  设计约束
  主要参考文献
第12章  水稻药肥精准施用大数据原型平台设计
  12.1  功能组成设计
    12.1.1  功能简述
    12.1.2  用户角色
  12.2  体系结构设计
    12.2.1  核心技术遴选
    12.2.2  体系结构简述
  12.3  数据库设计
    12.3.1  数据整合
    12.3.2  用户管理
    12.3.3  示范区
    12.3.4  商业服务
    12.3.5  上报
  12.4  非功能性需求保障设计
    12.4.1  代码托管
    12.4.2  服务器管理
    12.4.3  服务器资源保护
  主要参考文献
第13章  水稻药肥精准施用大数据平台实现
  13.1  平台环境搭建
  13.2  数据整合
    13.2.1  遥感数据
    13.2.2  水稻病虫害测报数据
    13.2.3  水稻农药抗性与残留数据
    13.2.4  水稻药肥销售数据
    13.2.5  病虫害图片
    13.2.6  示范区
    13.2.7  物联网数据
  13.3  大数据分析处理
    13.3.1  遥感大数据处理分析
    13.3.2  水稻长势分析
    13.3.3  病虫害预报
  13.4  核心功能实现
    13.4.1  用户管理
    13.4.2  农情监测
    13.4.3  示范区
    13.4.4  预报
    13.4.5  商业服务
    13.4.6  上报
    13.4.7  数据可视化
    13.4.8  后台管理
  13.5  测试
附图