لایب سان

Written by leading global experts, including pioneers in the field, the four-volume set on Hyperspectral Remote Sensing of Vegetation, Second Edition, reviews existing state-of-the-art knowledge, highlights advances made in different areas, and provides guidance for the appropriate use of hyperspectral data in the study and management of agricultural crops and natural vegetation.

Volume I, Fundamentals, Sensor Systems, Spectral Libraries, and Data Mining for Vegetation introduces the fundamentals of hyperspectral or imaging spectroscopy data, including hyperspectral data processes, sensor systems, spectral libraries, and data mining and analysis, covering both the strengths and limitations of these topics. This book also presents and discusses hyperspectral narrowband data acquired in numerous unique spectral bands in the entire length of the spectrum from various ground-based, airborne, and spaceborne platforms. The concluding chapter provides readers with useful guidance on the highlights and essence of Volume I through the editors’ perspective.

Key Features of Volume I:

• Provides the fundamentals of hyperspectral remote sensing used in agricultural crops and vegetation studies.
• Discusses the latest advances in hyperspectral remote sensing of ecosystems and croplands.
• Develops online hyperspectral libraries, proximal sensing and phenotyping for understanding, modeling, mapping, and monitoring crop and vegetation traits.
• Implements reflectance spectroscopy of soils and vegetation.
• Enumerates hyperspectral data mining and data processing methods, approaches, and machine learning algorithms.
• Explores methods and approaches for data mining and overcoming data redundancy;
• Highlights the advanced methods for hyperspectral data processing steps by developing or implementing appropriate algorithms and coding the same for processing on a cloud computing platform like the Google Earth Engine.
• Integrates hyperspectral with other data, such as the LiDAR data, in the study of vegetation.
• Includes best global expertise on hyperspectral remote sensing of agriculture, crop water use, plant species detection, crop productivity and water productivity mapping, and modeling.

چکیده فارسی

نوشته شده توسط کارشناسان برجسته جهانی، از جمله پیشگامان در این زمینه، مجموعه چهار جلدی سنجش از دور فراطیفی گیاهی، ویرایش دوم، دانش موجود موجود را بررسی می کند، پیشرفت های انجام شده در زمینه های مختلف را برجسته می کند، و ارائه می دهد. راهنمایی برای استفاده مناسب از داده های فراطیفی در مطالعه و مدیریت محصولات کشاورزی و پوشش گیاهی طبیعی.

جلد اول، مبانی، سیستم‌های حسگر، کتابخانه‌های طیفی، و داده‌کاوی برای پوشش گیاهی مبانی داده‌های طیف‌سنجی فراطیفی یا تصویربرداری، از جمله فرآیندهای داده‌های فراطیفی، سیستم‌های حسگر را معرفی می‌کند. ، کتابخانه های طیفی، و داده کاوی و تجزیه و تحلیل، که هم نقاط قوت و هم محدودیت های این موضوعات را پوشش می دهد. این کتاب همچنین داده‌های باند باریک فراطیفی را که در باندهای طیفی منحصربه‌فرد متعددی در کل طول طیف از سکوهای مختلف زمینی، هوایی و فضایی به دست آمده‌اند، ارائه و بحث می‌کند. فصل پایانی از طریق دیدگاه ویراستاران، راهنمایی های مفیدی را در مورد نکات برجسته و ماهیت جلد اول به خوانندگان ارائه می دهد.

ویژگی های کلیدی جلد I:

• اصول سنجش از دور فراطیفی مورد استفاده در مطالعات محصولات کشاورزی و پوشش گیاهی را ارائه می دهد.
• آخرین پیشرفت‌ها در سنجش از دور فراطیفی اکوسیستم‌ها و زمین‌های زراعی را مورد بحث قرار می‌دهد.
• کتابخانه‌های فراطیفی آنلاین، سنجش نزدیک و فنوتیپ برای درک، مدل‌سازی، نقشه‌برداری، و نظارت بر ویژگی‌های محصول و پوشش گیاهی ایجاد می‌کند.
• طیف‌سنجی بازتاب خاک و پوشش گیاهی را اجرا می‌کند.
• روش‌ها، روش‌ها و الگوریتم‌های یادگیری ماشینی داده‌کاوی فراطیفی و پردازش داده را برمی‌شمارد.
• روش ها و رویکردهای داده کاوی و غلبه بر افزونگی داده را بررسی می کند؛
• روش‌های پیشرفته برای مراحل پردازش داده‌های فراطیفی را با توسعه یا پیاده‌سازی الگوریتم‌های مناسب و کدگذاری آن‌ها برای پردازش در یک پلت‌فرم رایانش ابری مانند موتور Google Earth برجسته می‌کند.
• در مطالعه پوشش گیاهی، فراطیفی را با داده‌های دیگر مانند داده‌های LiDAR ادغام می‌کند.
• شامل بهترین تخصص جهانی در مورد سنجش از دور فراطیفی کشاورزی، استفاده از آب محصول، تشخیص گونه‌های گیاهی، بهره‌وری محصول و نقشه‌برداری بهره‌وری آب و مدل‌سازی است.