本书依据作者承担的中国农业科学院农业遥感创新团队基金项目的研究成果撰写而成。以往利用星载多光谱遥感影像在我国种植结构复杂、地块分散破碎地区开展农作物分类时精度普遍偏低，而卫星高光谱遥感影像因具有光谱分辨率高、光谱信息丰富等优点，在复杂种植区的农作物精细分类领域具有较高的使用价值和应用潜力。然而，由于卫星高光谱遥感影像空间分辨率较低、特征空间维数高、波段间相关性强、运算时间长等不足，严重阻碍了卫星高光谱遥感技术在上述区域的进一步推广应用，影响了我国分布广泛的复杂种植结构区农作物遥感监测的准确性和时效性。鉴于此，选取河北省廊坊市广阳区为典型研究区，采用国产GF-5卫星AHSI高光谱影像进行玉米、花生、红薯等10余种农作物的精细分类研究，联合GF-1卫星PMS全色影像，比较了各种融合方法的影像质量，优选出适合卫星高光谱遥感的影像融合方法；定量评价了多种波段选择与特征提取方法，提出适合卫星高光谱遥感农作物精细分类的关键波段与特征，优选出农作物高光谱遥感分类算法，旨在为实现复杂种植结构区的农作物精细分类提供解决途径。全书共七章，主要内容包括：第一章农作物高光谱遥感分类的研究现状与存在问题分析；第二章研究区与数据源介绍；第三章高光谱图像融合方法研究；第四章面向农作物分类的高光谱图像降维方法研究；第五章面向高光谱遥感的农作物分类算法优选研究；第六章不同遥感数据源的农作物分类精度评价；第七章结论与展望。本书具有较强的系统性、创新性和实用性，可供从事农业遥感、高光谱遥感、农业农村社会经济调查、地学、生态、环境等领域的科研与技术人员以及高等院校相关专业师生参考使用。

第一章 绪论
第一节 研究背景及意义
第二节 国内外研究进展
一、面向农作物分类的高光谱遥感数据源研究进展
二、高光谱图像融合方法研究进展
三、高光谱数据降维方法研究进展
四、农作物高光谱遥感分类算法研究进展
五、当前研究不足
第三节 研究思路及研究内容
一、研究思路
二、研究内容
第四节 技术路线及研究框架
一、技术路线
二、研究框架
第二章 研究区及数据
第一节 研究区概况
第二节 数据收集与处理
一、高光谱卫星遥感影像
二、多光谱卫星遥感影像
三、样本地面调查数据
四、光谱野外观测数据及预处理
第三章 高光谱图像融合方法研究
第一节 绪论
一、基于全色锐化图像融合
二、基于成像模型图像融合
三、基于深度网络图像融合
四、融合图像指标
第二节 融合影像的收集与预处理
第三节 影像融合方法
一、GS（Gram-Schmidt）法
二、IHS（Intensity Hue Saturation）变换法
三、Brovey 变换法
四、PCA（Principal Components Analysis）变换法
五、谐波分析法
六、改进PCA变换法
第四节 融合图像的质量评价
第五节 不同融合方法下的高光谱图像质量比较
一、基于视觉分析的高光谱图像融合质量对比
二、基于不同评价指标的高光谱图像融合质量比较
第六节 本章小结
第四章 面向农作物分类的高光谱图像降维方法研究
第一节 绪论
一、波段选择
二、特征提取
第二节 面向农作物分类的高光谱图像波段选择方法
一、波段初选
二、面向农作物的高光谱影像波段优选方法
第三节 面向农作物分类的高光谱影像特征挖掘方法
一、高光谱影像特征提取
二、高光谱影像特征优选方法
第四节 结果与分析
一、典型地物的反射光谱特征分析
二、不同算法下的高光谱影像波段选择结果比较
三、不同算法下的高光谱影像特征优选结果比较
第五节 本章小结
第五章 面向高光谱遥感的农作物分类算法优选研究
第一节 面向高光谱遥感的农作物分类算法设计
一、支持向量机（SVM）法
二、随机森林（RF）法
三、最大似然（MLC）法
第二节 农作物分类精度评价
第三节 不同算法下的农作物高光谱遥感分类精度比较
第四节 本章小结
第六章 不同遥感数据源的农作物分类精度评价
第一节 高光谱遥感的农作物分类
一、样本数据
二、分类特征
三、分类算法
第二节 多光谱遥感的农作物分类
一、样本数据
二、分类特征提取
三、分类算法
第三节 农作物分类精度评价
第四节 不同遥感数据源的农作物分类精度比较
第五节 本章小结
第七章 结论与展望
第一节 结论
第二节 展望
参考文献
附件 主要符号对照表