地理信息技术及应用

课程编码：180209095136M2003H 英文名称：Geographic Information Technology and Its Applications 课时：40 学分：2.00 课程属性：专业核心课 主讲教师：陈鹏飞等

地理信息技术是在计算机硬、软件系统支持下，对整个或部分地球表层空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示、描述的技术系统，是构建“数字农业”的重要技术基础，在农业大数据获取、分析与管理，农作物生长与发育状况、生长环境监测等方面起着重要的作用。通过本课程的学习，使研究生掌握数字农业的信息化技术与方法，并了解当前地理信息技术的研究方法与手段，把握地理信息技术的国际前沿；通过实际案例与应用研究，使研究生熟悉地理信息技术在数字农业领域的应用，综合运用所学知识、开拓研究思路。

无

第一章 地理信息技术概论
第1节 地理信息技术概论 1学时 姚永慧
第2节 地理信息技术与数字地球 1学时 姚永慧
第3节 时空知识图谱与大模型 2学时 姚永慧
第二章 地理数据采集
第1节 地理数据的类型 1学时 姚永慧
第2节 历史资料收集与分析 1学时 姚永慧
第3节 实地调查与测量 1学时 姚永慧
第4节 地面观测与对地观测 1学时 姚永慧
第三章 地理数据的分析与表达
第1节 经典统计分析方法 2学时 姚永慧
第2节 地统计分析方法 2学时 姚永慧
第3节 空间分析方法 2学时 姚永慧
第4节 空间数据挖掘与知识发现 1学时 姚永慧
第5节 大数据与云计算 1学时 姚永慧
第四章 数字高程模型与地形分析
第1节 数字高程模型概论 1学时 姚永慧
第2节 基于DEM的地形分析 1学时 姚永慧
第3节 基于DEM的山区气候特征分析 1学时 姚永慧
第4节 基于DEM的山地植被分布分析 1学时 姚永慧
第五章 农业遥感技术基础
第1节 农业遥感的需求 2学时 陈鹏飞
第2节 农业遥感的物理基础 2学时 陈鹏飞
第3节 农业遥感平台及数据获取 2学时 陈鹏飞
第4节 农业遥感数据处理方法 4学时 陈鹏飞
第六章 农业遥感监测技术
第1节 作物苗情监测 2学时 陈鹏飞
第2节 作物长势监测 2学时 陈鹏飞
第3节 作物产量与品质监测 4学时 陈鹏飞
第七章 结业考试
第1节 结业考试 2学时 陈鹏飞

陈鹏飞，博士，中国科学院地理科学与资源研究所研究员，博士生导师，中国科学院特聘骨干人才，自然资源学会自然资源信息系统专委会委员。2004年和2006年分别毕业于南京农业大学和中国农业大学获学士和硕士学位，2009年获得中国农业大学与加拿大农业部联合培养博士学位，2016-2017年在加拿大农业部渥太华研究与发展中心做访问学者。主要从事农作物苗情、长势、氮素营养状况、产量、品质等的遥感监测研究。先后承担国家自然科学基金项目、国家基础性工作专项课题、国家重点研发项目子课题等省部级以上任务12项，担任《?International Journal of Applied Earth Observation and Geoinformation》、《Computers and Electronics in Agriculture》、《European Journal of Agronomy》等多个国际期刊审稿人。发表学术论文80余篇，其中第一或通讯作者论文60篇，单篇最高被引450次；获得专利8项，软件著作权13项，国家标准1项，团体标准规范8项；获得2022年度河南省科技进步一等奖。
姚永慧，女，中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，副研究员、硕导。中国地质大学学士（1992），中国地质大学硕士（1996），中国科学院地理科学与资源研究所博士（2000）。多年从事地理信息、遥感及其在山地生态中的应用研究，主持自然科学基金项目3项，作为研究骨干参与科技基础资源调查专项“中国南北过渡带综合科学考察”、国家重点研发计划“群智协同时空知识图谱与知识服务”、中国科学院A类战略性先导科技专项“泛第三极环境变化与绿色丝绸之路建设”以及中国科学院基础与交叉前沿科研B先导专项“数据-模型驱动地理智能系统与典型场景应用”等科研项目，在地理空间分析、植被遥感智能分析等方面展开了深入的研究。代表性研究成果如下：（1）Xie Wenqi, Yao Yonghui. Quantifying human activity intensity in the Qinling- Daba Mountains. People and Nature, 2024, 00, 1–16. (2) Baoguo Wang; Yonghui Yao. Mountain Vegetation Classification Method Based on Multi-Channel Semantic Segmentation Model, Remote Sensing, 2024, 16(2): 256. (3) Yao Yonghui, Cui Lulu. Vegetation Dynamics in the Qinling‐Daba Mountains through Climate Warming with Land‐Use Policy, Forests, 2022, 13(1361). (4) Yao Yonghui, Suonan, Dongzhu, Zhang Junyao. Compilation of 1:50,000 vegetation type map with remote sensing images based on mountain altitudinal belts of Taibai Mountain in the North-South transitional zone of China, Journal of Geographical Sciences, 2020, 30(2): 267-280.(5) Yao Yonghui, Hu, Yufan, et al. Spatial patterns of Pinus tabulaeformis and Pinus massoniana forests in Qinling-Daba Mountains and the boundary of subtropical and warm temperate zones, Journal of Geographical Sciences, 2020, 30(9): 1523-1533.