ARTICLE · 1302696

AI-Agent融合的无人机农林生态遥感科研实践

发布时间：2026-11-03 17:08:44 最近访问：2026-11-03 17:08:45

线上直播

关于举办"AI-Agent融合的无人机农林生态遥感科研实践高级培训班"的通知

直播时间：11月15日-16日、21日-22日

从真实科研项目到可信数据，4天12专题，掌握一套可用于论文、基金、验收的科研成果包

前言

无人机飞行与数据采集的自动化程度不断提高，AI智能体也正在显著降低编程、批处理和报告生成的门槛。在农业、林业、草地、湿地和生态修复等科研场景中，真正决定成果质量的并不是“能否生成一张图”，而是科学问题是否清晰、观测方案是否合理、数据质量是否可信、模型结果是否经过验证、生态解释是否成立，以及全过程能否复现。

为帮助高校、科研院所、农科院及相关行业技术人员系统掌握无人机农林生态遥感科研分析方法，提升低空观测、数据质量控制、生态参数反演、GeoAI智能解译和Agent科研自动化能力，拟举办“AI Agent驱动的无人机农林生态遥感高级实战班”。现将有关事项通知如下。

图1 课程闭环模型：围绕真实科研项目组织教学，AI Agent贯穿问题定义、数据获取、参数反演、精度验证与成果输出。

课程目标

1、能够将农业、林业、草地湿地或生态修复问题转化为可观测、可计算、可验证的遥感指标体系。

2、掌握RGB、多光谱、高光谱、热红外和LiDAR在不同农林生态任务中的选型方法。

3、能够完成无人机数据质量检查、DOM/DSM/DTM/CHM生产和植被指数计算。

4、能够开展作物长势、森林结构、生物量、覆盖度、产量和生态修复成效等参数反演。

5、掌握机器学习、深度学习、SAM2和遥感基础模型的适用边界、验证方法与不确定性表达。

6、能够使用Agent完成数据处理、批量制图、统计分析和报告生成，并建立结果复核与过程留痕机制。

7、课程结束时形成一套可服务论文、项目申请、项目验收或业务报告的成果包。

图2 课程组织与成果路径：从真实项目进入，以可复用成果离开。

适合对象

农业科学、林业科学、生态学、遥感科学与技术、地理信息科学、自然资源管理、环境科学、草业科学、湿地保护、生态修复等相关专业的高校教师、科研人员、博士研究生、硕士研究生、农科院技术骨干及平台管理人员。

具备基础GIS或遥感概念即可参加；课程同时提供无代码操作路径与Python代码扩展路径。本课程不属于无人机驾驶证或飞行资质培训。

课程大纲

专题一真实科研项目拆解与低空遥感技术路线设计

1.无人机自动化与AI智能体发展背景下，科研培训价值从“会操作”转向“会设计、会验证、会交付”；

2.农林生态科研问题的类型：资源调查、过程监测、参数反演、成效评估与决策支持；

3.从科学问题到遥感指标：研究对象、时空尺度、精度要求与成果形式；

4.“问题—指标—数据—模型—验证—成果”六步技术路线设计方法；

5.农业、林业、草地、湿地与生态修复场景的课程案例体系；

6.课程成果包说明：专题图、验证表、项目简报、Agent工作流与可复用模板。

案例分析与实践（一）：每位学员围绕自己的课题填写《项目画布》，完成研究问题、指标体系、数据需求和预期成果设计。

专题二农林生态低空观测方案与传感器选择

1.RGB、多光谱、高光谱、热红外与LiDAR分别能获取什么农林生态信息；

2.作物长势、森林结构、植被胁迫、碳储量和生态修复任务的传感器匹配策略；

3.GSD、飞行高度、航向/旁向重叠、RTK/PPK与控制点布设；

4.光照、天气、物候期、观测时相与多时相一致性控制；

5.样地、样方、地面真值和辅助观测数据设计；

6.空—地—星协同观测：无人机与Sentinel、Landsat及地面调查的互补关系。

案例分析与实践（二）：针对学员选定的农业、林业或生态问题，完成传感器选择、飞行参数和地面验证方案设计。

专题三无人机数据质量控制与标准化管理

1.无人机数据常见质量问题：影像缺失、模糊、曝光异常、重叠不足、配准误差；

2.多光谱辐射校准、白板校准、反射率转换与光照变化校正；

3.坐标系统、地面控制点、空间配准与几何精度检查；

4.多时相数据一致性、可比性与质量控制流程；

5.数据命名、元数据、版本管理和项目数据目录规范；

6.数据质量对后续生态参数反演、模型训练和成果验收的影响。

案例分析与实践（三）:基于示例数据进行自动检查，形成一份《无人机数据质量检查报告》。

专题四三维重建、CHM构建与植被结构提取

1.无人机影像三维重建原理：多视几何、特征匹配、SfM与MVS；

2.DOM、DSM、DTM/DEM、点云等基础产品质量评价与成果解析；

3.CHM构建方法：树高、作物株高、冠层高度与空间异质性提取；

4.冠层覆盖度、冠幅、单木位置和植被垂直结构表达；

5.SfM与LiDAR三维产品的差异：林下穿透、结构表达与适用场景；

6.三维产品误差来源、精度验证与生态解释边界。

案例分析与实践（四）：基于无人机三维产品解析DOM、DSM/DTM与CHM，提取植被高度和冠层结构专题信息。

专题五多光谱监测、植被指数与生态胁迫诊断

1.植被光谱响应基础：红光、红边、近红外与短波红外信息；

2.DN值、反射率、辐射校准与多时相数据一致性；

3.NDVI、NDRE、GNDVI、SAVI、EVI、NDWI等指标的适用条件；

4.作物长势、叶绿素、水分胁迫、植被异常和病虫害斑块识别思路；

5.光谱指数与生态机理之间的关系：不是指数越高越好，而是指标服务于问题；

6.指数产品的空间制图、异常识别和结果解释。

案例分析与实践（五）：批量计算多类植被指数，生成作物长势或植被胁迫分布图，并对异常区域进行解释。

专题六农业与作物表型分轨实战

1.农田场景无人机监测任务：出苗率、植株计数、冠层覆盖、株高和倒伏；

2.田间试验小区边界提取、小区统计与表型参数批量计算；

3.作物长势、营养胁迫、水分胁迫与病虫害空间识别；

4.基于光谱、纹理和CHM特征的生物量与产量估算；

5.多时相作物监测与关键生育期对比分析；

6.农业结果表达：专题图、小区统计表、管理分区建议与论文图表。

案例分析与实践（六）：完成“作物长势与产量估算”项目，输出长势图、产量预测图和试验小区统计表。

专题七林业结构、生物量与碳汇方向分轨实战

1.森林无人机监测任务：单木识别、树高、冠幅、郁闭度与垂直结构；

2.RGB-SfM与LiDAR在森林场景中的适用条件和组合策略；

3.点云地面点/植被点分类、CHM构建与单木分割；

4.样地调查数据与无人机特征的匹配方法；

5.森林地上生物量、碳储量及结构参数空间化反演；

6.森林病虫害、灾害受损与生态修复成效监测。

案例分析与实践（七）：完成“单木识别与生物量估算”项目，输出单木清单、树冠分布图和生物量空间图。

专题八草地、湿地与生态修复方向分轨实战

1.草地、湿地与生态修复场景的典型监测指标及数据特征；

2.植被覆盖、水体范围、植被高度等生态参数的遥感提取；

3.多时相无人机影像配准、变化检测与前后对比分析；

4.生态修复成效的空间化表达与典型判读方法；

5. 无人机与卫星遥感协同的尺度扩展；

6.生态空间表达验收报告组织。

案例分析与实践（八）：完成“生态修复成效评估”项目，输出植被覆盖度图、变化检测图和评估报告框架。

专题九生态参数建模、机器学习与可信验证

1.无人机生态建模特征体系：光谱、植被指数、纹理、CHM、点云与地形特征；

2.从样地实测到空间预测：特征构建、样本匹配、模型训练与空间制图；

3.RF、SVR、XGBoost等机器学习模型的适用场景与参数设置；

4.生物量、FVC、LAI、产量和碳储量相关参数建模案例；

5.空间交叉验证、独立样地验证、模型泛化与数据泄漏防范；

6.模型解释、不确定性表达和生态意义分析。

案例分析与实践（九）：基于样地数据和无人机多源特征建立参数反演模型，输出预测图、精度表和不确定性说明。

专题十农林目标识别、深度学习与遥感基础模型

1.无人机生态遥感智能解译任务：分类、目标检测、语义分割与实例分割；

2.YOLO、U-Net、DeepLab、Mask R-CNN与SegFormer的任务适配；

3.训练样本标注、数据增强、类别不平衡与小样本问题；

4.SAM2的Point Prompt、Box Prompt与交互式分割；

5.遥感基础模型的Zero-shot、Few-shot与Fine-tuning应用思路；

6.单木检测、树冠分割、作物识别、植被类型制图与病虫害斑块识别；

7.复杂生态场景中的失败案例、跨区域泛化和人工复核机制。

案例分析与实践（十）：使用预训练模型或SAM2完成树冠/植被/水体目标提取，并进行精度评价与错误分析。

专题十一 Agent科研自动化与可信AI工作流

1.大语言模型、Agent与Tool Calling：从问答工具到任务执行助手；

2.自然语言任务拆解：输入、步骤、输出、验收标准和复核要求；

3. 大模型辅助脚本生成：利用AI辅助编写/优化Python、GIS和遥感批处理脚本，打通数据读取与空间分析；

4.批量制图、统计计算、结果表生成、可视化与报告初稿自动生成；

5.提示词模板、代码版本、参数记录、结果日志和数据溯源；

6.AI结果复核：坐标、投影、单位、异常值、空间泄漏和生态合理性检查；

7.科研诚信与数据安全：未发表数据、涉密资料和本地化部署边界。

案例分析与实践（十一）：从一句自然语言任务出发，利用AI工具辅助完成数据分析、专题制图提示流和报告初稿构建，再由学员完成人工复核。

专题十二综合项目实战、成果答辩与课后迁移

1.梳理前几天跑出的标准数据成果（专题图、模型验证表），融入第一天设计的《项目画布》中；鼓励携带自身已有脱敏数据/课题进行对接设计

2.完整盘点“问题定义—观测方案—数据质检—产品生产—参数反演—智能解译—Agent自动化—成果表达”流程

3.项目成果包组装：专题图、模型验证表、科研工作流框架

4.成果点评与诊断：围绕科学价值、数据质量、模型可信度、结果表达和可迁移性五维指标进行专家面对面课题诊断与优化指导

5.无人机遥感分析方法向论文、基金与后续实际业务项目的方法迁移框架

6.课后30天迁移支持：集中答疑、项目点评和模板更新。

案例分析与实践（十二）：每位学员/小组完善自身课题画布与成果简报，进行成果展示与专家联合诊断点评。

证书及学时

参加培训的学员可以获得《无人机农林生态遥感技术应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com

联系方式

详细报名流程，请联系课程负责人

贾楠：18330219991（微电）

QQ咨询：244389525

直播课程推荐

第五期：告别单兵作战——搭建你的24小时AI智能科研团队

面向真实科研场景，以Codex、Claude Code、OpenClaw、Hermes四位"AI研究员"为核心，构建可迭代、可复用的科研协作团队全流程自动化培训班

直播时间：10月22日-26日

第八期：2026基于前沿AI-Agent2.0驱动的科研全链路实战营：一站式掌握LLM与Notebooklm应用、数据分析、自动化编程、文献管理到论文写作的核心技能、手把手搭建本地LLM与Agent（Odysseus），体验多模型“圆桌会议”的头脑风暴，基于N8N与OpenClaw、Claude Code、Codex构建从文献挖掘到成果产出的自主智能体、解锁Seedance 2.0+Codex将成果转化为高质量的科教视频能、手把手搭建本地LLM与Agent（Odysseus），体验多模型“圆桌会议”的头脑风暴，基于N8N与OpenClaw、Claude Code、Codex构建从文献挖掘到成果产出的自主智能体、解锁Seedance 2.0+Codex将成果转化为高质量的科教视频技能、手把手搭建本地LLM与Agent（Odysseus），设计多模型“圆桌会议”的头脑风暴，基于N8N与OpenClaw、Claude Code、Codex构建从文献挖掘到成果产出的自主智能体、解锁Seedance 2.0+Codex将成果转化为高质量的科教视频

直播时间：10月16日-19日

从通用大模型到课题组私有AI：领域微调、知识库构建与本地化部署—涵盖国产开源模型选型、LoRA/QLoRA、vLLM高并发推理与科研智能体自动化

直播时间：10月24日-25日、31日-11月1日

【限时特价】开题有救、综述有底：2026 AI 科研文献实战特训营

两晚跑通「AI 文献检索+精读提取+多篇对比+Obsidian 知识库+带出处智能问答」完整工作流，带走开题/综述/基金选题资料包

直播时间：11月3日 - 4日【11月2日环境配置讲解及远程辅助安装】