摘要:利用不同尺度下遙感影像能夠?qū)崟r(shí)快速地獲取農(nóng)作物各個(gè)階段生長(zhǎng)發(fā)育狀況,為區(qū)域農(nóng)業(yè)的精細(xì)化管理提供決策支持?以長(zhǎng)江中下游水稻種植及生長(zhǎng)條件為例,分析了不同尺度遙感影像的獲取及處理方法,重點(diǎn)探討作物生長(zhǎng)模型化數(shù)據(jù)庫(kù)的概念設(shè)計(jì)?邏輯設(shè)計(jì)及分布式存儲(chǔ)等若干關(guān)鍵技術(shù)問題,進(jìn)而實(shí)現(xiàn)農(nóng)作物從播種到收獲各個(gè)階段的全程監(jiān)測(cè)?預(yù)警及分析對(duì)比?結(jié)果表明,該研究能在一定程度上提高遙感農(nóng)業(yè)信息化管理水平和工作效率,促進(jìn)農(nóng)業(yè)遙感的縱深化發(fā)展?

關(guān)鍵詞:遙感影像;農(nóng)業(yè)遙感;數(shù)據(jù)庫(kù);作物長(zhǎng)勢(shì);水稻

中圖分類號(hào):S24;TP392文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):0439-8114(2014)11-2653-04

Techniques for Contructing Crop Growth Model Database Based on

Remote Sensing Images

XIONG De-lan

(International School of Education, Xuchang University, Xuchang 461000, Henan, China)

Abstract: The crop growth status in various stages can be quickly and timely obtained by using the remote sensing images of different scales, which will provide decision support for fine management of regional agriculture. The rice planting and growing environment in the middle and lower reaches of Changjiang River was used to analyze, the acquisition and processing method of different scale remote sensing images. Several key technical problems of crop growth model database including conceptual design, logical design and distributed storage were focused on to realize the entire monitoring, warning and analyses from sowing to harvesting the agricultural crops. Results showed that the management level and work efficiency were improved for remote agricultural information to some exlent. Agricultural remote sensing was deepened.

Key words:remote sensing images; agricultural RS; database; crop growth; rice

基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(U1304403);河南省科技攻關(guān)計(jì)劃項(xiàng)目(112102210079);河南省高等學(xué)校青年骨干教師資助計(jì)劃項(xiàng)目(2010GGJS-177);許昌學(xué)院科研基金項(xiàng)目(2014022)

隨著遙感技術(shù)的迅速發(fā)展,不同尺度遙感影像數(shù)據(jù)在航空航天?災(zāi)害預(yù)報(bào)?環(huán)境監(jiān)測(cè)?作物估產(chǎn)等諸多領(lǐng)域都得到廣泛的應(yīng)用?利用遙感技術(shù)可以實(shí)現(xiàn)作物長(zhǎng)勢(shì)的全程監(jiān)控,包括作物的苗情?生長(zhǎng)狀況?變化規(guī)律以及自然災(zāi)害等情況,也為農(nóng)作物產(chǎn)量估測(cè)?災(zāi)害預(yù)警等其他研究提供了必要的前提,為農(nóng)業(yè)政策的制定和糧食貿(mào)易提供了決策依據(jù)[1]?因此,作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)成為目前農(nóng)業(yè)遙感及農(nóng)業(yè)信息化的重要研究?jī)?nèi)容?

1農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)研究現(xiàn)狀

美國(guó)早在20世紀(jì)70年代就開展了“大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn)(LACIE)”項(xiàng)目,主要監(jiān)測(cè)美國(guó)?加拿大和前蘇聯(lián)的小麥產(chǎn)量,20世紀(jì)80年代又開展了“農(nóng)業(yè)和資源的空間遙感調(diào)查(AGRISTTARS)”計(jì)劃,并建立了全球級(jí)的農(nóng)情監(jiān)測(cè)運(yùn)行系統(tǒng)[2]?其后,歐盟所屬的聯(lián)合研究中心遙感應(yīng)用研究所通過實(shí)施“遙感農(nóng)業(yè)監(jiān)測(cè)”項(xiàng)目(MARS計(jì)劃)成功地建成了歐盟區(qū)的農(nóng)作物估產(chǎn)系統(tǒng)[3]?近年來,我國(guó)先后開展了小麥?玉米和水稻大面積遙感估產(chǎn)試驗(yàn)研究[4]?中國(guó)科學(xué)院先后建立不同地區(qū)乃至國(guó)家級(jí)的農(nóng)情監(jiān)測(cè)系統(tǒng);楊邦杰[5]曾利用作物的個(gè)體與群體定義作物長(zhǎng)勢(shì),提出了基于植被指數(shù)與植被表面溫度的長(zhǎng)勢(shì)模型?這些研究主要集中大規(guī)模作物長(zhǎng)勢(shì)監(jiān)測(cè)或者單株作物生長(zhǎng)發(fā)育過程的模型化分析?作物長(zhǎng)勢(shì)是一個(gè)時(shí)空變化的過程,提取不同尺度下作物的時(shí)空特征對(duì)作物長(zhǎng)勢(shì)分析和管理十分重要?另一方面,由于影像分辨率?真實(shí)地況差異?相關(guān)算法效率?人工誤差等諸多因素的存在,大面積作物長(zhǎng)勢(shì)分析?種植面積估算等研究具有很大的不確定性和不可靠性?而近年來普及的遙感技術(shù)和WebGIS?云計(jì)算等新技術(shù)為上述問題的解決提供了便利[6]?利用高?中?低等不同層次分辨率的遙感影像可以實(shí)現(xiàn)大到區(qū)域級(jí)?小到單株作物級(jí)別的監(jiān)測(cè)和評(píng)估,為作物長(zhǎng)勢(shì)分析?產(chǎn)量估算及真實(shí)生長(zhǎng)模型監(jiān)控等提供必要的途徑[7]?

本研究綜合利用遙感影像實(shí)現(xiàn)作物生長(zhǎng)發(fā)育不同階段的關(guān)鍵特征提取,并建立其生長(zhǎng)模型數(shù)據(jù)庫(kù),實(shí)現(xiàn)農(nóng)作物從播種到收獲各階段的過程模擬化和模型的數(shù)據(jù)化?通過選取高?中分辨率遙感影像建立不同尺度級(jí)別作物的分析?對(duì)比?評(píng)估,可以滿足一定區(qū)域內(nèi)作物估產(chǎn)?作物長(zhǎng)勢(shì)分析?災(zāi)害預(yù)警等應(yīng)用需要,實(shí)現(xiàn)遙感信息定性?定量?定位一體化快速處理,從而推動(dòng)數(shù)字農(nóng)業(yè)?精細(xì)化農(nóng)業(yè)的快速發(fā)展?

2作物長(zhǎng)勢(shì)模型化分析

2.1遙感影像分析

遙感影像是通過安裝在遙感平臺(tái)上的設(shè)備對(duì)目標(biāo)物表面攝影或掃描獲得的影像?遙感影像具有多平臺(tái)?多傳感器?多波段?多比例尺?多時(shí)相等優(yōu)點(diǎn),能提供豐富的信息,其特征能夠反映地理環(huán)境或目標(biāo)物的質(zhì)?量和動(dòng)態(tài)信息[8]?波譜特性?空間特性?時(shí)間特性是遙感影像的基本屬性?其中,波譜特性指物體發(fā)射?反射的電磁波強(qiáng)度,在遙感影像中通常表現(xiàn)為顏色?亮度?陰影等特征信息?空間特性包括成像信息的空間分辨率和投影性質(zhì)分析,涉及影像空間位置?空間布局以及地物的形狀?紋理?圖案等特征信息?該特征為從形態(tài)學(xué)方面識(shí)別地物?繪制地圖?目標(biāo)解譯以及對(duì)圖像進(jìn)行幾何糾正?增強(qiáng)處理等提供了重要的依據(jù)?時(shí)間特性是以一定的周期對(duì)地面重復(fù)成像,獲取多時(shí)相遙感影像進(jìn)行對(duì)比分析?遙感影像的多時(shí)相性主要表現(xiàn)在地理環(huán)境的自然變換過程和地物的節(jié)律性變化?由于不同時(shí)期太陽輻射?氣候?植被等環(huán)境因素的變化,不同季節(jié)或日期的地物在同波段影像上色調(diào)存在差異?

作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)是建立在綠色植物光譜理論基礎(chǔ)上的?同一種作物,由于光?溫?水?土等條件的不同,其生長(zhǎng)狀況也不一樣,在遙感影像上表現(xiàn)為光譜數(shù)據(jù)的差異嘲?根據(jù)綠色植物對(duì)光譜的反射特性,判斷作物的生長(zhǎng)狀況,從而進(jìn)行長(zhǎng)勢(shì)的監(jiān)測(cè)?

2.2作物長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù)

目前,農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)的方法主要包括直接檢測(cè)方法?同期對(duì)比方法?診斷模型以及作物生長(zhǎng)過程監(jiān)測(cè)?生長(zhǎng)模型方法等?這些方法在一定條件下能夠?qū)崿F(xiàn)特定農(nóng)作物的長(zhǎng)勢(shì)監(jiān)測(cè),但也都存在一定的局限性,比如物候差異問題?長(zhǎng)勢(shì)與最后產(chǎn)量預(yù)測(cè)脫節(jié)?缺乏定量監(jiān)測(cè)等?農(nóng)作物長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù)就是通過分析農(nóng)作物生長(zhǎng)發(fā)育各階段的顯著特點(diǎn)和不同階段關(guān)注的核心問題,選取合適尺度的遙感影像并提取重要特征參數(shù),建立長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù),并根據(jù)遙感監(jiān)測(cè)結(jié)果進(jìn)行動(dòng)態(tài)更新,從而為作物長(zhǎng)勢(shì)分析?產(chǎn)量估測(cè)?災(zāi)害預(yù)定提供可靠的數(shù)據(jù)基礎(chǔ)和高效的分析方法?

作物長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù)建設(shè)主要包括遙感影像選取?影像特征提取?數(shù)據(jù)存儲(chǔ)?數(shù)據(jù)更新四個(gè)階段?首先,根據(jù)要監(jiān)測(cè)的區(qū)域范圍和作物種植節(jié)律選取合適的遙感影像?比如跨省范圍大面積區(qū)域性分析可以選擇中低分辨率遙感影像,田塊級(jí)別精細(xì)化識(shí)別需要選取高分辨率遙感影像,而東北地區(qū)和長(zhǎng)江中下游地區(qū)的水稻種植節(jié)律不同,應(yīng)選取不同時(shí)間段的遙感影像?其次是圖像特征提取,主要提取遙感圖像中波譜?色彩?亮度?紋理?形狀?空間關(guān)系等特征信息,并在此基礎(chǔ)上計(jì)算作物特定生長(zhǎng)期的特征參數(shù)?遙感指數(shù)?然后,將這些信息處理并編碼,作為農(nóng)作物長(zhǎng)勢(shì)模板按照一定的索引存入數(shù)據(jù)庫(kù)?最后,根據(jù)需要讀取數(shù)據(jù)庫(kù)的信息并以一定的視圖形式呈現(xiàn)給用戶,也可以重新選取更合適的遙感影像進(jìn)行上述操作并更新數(shù)據(jù)?

3數(shù)據(jù)庫(kù)設(shè)計(jì)

3.1概念結(jié)構(gòu)設(shè)計(jì)

數(shù)據(jù)庫(kù)概念結(jié)構(gòu)設(shè)計(jì)是對(duì)需求信息進(jìn)行綜合?歸納,抽象為特定的概念模型?常用的概念模型是實(shí)體-聯(lián)系模型(E-R模型),該模型能真實(shí)?有效地反映現(xiàn)實(shí)世界需求,便于不同用戶的理解和交流?作物長(zhǎng)勢(shì)模板數(shù)據(jù)庫(kù)主要包含處理后的遙感圖像和分析提取的影像特征集兩類數(shù)據(jù)?遙感圖像就是遙感影像數(shù)據(jù)預(yù)處理后得到圖像,可以使用統(tǒng)一的編號(hào)對(duì)其進(jìn)行編碼,圖像特征也是通過該編碼實(shí)現(xiàn)不同特征集合和遙感影像的關(guān)聯(lián)[9]?圖像特征包括遙感影像波譜特征?空間特征?時(shí)間特征等,在此基礎(chǔ)上,根據(jù)特定作物的生長(zhǎng)發(fā)育特點(diǎn)和領(lǐng)域?qū)＜蚁闰?yàn)性知識(shí),采用一定方法計(jì)算并記錄相關(guān)的遙感指數(shù)和作物特征參數(shù)?

根據(jù)上述分析,抽取出遙感影像(RSImage)?波譜特征(SpectrumFeature)?空間特征(SpatialFeature)?時(shí)間特征(TemporalFeature)?遙感指數(shù)(RSIndex)?作物參數(shù)(CropParameter)等實(shí)體,各實(shí)體之間關(guān)系如圖1所示?

其中,RSImage記錄遙感圖像基本信息,包括影像編號(hào)?類型?分辨率?波段范圍?文件大小?行數(shù)?列數(shù)?文件塊號(hào)?地理位置?影像描述等屬性?SpectrumInfo記錄遙感圖像中不同地物反射?發(fā)射電磁波的強(qiáng)度分布,主要包括波譜編號(hào)?波長(zhǎng)?反射率以及影像中地物名稱?采樣點(diǎn)?亮度等屬性?SpatialInfo記錄遙感影像的空間特征,主要包括地理名稱?經(jīng)緯度范圍?拓?fù)湫螤畹?TemporalInfo記錄圖像時(shí)間特征,包括成像時(shí)間?當(dāng)天云量?溫度等信息?RSIndex反映了作物的生長(zhǎng)狀況,常用的遙感指數(shù)有歸一化植被指數(shù)?葉面積指數(shù)?溫度條件指數(shù)等?CropParameter反映了該遙感影像對(duì)應(yīng)的作物實(shí)際種植時(shí)間?種植面積,領(lǐng)域?qū)＜翌A(yù)計(jì)的拔節(jié)?抽穗?成熟時(shí)間及相關(guān)評(píng)價(jià)參數(shù)?

3.2邏輯結(jié)構(gòu)設(shè)計(jì)

數(shù)據(jù)庫(kù)邏輯結(jié)構(gòu)設(shè)計(jì)是按照某種數(shù)據(jù)庫(kù)管理系統(tǒng),使用特定數(shù)據(jù)模型對(duì)概念結(jié)構(gòu)設(shè)計(jì)結(jié)果進(jìn)行轉(zhuǎn)換?為保證遙感影像數(shù)據(jù)及不同類型特征信息的統(tǒng)一管理,滿足不同類型用戶的應(yīng)用需求,研究中選取通用的關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)SQL Server進(jìn)行設(shè)計(jì)[10]?因此,數(shù)據(jù)的邏輯模型使用關(guān)系表來描述,數(shù)據(jù)庫(kù)中主要數(shù)據(jù)表名稱及其結(jié)構(gòu)如圖2所示?

3.3數(shù)據(jù)庫(kù)索引及存儲(chǔ)

由于遙感圖像本身數(shù)據(jù)量大,讀取速度慢,因此在存儲(chǔ)遙感圖像時(shí)一般考慮分塊和索引策略?分塊是按照一定的算法將圖像分成一定大小的文件塊,分別進(jìn)行存儲(chǔ),當(dāng)對(duì)圖像局部進(jìn)行操作時(shí)可以單獨(dú)讀取指定的文件塊[11]?為提高檢索效率和處理速度,一般對(duì)文件塊按一定順序編碼并建立索引?

由于遙感影像數(shù)據(jù)量大,讀取速度慢,在數(shù)據(jù)庫(kù)中以快視圖形式存放其縮略圖,供用戶快速查看?原始影像以數(shù)據(jù)塊的形式分別存放,不同影像塊之間以文件索引形式進(jìn)行關(guān)聯(lián)?根據(jù)內(nèi)存空間大小的不同,數(shù)據(jù)塊的大小可以適當(dāng)調(diào)整,一般取2k大小[12]?

遙感影像特征信息和農(nóng)作物生長(zhǎng)狀況相關(guān)特征主要通過影像編碼RSIid和作物名稱(CropName)及作物階段(StageName)等建立關(guān)聯(lián),通過遙感影像基本特征信息可以計(jì)算出作物生長(zhǎng)發(fā)育狀況的主要遙感指數(shù),結(jié)合領(lǐng)域?qū)I(yè)的先驗(yàn)知識(shí),可以對(duì)作物長(zhǎng)勢(shì)進(jìn)行定量評(píng)價(jià)?

4水稻長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù)

4.1水稻生長(zhǎng)發(fā)育過程

水稻是主要糧食作物,種植面積廣,生長(zhǎng)周期較長(zhǎng)?我國(guó)水稻種植主要有東北早熟單季稻區(qū)?華北單季稻區(qū)?華中單雙季稻區(qū)?華南雙季稻區(qū)?西北干燥區(qū)?水稻的生長(zhǎng)發(fā)育可以分為幼苗期?分蘗期?發(fā)育期?結(jié)實(shí)期四個(gè)階段,各階段又可以細(xì)分為若干個(gè)子階段,生長(zhǎng)周期在100~180 d?例如,結(jié)實(shí)期是指稻穗開花后到谷粒成熟的時(shí)期,又可分為乳熟期?蠟熟期和完熟期,為25~30 d?該階段的主要特點(diǎn)是長(zhǎng)莖長(zhǎng)穗?開花?結(jié)實(shí),形成和充實(shí)子粒,也是確定水稻長(zhǎng)勢(shì)?奪取高產(chǎn)的主要階段?該階段的栽培尤其要重視肥?水?氣的協(xié)調(diào),延長(zhǎng)根系和葉片的功能期,提高物質(zhì)積累轉(zhuǎn)化率,達(dá)到穗數(shù)足?穗型大?千粒重和結(jié)實(shí)率高?

4.2遙感數(shù)據(jù)

根據(jù)長(zhǎng)江中下游水稻生長(zhǎng)周期特點(diǎn),可以選取育苗期?秧苗期?返青期?分蘗期?孕穗期?揚(yáng)花期?結(jié)實(shí)期?收割期等不同階段的具體時(shí)間選取合適的遙感影像?僅對(duì)同一地區(qū)不同年份抽穗期生長(zhǎng)狀況進(jìn)行研究?所選取的區(qū)域是長(zhǎng)江中下游水稻主產(chǎn)區(qū)遙感影像,所選用的影像為2010年8月2日和2011年8月5日Landsat 7 ETM影像,影像跨越范圍為東經(jīng)115°73′-118°11′,北緯29°63′-31°24′,對(duì)應(yīng)實(shí)際地理區(qū)域?yàn)榘不帐“矐c市大觀區(qū)安徽長(zhǎng)江中下游地區(qū)濕地?數(shù)據(jù)從中國(guó)科學(xué)院網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云服務(wù)平臺(tái)下載[13]?

4.3水稻長(zhǎng)勢(shì)遙感監(jiān)測(cè)

根據(jù)圖2所示的作物長(zhǎng)勢(shì)模型數(shù)據(jù)庫(kù)表結(jié)構(gòu),提取遙感影像元數(shù)據(jù)建立遙感影像數(shù)據(jù)基本信息表RSImage?光譜信息表SpectrumInfo?空間信息表SpatialInfo等?其中,遙感指數(shù)數(shù)據(jù)表RSIndex需要對(duì)不同波段影像數(shù)據(jù)值計(jì)算后提取?本研究中主要選用了國(guó)內(nèi)外同行在作物長(zhǎng)勢(shì)分析中通常采用的歸一化植被指數(shù)(NDVI)?葉面積指數(shù)(LAI)?溫度條件指數(shù)(TCI)等[14]?其中NDVI被定義為近紅外波段(NIR)與可見光紅波段(RED)數(shù)值之差和這兩個(gè)波段數(shù)值之和的比值,即NDVI=(NIR-RED)/(NIR+RED)?

NDVI與植被覆蓋度關(guān)系密切,能部分地補(bǔ)償照明條件?地面坡度以及衛(wèi)星觀測(cè)方向的變化所引起的影響?對(duì)兩年同一時(shí)間段該地區(qū)遙感影像中連續(xù)區(qū)域提取NDVI指數(shù),結(jié)果如圖3所示?

試驗(yàn)發(fā)現(xiàn),不同長(zhǎng)勢(shì)的作物其NDVI大小不同?一般植株越高?群體越大?葉面積系數(shù)越大的作物,其NDVI較大,這表明該區(qū)域苗情長(zhǎng)勢(shì)越好?同時(shí),NDVI對(duì)土壤背景的變化比較敏感,當(dāng)植被覆蓋度小于15%時(shí),植被的NDVI略大于裸土;當(dāng)植被覆蓋度為25%~80%時(shí),NDVI隨植被覆蓋度的增加呈近于線性的增長(zhǎng);當(dāng)植被覆蓋度大于80%時(shí),其靈敏度下降?但長(zhǎng)勢(shì)與NDVI的關(guān)系也是相對(duì)的,只有針對(duì)某一時(shí)相進(jìn)行同等條件下的空間對(duì)比才有意義,而各時(shí)相間NDVI的變化則反映了苗情長(zhǎng)勢(shì)的動(dòng)態(tài)變化?因此,NDVI等級(jí)是作物群體生物量?葉面積?植株受害程度等的綜合反映?

5小結(jié)

農(nóng)業(yè)生產(chǎn)是人類社會(huì)最基本和最重要的生產(chǎn)活動(dòng)之一,是人類社會(huì)生存和發(fā)展的基本條件?農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)能夠提供全面?客觀?精準(zhǔn)的基礎(chǔ)數(shù)據(jù),實(shí)時(shí)動(dòng)態(tài)地了解作物生長(zhǎng)狀況,確保作物豐收增產(chǎn),從而保證國(guó)家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長(zhǎng)發(fā)育的模型化數(shù)據(jù)庫(kù),結(jié)合已有農(nóng)業(yè)數(shù)據(jù)和歷年遙感影像歷史數(shù)據(jù)實(shí)現(xiàn)對(duì)當(dāng)前作物種植?長(zhǎng)勢(shì)?估產(chǎn)等若干問題的監(jiān)控和管理,為農(nóng)業(yè)信息化的實(shí)現(xiàn)提供了很好的參考?隨著遙感技術(shù)的發(fā)展,大量厘米級(jí)的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實(shí)現(xiàn)對(duì)田塊級(jí)別?單株級(jí)別作物長(zhǎng)勢(shì)狀況進(jìn)行分析,從而為精細(xì)化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻(xiàn):

[1] 李小文.遙感原理與應(yīng)用[M].北京:科學(xué)出版社,2008.

[2] 吳素霞,毛任釗,李紅軍,等. 中國(guó)農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)研究綜述[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國(guó)農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望[J].農(nóng)業(yè)工程學(xué)報(bào),2003,19(6):174-178.

[4] 吳炳方.全國(guó)農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J].地理學(xué)報(bào),2000,55(1):25-35.

[5] 楊邦杰.農(nóng)作物長(zhǎng)勢(shì)的定義與遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),1999,15(3):214-218.

[6] 張立國(guó),吳超,時(shí)廣毅. 基于云計(jì)算和WebGIS的農(nóng)業(yè)信息服務(wù)系統(tǒng)構(gòu)建[J].湖北農(nóng)業(yè)科學(xué),2013,52(5):1161-1163.

[7] 辛景峰.基于3S技術(shù)與生長(zhǎng)模型的作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)方法研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2001.

[8] 陳圣波,孟治國(guó),湛邵斌,等.遙感影像信息庫(kù)[M].北京:科學(xué)出版社,2011.

[9] 秦凱,趙英俊.特定目標(biāo)影像數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].世界核地質(zhì)科學(xué),2010,27(3):155-158.

[10] 方濤,李德仁,龔健雅,等.GeoImageDB多分辨率無縫影像數(shù)據(jù)庫(kù)系統(tǒng)的開發(fā)與實(shí)現(xiàn)[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1999, 24(3):312-322.

[11] 杜根遠(yuǎn).海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D].成都: 成都理工大學(xué), 2011.

[12] 熊德蘭,杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫(kù)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī),2012,10(1):62-64.

[13] 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心.地理空間數(shù)據(jù)云[DB/OL].http://www.gscloud.cn/.

[14] 蘇榮瑞,周守華,耿一風(fēng),等. 江漢平原水稻關(guān)鍵生育期冠層溫度環(huán)境響應(yīng)模型研究[J].湖北農(nóng)業(yè)科學(xué),2010,49(11):2673-2677.

5小結(jié)

農(nóng)業(yè)生產(chǎn)是人類社會(huì)最基本和最重要的生產(chǎn)活動(dòng)之一,是人類社會(huì)生存和發(fā)展的基本條件?農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)能夠提供全面?客觀?精準(zhǔn)的基礎(chǔ)數(shù)據(jù),實(shí)時(shí)動(dòng)態(tài)地了解作物生長(zhǎng)狀況,確保作物豐收增產(chǎn),從而保證國(guó)家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長(zhǎng)發(fā)育的模型化數(shù)據(jù)庫(kù),結(jié)合已有農(nóng)業(yè)數(shù)據(jù)和歷年遙感影像歷史數(shù)據(jù)實(shí)現(xiàn)對(duì)當(dāng)前作物種植?長(zhǎng)勢(shì)?估產(chǎn)等若干問題的監(jiān)控和管理,為農(nóng)業(yè)信息化的實(shí)現(xiàn)提供了很好的參考?隨著遙感技術(shù)的發(fā)展,大量厘米級(jí)的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實(shí)現(xiàn)對(duì)田塊級(jí)別?單株級(jí)別作物長(zhǎng)勢(shì)狀況進(jìn)行分析,從而為精細(xì)化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻(xiàn):

[1] 李小文.遙感原理與應(yīng)用[M].北京:科學(xué)出版社,2008.

[2] 吳素霞,毛任釗,李紅軍,等. 中國(guó)農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)研究綜述[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國(guó)農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望[J].農(nóng)業(yè)工程學(xué)報(bào),2003,19(6):174-178.

[4] 吳炳方.全國(guó)農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J].地理學(xué)報(bào),2000,55(1):25-35.

[5] 楊邦杰.農(nóng)作物長(zhǎng)勢(shì)的定義與遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),1999,15(3):214-218.

[6] 張立國(guó),吳超,時(shí)廣毅. 基于云計(jì)算和WebGIS的農(nóng)業(yè)信息服務(wù)系統(tǒng)構(gòu)建[J].湖北農(nóng)業(yè)科學(xué),2013,52(5):1161-1163.

[7] 辛景峰.基于3S技術(shù)與生長(zhǎng)模型的作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)方法研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2001.

[8] 陳圣波,孟治國(guó),湛邵斌,等.遙感影像信息庫(kù)[M].北京:科學(xué)出版社,2011.

[9] 秦凱,趙英俊.特定目標(biāo)影像數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].世界核地質(zhì)科學(xué),2010,27(3):155-158.

[10] 方濤,李德仁,龔健雅,等.GeoImageDB多分辨率無縫影像數(shù)據(jù)庫(kù)系統(tǒng)的開發(fā)與實(shí)現(xiàn)[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1999, 24(3):312-322.

[11] 杜根遠(yuǎn).海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D].成都: 成都理工大學(xué), 2011.

[12] 熊德蘭,杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫(kù)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī),2012,10(1):62-64.

[13] 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心.地理空間數(shù)據(jù)云[DB/OL].http://www.gscloud.cn/.

[14] 蘇榮瑞,周守華,耿一風(fēng),等. 江漢平原水稻關(guān)鍵生育期冠層溫度環(huán)境響應(yīng)模型研究[J].湖北農(nóng)業(yè)科學(xué),2010,49(11):2673-2677.

5小結(jié)

農(nóng)業(yè)生產(chǎn)是人類社會(huì)最基本和最重要的生產(chǎn)活動(dòng)之一,是人類社會(huì)生存和發(fā)展的基本條件?農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)能夠提供全面?客觀?精準(zhǔn)的基礎(chǔ)數(shù)據(jù),實(shí)時(shí)動(dòng)態(tài)地了解作物生長(zhǎng)狀況,確保作物豐收增產(chǎn),從而保證國(guó)家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長(zhǎng)發(fā)育的模型化數(shù)據(jù)庫(kù),結(jié)合已有農(nóng)業(yè)數(shù)據(jù)和歷年遙感影像歷史數(shù)據(jù)實(shí)現(xiàn)對(duì)當(dāng)前作物種植?長(zhǎng)勢(shì)?估產(chǎn)等若干問題的監(jiān)控和管理,為農(nóng)業(yè)信息化的實(shí)現(xiàn)提供了很好的參考?隨著遙感技術(shù)的發(fā)展,大量厘米級(jí)的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實(shí)現(xiàn)對(duì)田塊級(jí)別?單株級(jí)別作物長(zhǎng)勢(shì)狀況進(jìn)行分析,從而為精細(xì)化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻(xiàn):

[1] 李小文.遙感原理與應(yīng)用[M].北京:科學(xué)出版社,2008.

[2] 吳素霞,毛任釗,李紅軍,等. 中國(guó)農(nóng)作物長(zhǎng)勢(shì)遙感監(jiān)測(cè)研究綜述[J].中國(guó)農(nóng)學(xué)通報(bào),2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國(guó)農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望[J].農(nóng)業(yè)工程學(xué)報(bào),2003,19(6):174-178.

[4] 吳炳方.全國(guó)農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J].地理學(xué)報(bào),2000,55(1):25-35.

[5] 楊邦杰.農(nóng)作物長(zhǎng)勢(shì)的定義與遙感監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),1999,15(3):214-218.

[6] 張立國(guó),吳超,時(shí)廣毅. 基于云計(jì)算和WebGIS的農(nóng)業(yè)信息服務(wù)系統(tǒng)構(gòu)建[J].湖北農(nóng)業(yè)科學(xué),2013,52(5):1161-1163.

[7] 辛景峰.基于3S技術(shù)與生長(zhǎng)模型的作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)方法研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2001.

[8] 陳圣波,孟治國(guó),湛邵斌,等.遙感影像信息庫(kù)[M].北京:科學(xué)出版社,2011.

[9] 秦凱,趙英俊.特定目標(biāo)影像數(shù)據(jù)庫(kù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].世界核地質(zhì)科學(xué),2010,27(3):155-158.

[10] 方濤,李德仁,龔健雅,等.GeoImageDB多分辨率無縫影像數(shù)據(jù)庫(kù)系統(tǒng)的開發(fā)與實(shí)現(xiàn)[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1999, 24(3):312-322.

[11] 杜根遠(yuǎn).海量遙感圖像內(nèi)容檢索關(guān)鍵技術(shù)研究[D].成都: 成都理工大學(xué), 2011.

[12] 熊德蘭,杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫(kù)設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī),2012,10(1):62-64.

[13] 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心.地理空間數(shù)據(jù)云[DB/OL].http://www.gscloud.cn/.

[14] 蘇榮瑞,周守華,耿一風(fēng),等. 江漢平原水稻關(guān)鍵生育期冠層溫度環(huán)境響應(yīng)模型研究[J].湖北農(nóng)業(yè)科學(xué),2010,49(11):2673-2677.