基于遙感影像的作物長勢模型數(shù)據(jù)庫構(gòu)建技術(shù)

摘要:利用不同尺度下遙感影像能夠?qū)崟r快速地獲取農(nóng)作物各個階段生長發(fā)育狀況,為區(qū)域農(nóng)業(yè)的精細化管理提供決策支持?以長江中下游水稻種植及生長條件為例,分析了不同尺度遙感影像的獲取及處理方法,重點探討作物生長模型化數(shù)據(jù)庫的概念設(shè)計?邏輯設(shè)計及分布式存儲等若干關(guān)鍵技術(shù)問題,進而實現(xiàn)農(nóng)作物從播種到收獲各個階段的全程監(jiān)測?預(yù)警及分析對比?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;作物長勢;水稻

中圖分類號:S24;TP392文獻標識碼:A文章編號: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

基金項目:國家自然科學(xué)基金項目(U1304403);河南省科技攻關(guān)計劃項目(112102210079);河南省高等學(xué)校青年骨干教師資助計劃項目(2010GGJS-177);許昌學(xué)院科研基金項目(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?環(huán)境監(jiān)測?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)可以實現(xiàn)作物長勢的全程監(jiān)控,包括作物的苗情?生長狀況?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?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,作物長勢遙感監(jiān)測成為目前農(nóng)業(yè)遙感及農(nóng)業(yè)信息化的重要研究內(nèi)容?

1農(nóng)作物長勢監(jiān)測研究現(xiàn)狀

美國早在20世紀70年代就開展了“大面積農(nóng)作物估產(chǎn)實驗(LACIE)”項目,主要監(jiān)測美國?加拿大和前蘇聯(lián)的小麥產(chǎn)量,20世紀80年代又開展了“農(nóng)業(yè)和資源的空間遙感調(diào)查(AGRISTTARS)”計劃,并建立了全球級的農(nóng)情監(jiān)測運行系統(tǒng)[2]?其后,歐盟所屬的聯(lián)合研究中心遙感應(yīng)用研究所通過實施“遙感農(nóng)業(yè)監(jiān)測”項目(MARS計劃)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,我國先后開展了小麥?玉米和水稻大面積遙感估產(chǎn)試驗研究[4]?中國科學(xué)院先后建立不同地區(qū)乃至國家級的農(nóng)情監(jiān)測系統(tǒng);楊邦杰[5]曾利用作物的個體與群體定義作物長勢,提出了基于植被指數(shù)與植被表面溫度的長勢模型?這些研究主要集中大規(guī)模作物長勢監(jiān)測或者單株作物生長發(fā)育過程的模型化分析?作物長勢是一個時空變化的過程,提取不同尺度下作物的時空特征對作物長勢分析和管理十分重要?另一方面,由于影像分辨率?真實地況差異?相關(guān)算法效率?人工誤差等諸多因素的存在,大面積作物長勢分析?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現(xiàn)大到區(qū)域級?小到單株作物級別的監(jiān)測和評估,為作物長勢分析?產(chǎn)量估算及真實生長模型監(jiān)控等提供必要的途徑[7]?

本研究綜合利用遙感影像實現(xiàn)作物生長發(fā)育不同階段的關(guān)鍵特征提取,并建立其生長模型數(shù)據(jù)庫,實現(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別作物的分析?對比?評估,可以滿足一定區(qū)域內(nèi)作物估產(chǎn)?作物長勢分析?災(zāi)害預(yù)警等應(yīng)用需要,實現(xiàn)遙感信息定性?定量?定位一體化快速處理,從而推動數(shù)字農(nóng)業(yè)?精細化農(nóng)業(yè)的快速發(fā)展?

2作物長勢模型化分析

2.1遙感影像分析

遙感影像是通過安裝在遙感平臺上的設(shè)備對目標物表面攝影或掃描獲得的影像?遙感影像具有多平臺?多傳感器?多波段?多比例尺?多時相等優(yōu)點,能提供豐富的信息,其特征能夠反映地理環(huán)境或目標物的質(zhì)?量和動態(tài)信息[8]?波譜特性?空間特性?時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)方面識別地物?繪制地圖?目標解譯以及對圖像進行幾何糾正?增強處理等提供了重要的依據(jù)?時間特性是以一定的周期對地面重復(fù)成像,獲取多時相遙感影像進行對比分析?遙感影像的多時相性主要表現(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?

作物長勢遙感監(jiān)測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)綠色植物對光譜的反射特性,判斷作物的生長狀況,從而進行長勢的監(jiān)測?

2.2作物長勢模型數(shù)據(jù)庫

目前,農(nóng)作物長勢監(jiān)測的方法主要包括直接檢測方法?同期對比方法?診斷模型以及作物生長過程監(jiān)測?生長模型方法等?這些方法在一定條件下能夠?qū)崿F(xiàn)特定農(nóng)作物的長勢監(jiān)測,但也都存在一定的局限性,比如物候差異問題?長勢與最后產(chǎn)量預(yù)測脫節(jié)?缺乏定量監(jiān)測等?農(nóng)作物長勢模型數(shù)據(jù)庫就是通過分析農(nóng)作物生長發(fā)育各階段的顯著特點和不同階段關(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),建立長勢模型數(shù)據(jù)庫,并根據(jù)遙感監(jiān)測結(jié)果進行動態(tài)更新,從而為作物長勢分析?產(chǎn)量估測?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?

作物長勢模型數(shù)據(jù)庫建設(shè)主要包括遙感影像選取?影像特征提取?數(shù)據(jù)存儲?數(shù)據(jù)更新四個階段?首先,根據(jù)要監(jiān)測的區(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,田塊級別精細化識別需要選取高分辨率遙感影像,而東北地區(qū)和長江中下游地區(qū)的水稻種植節(jié)律不同,應(yīng)選取不同時間段的遙感影像?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)上計算作物特定生長期的特征參數(shù)?遙感指數(shù)?然后,將這些信息處理并編碼,作為農(nóng)作物長勢模板按照一定的索引存入數(shù)據(jù)庫?最后,根據(jù)需要讀取數(shù)據(jù)庫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行上述操作并更新數(shù)據(jù)?

3數(shù)據(jù)庫設(shè)計

3.1概念結(jié)構(gòu)設(shè)計

數(shù)據(jù)庫概念結(jié)構(gòu)設(shè)計是對需求信息進行綜合?歸納,抽象為特定的概念模型?常用的概念模型是實體-聯(lián)系模型(E-R模型),該模型能真實?有效地反映現(xiàn)實世界需求,便于不同用戶的理解和交流?作物長勢模板數(shù)據(jù)庫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)一的編號對其進行編碼,圖像特征也是通過該編碼實現(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?時間特征等,在此基礎(chǔ)上,根據(jù)特定作物的生長發(fā)育特點和領(lǐng)域?qū)＜蚁闰炐灾R,采用一定方法計算并記錄相關(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)?時間特征(TemporalFeature)?遙感指數(shù)(RSIndex)?作物參數(shù)(CropParameter)等實體,各實體之間關(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?類型?分辨率?波段范圍?文件大小?行數(shù)?列數(shù)?文件塊號?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)射電磁波的強度分布,主要包括波譜編號?波長?反射率以及影像中地物名稱?采樣點?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?拓撲形狀等?TemporalInfo記錄圖像時間特征,包括成像時間?當天云量?溫度等信息?RSIndex反映了作物的生長狀況,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應(yīng)的作物實際種植時間?種植面積,領(lǐng)域?qū)＜翌A(yù)計的拔節(jié)?抽穗?成熟時間及相關(guān)評價參數(shù)?

3.2邏輯結(jié)構(gòu)設(shè)計

數(shù)據(jù)庫邏輯結(jié)構(gòu)設(shè)計是按照某種數(shù)據(jù)庫管理系統(tǒng),使用特定數(shù)據(jù)模型對概念結(jié)構(gòu)設(shè)計結(jié)果進行轉(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)庫管理系統(tǒng)SQL Server進行設(shè)計[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)庫索引及存儲

由于遙感圖像本身數(shù)據(jù)量大,讀取速度慢,因此在存儲遙感圖像時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,分別進行存儲,當對圖像局部進行操作時可以單獨讀取指定的文件塊[11]?為提高檢索效率和處理速度,一般對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算出作物生長發(fā)育狀況的主要遙感指數(shù),結(jié)合領(lǐng)域?qū)I(yè)的先驗知識,可以對作物長勢進行定量評價?

4水稻長勢模型數(shù)據(jù)庫

4.1水稻生長發(fā)育過程

水稻是主要糧食作物,種植面積廣,生長周期較長?我國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)?水稻的生長發(fā)育可以分為幼苗期?分蘗期?發(fā)育期?結(jié)實期四個階段,各階段又可以細分為若干個子階段,生長周期在100~180 d?例如,結(jié)實期是指稻穗開花后到谷粒成熟的時期,又可分為乳熟期?蠟熟期和完熟期,為25~30 d?該階段的主要特點是長莖長穗?開花?結(jié)實,形成和充實子粒,也是確定水稻長勢?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),延長根系和葉片的功能期,提高物質(zhì)積累轉(zhuǎn)化率,達到穗數(shù)足?穗型大?千粒重和結(jié)實率高?

4.2遙感數(shù)據(jù)

根據(jù)長江中下游水稻生長周期特點,可以選取育苗期?秧苗期?返青期?分蘗期?孕穗期?揚花期?結(jié)實期?收割期等不同階段的具體時間選取合適的遙感影像?僅對同一地區(qū)不同年份抽穗期生長狀況進行研究?所選取的區(qū)域是長江中下游水稻主產(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′,對應(yīng)實際地理區(qū)域為安徽省安慶市大觀區(qū)安徽長江中下游地區(qū)濕地?數(shù)據(jù)從中國科學(xué)院網(wǎng)絡(luò)信息中心地理空間數(shù)據(jù)云服務(wù)平臺下載[13]?

4.3水稻長勢遙感監(jiān)測

根據(jù)圖2所示的作物長勢模型數(shù)據(jù)庫表結(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需要對不同波段影像數(shù)據(jù)值計算后提取?本研究中主要選用了國內(nèi)外同行在作物長勢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,能部分地補償照明條件?地面坡度以及衛(wèi)星觀測方向的變化所引起的影響?對兩年同一時間段該地區(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?

試驗發(fā)現(xiàn),不同長勢的作物其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)域苗情長勢越好?同時,NDVI對土壤背景的變化比較敏感,當植被覆蓋度小于15%時,植被的NDVI略大于裸土;當植被覆蓋度為25%~80%時,NDVI隨植被覆蓋度的增加呈近于線性的增長;當植被覆蓋度大于80%時,其靈敏度下降?但長勢與NDVI的關(guān)系也是相對的,只有針對某一時相進行同等條件下的空間對比才有意義,而各時相間NDVI的變化則反映了苗情長勢的動態(tài)變化?因此,NDVI等級是作物群體生物量?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)是人類社會最基本和最重要的生產(chǎn)活動之一,是人類社會生存和發(fā)展的基本條件?農(nóng)作物長勢監(jiān)測能夠提供全面?客觀?精準的基礎(chǔ)數(shù)據(jù),實時動態(tài)地了解作物生長狀況,確保作物豐收增產(chǎn),從而保證國家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長發(fā)育的模型化數(shù)據(jù)庫,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)實現(xiàn)對當前作物種植?長勢?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,大量厘米級的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實現(xiàn)對田塊級別?單株級別作物長勢狀況進行分析,從而為精細化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻:

[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. 中國農(nóng)作物長勢遙感監(jiān)測研究綜述[J].中國農(nóng)學(xué)通報,2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國農(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,2003,19(6):174-178.

[4] 吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J].地理學(xué)報,2000,55(1):25-35.

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

[6] 張立國,吳超,時廣毅. 基于云計算和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)與生長模型的作物長勢監(jiān)測與估產(chǎn)方法研究[D].北京:中國農(nóng)業(yè)大學(xué),2001.

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

[9] 秦凱,趙英俊.特定目標影像數(shù)據(jù)庫系統(tǒng)設(shè)計與實現(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)庫系統(tǒng)的開發(fā)與實現(xiàn)[J].武漢測繪科技大學(xué)學(xué)報,1999, 24(3):312-322.

[11] 杜根遠.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.遙感影像模板數(shù)據(jù)庫設(shè)計與實現(xiàn)[J].現(xiàn)代計算機,2012,10(1):62-64.

[13] 中國科學(xué)院計算機網(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,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)是人類社會最基本和最重要的生產(chǎn)活動之一,是人類社會生存和發(fā)展的基本條件?農(nóng)作物長勢監(jiān)測能夠提供全面?客觀?精準的基礎(chǔ)數(shù)據(jù),實時動態(tài)地了解作物生長狀況,確保作物豐收增產(chǎn),從而保證國家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長發(fā)育的模型化數(shù)據(jù)庫,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)實現(xiàn)對當前作物種植?長勢?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,大量厘米級的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實現(xiàn)對田塊級別?單株級別作物長勢狀況進行分析,從而為精細化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻:

[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. 中國農(nóng)作物長勢遙感監(jiān)測研究綜述[J].中國農(nóng)學(xué)通報,2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國農(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,2003,19(6):174-178.

[4] 吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J].地理學(xué)報,2000,55(1):25-35.

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

[6] 張立國,吳超,時廣毅. 基于云計算和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)與生長模型的作物長勢監(jiān)測與估產(chǎn)方法研究[D].北京:中國農(nóng)業(yè)大學(xué),2001.

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

[9] 秦凱,趙英俊.特定目標影像數(shù)據(jù)庫系統(tǒng)設(shè)計與實現(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)庫系統(tǒng)的開發(fā)與實現(xiàn)[J].武漢測繪科技大學(xué)學(xué)報,1999, 24(3):312-322.

[11] 杜根遠.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.遙感影像模板數(shù)據(jù)庫設(shè)計與實現(xiàn)[J].現(xiàn)代計算機,2012,10(1):62-64.

[13] 中國科學(xué)院計算機網(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,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)是人類社會最基本和最重要的生產(chǎn)活動之一,是人類社會生存和發(fā)展的基本條件?農(nóng)作物長勢監(jiān)測能夠提供全面?客觀?精準的基礎(chǔ)數(shù)據(jù),實時動態(tài)地了解作物生長狀況,確保作物豐收增產(chǎn),從而保證國家的糧食安全?本研究提出利用高?中?低分辨率遙感影像建立區(qū)域性作物生長發(fā)育的模型化數(shù)據(jù)庫,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)實現(xiàn)對當前作物種植?長勢?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,大量厘米級的高分辨率遙感影像不斷出現(xiàn)并快速更新,可以實現(xiàn)對田塊級別?單株級別作物長勢狀況進行分析,從而為精細化農(nóng)業(yè)發(fā)展提供了必要的基礎(chǔ)?

參考文獻:

[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. 中國農(nóng)作物長勢遙感監(jiān)測研究綜述[J].中國農(nóng)學(xué)通報,2005,21(3):319-322,345.

[3] 邢素麗,張廣錄.我國農(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,2003,19(6):174-178.

[4] 吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運行化遙感方法[J].地理學(xué)報,2000,55(1):25-35.

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

[6] 張立國,吳超,時廣毅. 基于云計算和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)與生長模型的作物長勢監(jiān)測與估產(chǎn)方法研究[D].北京:中國農(nóng)業(yè)大學(xué),2001.

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

[9] 秦凱,趙英俊.特定目標影像數(shù)據(jù)庫系統(tǒng)設(shè)計與實現(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)庫系統(tǒng)的開發(fā)與實現(xiàn)[J].武漢測繪科技大學(xué)學(xué)報,1999, 24(3):312-322.

[11] 杜根遠.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.遙感影像模板數(shù)據(jù)庫設(shè)計與實現(xiàn)[J].現(xiàn)代計算機,2012,10(1):62-64.

[13] 中國科學(xué)院計算機網(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,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.