基于WSN與TinyOS技術(shù)的智能溫室監(jiān)控系統(tǒng)設(shè)計(jì)

王亞平+張寶華+董麗榮

摘要：構(gòu)建傳統(tǒng)的溫室監(jiān)控系統(tǒng)需要大量的線纜，從而增加了造價(jià)，并給維護(hù)造成很大的困難。研究用無線傳感網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)前端溫室信息的采集與遠(yuǎn)程監(jiān)控，不但節(jié)省了造價(jià)，而且系統(tǒng)采用TinyOS技術(shù)，可以實(shí)現(xiàn)低功耗、高魯棒性、數(shù)據(jù)快速傳輸。研究的系統(tǒng)在溫室監(jiān)控中有一定的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：WSN；TinyOS；節(jié)點(diǎn)；低功耗；農(nóng)業(yè)生產(chǎn)；智能溫室

中圖分類號：TP277.2；S126 文獻(xiàn)標(biāo)志碼：A

文章編號：1002-1302（2014）08-0408-03

我國是一個農(nóng)業(yè)大國，提高農(nóng)作物產(chǎn)量對我國經(jīng)濟(jì)發(fā)展尤為重要。溫室種植是我國現(xiàn)代化農(nóng)業(yè)生產(chǎn)的重要手段之一，也是信息化農(nóng)業(yè)生產(chǎn)的重要組成部分。利用先進(jìn)的信息技術(shù)可以不受自然環(huán)境、季節(jié)等因素的制約而生產(chǎn)出高質(zhì)量、反季節(jié)的新鮮水果與蔬菜，從而滿足人們的需求，創(chuàng)造出更多的利潤。傳統(tǒng)的溫室監(jiān)控系統(tǒng)在溫室內(nèi)放置大量的傳感器，對溫室的光、空氣溫度、空氣濕度、二氧化碳濃度等信息進(jìn)行采集，而且傳感器多采用有線的形式，需要鋪設(shè)大量的線路，維護(hù)難度大。本系統(tǒng)設(shè)計(jì)的基于無線傳感網(wǎng)絡(luò)（wireless sensor network，WSN）與TinyOS技術(shù)的智能溫室監(jiān)控系統(tǒng)，在無線傳感器節(jié)點(diǎn)設(shè)計(jì)上采用多傳感融合技術(shù)采集光、空氣溫度、空氣濕度、二氧化碳濃度等信息，并通過無線的形式將信息傳送到監(jiān)控終端^[1]。系統(tǒng)設(shè)計(jì)結(jié)構(gòu)見圖1。

1 總體技術(shù)架構(gòu)設(shè)計(jì)

本系統(tǒng)結(jié)合農(nóng)業(yè)實(shí)際生產(chǎn)需求，利用設(shè)計(jì)的無線傳感器節(jié)點(diǎn)將溫室內(nèi)的光、溫度、濕度、二氧化碳等信息進(jìn)行集中采集，再將信息發(fā)送給路由節(jié)點(diǎn)。路由節(jié)點(diǎn)在這個網(wǎng)絡(luò)中起到中繼的作用，將信息經(jīng)過多次轉(zhuǎn)發(fā)傳送給Sink節(jié)點(diǎn)^[2]。Sink節(jié)點(diǎn)會對信息進(jìn)行匯總，可以通過3G網(wǎng)絡(luò)或者Internet網(wǎng)絡(luò)將信息發(fā)送給監(jiān)控終端。監(jiān)控終端對前端采集的信息能夠進(jìn)行實(shí)時(shí)監(jiān)控，同時(shí)監(jiān)控終端平臺配置一臺智能分析服務(wù)器和數(shù)據(jù)庫服務(wù)器。智能分析服務(wù)器會對信息進(jìn)行智能分析，以指導(dǎo)對前端溫室環(huán)境的控制^[3]。數(shù)據(jù)庫服務(wù)器對數(shù)據(jù)進(jìn)行儲存和管理，可以對指定的傳感器進(jìn)行查詢與分析。系統(tǒng)總體技術(shù)架構(gòu)見圖2。

同時(shí)，系統(tǒng)能夠?qū)崿F(xiàn)這些功能：（1）系統(tǒng)能夠?qū)η岸瞬杉臄?shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控；（2）系統(tǒng)支持?jǐn)?shù)據(jù)查詢功能，即當(dāng)監(jiān)控人員要求對具體區(qū)域的節(jié)點(diǎn)進(jìn)行查詢時(shí)，能供監(jiān)控人員使用；（3）系統(tǒng)支持故障檢測功能，即當(dāng)前端某個節(jié)點(diǎn)發(fā)生損壞時(shí)，能夠通過節(jié)點(diǎn)編號查到節(jié)點(diǎn)的具體位置，維護(hù)人員可以根據(jù)提供的信息快速準(zhǔn)確找到損壞節(jié)點(diǎn)的位置并更換節(jié)點(diǎn)，從而

遙感（remote sensing，RS）是通過某種傳感器裝置在遠(yuǎn)距離、不直接接觸研究對象的情況下，對目標(biāo)進(jìn)行測量、分析并判定目標(biāo)性質(zhì)的一門科學(xué)和技術(shù)^[1]。利用遙感技術(shù)獲取的數(shù)據(jù)具有實(shí)時(shí)性高、覆蓋范圍廣、信息豐富客觀等優(yōu)點(diǎn)，因而被廣泛應(yīng)用于航空、航天、軍事偵察、災(zāi)害預(yù)報(bào)、環(huán)境監(jiān)測、資源勘探、土地規(guī)劃與利用、災(zāi)害動態(tài)監(jiān)測、農(nóng)作物估產(chǎn)、氣象預(yù)報(bào)等諸多軍事及民用領(lǐng)域。農(nóng)業(yè)遙感始于1971年美國開展的大面積農(nóng)作物估產(chǎn)試驗(yàn)，目前在農(nóng)作物遙感監(jiān)測、產(chǎn)量估算、長勢評估等方面都取得了較好的進(jìn)展。近年來，我國的農(nóng)業(yè)遙感技術(shù)主要體現(xiàn)在農(nóng)業(yè)資源的監(jiān)測與保護(hù)、農(nóng)作物長勢監(jiān)測和大面積估產(chǎn)、農(nóng)業(yè)氣象災(zāi)害監(jiān)測與預(yù)測和作物遙感模型等幾個方面^[2]。

基于過程的作物生長模擬模型能夠定量描述作物生長發(fā)育及產(chǎn)量品質(zhì)形成過程，已經(jīng)成為現(xiàn)代農(nóng)業(yè)發(fā)展的一個重要領(lǐng)域。美國的CERES和荷蘭“de Wit”系列模型是作物生長模型的典型代表，并且國內(nèi)外已經(jīng)研制了一批作物生長模擬與決策支持系統(tǒng)，同時(shí)實(shí)現(xiàn)了作物生長各階段長勢的模擬預(yù)測和決策支持^[3]。但是，已有的作物生長模型通常是基于單株作物生長發(fā)育及產(chǎn)量品質(zhì)形成過程的模擬，而對于多株或一定范圍內(nèi)作物的生長發(fā)育狀況的研究相對較少。與此相關(guān)的主要體現(xiàn)在宏觀上，利用遙感影像實(shí)現(xiàn)大面積作物的監(jiān)測、評估^[4]。實(shí)際上，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)和日益豐富的影像數(shù)據(jù)為上述問題的解決提供了便利。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、小到單株作物級的監(jiān)測和評估，為作物長勢分析、產(chǎn)量估算及其真實(shí)生長模型監(jiān)控等提供必要的途徑。

本研究擬構(gòu)建一個基于農(nóng)作物生長發(fā)育不同階段的特征顯著的模板數(shù)據(jù)庫，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(shí)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(xì)化農(nóng)業(yè)的快速發(fā)展。

1 作物長勢模板數(shù)據(jù)庫分析

1.1 需求分析

遙感影像是通過安裝在遙感平臺上的設(shè)備對目標(biāo)物表面攝影或掃描獲得的影像。遙感影像具有多平臺、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)、量和動態(tài)信息^[5]。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?？臻g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(biāo)解譯以及對圖像進(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地面重復(fù)成像，獲取多時(shí)相遙感影像進(jìn)行對比分析。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。endprint

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(zhǔn)的基礎(chǔ)數(shù)據(jù)，盡早對糧食市場進(jìn)行監(jiān)控和預(yù)測，為農(nóng)業(yè)政策的制定和糧食安全、糧食貿(mào)易提供決策依據(jù)。利用遙感技術(shù)可以實(shí)現(xiàn)農(nóng)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^[6]。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，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)作物長勢模板數(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(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)，建立長勢模板數(shù)據(jù)庫，并根據(jù)遙感監(jiān)測結(jié)果進(jìn)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)警提供可靠的數(shù)據(jù)基礎(chǔ)和高效的分析方法。

1.2 構(gòu)建流程

農(nóng)作物長勢模板數(shù)據(jù)庫構(gòu)建主要包括RS影像選取、圖像特征提取、數(shù)據(jù)存儲、數(shù)據(jù)更新4個階段（圖1）。

4 總結(jié)

農(nóng)作物長勢監(jiān)測是農(nóng)業(yè)遙感監(jiān)測和估產(chǎn)的核心部分，其本質(zhì)是根據(jù)作物生長發(fā)育各階段監(jiān)控作物種植和糧食培育過程中的問題，實(shí)時(shí)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(shí)現(xiàn)對當(dāng)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(shí)現(xiàn)提供了很好的參考模式。隨著遙感技術(shù)的發(fā)展，大量厘米級分辨率的高分辨遙感影像不斷出現(xiàn)并快速更新，可以實(shí)現(xiàn)田塊級別、單株級別作物長勢狀況分析，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，2008：1-8.

[2]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(bào)，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農(nóng)業(yè)遙感監(jiān)測[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2012，33（4）：5-10.

[4]馮學(xué)智，肖鵬峰，趙書河，等. 遙感數(shù)字圖像處理與應(yīng)用[M]. 北京：商務(wù)印書館，2011：267-274.

[5]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，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統(tǒng)的構(gòu)建與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]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)，2011：46-48.

[9]熊德蘭，杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫設(shè)計(jì)與實(shí)現(xiàn)[J]. 現(xiàn)代計(jì)算機(jī)：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛(wèi)國，杜培軍. 雷達(dá)遙感在水稻生長監(jiān)測應(yīng)用中的研究進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué)，2011，39（2）：491-493

[11]中國科學(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]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛?xí)灾? 定量遙感模型、應(yīng)用及不確定性研究[M]. 北京：科學(xué)出版社，2010：52-80.endprint

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(zhǔn)的基礎(chǔ)數(shù)據(jù)，盡早對糧食市場進(jìn)行監(jiān)控和預(yù)測，為農(nóng)業(yè)政策的制定和糧食安全、糧食貿(mào)易提供決策依據(jù)。利用遙感技術(shù)可以實(shí)現(xiàn)農(nóng)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^[6]。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，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)作物長勢模板數(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(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)，建立長勢模板數(shù)據(jù)庫，并根據(jù)遙感監(jiān)測結(jié)果進(jìn)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)警提供可靠的數(shù)據(jù)基礎(chǔ)和高效的分析方法。

1.2 構(gòu)建流程

農(nóng)作物長勢模板數(shù)據(jù)庫構(gòu)建主要包括RS影像選取、圖像特征提取、數(shù)據(jù)存儲、數(shù)據(jù)更新4個階段（圖1）。

4 總結(jié)

農(nóng)作物長勢監(jiān)測是農(nóng)業(yè)遙感監(jiān)測和估產(chǎn)的核心部分，其本質(zhì)是根據(jù)作物生長發(fā)育各階段監(jiān)控作物種植和糧食培育過程中的問題，實(shí)時(shí)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(shí)現(xiàn)對當(dāng)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(shí)現(xiàn)提供了很好的參考模式。隨著遙感技術(shù)的發(fā)展，大量厘米級分辨率的高分辨遙感影像不斷出現(xiàn)并快速更新，可以實(shí)現(xiàn)田塊級別、單株級別作物長勢狀況分析，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，2008：1-8.

[2]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(bào)，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農(nóng)業(yè)遙感監(jiān)測[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2012，33（4）：5-10.

[4]馮學(xué)智，肖鵬峰，趙書河，等. 遙感數(shù)字圖像處理與應(yīng)用[M]. 北京：商務(wù)印書館，2011：267-274.

[5]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，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統(tǒng)的構(gòu)建與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]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)，2011：46-48.

[9]熊德蘭，杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫設(shè)計(jì)與實(shí)現(xiàn)[J]. 現(xiàn)代計(jì)算機(jī)：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛(wèi)國，杜培軍. 雷達(dá)遙感在水稻生長監(jiān)測應(yīng)用中的研究進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué)，2011，39（2）：491-493

[11]中國科學(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]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛?xí)灾? 定量遙感模型、應(yīng)用及不確定性研究[M]. 北京：科學(xué)出版社，2010：52-80.endprint

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(zhǔn)的基礎(chǔ)數(shù)據(jù)，盡早對糧食市場進(jìn)行監(jiān)控和預(yù)測，為農(nóng)業(yè)政策的制定和糧食安全、糧食貿(mào)易提供決策依據(jù)。利用遙感技術(shù)可以實(shí)現(xiàn)農(nóng)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^[6]。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，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)作物長勢模板數(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(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)，建立長勢模板數(shù)據(jù)庫，并根據(jù)遙感監(jiān)測結(jié)果進(jìn)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)警提供可靠的數(shù)據(jù)基礎(chǔ)和高效的分析方法。

1.2 構(gòu)建流程

農(nóng)作物長勢模板數(shù)據(jù)庫構(gòu)建主要包括RS影像選取、圖像特征提取、數(shù)據(jù)存儲、數(shù)據(jù)更新4個階段（圖1）。

4 總結(jié)

農(nóng)作物長勢監(jiān)測是農(nóng)業(yè)遙感監(jiān)測和估產(chǎn)的核心部分，其本質(zhì)是根據(jù)作物生長發(fā)育各階段監(jiān)控作物種植和糧食培育過程中的問題，實(shí)時(shí)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(shí)現(xiàn)對當(dāng)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(shí)現(xiàn)提供了很好的參考模式。隨著遙感技術(shù)的發(fā)展，大量厘米級分辨率的高分辨遙感影像不斷出現(xiàn)并快速更新，可以實(shí)現(xiàn)田塊級別、單株級別作物長勢狀況分析，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，2008：1-8.

[2]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(bào)，2003，19（6）：174-178.

[3]陳仲新. GEOSS背景下的農(nóng)業(yè)遙感監(jiān)測[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2012，33（4）：5-10.

[4]馮學(xué)智，肖鵬峰，趙書河，等. 遙感數(shù)字圖像處理與應(yīng)用[M]. 北京：商務(wù)印書館，2011：267-274.

[5]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，2011：23-35.

[6]劉 慧，湯 亮，張文宇，等. 基于模型的可視化水稻生長系統(tǒng)的構(gòu)建與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2009，25（9）：148-154，彩插2.

[7]Mather P M. Computer processing of remotely-sensed images：an introduction[M]. 3rd ed. Chichester：John Wiley & Sons，2004：110-123.

[8]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)，2011：46-48.

[9]熊德蘭，杜根遠(yuǎn).遙感影像模板數(shù)據(jù)庫設(shè)計(jì)與實(shí)現(xiàn)[J]. 現(xiàn)代計(jì)算機(jī)：上半月版，2012，10（10）：62-65.

[10]蔣 楠，李衛(wèi)國，杜培軍. 雷達(dá)遙感在水稻生長監(jiān)測應(yīng)用中的研究進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué)，2011，39（2）：491-493

[11]中國科學(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]. [2013-12-01]. http：//www.gscloud.cn/.

[12]柳欽火，辛?xí)灾? 定量遙感模型、應(yīng)用及不確定性研究[M]. 北京：科學(xué)出版社，2010：52-80.endprint