新農(nóng)科背景下的遙感數(shù)字影像處理課程設(shè)計

郭偉張 慧董萍

（河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，河南 鄭州 450002）

0 引言

遙感作為3S技術(shù)遙感技術(shù)、地理信息系統(tǒng)、全球定位系統(tǒng)的（統(tǒng)稱）的一員，是快速獲取大面積范圍內(nèi)地物信息的最有效技術(shù)手段，在農(nóng)業(yè)、林業(yè)、地質(zhì)、水文、城市與區(qū)域開發(fā)、海洋、氣象、測繪等科學(xué)和國民經(jīng)濟(jì)的重大發(fā)展中，發(fā)揮著越來越大的作用[1，2]。近年來，隨著現(xiàn)代科技的不斷發(fā)展，遙感技術(shù)已從科學(xué)走向生活，并在潛移默化地影響乃至改變?nèi)藗兊纳罘绞健?/p>

遙感數(shù)字影像處理課程是地理信息科學(xué)、地球系統(tǒng)科學(xué)、資源與環(huán)境科學(xué)等學(xué)科的專業(yè)核心課程。而在農(nóng)業(yè)高等院校中，為了更好地建設(shè)“新農(nóng)科”，這門課程也會作為農(nóng)業(yè)工程與信息技術(shù)專業(yè)碩士的專業(yè)核心課程。筆者根據(jù)自己多年從事農(nóng)業(yè)定量遙感的科研經(jīng)歷，在講授這門課程時，打破傳統(tǒng)遙感課程的結(jié)構(gòu)，將課程內(nèi)容分為遙感數(shù)字影像預(yù)處理方法、影像增強(qiáng)和融合方法、遙感的農(nóng)業(yè)應(yīng)用三部分，夯實基礎(chǔ)知識的同時，以農(nóng)業(yè)應(yīng)用為出發(fā)點，挖掘遙感的無限價值，體會遙感之美。課程亮點一是以農(nóng)作物種植面積提取和農(nóng)作物長勢監(jiān)測為突破口，將所學(xué)的遙感影像預(yù)處理、增強(qiáng)和融合方法應(yīng)用于農(nóng)業(yè)中；課程亮點二是在遙感數(shù)字影像處理及應(yīng)用的基礎(chǔ)上，將衛(wèi)星、無人機(jī)影像處理方法及農(nóng)業(yè)應(yīng)用落實于理論講解之上。

1 教學(xué)目的與內(nèi)容設(shè)計

通過對本課程的學(xué)習(xí)，使學(xué)生能夠在理解遙感數(shù)字影像特征的基礎(chǔ)上，掌握遙感影像的預(yù)處理、增強(qiáng)、融合和分類方法，并能夠借助計算機(jī)和遙感技術(shù)進(jìn)行農(nóng)作物種植面積提取和長勢監(jiān)測，對作物病蟲害識別、作物表型參數(shù)、生理生化指標(biāo)進(jìn)行監(jiān)測，并對作物產(chǎn)量進(jìn)行預(yù)測，從而培養(yǎng)學(xué)生利用計算機(jī)、遙感技術(shù)解決農(nóng)業(yè)問題的能力。

遙感影像預(yù)處理主要分為四個部分：（1）給學(xué)生介紹遙感的基本概念、遙感數(shù)據(jù)獲取的基本過程和遙感技術(shù)發(fā)展歷史及趨勢，讓學(xué)生對遙感的基礎(chǔ)知識有個初步的了解；（2）介紹常見的遙感平臺和傳感器系統(tǒng)，包括不同遙感平臺及搭載傳感器的簡介，如常用衛(wèi)星影像、無人機(jī)、航天飛機(jī)遙感平臺簡介和多光譜、高光譜、熱紅外和可見光等傳感器簡介；（3）衛(wèi)星遙感影像發(fā)生輻射誤差和幾何誤差的原因，以及如何進(jìn)行輻射校正和幾何校正；（4）介紹當(dāng)下使用最為廣泛的一種遙感平臺無人機(jī)的影像獲取、輻射定標(biāo)和拼接方法。

第二部分主要講解遙感圖像的增強(qiáng)與融合。遙感影像增強(qiáng)是為了特定應(yīng)用目的，使得圖像更容易解譯的過程。尤其是在遙感圖像的應(yīng)用過程中，圖像增強(qiáng)可以使原始遙感像片中所需信息的突出，更有利于解譯，增強(qiáng)的方式主要分為空間域增強(qiáng)和頻率域增強(qiáng)。遙感影像融合的目的是通過對多個不同傳感器的影像數(shù)據(jù)進(jìn)行智能化合成，得到比單一傳感器數(shù)據(jù)更精確、更可靠的描述和判斷。將不同光譜分辨率和空間分辨率的影像進(jìn)行融合后的圖像可以具有更優(yōu)質(zhì)的空間和光譜信息，可提高分類識別精度；將微波與光學(xué)兩種不同物理性質(zhì)的影像進(jìn)行融合可以增強(qiáng)其特征，使得原來不可見或不明顯的物體得以凸顯；將多時相影像進(jìn)行融合可用于目標(biāo)物的變化監(jiān)測。

前兩部分都可以說是對遙感影像進(jìn)行處理的基礎(chǔ)和手段。在做好影像的預(yù)處理以及優(yōu)化增強(qiáng)的前提下，針對農(nóng)業(yè)高等院校和農(nóng)業(yè)工程與信息技術(shù)專業(yè)碩士的特點，以教師的科研項目為依托，以農(nóng)業(yè)遙感中的不同問題為導(dǎo)向，學(xué)習(xí)遙感影像處理與分析的方法，提高學(xué)生的實踐與創(chuàng)新能力。如在農(nóng)作物種植面積提取和農(nóng)作物分類中，可以教授學(xué)生利用監(jiān)督分類、面向?qū)ο蠓址?、深度學(xué)習(xí)等方法實現(xiàn)地塊識別、作物種植面積提取、作物分類、作物穗粒識別；在農(nóng)作物長勢監(jiān)測中了解長勢監(jiān)測指標(biāo)、植被指數(shù)構(gòu)建原理、農(nóng)作物冠層參數(shù)反演原理；在農(nóng)作物病蟲害監(jiān)測中，了解與掌握病蟲害光譜特征、光譜識別，以及如何結(jié)合實地調(diào)查數(shù)據(jù)構(gòu)建遙感監(jiān)測模型；在農(nóng)作物生理生化參數(shù)估測學(xué)習(xí)部分，讓學(xué)生了解作物的葉面積指數(shù)、葉綠素含量、株高的遙感估測以及作物產(chǎn)量遙感預(yù)測的常見方法。

2 課程案例舉例

2.1 基于衛(wèi)星影像的農(nóng)業(yè)應(yīng)用案例

該案例是基于衛(wèi)星影像對花生種植面積進(jìn)行提取，以歐空局Sentinel-2B衛(wèi)星影像與國產(chǎn)影像GF-6 WFV為數(shù)據(jù)源，采用常見的非監(jiān)督分類法和監(jiān)督分類中的K鄰近法和最大似然法，以許昌市榆林鄉(xiāng)為研究區(qū)域，對花生種植面積進(jìn)行提取并對比。這兩種影像都有紅邊波段，對于提高花生種植面積提取精度有幫助。通過實踐該案例，學(xué)生復(fù)習(xí)了課程前一部分學(xué)習(xí)的衛(wèi)星影像的下載、輻射定標(biāo)、幾何校正與拼接，接下來利用不同的分類方法提取花生的種植面積使學(xué)生深入理解遙感影像非監(jiān)督分類、監(jiān)督分類的幾種主要方法以及分類后處理和分類精度的評價與提高。

2.2 衛(wèi)星影像與地面高光譜數(shù)據(jù)相結(jié)合的案例

該案例是基于衛(wèi)星影像對棉花蚜蟲病害進(jìn)行監(jiān)測，數(shù)據(jù)源為Sentinel-2B影像、地面高光譜數(shù)據(jù)和野外病害調(diào)查數(shù)據(jù)，首先對Sentinel-2B數(shù)據(jù)進(jìn)行預(yù)處理，利用野外調(diào)查數(shù)據(jù)對影像進(jìn)行監(jiān)督分類，提取棉花種植空間分布，接下來分別采用光譜角的方法和Logistic建模方法對研究區(qū)棉花蚜害進(jìn)行遙感監(jiān)測。在光譜角分類中，利用波段運(yùn)算的方法提取20種光譜特征因子進(jìn)行蚜害靈敏度分析、相關(guān)性分析，最終選出4種光譜特征因子作為基準(zhǔn)光譜向量，利用光譜角分類法構(gòu)建蚜害監(jiān)測模型。在Logistic建模法中，利用Relief算法與泊松相關(guān)系數(shù)法對包含棉花植株表征數(shù)據(jù)在內(nèi)的24種初選特征因子進(jìn)行特征降維并去除冗余度高的特征因子，最終保留6種特征因子作為優(yōu)選屬性，并通過在衛(wèi)星數(shù)據(jù)上直接獲取或間接反演得到優(yōu)選屬性值，以此利用Logistic建模法構(gòu)建蚜害監(jiān)測模型。并對比兩種建模方法的優(yōu)劣性。在這個案例中學(xué)生不僅再次復(fù)習(xí)鞏固了衛(wèi)星影像的下載、輻射定標(biāo)、幾何校正與拼接，還學(xué)習(xí)了地面高光譜數(shù)據(jù)的處理與特征分析、衛(wèi)星影像的波段運(yùn)算、數(shù)據(jù)融合和特征提取，最后還學(xué)習(xí)了如何構(gòu)建數(shù)據(jù)信息模型。

2.3 基于無人機(jī)數(shù)據(jù)的案例

在該課程的講述中，除了利用衛(wèi)星影像解決農(nóng)業(yè)實際生產(chǎn)中遇到的各類問題，還給出了若干利用無人機(jī)助力農(nóng)業(yè)生產(chǎn)的案例，如基于早期無人機(jī)數(shù)碼影像和作物模型的冬小麥產(chǎn)量預(yù)測、基于無人機(jī)數(shù)碼影像的作物理化參數(shù)監(jiān)測——冬小麥株高、生物量和LAI，基于無人機(jī)多光譜影像的作物理化參數(shù)監(jiān)測——大豆覆蓋度和葉綠素等若干項目案例。在這些案例的實際操作和學(xué)習(xí)中，學(xué)生學(xué)習(xí)了無人機(jī)搭載的不同傳感器平臺的影像從獲取到拼接再到預(yù)處理的整個流程，并學(xué)習(xí)了如何利用無人機(jī)影像進(jìn)行農(nóng)作物的識別、作物表型參數(shù)的反演、作物病蟲害的識別，并將無人機(jī)遙感平臺和其他遙感平臺的優(yōu)劣做比較，獲得了非常好的教學(xué)效果。

3 結(jié)語

為了推動智慧農(nóng)業(yè)、數(shù)字農(nóng)業(yè)的大力發(fā)展和長足進(jìn)步。2018年6月2日，第一顆以精準(zhǔn)農(nóng)業(yè)觀測為目的的高分六號衛(wèi)星由長征二號丁運(yùn)載火箭護(hù)送且成功發(fā)射。高分六號衛(wèi)星與高分一號衛(wèi)星組網(wǎng)運(yùn)行后，將使遙感數(shù)據(jù)獲取的時間分辨率從4天縮短到2天，可以有效地為農(nóng)業(yè)資源監(jiān)測、林業(yè)資源調(diào)查、防災(zāi)減災(zāi)救災(zāi)等重大需求提供遙感數(shù)據(jù)支撐。因此，在當(dāng)今農(nóng)業(yè)工程與信息技術(shù)專業(yè)碩士培養(yǎng)的教學(xué)改革中，將項目實戰(zhàn)案例融入教學(xué)和實踐教學(xué)課程體系是培養(yǎng)現(xiàn)代化農(nóng)業(yè)人才的當(dāng)務(wù)之急。