基于遥感影像的作物长势模型数据库构建模型探讨

随着遥感技术的迅速发展,不同尺度遥感影像数据在航空航天､灾害预报､环境监测､作物估产等诸多领域都得到广泛的应用｡利用遥感技术可以实现作物长势的全程监控,包括作物的苗情､生长状况､变化规律以及自然灾害等情况,也为农作物产量估测､灾害预警等其他研究提供了必要的前提,为农业政策的制定和粮食贸易提供了决策依据[1]｡因此,作物长势遥感监测成为目前农业遥感及农业信息化的重要研究内容｡ 　　1农作物长势监测研究现状 　　美国早在20世纪70年代就开展了大面积农作物估产实验(LACIE)项目,主要监测美国､加拿大和前苏联的小麦产量,20世纪80年代又开展了农业和资源的空间遥感调查(AGRISTTARS)计划,并建立了全球级的农情监测运行系统[2]｡其后,欧盟所属的联合研究中心遥感应用研究所通过实施遥感农业监测项目(MARS计划)成功地建成了欧盟区的农作物估产系统[3]｡近年来,我国先后开展了小麦､玉米和水稻大面积遥感估产试验研究[4]｡中国科学院先后建立不同地区乃至国家级的农情监测系统;杨邦杰[5]曾利用作物的个体与群体定义作物长势,提出了基于植被指数与植被表面温度的长势模型｡这些研究主要集中大规模作物长势监测或者单株作物生长发育过程的模型化分析｡作物长势是一个时空变化的过程,提取不同尺度下作物的时空特征对作物长势分析和管理十分重要｡另一方面,由于影像分辨率､真实地况差异､相关算法效率､人工误差等诸多因素的存在,大面积作物长势分析､种植面积估算等研究具有很大的不确定性和不可靠性｡而近年来普及的遥感技术和WebGIS､云计算等新技术为上述问题的解决提供了便利[6]｡利用高､中､低等不同层次分辨率的遥感影像可以实现大到区域级､小到单株作物级别的监测和评估,为作物长势分析､产量估算及真实生长模型监控等提供必要的途径[7]｡ 　　本研究综合利用遥感影像实现作物生长发育不同阶段的关键特征提取,并建立其生长模型数据库,实现农作物从播种到收获各阶段的过程模拟化和模型的数据化｡通过选取高､中分辨率遥感影像建立不同尺度级别作物的分析､对比､评估,可以满足一定区域内作物估产､作物长势分析､灾害预警等应用需要,实现遥感信息定性､定量､定位一体化快速处理,从而推动数字农业､精细化农业的快速发展｡ 　　2作物长势模型化分析 　　2.1遥感影像分析 　　遥感影像是通过安装在遥感平台上的设备对目标物表面摄影或扫描获得的影像｡遥感影像具有多平台､多传感器､多波段､多比例尺､多时相等优点,能提供丰富的信息,其特征能够反映地理环境或目标物的质､量和动态信息[8]｡波谱特性､空间特性､时间特性是遥感影像的基本属性｡其中,波谱特性指物体发射､反射的电磁波强度,在遥感影像中通常表现为颜色､亮度､阴影等特征信息｡空间特性包括成像信息的空间分辨率和投影性质分析,涉及影像空间位置､空间布局以及地物的形状､纹理､图案等特征信息｡该特征为从形态学方面识别地物､绘制地图､目标解译以及对图像进行几何纠正､增强处理等提供了重要的依据｡时间特性是以一定的周期对地面重复成像,获取多时相遥感影像进行对比分析｡遥感影像的多时相性主要表现在地理环境的自然变换过程和地物的节律性变化｡由于不同时期太阳辐射､气候､植被等环境因素的变化,不同季节或日期的地物在同波段影像上色调存在差异｡ 　　作物长势遥感监测是建立在绿色植物光谱理论基础上的｡同一种作物,由于光､温､水､土等条件的不同,其生长状况也不一样,在遥感影像上表现为光谱数据的差异嘲｡根据绿色植物对光谱的反射特性,判断作物的生长状况,从而进行长势的监测｡ 　2.2作物长势模型数据库 　　目前,农作物长势监测的方法主要包括直接检测方法､同期对比方法､诊断模型以及作物生长过程监测､生长模型方法等｡这些方法在一定条件下能够实现特定农作物的长势监测,但也都存在一定的局限性,比如物候差异问题､长势与最后产量预测脱节､缺乏定量监测等｡农作物长势模型数据库就是通过分析农作物生长发育各阶段的显著特点和不同阶段关注的核心问题,选取合适尺度的遥感影像并提取重要特征参数,建立长势模型数据库,并根据遥感监测结果进行动态更新,从而为作物长势分析､产量估测､灾害预定提供可靠的数据基础和高效的分析方法｡ 　　作物长势模型数据库建设主要包括遥感影像选取､影像特征提取､数据存储､数据更新四个阶段｡首先,根据要监测的区域范围和作物种植节律选取合适的遥感影像｡比如跨省范围大面积区域性分析可以选择中低分辨率遥感影像,田块级别精细化识别需要选取高分辨率遥感影像,而东北地区和长江中下游地区的水稻种植节律不同,应选取不同时间段的遥感影像｡其次是图像特征提取,主要提取遥感图像中波谱､色彩､亮度､纹理､形状､空间关系等特征信息,并在此基础上计算作物特定生长期的特征参数､遥感指数｡然后,将这些信息处理并编码,作为农作物长势模板按照一定的索引存入数据库｡最后,根据需要读取数据库的信息并以一定的视图形式呈现给用户,也可以重新选取更合适的遥感影像进行上述操作并更新数据｡ 　　3数据库设计 　　3.1概念结构设计 　　数据库概念结构设计是对需求信息进行综合､归纳,抽象为特定的概念模型｡常用的概念模型是实体—联系模型(E—R模型),该模型能真实､有效地反映现实世界需求,便于不同用户的理解和交流｡作物长势模板数据库主要包含处理后的遥感图像和分析提取的影像特征集两类数据｡遥感图像就是。