农业遥感系统

农业遥感系统（精选八篇）

农业遥感系统 篇1

遥感是20世纪60年代以来发展起来的一门新兴的学科技术,即利用传感设备获得远距离外客体的信息并加以识别和分类的技术。遥感数据因其覆盖面大、实时性和现势性强、速度快、准确可靠以及省时、省力、费用低等优点,近年来被广泛用于农地资源的监测与保护、农作物大面积估产与长势监测、农业气象灾害监测和作物模拟模型等方面。农业遥感已经成为遥感科学与技术中的一个重要方向[1]。

我国农业遥感目前的现状是遥感卫星数量多,遥感数据空前丰富,而遥感信息被利用的比率却极低,其原因是缺少遥感专题信息提取的方法和专业的信息提取模型,导致遥感数据生产效率低下。随着遥感在农业中的应用越来越深入,通过遥感获得的信息已经成为领导决策的重要依据,尤其是近年来自然灾害的频繁发生,对遥感高级数据产品生产的实时性提出了新的要求,如何快速地从海量的遥感影像中提取有用信息成为制约农业遥感应用进一步发展的瓶颈[2]。目前,遥感生产系统主要采取目视判读与计算机分类相结合的方式,并且呈现出向生产线化、网络化、工程化发展的趋势。

2 以生产线为核心的系统设计

2.1 生产线技术

生产线即产品生产过程所经过的路线,即从原料进入生产现场开始,经过加工、运送、装配、检验等一系列生产活动所构成的路线。生产线已经在工业生产中已经得到了成功的应用,能够有效提高作业员及设备的工作效率,提高劳动生产率,同时可以在平衡的生产线基础上实现单元生产,提高生产应变能力,适时应对市场变化,实现柔性生产系统的操作[3,4]。

在北京农业监测平台(以下简称本平台)的项目中,针对当前遥感生产存在的弊端,将生产线的概念引入到遥感数据生产中。在本平台中,原料就是待解译的遥感数据,数据从进入系统,经过自动解译、人工修订、外业验证等一系列工序,最终完成专题信息提取,构成一个完整的生产路线,实现“业务流水化”、“操作平台专门化”和“操作员分工专门化”。

2.2 系统设计

2.2.1 系统目标。

该平台的主要目标就是快速进行农业专题产品的生产,以生产线技术为核心,结合各种GIS和RS工具的运行,利用北京一号小卫星传输的数据对北京区域的农业状况进行持续监测,用科学手段对农业资源利用效率和效果进行评价,为政府领导掌握现状、洞察趋势、及时采取调控措施提供科学、全面、准确的数据。主要在以下2个方面进行提升:

一方面,应用性能的提升。针对遥感图像处理应用的大规模计算及频繁的人为交互的特点,将核心遥感运算模块部署在高性能服务器上,实现平台内所有节点的共享,通过工作流来实现业务与软硬件资源、数据资源以及人力资源合理的整合与调度。屏蔽网络异构、数据分布等一系列复杂的细节,实现业务与运算的分离,工作人员可以专注于业务生产,提高工作效率和工作质量,满足遥感图像处理的“近实时”要求[5]。

另一方面,系统规模柔性扩展的提升。农业遥感中的任务复杂多变,因此要求系统规模是动态的,该平台具有灵活的伸缩性,扩充自如,能快速组织调度。在需要扩大生产能力的时候,通过简单地增加新的计算资源和存储资源,即可快速做到生产线的扩容,有效提高数据生产的速度与效率;在实施紧急任务的时候,快速整合调度紧急任务处理生产线,充分保证系统运行的可持续性和系统成本的经济性。

2.2.2 系统总体框架。

如图1所示,该平台自上而下分为3层:一是系统维护层。统一管理平台中所有的资源,包括人力资源,软件资源以及硬件资源等。在该层可以进行资源的注册、分配与调度。二是任务调度层。系统的核心层。主要工作是分解生产任务,将复杂的遥感生产任务分解为多个可单独进行的生产过程,同时生产过程归纳为生产线上的节点,按照节点间的先后顺序组织形成生产线,然后对每个生产节点捆绑对应的数据、工具算法以及任务要求等。三是数据生产层。系统作业层,生产人员在接收到任务层发出的任务,在该层进行作业。由3部分组成:服务运算层、业务操作层与质量控制层。生产人员在业务操作层进行作业,通过与服务运算层的交互完成图像解译,同时通过与质量控制层的交互来控制工作质量。最终将数据成果提交到成果数据库。

2.2.3 系统的核心技术。

一是数据存储与组织。遥感数据生产的过程中需要用到海量的数据,因此对存储系统提出了非常高的要求。在本平台中采用集群存储,通过集群方式把标准化的存储设备整合到一起,提供遥感数据的集中存储与文件级数据共享。从而保证数据的可靠性和安全性,简化数据调度过程,并有效减少数据的冗余,降低管理的复杂度;系统提供标准文件访问接口,实现异构系统的无障碍调度,满足高级数据生产流水线所带来的业务连续性需求;同时可以实现存储容量的按需在线扩展,协调生产规模扩大与设备投入的关系[6]。

二是工作流引擎。与传统遥感软件不同,本平台基于网络环境构造,在集群存储支持下,实现海量遥感数据的集中管理和分布处理,以及业务流程管控下的多任务协同。这一切都是通过生产线来实现的。平台提供工作流引擎,该引擎为用户提供了一个所见即所得的图形化生产线定义工具,支持用户以拖拽的方式描述业务流程,构造出逻辑的业务处理过程,用户不需要关注纷繁的实现细节,只需抽象出完成生产任务所需要的步骤,将这些步骤表现为生产线上的节点,组成一个完整的作业流程,最终发布成为一个完整的数据生产线。

三是遥感与GIS集成。遥感软件的核心功能是影像和图像分析功能,其空间分析功能较为薄弱,而GIS是管理和分析空间数据的有效手段,可以帮助提升影像的利用价值。本系统通过二次开发的方式将二者有机的结合,实现在同一个系统中遥感与GIS组件无缝链接和交换,无需中间的保存、打开等步骤,虽然在底层上是2个不同的软件平台,但操作感和处理效率类似在一个平台下作业。平台可以直接将遥感影像分析的结果作为GIS的信息源,利用GIS的叠加分析、缓冲区分析等功能,实现对多时相历史数据之间的比对分析,及时了解农业变化情况[7]。

3 应用案例

以2010年北京的小麦产量评估案例说明农业监测系统的运作流程。该任务分别在小麦不同生育时期开展地面采样和空中遥感同步监测,实时获取小麦不同时期的苗情信息,监测小麦病虫害发生面积、发生区域及分布情况,并最终估算产量[8]。

3.1 任务可用资源

对于该生产任务,可用的资源包括3方面内容。数据资源:包括生产用到的北京一号小卫星实时影像,以及有关北京地区的辅助的基础要素数据、行政区划数据、高精度SPOT影像以及往年的影像数据和统计资料等。人力资源:按照人员的角色分类,包括客户经理1名、生产经理1名、生产组长4名和生产人员12名。软硬件资源:包括普通计算机18台,其上部署平台的业务模块。IBM System X 3650服务器3台,附带磁盘阵列,其上部署遥感算法服务,支持MP并行运算,同时还部署有Oracle 10 G数据库。

3.2 管理流程

流程在管理上采用3级管理体系,分为客户经理、生产经理、生产组长和生产人员4个层次。客户经理面对的是客户,从客户那里明确任务的需求;生产经理从业务经理处获取生产任务,将任务分解为工作流上的一系列节点,组织形成生产线;生产组长负责生产线上的某一个节点的生产任务;生产人员负责生产组长安排的节点内的具体生产任务。

3.3 业务流程

客户经理将任务下达给生产经理,生产经理根据任务的需求与部门的资源现状对任务进行合理的拆分,将任务被分解为内业解译、外业验证、内业修订与精度评估4个流程,然后使用工作流引擎构造一个有4个节点的生产线模型,如图2所示,同时根据每个节点的工作需要,可以进一步对该节点进行纵向上的拆分,如图中的内业生产,可以将其拆分为3个并行子节点,这样就可以同时由3个生产人员来同时完成该节点的工作,而精度评估节点只需要1人来完成。然将每个生产节点要用到的数据、质量指标、任务要求、工具算法等在生产线与其挂接。完成生产线定义之后,将任务启动。

生产组长接收到启动的任务之后开始投入生产,每个生产组长负责生产线上的1个节点,本例中需要4位生产组长的参与,分别负责内业解译、外业验证、内业修订和精度评估4个节点。首先启动的是内业解译任务,该任务需要3人来完成,生产组长将作业区域按照网格拆分为3个子区域,分配给3个作业人员;生产完成之后,生产组长对成果进行检查,对不合格成果需要重新完成;最后生产组长负责对结果进行汇总,提交进入下一个节点,开始启动外业验证任务,依次循环直至精度评估完成。

所有的节点完成之后,由生产经理对成果,进行综合质量检查,检查合格之后由客户经理将最终成果交付客户,此时整个生产任务结束。

4 展望

目前生产线在农业监测系统中得到了成功的验证,本项目的建设推动了卫星遥感数据高级产品标准化、规模化和产业化,为北京地区农业资源开发与保护、大宗农作物估产、重大农业灾害评价、结构调整监测、农业预警等提供有效的科学手段。同时系统也存在着部分不足,需要做进一步的改进,如引入多源遥感数据的支持、遥感与GIS集成底层化改造以及对遥感算法的优化等问题需要深层次的研究待以解决。

摘要：近年来,遥感技术迅猛发展,遥感在农业监测中的应用也越来越广泛。但随着遥感数据源的日渐丰富,遥感数据生产效率低下成为制约其进一步应用发展的瓶颈。该文提出一种新的思路,在遥感数据生产的过程中引入生产线的概念,全面改革生产流程,使遥感数据生产流程化、网络化与工程化,从而全面提高生产效率。

关键词：生产线技术,工作流程,农业遥感系统,农业监测

参考文献

[1]邢素丽,张广录.我国农业遥感的应用现状与展望[J].农业工程学报,2003,19(6):174-178.

[2]邱磊.基于内容的遥感图像挖掘方法研究[D].长沙:国防科学技术大学,2005.

[3]王国芳.遥感图像计算机分类方法的研究[J].山西农业科学,2009(10):39-41.

[4]马吉平,关泽群.3S与遥感影像理解专家系统设计[J].遥感技术与应用,2000,15(1):51-54.

[5]郑然,金海,章勤,等.基于工作流的图像处理网格平台及其遥感应用[J].计算机辅助设计与图形学学报,2006,18(5):702-708.

[6]王纪华,赵春江,郭晓维,等.利用遥感方法诊断小麦叶片含水量的研究[J].华北农学报,2000,15(4):68-72.

遥感技术在农业中的应用与发展 篇2

遥感技术在农业中的应用与发展

作者：刘歆

来源：《科技创新导报》2011年第27期

摘 要:作为现代信息技术的前沿技术,遥感技术能够快速准确地收集农业资源和农业生产的信息,可以实现信息收集和分析的定时、定量、定位,客观性强。因此,在农业发展的新阶段,运用遥感技术开展农业资源调查、灾情监测与预报、农业环境保护以及农作物估产等方面的应用将促使农业决策科学化提高到一个新的水平,同时也将为农业生产提供高质量的服务。本文阐述了遥感技术在我国农业生产上的应用概况,探讨了遥感技术发展的新趋势。

关键词:遥感技术农业应用

中图分类号:TP7 文献标识码:A 文章编号:1674-098X(2011)9(c)-0144-02

引言

遥感技术是20世纪60年代蓬勃发展起来的一门新兴的、综合性的探测技术,随着空间技术、信息技术、电子计算机技术和环境科学的发展,从而逐步形成发展的一门新兴交叉学科技术。遥感技术(遥感图像是一种综合的地理信息源,它包括各种地理要素,是一种非常重要的空间信息,为资源特征的空间分析提供定位、定性和定量的数据),地理信息系统技术(它是以采集、贮存、管理、分析和描述整个或部分地球表面包括大气层在内与空间和地理分布有关的数据的空间信息系统)和全球定位系统技术(是对海陆空设施进行精确导航和定位系统)构成了完整的遥感技术体系,是对地观测的重要手段,也是信息技术的一个重要分支。而农业遥感是随遥感技术的发展而发展的,在农业领域内最早应用的主要是航空照片。当前应用较多的领域是农作物估产、作物生长状态监测、土地调查、农作物生态环境监测与自然灾害及病虫害监测等方面。同时,农业是遥感技术的最大用户。农业遥感的工作十分广泛。我国是农业大国,改变农业管理水平,合理利用资源以及粮食生产等十分需要该项技术为政府决策部门提供准确信息。1 遥感的概念及技术特点

遥感(Remote Sensing)即遥远的感知,从广义上说是泛指从远处探测、感知物体或事物的技术,即不直接接触物体本身,从远处通过仪器(传感器)探测和接收来自目标物体的信息(如电场、磁场、电磁波、地震波等信息),经过信息的传输及其处理分析,揭示出物体的特征性质及其变化、分布等特征的综合性探测技术[1]。其工作原理是利用遥感器从空中来探测地面物体性质的。它根据不同物体对波谱产生不同响应的原理。识别地面上各类地物,具有遥远感知事物的能力。也就是利用地面上空的飞机、飞船、卫星等飞行物上的遥感器收集地面数据资料,并从中获取信息,经记录、传送、分析和判读来识别地物。其技术特点如下:

1.1 可获取大范围数据资料

遥感用航摄飞机飞行高度为10km左右,陆地卫星的卫星轨道高度达910km左右,从而,可及时获取大范围的信息。

1.2 获取信息的速度快、周期短

由于卫星围绕地球运转,从而能及时获取所经地区的各种自然现象的最新资料。以便更新原有资料或根据新旧资料变化进行动态监测。这是人工实地测量和航空摄影测量无法比拟的。

1.3 获取信息受条件限制少

在地球上有很多地方,自然条件极为恶劣,人类难以到达,如沙漠、沼泽、高山峻岭等。采用不受地面条件限制的遥感技术,特别是航天遥感可方便及时地获取各种宝贵资料。

1.4 获取信息的手段多,信息量大

根据不同的任务,遥感技术可选用不同波段和遥感仪器来获取信息。例如可采用可见光探测物体,也可采用紫外线,红外线和微波探测物体。利用不同波段对物体不同的穿透性,还可获取地物内部信息。[2]遥感技术在农业生产与发展方面的综合应用

遥感技术可以客观、准确、及时地提供作物生态环境和作物生长的各种信息,它是精确农业获得田间数据的重要来源。遥感技术在精确农业中应用主要有以下几个方面:

2.1 农作物实际播种面积的遥感监测与估算

在我国,由于耕地的数量减少与质量下降,耕地保护已经成为实现农业可持续发展的一个重要战略任务。遥感信息因其信息量丰富、覆盖面大、实时性和现实性强、获取速度快、周期短和可靠准确性以及省时、省力、费用低等优点,被广泛用于测定农业用地的数量和质量的动态变化。通过遥感卫星监测并记录下农作物覆盖面积数据,在此基础上可以对农作物进行分类,估算出每种作物的播种面积。遥感估产是建立作物光谱与产量之间联系的一种技术,通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数作为评价作物生长状况的标准,植被指数中包括了作物长势和面积两方面的信息。

2.2 农作物的长势与产量的遥感监测与估算

作物长势是作物生育状况总体评价的综合参数。农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。不同作物的发育期不同、长势不同,它们的光谱反率不同,叶面积和生物产量有很好的线性关系。利用这一特性可以测定叶面积指数,从而监测作物长势,进行估产。也可以利用0.6～0.7mm的可见光与0.75～1.00mm的近红外两个波长范围的反射率比值来估算生长量,比值愈大说明作物生长愈好,反之生长不良。再根据比值与干物重建立回归关系,求出回

归系数,从而获得单位面积产量的近似公式。利用卫星遥感技术监测我国广大农业区作物生产状况,做估测作物产量提供的监测与预测结果,逐步成为指导和决策农业生产不可缺少的重要信息,将产生显著的社会效益和经济效益。

2.3 作物长势与产量预报遥感模型的建立与应用

农业模型已被公认为农业研究的一个新方法。农业模型由于将农业过程数字化,使得农业科学从经验水平提高到理论水平,是农业科学在方法论上的一个新突破。我国作物模型的研究开始于20世纪80年代中期,机理性较强的有高亮之的水稻模型RICEMOD、戚昌翰的水稻模型RICAM、冯利平的小麦模型WHEATSM、尚宗波的玉米模型MPESM等。这些模型能够反映作物生长和发育的基本生理生态机理和过程,具有动态性和通用性。但是,各种模型本身对作物的描述有简有繁,许多模型中采取了一系列的假设来描述未知生理过程,使得精度降低。另外,模型所描述的大量气候、土壤和作物特性资料不易得到,也增加了应用难度,需要进行深入的研究和矫正。[3-4]

2.4 农作物生态环境监测

农作物生态环境监测利用遥感技术可以对土壤侵蚀、土壤盐碱化面积、主要分布区域与土地盐碱化变化趋势进行监测,也可以对土壤水份和其他作物生态环境进行监测,这些信息有助于田间管理者采取相应措施。德国、日本、印度等国应用卫星成像系统,早期辨别农作物病虫害,及时采取对策,有效地减少了病虫害的危害程度,提高了经济效益。

2.5 农业灾害监测

对重大灾害进行动态监测和灾情评估,减轻自然灾害所造成的损失是遥感技术应用的重要领域。利用遥感技术,结合各种自然灾害的实际应用模型,研究监测各种自然灾害的发生、发展、灾情、损失、评估等,同时对监测到的灾情及时预报,从而最大限度地减轻自然灾害所造成的损失。目前遥感灾害监测已经比较成熟地应用在干旱、洪涝、冻害等农业气象灾害的监测中。气候异常对作物生长有一定影响,利用遥感技术可以监测和定量评估作物受灾害程度,作物受旱灾涝灾影响的面积,对作物损失进行评估,然后针对具体受灾情况,进行补种、浇水、施肥或排水等抗灾措施。

2.6 农业结构调整和区域发展

在不同资源条件对发展农业生产的适宜性之间常常出现互不一致的矛盾,采用遥感技术可把各项资源条件的不尽一致的适宜性进行空间分析,便于集中反映出各因素适宜性的空间组台,从而因地制宜地为指导农业生产提供科学依据,提高资源可持续利用的效率。农业结构调整中,农业区划必须根据客观规律,特别是地域分异规律的要求,阐明自然条件(地貌、土壤、气候、植被、动物、水文、地质等)发生、发展和分布的规律;阐明社会经济条件(人口、劳动力、技术、收入分配、地理位置等)发展、变化和分布规律,查明和评价这些农业生产条件中的资源数量、质量和空间分布对农业生产的影响,研究根据地域生产综合体内的相似性及其潜力如何开发、利用、保护,提出发展方向、合理结构、决策性指标和战略性措施,从而为农业规划提供科学依据和论证。分区划片和形成合理的农业生产结构和布局更需要强大的空间分析技术和稳定的空间数据信息来支持。

2.7 数字农业

数字农业是遥感、地理信息系统、全球定位系统、机电一体化与农业的有机结合,是遥感技术在农业领域应用的集中体现。数字农业是一个信息密集型的技术,对信息获取、处理技术具有极高的要求,也是信息技术发展到一定程度的必然结果;另外,数字农业也是一项环境友好的技术,因为农业生产中农药和化肥的过量施用,会造成严重的环境污染,农业耕作过度也将导致诸如水土流失等环境的破坏。因而,发展数字农业技术也是环境保护和可持续发展的需要。[5]3 遥感技术在农业发展中的应用前景与展望

随着遥感技术的广泛应用,近年来在农业上的应用向深、宽、广发展。从农业部门的实际应用来看:及时掌握农业资源状况和演变趋势,提出合理可持续利用的科学对策,是实现资源和生产力要素优化配置,保证国民经济持续、稳定、协调发展的重要手段;及时掌握主要农作物的播种面积、长势和产量,对于国家制订合理的农产品贸易政策有重要意义。

3.1 发展新的遥感信息模型

遥感信息模型是遥感应用深入发展的关键．应用遥感信息模型．可计算和反演对实际应用非常有价值的农业参数。在过去几年中。尽管人们发展了许多遥感信息模型．如绿度指数模型、作物估产模型、农田蒸散估算模型、土壤水分监测模型、干旱指数模型及温度指数模型等,但远不能满足当前遥感应用的需要。因此发展新的遥感信息模型仍然是当前遥感技术研究的前沿。

3.2 综合应用遥感技术防治病虫害

植物病虫害初期,其叶片结构已发生改变,从其近红外光谱反射率可以准确地显示出来。但植物的叶绿素的数量和质量还没有发生改变,其可见光的波段的光谱反射率不会发生明显变化,肉眼也很难观察到。可以利用红外遥感技术及时、准确地进行预测预报。并能分辨植物的受害程度,把病虫害消灭在萌芽状态。如利用0.7～0.9mm的近红外照片可揭示燕麦、小麦的黑锈病

[6]。

3.3 微波遥感技术

微波遥感技术是当前国际遥感技术发展重点之一,其全天候性、穿透性和纹理特性是其他遥感方法不具备的。利用这些特性对解决,恶劣气象条件下的灾害监测以及冰雪覆盖区、云雾覆盖区、松散层掩盖区及国土资源勘查等将有重大作用。

3.4 高光谱传感器的应用

通过高光谱遥感数据对主要作物生物化学参数的高光谱遥感监测以及设计水稻、棉花和玉米不同播种期处理的试验,获取不同生育期的生物化学和相应的高光谱反射数据,分析和研究这些作物在不同发育期的高光谱反射特征及其与生物化学参数的关系,确定能反映它们生物化学参数的高光谱遥感敏感波段。提取对应不同生物化学参数的高光谱遥感特征参数,摸索不同生物化学参数的高光谱遥感监测方法,建立其估算模型。高光谱和超高光谱传感器的研制和应用．将是未来遥感技术发展的重要方向。[7]建议

虽然我国在20世纪70年代末就开始了农业遥感的应用研究,在土地利用现状调查、盐碱地调查、耕地调查、农作物长势监测、测产预报方面作了大量的工作,取得了很多成果。但对大面积的农作物种植面积调查、农作物病虫害预警及土地动态监测方面等都缺乏有效的手段。在工作的精度和深度上都有待提高。遥感的新技术、新手段要求我们农业科研人员探索和学习空间信息转化技术,借鉴国外先进技术建立符合我国特点的农业遥感监测系统,继续挖掘遥感在数字农业中的作用。

参考文献

[1] 梅安新,等.遥感导论[M].北京:高等教育出版社,2001,7.[2] 孟未来,周建英.浅议遥感技术在农业上的应用[J].农业网络信息,2008(2).[3] 陈会明.浅谈遥感技术在农业生产中的应用[J].安徽农学通报,2009,15(19).[4] 赵英时等著．遥感应用分析原理与方法[M]．北京:科学出版社,2003,6．

[5] 唐华俊.遥感技术在农业资源区划中的应用与展望,中国农业资源与区划,20(4),1999.[6] 刘洋,高雪莲.遥感与农业[J].科技简讯.[7] 申广荣,王人潮．植被高光谱遥感的应用研究综述[J]．上海交通大学学

报,2001,19(4):315～321．

基于遥感监测的农业旱灾监测研究 篇3

我国水资源短缺, 干旱灾害一直是我国最严重的自然灾害之一。干旱具有范围广、持续时间长的特点, 对国民经济和生态环境都带来了极大的影响, 尤其是制约农业发展最主要的因素之一。干旱不仅直接导致农业减产, 而且其持续积累会使土地资源退化、水资源耗竭、生态环境受到破坏。定量的估测和预测干旱现象成为决策者和生产者亟待解决的问题[1,2]。研究不同生长季节干旱对农作物的影响具有十分重要的意义。

干旱可以分为三类:与气象有关的干旱, 与水文有关的干旱和与农业有关的干旱[3]。在早期, 传统的干旱监测方法主要是基于气象和气候的观测, 主要的方法包括帕默尔干旱指数 (PDSI) 、降雨量异常指数 (RAI) 、作物含水量指数 (CMI) 、表面供水指数 (SWI) 、标准化异常指数 (SAI) 、标准化降雨量指数 (SPI) 。

近几年来, 遥感技术被广泛应用于大范围的干旱监测。遥感技术宏观、客观、迅速和廉价的优势及其在近年来的飞速发展, 为旱情监测开辟了一条新途径, 尤其是在与地理信息系统技术的结合, 为实现用遥感数据进行实时、大面积、高精度的农作物旱情监测提供了全新的前景。目前, 很多研究是基于植被指数和地表温度两者的结合。Nemani et al.在1993年提出作物的含水量与陆地表面温度 (LST) 和归一化植被指数 (NDVI) 的比值之间存在很典型的负相关关系[4]。Goward and Hope和Price都发现在LST和NDVI的空间散点图中数据都落在一个三角形当中, 而后来Moran et al.在1994年将在LST-NDVI空间的梯形区命名为植被/温度梯形 (VITT) 。自此之后, LST-NDVI光谱空间就被广泛的应用于陆地表面的分类、土壤湿度的监测以及生物量和表面能量流的估算。本文使用改进的垂直干旱指数对冬小麦主要产区的河南省进行了干旱的监测, 取得了较好的成果。

1 作物干旱遥感监测的技术方法

随着遥感卫星传感器的发展, 利用不同的传感器获取的数据, 可获得各种能直接或间接反映干旱情况的物理指标, 并且已形成了很多种方法。我国目前试验性业务中主要实用的方法有热惯量法、归一化距平植被指数法、供水植被指数法、垂直干旱指数及用微波遥感法测定土壤水份的方法等。下面主要介绍改进的垂直干旱指数方法。

1.1 近红外-红光光谱空间

绿色植被在红光光谱范围内存在较强的吸收特性, 而在近红外光谱中则存在非常强烈的反射特性。从红光到近红外光谱, 裸土的反射率随着土壤含水量的增加而减少, 特别是在近红外光谱区。由于这些特点的存在, 近红外和红外两者的比率和差值运算可以更好地突出植被与裸土之间的关系。于是, 一些研究学者将近红外和红外光谱两者联系起来建立了一个二维的空间, 被叫做NIR-Red光谱空间。

在NIR-Red光谱空间定义了一种与土壤类型和土壤肥力密切相关的概念———土壤线, 是指由近红外波段和红色波段所构成的二维平面上, 土壤背景的光谱数据基本上沿着线状分布。

1.2 垂直干旱指数

对于一种特定的土壤类型, 土壤线可以描述无植被像元以及土壤水分含量显著像元的光谱行为。于是在近红外-红外光谱区间, 一种反映干旱严重情况的指数———垂直干旱指数 (PDI) 被提出。它的具体定义为:近红外-红外光谱区间内的一点到经过原点且垂直于土壤线的距离。遥感影像内任何一个像元的垂直干旱指数 (PDI) 可用下面的公式表示:

其中, Rred和RNIR分别表示大气校正后的红波段的反射率和近红外波段的反射率;M表示土壤线的斜率。

1.3 改进垂直干旱指数

土壤线是监测农作物生长的水源的一个关键因素。当土壤水分低于一定的水平, 作物就不能从土壤中吸收足够的水分以致干旱。因此, 遥感干旱监测的最直接也是最关键问题就是土壤水分含量。然而, 由遥感器接收光谱信息的不同地表的反射或者热辐射光谱信息都是混合信息。干旱监测会由于有植被的限制从而降低精度。在用PDI监测干旱情况时, 由于有植被覆盖的影响, 会将有植被区域误判为干旱区。为了改变这个缺陷, Abduwasit Ghulam等在2007年提出了改进垂直干旱指数 (MPDI) , 将混合像元分解引入垂直干旱指数中:

其中, Rs, Red, Rs, NIR分别代表经过大气校正后的土壤的红波段和近红外波段的反射率, M表示土壤线的斜率。

在改进的垂直干旱指数中, 计算混合像元中各端元的组分是十分重要的。在该篇论文中, 假设将遥感影像中的每个像元简单看作是由植被、裸土两种端元混合而成, 则混合像元的反射率 (Ri) 可以表示为一种线性模型:

将 (4) 式代入 (2) 式, MPDI可以表示为:

其中Rv, Red和Rv, NIR分别表示红波段和近红外波段的植被的反射率, fv为植被覆盖率。

1.4 植被覆盖度的算法

上述以像元二分模型的混合像元线性模型是比较常见的, 该种模型中估算植被覆盖度时多采用NDVI数据, 此时植被覆盖度fv的估算公式可以表示为:

式中, NDVI为影像中各像元的NDVI值, NDVIsoil为全裸土覆盖区域的NDVI值, NDVIveg为纯植被覆盖像元的NDVI值。在该篇论文中, 以图像中的最小NDVI值作为NDVIsoil, 而最大的NDVI值作为NDVIveg。

2 试验区概况

2009年冬春季节, 世界范围内爆发了波及范围较广、影响较严重的一次旱灾。中国受到极大的影响, 主要集中在冬小麦的产区。有15个省市出现不同程度的旱情, 其中河北、山西、安徽、江苏、河南、山东、陕西、甘肃八省冬麦区受旱面积占到全国的96%, 是三十年来最严重的旱灾袭击。根据分析, 主要成因有: (1) 降雨少, 温度高; (2) 寒旱叠加; (3) 灌期提前, 用水集中。

2.1 自然条件概况

河南省位于中国的中东部, 地处平原, 地势西高东低、北坦南凹, 北、西、南三面有太行山、伏牛山、桐柏山、大别山四大山脉环绕, 间有陷落盆地, 中部和东部为辽阔的黄淮海冲积大平原。山区丘陵面积占44.3%, 平原面积占55.7%。境内有黄河、淮河、卫河、汉水四大水系, 其中淮河流域面积占53%。地上地下水资源比较丰富。全省年均气温为l2.8℃~l5.5℃。7月最热, 月均气温在23.9℃~27.7℃之间;1月最冷, 月均气温在零下2.5℃~2.5℃之间;无霜期在190~230天之间.年降水量从北到南在550~1 295mm之间。一般可满足农作物一年两熟, 适宜多种农作物及果树、林木生长, 但气候的异常变化又常常产生干旱、冰雹、霜冻、洪涝、大风等各种气象灾害, 对经济发展产生极为不利的影响。其中干旱发生频率高、影响范围大、持续时间长、成灾程度重。干旱主要有春旱、夏伏旱和秋旱。最为严重的就是春旱。由于年内降水季节分配不均, 前一年11月到第二年3月降水量只占全年降水量的14%, 而春季气温回升快, 大风日数多, 蒸发量大, 使春旱加剧。所以, 河南有“十年九旱”、“春雨贵如油”之说。

2.2 数据

本文使用了2008年11月19日11时30分, 2008年12月9日11时05分, 2009年1月13日11时35分和2009年2月20日11时的四幅MODIS 1B级晴空遥感数据以及研究区河南省的地面基础地理信息数据。

3 遥感干旱监测方法试验

使用连续四个月的MODIS遥感数据对河南省的干旱情况进行监测, 具体的工作流程见图1:

3.1 数据预处理

将研究区域的四幅遥感影像进行BOWTIE (“蝴蝶结”效应) 处理, 几何校正, 大气校正, 条纹处理, 数据定标, 投影变换、子集提取等。

3.2 改进垂直干旱指数的计算

该阶段主要包括土壤线的回归分析、植被覆盖度的计算和改进植被指数的计算。

3.2.1 土壤线的线性回归

在计算改进垂直植被指数时, 土壤线的斜率是一个重要的参数。土壤线的方程如下:

其中ρNIR、ρRed分别是土壤在近红外和宏波段的反射率;a、b分别是土壤线的斜率和截距。

使用采样点对土壤线进行线性回归分析。在四幅影像中分别随机取50个土壤采样点, 得到11月、12月、1月和2月研究区域的土壤线的回归模型 (见图2) , 得到的土壤线回归方程 (见表1) :

3.2.2 植被覆盖度的计算

根据1.4中提到的计算公式, 将经过预处理的遥感数据进行植被覆盖度的反演。

3.2.3 改进植被指数的计算

计算改进垂直干旱指数中, 根据植被的生长状况, 每幅影像中的Rv, Red和Rv, NIR取值见表2:

3.3 结果分析与评价

将反演获得的四个时期的MPDI成图并进行结果分析。

3.3.1 结果

根据改进的垂直干旱指数算法, 得到了河南省2009年冬春季节四个月份的MPDI干旱分布情况图, 见图3。

3.3.2 分析

根据反演得到的河南省11月、12月、1月和2月的改进垂直植被指数分布图, 可以看到河南省在获取影像的四个时期的实时干旱情况, 大体的趋势是干旱的面积在逐渐增大, 从11月份的中东部零散干旱到12月份中南部大片干旱到1月份中东部分的大片干旱, 而到了2月份, 干旱集中在河南省的中部地区。在11月份有局部极度干旱区, 主要出现在北部的原阳河和沁阳, MPDI的最大值达到0.9;在12月份没有出现较高的MDPI值, 一般都在0.4以下, MPDI值在0.3~0.4的较高值出现在叶县、舞阳县、郾城县、西平县、逐平县还有汝南县。1月份里的干旱区域的面积达到了最大, MDPI值比12月份也相应的有所升高, 最大值达到0.419 1, MPDI的较大值出现的地区由12月份的6个地区扩大到加上上蔡县、新蔡县、正阳县、淮滨县和唐河县。而2月份的MPDI有很大的改变, 干旱的整体面积有所减少。干旱区主要集中在许昌市、叶县、舞阳、四平县, 上蔡县、商水县的西部、逐平县和汝阳县以及唐河县。在二月份的MPDI中河南省西南部的淅川县和内乡县附近出现了亮玫瑰色, 看起来也是很干旱的地区。其实是由于原MODIS影像中的薄云造成的。该处的实际MPDI值很小, 不属于极度干旱区。

4 结束语

利用改进的垂直植被指数对河南省2008年11月到2009年2月的四幅MODIS影像进行了干旱情况的反演。结果表明, 采用与干旱密切相关的土壤线、植被覆盖度两个参数以及混合像元分解思想进行计算的MPDI, 可以有效的实时监测地表的干旱情况;在实际业务监测中, 根据各指数模型的特点, 在作物生长初期采用DPI指数, 在作物生长期应用MPDI指数, 二者综合运用可提高监测精度。

MODIS数据是高光谱遥感数据, 具有较高的时间分辨率、光谱分辨率等特点, 已被广泛应用于大范围、动态的农情监测中。遥感在农业发展中的应用范围将不断扩充。将“3S”技术 (遥感技术、地理信息系统、全球定位系统) 与其它高新技术综合集成应用, 可为农业的发展提供强有力的基础信息资料与技术支持, 提高农业决策科学化水平, 从而加快我国农业现代化步伐, 促进农业现代化的持续、稳定、健康发展。

参考文献

[1]Goddard, S., Harms, S.K., Reichenbach, S.E., Tadesse, T., Waltman, W.J.Geospatial decision support for drought risk managemen[tJ].Communication of the ACM, 2003, 46 (1) :35-37.

[2]Tadesse, T., Brown, J., Hayes, M.A new approach for predicting drought-related vegetation stress:integrating satellite, climate, and biophysical data over the U.S.central plains[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2005, 59 (4) :244-253.

[3]Dracup, J.A., Lee, K.S., Paulson, E.G.J.On the definition of drough[tJ].Water Resources Research, 1980, 16 (2) :279-302.

[4]Nemani, R., Price, L., Running, S., Goward, S.Developing satellite derived estimates of surface moisture status[J].Journal of Applied Meteorology, 1993, 32 (3) :548-557.

[5]程红芳, 章文波, 陈锋.植被覆盖度遥感估算方法研究进展[J].国土资源遥感, 2008:13-18.

农业遥感系统 篇4

遥感 (RS) 是20世纪60年代发展起来的对地表观测综合性技术。遥感一词源于英语Remote Sensing, 即遥远的感知, 是应用探测器, 不与探测目标相接触而从远处把目标的电磁波特性记录下来, 通过分析, 揭示出物体的特征性质及其变化的综合性探测技术[1]。遥感技术能动态、快速、周期性地获取地表信息, 与传统的信息获取手段比较, 遥感技术大大地节省了人力、物力、财力和时间, 可带来很高的经济效益和社会效益。

遥感技术迅猛发展, 搭载的传感器种类越来越丰富, 其空间分辨率得到了极大的提高, 如表1所示。作为其最大受益者的农业, 不论在监测方法还是信息获取手段都得到了前所未有的发展。遥感技术以其快速、简便、宏观、无损及客观等优点, 越来越广泛应用于农业生产各个环节当中, 并逐渐成为农业遥感应用的重要前沿技术手段之一[4]。本文主要针对遥感在农业田间信息获取方法的应用展开相应的阐述与分析。

1 田间信息采集

1.1 病虫害监测

作物病虫害是农业生产的主要障碍, 是限制作物产量的主要因素之一, 同时也是制约优质、高效益农业持续发展的主导因素之一[2~3]。尽早发现病虫害, 并掌握病虫害的发生发展情况, 是提高农作物产量, 减少因病虫害造成经济损失的有效保障。传统的监测作物病虫害的方法, 因为受到当时生产条件及科技水平的限制, 只能在实地采用自测或者手查等方法。这些方法不仅费时费力, 而且其获取信息的滞后性也严重影响了病虫害预报的准确率。高光谱遥感又称成像遥感, 主要是指在电磁波谱的紫外、可见光、近红外和中红外区域获取许多非常窄且光谱连续的图像数据技术, 高光谱能准确获得作物病虫害发生、发展的定性和定量空间分布信息, 为决策者在病虫害未造成严重危害时实施防控提供数据支撑。

作物受到病虫害感染后会呈现许多症状, 诸如卷叶、叶片枯萎、作物矮小、叶片大面积凋落以及影响作物的正常光合作用等[5]。一般健康的植物其光谱曲线总是呈现明显的“峰和谷”特征, 当作物发生病虫害时, 致使作物病虫害产生的症状使得光谱曲线的波谱特征会出现某些变化。基于此种变化, 使得应用高光谱实施监测病害作物成为可能。

为研究作物吸收反射光谱特征, 通常情况下是通过提取作物光谱的一些特征参数, 达到增强有用信息而抑制无用信息的目的, 并以这些参数来鉴别目标物的各组分及模拟、反演它的生物物理、化学参数进行病虫害的监测。主要方法有原始光谱导数变换及对数变换、光谱位置和面积的特征参数提取、光谱吸收特征参数提取和基于连续同去除的特征参数提取4种方法。

我国从“六五”开始, 就开展了小麦和水稻种植面积的遥感监测研究, 1983年开始, 农业部启动了北京近郊小麦及北方6省、直辖市的小麦监测。“八五”期间, 作物估算监测由小区域向大区域过渡, 针对小区域的作物监测主要采用TM影像进行。到了“十五”期间, 作物监测方法逐渐完善, 构建了面积变化遥感监测模型, 并在此基础上建立了面积监测业务系统。近年来, 随着更多高分辨率卫星影像的出现, 使基于遥感技术的面积监测精度得到了大大提高。

总体来说, 农业作物面积监测有3个方面的发展:空间尺度上, 从小范围的面积监测试点研究逐步扩展到全国;数据应用上, 从地空间分辨率的卫星逐渐过渡到高空间分辨率卫星影像;方法上, 从单一的植被指数法到种植成数估算法。应用高光谱遥感进行病虫害监测的主要流程图如下图1所示。

1.2 生产面积监测

作物生产面积估算及作物种植区域显示对政府相关部门及时掌握相关作物的生产情况有重要意义, 并可以依据生产面积对市场情况进行预测, 为国民经济宏观调控政策制定提供一定的科学支撑。传统的作物面积监测是采用统计方法进行, 该方法不仅费时费力, 而且由于统计数据的滞后性致使面积监测的精度受到一定的影响。遥感技术具有的覆盖范围广、现实性强、费用低和能对地物周期性监测等特点为快速准确进行作物面积监测提供了写的监测技术手段。应用遥感进行作物面积监测的主要流程图如下图2所示。

1.3 产量估算监测

与发达国家农业种植相比, 我国的农业生产水平相对滞后, 影响作物生长状况的因素很多, 如何准确地对作物产量进行预测, 对国家政策的制定、市场信息宏观调控以及国际贸易等内容都有极为重要的作用。传统的作物估产方法是通过采用人工区域调查方法获得, 该方法获得数据的速度慢, 需要大量的人力物力, 花费时间也多。

应用遥感技术进行作物估产是根据生物学原理, 在收集分析各种作物类型、监测作物长势之后通过卫星传感器记录的地表信息, 并在此基础上进行作物产量预测。典型绿色植物的发射光谱曲线, 在蓝光区和红光区各有一个叶绿素吸收带 (吸收中心在0.45μm及0.65μm) , 在近红外区则呈现高反射, 形成叶绿素特有的红外陡坡效应。依据遥感器在红外及近红外波段出的反射率值 (CH1及CH2) , 就可以推断叶片面积和叶绿素浓度。NDVI与作物的叶面积指数和生物量成正相关;NDVI值越大, 表明作物叶绿素浓度越高、作物长势越好, 作物进行光合作用的能力也越强, 进而可以推算出其单位面积的作物产量也会越高。依据此理论, 可用于准确实时的作物长势动态连续监测和产量估计[6~7]。

归一化植被指数是最为常用的一种植被指数, 其算式为:

其中CH1、CH2分别为红光与近红外波段的反射率值。

应用遥感进行作物面积监测的主要流程图如图3所示。

1.4 土壤水分含量监测

土壤水分含量可以直接反映作物的干旱情况, 为防范作物干旱给国民经济带来损失, 进行土壤水分含量监测极为重要, 也是必须的。常规的土壤水分监测方法有土钻取土称质、电阻法 (TDR法) 、时域反射法 (FDR法) 及种子散射法等, 但这些方法不仅测点少、而且较难进行大范围、动态实监测, 不利于作物干旱监测的发展。遥感影像中的可见光、近红外和热红外波段能够较为准确地提取一些地表特征参数和热信息为应用遥感技术进行土壤水分监测提供了信息的技术方法。

国外应用遥感技术进行土壤水分含量监测研究开始于20世纪70年代, 应用影像实施水分含量监测主要分3类, 即可见光遥感影像进行监测、近红外遥感影像波段获取地表温度以及应用可见光、近红外和热红外提出干旱监测指标。国内该领域的研究主要集中在光学遥感上, 即可见光——反射红外遥感和热红外遥感, 以常用的惯量法为例说明土壤水分含量监测的原理。

热惯量法主要是应用土壤水分的热特性进行干旱监测, 其定义为:

式中, P为热惯量[J/ (m2·K·s1/2) ];λ为热导率[J/ (m·K·s) ];ρ为密度 (kg/m3) ;c为比热[J/ (kg·K) ]。

随后依据该定义提出了一个可用卫星资料推算的表观热惯量模型:

式中, ATI (Apparent Thermal Inertia) 为表现热惯量模型;S为太阳常数;V为大气透过率;α为地表反射率;C1为太阳赤纬和经纬度的函数;ω为地球自转率;Q为太阳总辐射通量;ΔT为地表日最高最低温度差。式中的α和ΔT可以通过可见光——近红外通道的遥感影像资料中获取, 依据ATI与土壤含水量之间的相关关系, 可以求算出土壤含水量。

作物土壤含水量监测的大体流程见图4所示。

1.5 养分含量监测

叶绿素是吸收光能的物质, 对作物的光能利用有直接影响。叶绿素含量和作物的光合能力、发育阶段以及氮素状况有较好的相关性。由于叶绿素之间的氮含量与氮素状况有较好的相关性, 以及由于叶绿素之间的氮含量和叶变化趋势相似, 通常认为通过测定叶绿素可监测作物氮素营养。

叶绿素的常规测定使用分光光度计法, 因为这种方法要进行组织提取和分光光度计的测定, 所以既耗时间又对植被造成损伤。另外, 从大田到实验室的运输和样本制备过程中很可能损失叶绿素, 进而导致叶绿素含量发生变化。目前, 采用最多的是应用叶绿素仪及高光谱仪进行作物养分测量。

叶绿素仪的工作原理, 是采用两个不同波长的光源分别照射植物叶片表面, 通过比较穿过叶片的透射光光密度差异而得出SPAD值。因此, SPAD值是一个无量纲的比值, 与叶片中的叶绿素含量成正相关。在叶绿素仪应用的研究中, 各研究者所采用的测定部位都大体相同, 即作物生长前期取新展开的第一片完全展开叶作为测定部位, 生长后期则取功能叶作为测定部位。

便携式高光谱仪是一种非损伤性测定叶绿素的方法, 它通过测定绿色植物叶片的反射率、透射率和吸收率来测定叶绿素含量, 这决定了高光谱技术在作物叶绿素含量评价研究中具有不可替代的作用。

应用遥感技术进行作物养分监测的基本流程见图5所示。

2 建立监测与信息管理系统

随着现代信息技术的飞速发展, 运用现代高新技术, 建立农情田间信息监测及信息管理系统, 及时掌握土地利用状况、种植面积、长势及预期产量等重要农情, 为各级政府进行宏观调控提供依据, 指导农民更有预见地适应市场需要, 并在主要作物生育期, 根据监测获得的信息帮助农民进行合理施肥、灌溉、排水和防治病虫害, 不断提高科学种田水平。

田间信息管理系统平台的建立, 可以加快精准农业的建设, GPS (Global Positiong System) 技术可以获取采样点的经纬度信息, 通过相应的成图软件可以得出田块的形状和面积等, 差分DGPS技术的应用更使得获取信息的精度得到了大大的提高。这些信息在精准农业中可以知道田间机械进行和作业、如何行使、如何转向和何时转向;RS主要是应用获取作物病虫害、生产面积、产量及土壤肥力等内容;GIS主要用来对获取的数据信息进行分析处理。在精准农业中, GIS也越来越深入地应用与管理农田参数信息、土壤养分含量和施肥量等数据。综合GIS、RS及GIS可以实现田间信息的高效管理。

应用”3S”技术构建的农业田间信息管理系统流程见图6所示

参考文献

[1]梅安新, 彭望琭, 秦其明等.遥感导论[D].北京:高等教育出版社P1.

[2]陈兵, 李少昆, 王克如等.作物病虫害遥感监测研究进展[J].棉花学报, 2007, 19 (1) :57-63.

[3]陈鹏程, 张建华, 雷勇辉等.高光谱遥感监测农作物病虫害研究进展[J].中国农学通报, 2006, 22 (2) :388-391.

[4]姚云军, 秦其明, 张自力等.高光谱技术在农业遥感中的应用研究进展[J].农业工程学报, 2008, 24 (7) :301-306.

[5]Hartmut K.Lichtenthaler, Fatbardha Babani.Detection of photosynthetic activity and water stress by imaging the red chlorophyll fluorescence[J].Plant Physiol.Biochem., 2000, 38:889-895.

[6]邢素丽, 张广录.我国农业遥感的应用与展望[J].农业工程学报, 2003, 19 (6) :174-178.

[7]戴昌达.卫星遥感在农业中的应用与展望[J].中国航天, 1999, 5:3-7.

农业遥感系统 篇5

1 简述遥感信息技术的概念与作用

1.1 概念分析

遥感技术依其遥感仪器所选用的波谱性质可分为电磁波遥感技术、声纳遥感技术和物理场 (如重力和磁力场) 遥感技术。电磁波遥感技术是利用各种物体/物质反射或发射出不同特性的电磁波进行遥感的, 其可分为可见光、红外、微波等遥感技术。按照感测目标的能源作用可分为主动式遥感技术和被动式遥感技术;按照记录信息的表现形式可分为图像方式和非图像方式;按照遥感器使用的平台可分为航天遥感技术、航空遥感技术和地面遥感技术;按照遥感的应用领域可分为陆地水资源调查、土地资源调查、植被资源调查、地质调查、城市遥感调查、海洋资源调查、测绘、考古调查、环境监测和规划管理等。

1.2 整体作用

市场销售服务平台的信息化建设, 是为了鼓励发展各类农产品的购销、经济、合作组织, 形成农产品营销的主体, 从而解决农产品的买卖难题, 鼓励和促进增收。信息化市场销售服务平台在服务内容上, 是产品销售、资金筹措、技术开发、信息共享等方面的服务, 在服务的期限上, 技术和服务实体无比稳固;在合作领域上, 要加强发展产业化经营的生产、家用和销售环节。在组织形式上, 壮大销售的经济人队伍, 拓展销售的信息渠道, 划分不同产业、区域的影响组织, 尽快建立不同服务内容的网络信息营销系统。

2 探讨基于遥感信息技术在农业中的运用方式

2.1 利用“3S”提取农业背景信息参与区划计算

农业气候区划是根据农作物生长发育过程中对气候条件的要求和气候资源的地理分布特征来进行分区划片的, 在某种农作物的气候可种植区内还有不同的地物类型, 不同的农作物要求不同的地理环境。为使农业气候区划对农业生产更具有指导作用, 将非气象因子引入到农业气候区划中。农业气候区划对象中往往对土壤p H值要求很高, 根据土壤类型分布可以得出土壤p H值的分布, 将其作为区划的一个关键指标, 使得区划更加有实际应用意义。利用GIS将土壤分类图作为一项数据层参与气候资源数据层集运算, 得出包含土壤类型信息的区划结果。譬如, 在江西省万安县在全省优质早稻种植气候区划和万安县脐橙种植综合区划中, 除了应用1∶25万的地理数据, 还结合了TM影像数据, 辅助GPS定位抽样, 把早稻、脐橙的可能种植区 (农田、荒山荒坡) 提取出来, 排除了山体、水体、居民点、道路等不能种植脐橙和早稻的区域, 把可能种植区与农业气候区划图做逻辑交集运算, 得到了全省优质早稻和万安县脐橙种植规划图 (见图1) 。

2.2 大气污染监测管理

无论是点源污染, 还是线源污染, 其空间分布以及属性可以通过地理信息系统进行管理, 而污染扩散的影响因子的空间分布同样可以作为GIS的空间数据组成部分, 所以基于GIS可以建立大气污染扩散模型, 进而GIS也提供了丰富的功能以表现污染物强度空间分布, 可以查询强度分布状况, 并可以结合其它社会经济数据, 进行更加细致的评价分析。譬如, 包头是我国大气污染治理的重点城市, 包头关于大气污染扩散的研究工作较多。冶金部建筑研究总院1982针对包钢地区的烟气综合治理规划, 利用风洞模拟试验、现场实验等提出了“大气输送气候学模式” (ATCM) 。1989年包头市环境监测站, 针对包头新市区大气扩散模式和SO2容量计算, 提出了基于美国EPA的ISC (工业复合源大气扩散模式) 的城市多源高斯模式。这些模式的建立为包头市的大气污染治理和管理提供了可靠的依据。在包头市的研究工作中, 利用1月份平均风速、风向、频率, 并将其换算为风频表, 对包头市的37个高架点源造成的地面SO2浓度的空间变化进行模拟。

将模型预测结果图与包头市环境监测站绘制的等值线图相比较。模型在工业区的预测值比较切合实际, 在昆都仑区, 预测值偏小, 原因应该是由于包头地区在1月份特定风向条件下, 工业污染对该区域的影响比较小, 相比之下居民取暖燃煤造成的SO2污染就较突出。总体来看, 无论从工业区还是居民区, 模型预测的SO2的浓度不存在数量级上的差别。

2.3 农作物长势监测和估产

遥感技术具有客观、及时的特点, 可以在短期内连续获取大范围的地面信息, 用于农情监测具有得天独厚的优势。近20a, 农作物遥感监测一直是遥感应用的一个重要主题。从“七五”利用气象卫星数据进行北方11省市小麦估产起步, 经过“八五”重点产粮区主要农作物估产研究, 到“九五”建立全国遥感估产系统, 使我国的遥感技术在农业领域的应用不断向实用化迈进。目前已经具有对全国冬小麦、春小麦、早稻、晚稻、双季稻、玉米和大豆等农作物的估产及其长势监测的能力, 在作物收割前2~4周提供作物播种面积和总产数据, 每10d提供1次作物长势监测结果。这些信息为国家掌握粮食生产、粮食储运、粮食调配和粮食安全提供了及时、准确的服务。

这些业务运行系统的建成和使用, 为科学合理地制定国家和区域经济社会发展规划、制定农产品进出口政策和计划、调控粮食市场、及时合理安排地区间的粮食运输调度、宏观指导和调控种植业结构、提高相关企业与农民的经营管理水平等做出了积极贡献, 标志着我国作物长势监测与估产已进入新的阶段。

2.4 精准农业

在精准农业作物信息遥感获取理论和方法方面, 突破了作物长势、养分等信息的遥感获取关键技术, 开发出了作物叶面积指数 (LAI) 、氮素、叶绿素、水分等系列探测仪器设备, 建立了基于多时相、多光谱、多角度的作物株型结构参数探测模型, 提高了作物LAI和长势的遥感监测精度, 提出了作物荧光被动遥感探测技术方法和基于红边特征、弱水汽吸收特征的植株水分光谱探测方法, 建立了作物冠层组分垂直分布梯度与营养诊断应用模型。为解决农田信息快速获取的瓶颈问题, 构建了基于多平台、多源遥感信息融合的作物信息获取体系, 提出了以星-机-地同步观测实验为基础、生化组分遥感填图为手段、作物C/N代谢平衡和优质均一化产品为应用目标的农学参量定量反演综合方法, 实现了遥感“面状信息”与地面“点状信息”有机融合, 显著提高了作物、土壤信息获取精度和判读能力。

2.5 作物估产

目前主要应用于:

2.5.1 大面积作物环境监测

如通过NOAA卫星遥感影像的绿度值, 了解大面积作物的分布和长势, 并根据该作物在某一些地区的生长日历 (拔节、开花等) 和气象卫星所提供的资料, 对某一作物地区可能发生的气象灾害、土壤水分的保证率和流行性病虫害等发生早期警报。

2.5.2 大面积估产

如利用陆地卫星进行某一作物的生态分区, 收集每一生态分区内历年该作物的产量以及有关的气象资料建立产量模式, 同时进行与卫星同步的高空、低空和地面光谱观测, 然后根据卫星影像所提供的信息进行某一作物的产量估测。

3 结语

农业地理信息平台是土壤学、生态学、农业、地理学等基础学科与通信和网络、计算机、定位系统、地理信息系统等科学技术结合起来, 形成对土壤和农作物宏观和微观监测, 并对农作物生长发育情况以及环境进行信息获取、分析和预测的信息系统。农业地理信息平台突破了信息受到区域限制的局限性, 将传统的农业生产管理提升到快速调查、分析、监测、诊断、决策进而管理的新高度。遥感在农业方面的应用主要是在进行农用土地资源调查、作物估产和气象灾害、作物病虫害的监测、预报等方面。农业已成为遥感技术最大的应用部门之一。

参考文献

[1]李新功.借鉴发达国家经验建立我国政府主导型农业信息化体系[J].农村经济, 2003 (05) :23.

[2]马云峰, 陈建, 李伟清.我国农业信息化的现状及对策[J].农业网络信息, 2004 (05) :3-5.

[3]张世忠, 岳玉兰, 朱玉芹, 等.我国现代农业信息化的发展现状及对策[J].农业网络信息, 2005 (04) :18.

农业遥感系统 篇6

设施农业是指利用人工建造的设施 (主要包括温室和大棚) , 为种植业、林业、养殖业调节温湿度以及产品的储藏保鲜等提供适当的环境条件, 以获得速生、高产、优质的农产品。设施农业是一项重要农业资源, 准确把握设施农业的数量、面积以及空间位置等信息, 是政府调节市场和发放设施农业补贴的重要依据。

遥感影像覆盖范围大, 重复覆盖周期短, 获取信息的现势性强。目前, 常用的遥感信息提取方法有:①采用多重滤波方法实现高分辨率遥感影像中线性特征的自动检测与识别[2];②基于角点识别和定位的矢量化方法, 自动提取影像中的矩形建筑物轮廓信息[3];③基于高分辨率遥感影像的城市绿地信息自动提取技术[4];④基于GPS的野外信息采集技术[5]。由于设施农业单个面积小, 自动提取方法存在较大的形状和面积误差, 且无法从影像中获取地物的某些属性信息 (如权属等) ;另一方面, 由于设施总体数量大, 利用GPS采集野外信息效率低。本文针对设施农业数量大、单个面积小的特点, 利用设施农业空间分布规律设计出设施对象批量自动生成算法, 提出一种基于高分辨率遥感影像的半自动化信息采集方法。

1 设施农业特征参数提取

1.1 设施农业空间分布规律及纹理特征

为提高土地利用率以及便于作业和机械化生产, 人工建造的设施都是成片的、较大规模的标准化建筑, 其空间位置分布呈现出一定的规律性: (1) 单个设施都是规则的矩形, 各设施的宽度是固定的, 长度会因地形而有所变化, 变化量与长度方向的偏移量有关。一般设施的长度为50～100m, 宽度为7～12m (2) 为了保证在冬季不遮阳, 相邻两个设施的间距与跨度 (设施宽度) 之比约为1∶1, 高度与跨度之比约为1∶2, 因此相邻两个设施的间距与长度方向的偏移量固定。 (3) 设施方向的确定以更好地利用日光为准则, 通常温室呈东西走向, 方位与正东西方向偏角在±5°以内;而大棚呈南北走向, 方位与正南北方向偏角也在±5°以内。

高分辨率遥感影像的颜色接近天然色, 与日常熟悉的真实景物色彩相似, 易于目视解译。农业设施是人造地物, 具有规则的几何外形和边界, 在影像中其形状特征与图形结构清晰可辨。当遥感影像缩放到一定程度时, 肉眼可清晰分辨农业设施形状及纹理特征, 设施目标与背景明显的区分开来, 而且能很好地体现出设施农业的空间分布规律。

1.2 设施农业特征参数

根据上述设施农业空间分布规律及其在遥感影像上的纹理特征, 提取出设施农业特征参数, 包括批量设施自动生成参数 (见表1) 和设施属性参数。相邻设施关系如图1所示。

2 基于遥感影像的批量设施自动生成算法

2.1 算法流程

算法流程如图2所示。

信息采集人员在对遥感影像进行目视解译的基础上, 在影像上数字化一条有向线段P1P2作为批量设施生成的基线, 并输入相应的设施农业特征参数, 即可根据设施坐标计算方法自动生成批量的设施对象, 并依据设施属性参数自动赋予每个设施对象属性值。该算法中的关键步骤是设施对象坐标计算方法。

2.2 设施对象坐标计算方法

设施对象坐标计算公式会因初始有向线段P1P2斜率kl的不同而稍有差异。本文只介绍kl≠0时自动生成设施对象坐标的计算公式, 亦即图2中所描述的设施对象坐标计算公式A的情况。计算方法如下:

1) 初始化计数变量i=0。

2) 根据设施1已知的P1 (x1, y1) , P2 (x2, y2) 坐标, 结合设施相对位置参数, 计算出P3 (x3, y3) , P4 (x4, y4) 点坐标。计算公式为

undefined

其中, KW= (x1- x2) / (y1- y2) , 为设施宽度方向上的直线P2P3的斜率。Symbol变量值由设施相对位置参数决定, 设施相对位置为右时值为1, 为左时值为-1。

3) 根据设施1的点坐标计算设施2的P′1 (x1′, y1′) , P2′ (x2', y2′) 点坐标。此时根据设施生成参数中对齐设置的不同有3种情况。

第一种情况如图1a所示, 即当参数为沿起点对齐时, 可直接用P1点计算P1′点坐标, 再由P1′计算P2′点坐标。公式如下

undefined

第二种情况如图1b所示, 即当参数为沿终点对齐时, 可直接用P2点计算P2′点坐标, 再由P2′计算P1′点坐标。公式如下

undefined

其中, b′=b+Loffset, 为设施2的长度值。第三种情况如图1c所示, 即当参数为等长不对齐时, 则需先计算P0 (x0, y0) 点坐标, 再由P0点分别计算P1′和P2′点坐标。公式如下

undefined

4) 计数变量i加1, 并且判断i

3 技术实现与应用

3.1 信息采集

遥感影像的分辨率越高, 获取信息的精度越高, 但Quickbird和Ikonos的高分辨率影像价格昂贵, 且单景影像不能完全覆盖该地区, 需要进行多幅拼接等数据预处理, 而SPOT5影像价格相对较低, 且单景影像可覆盖整个大兴区;另外, 理论上2.5m分辨率的影像数据可以完成1∶1万左右的大比例尺制图[9], 因此选用2006年10月的SPOT5遥感影像作为基础数据。

3.2 应用结果与分析

为验证本文方法的效果, 采用遥感影像建筑物自动提取方法提取设施农业空间信息, 并在汤原农场内选择5个采样区域, 进行实地调查。表2为采样区内两种不同方法采集结果及实地调查结果。由表2中可知, 自动提取方法会出现较多的遗漏现象, 而且所提取信息的面积误差较大;而采用本文方法提取的数据准确性很高, 只是由于影像时相问题导致少量设施对象遗漏, 需要在数据校验入库时进行调查修正。

通过调查研究可知, 设施自动提取方法所提取的设施形状不规则, 存在较大的误差, 且由于大棚季节性揭膜等原因, 使得这些设施在遥感影像上的光谱特征信息与周围地物无明显差别, 此时采用自动提取方法无法提取设施信息;而采用本文提出的信息采集方案, 不仅能够快捷、方便地采集信息, 而且利用批量设施自动生成算法能很好地解决影像中纹理信息丢失问题, 取得了较好的结果。

4 结语

本文根据设施农业空间分布规律, 提出基于高分辨率遥感影像的信息采集方法, 解决了传统信息采集方式在设施农业信息采集中存在的低效和低精度问题, 可为农业资源管理决策系统提供重要的数据基础。由于时相问题, 在遥感影像中一些设施农业对象的色调与其他地物一致, 纹理特征信息丢失, 加上遥感影像的时相滞后性等, 往往造成设施农业对象遗漏现象, 需利用GPS进行实地调查。而目前手持式GPS的定位精度在10m左右, 无法满足设施农业信息采集的需要, 且差分GPS设备昂贵。因此, 研究基于GPS与高分辨率遥感影像相结合的高效的设施农业信息采集方法。

摘要：以SPOT5高分辨率遥感影像作为基础底图, 结合设施农业空间位置分布规律及其纹理特征在高分辨率遥感影像上的体现, 设计了批量设施自动生成算法, 重点研究了设施对象坐标的计算方法。同时, 通过实际应用验证了该方法的准确性。

关键词：设施农业,遥感影像,信息提取

参考文献

[1]张超.地理信息系统实习教程[M].北京:高等教育出版社, 2000:288-291.

[2]程承旗, 马廷.高分辨率卫星影像上地物线性特征的自动识别[J].遥感学报, 2003, 7 (1) :26-30.

[3]赵俊娟, 尹京苑, 单新建.基于高分辨率卫星影像的建筑物轮廓矢量化技术[J].防灾减灾工程学报, 2004, 24 (2) :153-157.

[4]陈逢珍, 林文鹏.基本农田信息系统的设计与实例研究[J].地球信息科学, 2002, 4 (2) :94-99.

[5]罗军, 潘瑜春.给予高分辨率遥感影像的实施农业资源信息采集技术研究[J].地理与地理信息科学, 2006, 5 (1) :51-54.

农业遥感系统 篇7

关键词：农业,遥感平台,能源作物,监测

农业遥感平台包括航天平台、航空平台、地面平台三种, 地面平台有三角架、遥感塔、遥感车等, 主要用于近距离测量地物波普, 获得地物细节影像。遥感技术并不是完美的, 受技术水平、天气、地理位置、地形等方面的制约, 存在着几何位置和辐射能量上的误差等问题。

1 遥感技术与能源作物

遥感技术已经广泛运用到精准农业中, 给农业管理带来了革命性的改变。能源作物作为一种可再生能源, 污染少、可再生等特点越来越受到国际社会的关注。针对能源作物的遥感技术也不断的发展进步[1]。

1.1农业遥感技术现状

当前农业管理的内容包括施肥、除虫、产量、除草、质量、作物生长状态监视等, 都可以通过遥感技术进行监测。遥感技术基于光谱信息的采集, 可以发现人眼观察不到的信息, 比如虫病感染、营养缺失、农药残留等。随着卫星技术的发展, 遥感技术被广泛运用于土壤调查、农作物估产、水资源调查等领域。当然遥感技术本身也存在着一些缺陷, 如光谱范围受限制、周转时间过长、无法实时观测、空间分辨率低等。

1.2能源作物应用现状

生物能源指任何非化石生物材料所产生的热能来源, 可以来自海洋及陆地, 包括从废渣提取的甲烷、从玉米或甘蔗中提取的乙醇和柴火等。能源作物有三大类:糖类和淀粉作物、油类作物和木质纤维作物。糖类和淀粉作物方面, 小麦和玉米在我国主要用于生产乙醇, 乙醇生产成本低, 具有很强的市场竞争力;油类作物方面, 油菜、蓖麻、向日葵和大豆是主要油脂作物。油料植物分为草本植物和木本植物两种, 我国对于生物柴油的研发比较晚, 但发展速度较快。目前草本植物方面主要种植大豆和油菜, 木本植物方面种植麻风树、绿玉树、光皮树、山枫子;木质纤维作物方面, 多数木质纤维素类作物人处于开发和筛选阶段, 大规模种植技术和运输问题也需要解决。Miscanthus由于养分需求少、不侵蚀环境、水量需求低等特点, 已成为我国最具潜力的可再生能源来源[2]。

2 地面农业遥感平台在能源作物生物量监测中的研究与应用

2.1地面遥感技术监测能源作物应用现状

与其他农作物监测采用的方法一样, 能源作物遥感监测的方法包括卫星、小型飞机、地面遥感装置三种, 各有优劣。卫星拍摄范围大但是分辨率低、周转时间长;小型飞机工作环境灵活, 时间灵活, 但存在着地域局限性。

2.2地面农业遥感平台在能源作物生物量监测中的研究与应用

地面平台包括三角架、遥感塔、遥感车、遥感船、建筑物顶部装置等, 用于近距离捕捉地物细节影像和地物波普。目前地面遥感平台的遥感塔搭建用的是高光谱分辨率的传感器, 放置在38m高的云台上, 可进行水平360°垂直90°的转动, 钢塔一般设置在能源作物的中间, 以方便进行全方位的观测。相比于其他遥感方式的不足, 一塔式的独立遥感系统具有空间分辨率高、时间周转快、光谱分辨率高的特点。

但地面遥感平台也存在图像几何失真, 遥感图像辐射失真等缺陷。造成图像几何失真主要原因有以下几点:遥感平台的运行状态;地球本身对遥感图像的影响;传感器内部失真;平台高度变化, 轨道偏移和姿态变化等。造成图像辐射失真的原因有:传感器灵敏度特性引起的失真、太阳高度和地形引起的失真、大气因素引起的失真等, 可通过纠正辐射亮度来消除辐射误差。

为了加强遥感图像的精确性, 必须消除这些误差。消除几何误差有两种方法:建立几何失真的数据模型, 利用数学模型消除几何失真;收集实地地物的真实坐标值, 确定真实值与失真后图像间的关系, 以校正失真误差。在实际操作中, 通常会把两者连起来用。首先建立一个几何失真的数学模型, 建立失真图像与标准图像之间的关系, 实现不同图像空间中象元位置变换;然后利用这种对应关系把失真图像中的象元转化到标准空间中, 主要有直接转换法和重采样法两种手段。

3 结语

基于对地面遥感平台在能源作物中的监测方面的研究, 本文介绍了遥感技术的现状、我国能源作物的现状、遥感技术存在的问题、地面遥感平台的搭建、如何消除遥感图像误差和失真问题等。对于能源作物的研究我们必须重视起来。遥感技术为我们实现能源作物的精细化管理提供了工具, 使我们能够进行大量的农田实验, 为我们进一步提高能源作物的产量做出了贡献。

参考文献

[1]李宗南.基于光能利用率模型和定量遥感的玉米生长监测方法研究[D].中国农业科学院, 2014.

无人飞艇低空遥感系统关键技术研究 篇8

1 无人飞艇低空遥感系统

是一种以无人飞艇为遥感飞行平台, 以数字遥感设备为任务载荷, 以遥感数据快速处理系统为技术支撑, 一种高机动性、低成本的小型化、专用化遥感系统。其主要组成部分如图1。

2 无人飞艇低空遥感系统的关键技术

2.1 无人飞艇技术指标。

所研究的无人飞艇是一种通用型低空无人飞艇, 可实现飞艇空中悬停, 垂直升降和特殊机动飞行。其主要性能指标:长度:12m, 艇囊直径:3.0m, 全艇高度:3.5m, 任务载荷:13kg, 续航时间:3h, 飞行速度:0-70km/h, 飞行高度:50-1500m, 发动机:62cc汽油机, 使用气体:氦气, 最大抗风能力:4级。

2.2 飞行控制与导航系统。

无人飞艇控制与导航系统是无人飞艇的核心部分, 它决定了无人飞艇的各种飞行性能, 主要用来采集飞行数据、控制飞艇飞行状态、控制飞艇的飞行轨迹、紧急情况的处理等等。因此, 对此仔细进行研究, 有助于为未来进一步研究开发满足不同条件下的无人飞艇平台打下扎实的基础。所研究的无人飞艇低空遥感系统的飞行控制与导航系统主要由集成三轴MEMS加速度计、速率陀螺、GPS、气压高度计、空速传感器等组成, 主要用途如下:a.支持无人飞艇的遥控、半自主、自主控制方式;b.支持传感器的遥控和自动化控制;c.记录拍摄瞬间的位置和姿态数据。无人飞艇由于体积大, 易受风和气流的影响, 稳定性较差, 因此要保证摄影时传感器姿态的稳定、保持垂直摄影姿态, 因此必须用稳定平台补偿飞行平台的姿态变化, 保证相机摄影质量, 方便后续测图。该设备与任务仓采取一体化设计, 用于任务设备的姿态稳定, 隔离飞行器的晃动对任务设备的影响, 以获取高质量的遥感影像。

2.3 遥测遥控地面站系统。

遥测遥控地面站系统主要用来提供飞控系统和用户直接交互的平台, 其设计目标就是可以方便的查看飞控系统的运行状态, 并能方便的调整飞控参数, 设置航线。2.3.1无线电遥控系统:传输操纵人员的指令, 按照遥控指令, 将比例遥控信号传至遥控接收机来控制飞艇的飞行。2.3.2遥感传感器自动控制系统:可以实现传感器的自动化控制, 具有定点、定时和等间距曝光功能。根据航向角和航线方向, 自动计算并控制稳定平台的转动修正偏流角。2.3.3遥测遥控信息显示系统:显示无人飞艇飞行参数, 显示任务设备的工作状态。2.3.4视频图像及传输系统:视频图像及传输系统用于监测区域目标的搜索, 同时监视传感器的工作状态。主要包括:摄像机、图像发射机、图像接收机和图像监视器等。

2.4 任务载荷系统。

无人飞艇低空遥感系统的任务载荷系统主要包括遥感传感器、三轴稳定平台等, 其关键技术为多相机组合摄影技术和数码相机高精度检校技术。

2.4.1遥感传感器。遥感传感器是根据不同类型的遥感任务, 搭载使用相应的机载遥感设备, 主要有高分辨率CCD数码相机、多光谱成像仪、轻型光学相机、激光扫描仪、红外扫描仪、磁测仪、合成孔径雷达等, 使用的遥感传感器应具备数字化、体积小、重量轻、精度高、存储量大、性能优异等特点[4]。本系统也可以采用自己研制的传感器, 例如:单CCD死波段成像仪、多角度多光谱偏振成像仪 (DPC) 。下面主要介绍普通数码相机的成像组合方式:2.4.2多相机组合摄影技术。在使用数码相机进行航空摄影时, 由于数码相机的幅宽有限, 在拍摄时地面覆盖就比较小, 从而造成航测内、外业工作量成倍增加, 同时基线短, 基高比小而降低了高程精度。一种重要的解决办法是采用多面阵拼接技术来提高基高比。关于多面阵相机拼接有内视场拼接和外视场拼接两种方法[5]。a.内视场拼接:内视场拼接时采用一个镜头, 在机身内进行棱镜分像, 用多块CMOS面阵接收不同区域的影像, 这种方法基于单中心成像原理, 理论严密, 但对制造工艺及相关的电子技术要求较高, 开发成本较大。b.外视场拼接:外视场拼接就是采用多台相机按一定的几何结构固定, 然后同步拍摄, 利用软件将获取的影像进行拼接形成一幅完整航片, 这种方法不是严密的单中心成像, 理论和试验表明对精度影响较小, 这种方法对硬件的要求相对较低。而基于外视场拼接的多面阵数码相机将会出现多个投影中心, 理论上是不严格的, 为减小由此引起的误差, 设计相机时应尽可能使各投影中心之间距离为最小。2.4.3数码相机高精度检校技术。通过高精度的检校, 使普通数码相机的量测精度满足航空摄影测量的技术要求。由于多面阵数码相机是由多个相机通过机械连接组成的, 因此, 首先要对每台相机进行单独检校, 其次测定各相机间的“相对外方位元素”及各相机间的同步精度。相机检校结果的正确与否关系到后续工作的成败, 每次检校都分两次对不同区域进行拍摄, 然后分开计算, 对两组参数进行比较, 以判断检校的可靠性及进一步提高检校精度[6]。

2.5 数据处理系统。

全数字化的摄影测量系统, 操作简单、高自动化、运行快, 能处理各种数码影像, 能够在便携式电脑上进行内外业一体化立体测图和立体检查。

数据处理系统的主要功能:2.5.1影像飞行质量的快速检查。根据影像的位置和姿态数据, 自动生成索引图, 在现场进行飞行质量的检查。2.5.2自动空中三角测量。2.5.3全自动匹配。自动在影像上找出上百个特征点, 用于影像定向。2.5.4自动生成正射影像。通过生成的DEM, 给定采样间隔值, 对核线影像重采样, 生成正射影像。2.5.5矢量测图。矢量测图主要包括两种方式:a.立体方式:包括闪闭和红绿眼镜。b.单片量测:依靠影像匹配, 使单片量测的地物和另一张配准。2.5.6三维制作和显示。通过对建筑物矢量测图和高度的量测, 能够自动获取建筑物的纹理。速度较快, 纹理真实, 精度高。2.5.7遥感影像的复合处理。

3 无人飞艇遥感飞行作业流程

3.1 测区勘查:

a.查看测区的地形地貌, 为技术设计作准备;b.确定无人飞艇的起降、备降场地和飞行路线;c.确定地面遥控点位;d.测试有无干扰信号。

3.2 技术设计:

主要包括航线方向、飞行高度、曝光间隔、航线间隔、影像分辨率、航摄面积等。

3.3 航摄飞行工作程序:

a.飞行前准备;b.航摄飞行;c.行后检查。

3.4 数据检查与飞行总结。

3.4.1填写飞行报表。每个架次的起飞、降落时间;拍摄地点和拍摄范围;系统工作状态等。3.4.2影像质量检查。影像的曝光度、倾斜度、旋转角、航线弯曲、航高保持、影像等。3.4.3总结。总结当天工作情况, 安排下次的飞行计划。

3.5 航摄成果整理和移交。

3.5.1工作总结:a.测区的位置、面积、地形地貌等;b.开始和完成航摄作业日期;c.飞行范围、飞行高度、比例尺;d.数码相机型号及焦距。3.5.2制作影像数据索引图。每个架次的航摄区域、航线编号、飞行方向、像片编号、像片数量等。

4 结论

无人飞艇作为重新兴起的无人飞行器, 由于其具有可直升、无动力悬停、长时间滞空, 且具有大载荷运输、低噪声、低能耗等特点, 使得它已成为现有卫星遥感与有人机航空遥感的一个重要补充。无论是在国防领域, 还是在民用领域都有很好的应用前景, 市场潜力巨大[7]。而如何尽可能大地拍摄地物成为低空无人飞艇航空摄影发展的一个瓶颈, 因此需要进一步研究多面阵数码相机拼接技术, 尽量减少航测内、外业工作量。

摘要：简要分析了在我国发展无人飞艇低空遥感系统的必要性和可行性, 对构建无人飞艇低空遥感系统所涉及的关键技术进行了研究, 包括飞行控制与导航系统、遥测遥控地面站系统、任务载荷系统、数据处理系统, 并对无人飞艇遥感飞行作业流程进行了研究。

关键词：无人飞艇,相机拼接,相机检校

参考文献

[1]何定洲.无人机遥感空中控制系统硬件研制及地面下传数据通道的实验研究.硕士学位论文[D].南京:南京航空航天大学, 2006.

[2]魏丽, 王晓钧, 冯玉宾.中国电子科学研究院学报, 2007, 4, 第二期.

[3]Stacy N J S, Craig D W, Staromlynska J, Smith R B.TheGlobal Hawk UAV Australian deployment:imaging radar sensormodifications and employment for maritime surveillance, Proc.I-GARSS'2002, 2.李紫薇, 曹红杰, 刘煜彤等.无人机海监测绘遥感系统的应用前景[J].遥感信息, 1998 (4) .

[4]陈向宁, 崔建军, 王建雄等.城市数字化技术.

[5]、[6]王留召.小型数字航空摄影测量系统.[D].昆明:昆明理工大学, 2006.