遥感技术与农业应用篇(1)

关键词:遥感技术;农业产业监测;应用研究

随着社会的不断发展与进步，遥感技术已经被应用在诸多行业中，也为行业发展提供全新契机。就农业产业监测工作来说，遥感技术被应用在农业土壤、气象以及多方面内容中，遥感技术的应用范围随着技术的发展不断拓展。近几十年，中国农业发展迅速，农业产业由手工作业逐渐转向机械作业。随着近代的遥感技术出现，将农业产业推向全新高度，农业逐渐迈向高效化、精准化发展方向，这也是未来农业发展的主要趋势。

一、遥感技术概述

所谓的遥感技术，就是指对较远的区域具有感知意识。从事物发展的角度来看，遥感技术的出现，能够进行远处探知，并根据所收集信息，对信息进行分析以及处理。遥感技术能够对不同事物特征加以分析，感知地面事物性质。此外，遥感技术可以根据不同事物或是物体，呈现出不同波普，对地面上的多种事物或是物体加以识别，具有极强地远方感知能力。通俗来讲，就是利用天空中的飞机、卫星等多种飞行物所含有的遥感器，对地面的数据加以收集以及整理，并对不同的数据进行识别、分析以及传送等，这也是遥感技术主要特征。

二、遥感技术的主要特征

(一)信息获取速度快卫星可以根据地球自转周期进行运转，并能在运转工作中，对最新的数据进行获取，并将获得的信息技术更新，也能对原有数据加以更改。同时，快速信息获取速度，能够对新旧动态变化进行及时监测。

(二)信息获取受限少地球的自然生态系统较为复杂，不同区域的地形、地质、地貌存在较大差异。像是沼泽、沙漠等区域，人类不仅难以跨越，更难以对其地面工作进行检测。而利用遥感技术，在信息获取上，所受限制较少。遥感技术不需要技术人员到区域现场进行观测，能够借助远程控制系统，在恶劣的情况下借助遥感技术，获取多种信息数据。

(三)信息获取方法多对目前的遥感技术加以分析，遥感技术可以根据不同的人去需求，选取不同的波段以及遥感一起，对信息进行收集工作。较为常见的有可见光、紫外线、红外线以及微波探测等。这些不同的信息获取方式，由于不同波段，对物体造成的穿透性存在差异，进而对不同地面物体信息加以获取。

三、遥感技术在农业产业监测中的实际应用

(一)分析农业生产所需资源遥感卫星在地表开展扫描监测工作，主要用用多波段传感器，多波段传感器，能够根据布偶听的物体信息，对其数据进行颈环收集。就目前所获图像来看，不同的地表物体，具有不同的纹理、形状以及色调，这些信息之间都存在差异。只有根据不同的识别特征，并对地表的物体特征加以分析与识别。利用遥感技术，对农业产业进行监测的这一过程，也是遥感技术的主要应用原理。

(二)应用遥感技术监测农业产业情况将遥感技术应用在农业产业监测工作中，能够对不同的农业作物加以区分，不同的农业作物，其所呈现的光谱具有较大的差异。根据图像以及不同的波普，能够对农业产业进行实时的监测，并关注农作物的实际生长情况。此外，利用不同阶段的生长信息，还能对农作物产量进行评估。就我国遥感技术应用来说，遥感技术主要应用在小麦以及水稻监测工作中。

(三)监测评估可能出现的农业灾害不同的农作物其所呈现的波谱特征存在差异，就算是一种农作物，也具有不同的内部结构以及外部的特征，其光谱反射率的曲线也是不同的。而遥感技术，正是应用此种方式，对农业产业进行监测工作，并根据不同的波普特征，对农业产业灾害问题加以监测与评估。

(四)监测农业生产环境农业的生产环境关乎农业产量，利用遥感技术，对农业产业生产环境加以监测，像是对大气环境、水环境、自然生态环境的监测工作中。其中，对大气环境的监测，主要是对其空气成分加以监测，并对大气变化进行实时监测。而水环境，则是对水资源的变化情况以及不同水质进行分析。而自然生态环境的监测工作，主要指对农村生态变化、城市开发状况以及森林覆盖等多种情况进行监测。矿区生态破坏以及森林覆盖情况等多方面进行监测。

遥感技术与农业应用篇(2)

地理信息技术是以现代信息技术为技术基础,以全球卫星定位系统(GPS)、地理信息系统(GIS)、遥感(RS)等空间信息技术为手段,以计算机、现代网络和通讯技术为技术支撑,为实现快速、高保真、大容量地获取、处理、分析、应用、传输、存储和管理与空间位置有关的数据而建立起的一个技术体系。地理信息技术的快速发展为农业数字化建设和自动化、智能化管理提供坚实的技术基础,并逐渐成为以可持续发展为目标的精准农业技术体系的核心技术。然而,国内外关于地理信息技术应用于精准农业的研究基本上仍是集中于面向大田作物生产的精准农作中的3S技术应用,而没有较全面地研究地理信息技术在整个精准农业体系中的地位和作用。本文旨在探讨地理信息技术在精准农业中的应用前景和问题,为3S技术在精准农业中应用提供思路。

2地理信息技术发展现状

以GPS/GLONASS,以及欧盟即将通过“伽利略”计划建立起的导航卫星系统为代表的全球卫星定位技术具有快速、方便地获取高精度位置信息的优势。目前,差分定位(DifferentialGPS,简称DGPS)系统的定位精度可达到亚米级水平,实时动态差分(RealTimeKine-matic,简称RTK)技术能够在野外实时得到厘米级的定位精度,特别是美国政府取消GPS数据精度选用政策(SA),GPS的民间用户将能够使定位精度提高10倍。因此,全球卫星定位技术将在很多领域逐渐取代常规的光学和电子测量定位仪器。卫星定位技术与现代通讯技术的结合,使空间定位技术发生巨大变革,为信息化农业获取高精度定位信息提供了技术保障。遥感技术蓬勃发展,能够获取多传感器、多时相、高分辨率(空间分辨率、时间分辨率、光谱分辨率)的直接或间接反映地球表层地物光谱特征的遥感数据。极高分辨率的卫星遥感影像(如0.61m分辨率QuickBird)民用化和商业化,能够满足大比例尺的农业、资源环境等领域的应用,将成为信息获取的重要数据源。高光谱遥感的发展,展现出遥感在农业中应用的蓬勃生机。在遥感影像处理方面,引入多源信息融合技术和智能专家系统使遥感信息提取迈上一个新的台阶[9]。地理信息系统正向网络化、组件化发展[10],GIS逐步融入IT主流,其应用正走向企业化和社会化。GIS传统功能日臻完善,如查询统计、空间分析、编辑、地理数据可视化、制图等;系统分析和设计全面采用面向对象技术(OOA&OOD),以及空间数据库技术的发展等都为GIS在农业中应用提供很强的理论和技术基础[11]。所有这些核心地理信息技术的发展为精准农业田间信息获取、分析、管理和决策,以及系统集成研究与实践提供了技术基础。

3精准农业技术思想

3.1精准农业的技术思想

上世纪80年代初期,根据农田内以米为单位的小区作物产量、生长环境条件等具有明显的时空差异性,国外学者产生了对农作物实施定位管理(Site-specificManagement)、根据实际需要进行变量投入(VariableRateTechnology)等农业生产的精准管理思想,进而提出了精准农业(PrecisionAgriculture)的概念。精准农业的思想实质就是通过各种技术手段来获取农田内不同单元小区的农作物具体生产环境信息,并根据这些信息确定各个小区内的最为经济和科学合理的农业生产投入,达到获得经济、环境等方面最高回报的目的,从而实现农业生产的精准管理[2,3]。

3.2精准农业技术体系

精准农业强调经济、生态和社会效益的统一,实现定位、定量、定时的最优化生产管理,由此可见,精准农业是一种基于空间信息管理和变异分析的现代农业管理策略和农业操作技术体系,以地理信息技术为主体的信息技术是精准农业的技术核心,基于知识和先进技术的现代农田精准农业技术体系至少包括以下方面:地理信息技术(GIS、RS、GPS)、生物技术、农业专家系统(ES)、决策支持系统(DSS)、工程装备技术等[13]。通常所说的精准农业的核心是强调减少种植管理过程中的农业投入,因此研究将精准农业分为田间信息获取、信息分析处理、决策分析、精准实施4个过程[12]。精准农业的目标不单是尽量减少投入,更重要的是要获得经济、环境等方面的最高回报,因此笔者认为整个精准农业种植循环过程应该经过产前规划、产中种植管理、产后分析、产后加工和产后销售等5个环节。其中产中种植管理是体现精准农业核心思想的重要环节,几乎涉及精准农业技术体系中的所有技术。目前,国内外研究的核心在于种植管理中的时空变异信息获取与提取(传感器、遥感软硬件研制)技术、信息处理与分析方法、决策分析集成系统,以及携带DGPS的智能农机系统,这些正是精准农业实施和推广必须解决的关键技术。

3.3精准农业发展现状

20世纪90年代以来,发达国家许多学者着力于研究运用高新技术提高农业劳动生产率和农资利用率,以达到经济效益、生态效益和社会效益的最大统一,最终实现农业生产可持续发展。他们的研究取得了令人瞩目的成果,并建立了若干支持精细农业技术的示范应用系统[1,4～7],如美国CaseIH公司的AFS(AdvancedFarm-ingSystem)、英国MasseyFerguson的FieldStar、美国JohnDeree公司的GreenStar等。在实践过程中,也已经获得较好的效果,精准农业在大农场生产中已得到较广泛的应用,并且许多成熟的技术已经形成。据统计,到1995年,美国约有5%的作物面积上不同程度地应用了精准农业技术[12],在西方发达国家,精准农业技术思想也逐渐被农场管理人员了解和接受,并且成立了许多以精准农业为基础的服务机构。近年来不仅西方发达国家对精准农业的技术实践引起重视,在日本、韩国、巴西、马来西亚等国亦已开始了试验示范研究[8]。在我国,从事农业研究的人员首先开始了精准农业研究,随后生物技术、信息技术、地理科学和生态学研究人员对此表示了浓厚的兴趣,并且先后开展了关于技术体系、发展策略等方面的研究[14～23]。但从总体上我国对精准农业的研究还处在引进和消化吸收阶段,还没有形成较为系统的学术思想和技术体系。目前已经在北京和上海建成两个精准农业示范区。

4地理信息技术在精准农业中应用

精准农业实施的前提是及时采集分析土壤肥力和作物生长状况的空间差异信息,生成田间管理处方,以实现精准的定位和定量的田间管理,因此,地理信息技术应在精准农业中扮演重要的角色。国外关于精准农业的研究基本上仍是集中于利用3S空间信息技术和作物生产管理决策支持技术(DSS)为基础的、面向大田作物生产的精准农作技术,而没有较全面地研究地理信息技术在整个精准农业体系中的应用。

4.1全球定位系统应用

GPS技术为土壤类型、土壤肥力特性、水分、作物生长发育状况、病虫草害及农作物产量等田间信息采样和决策方案的田间实施提供准确的空间位置信息。在精准农业中,GPS作用主要有三点:控制测量、农田信息采集定位(采样定位和遥感信息定位)和控制导航。目前,GPS应用研究主要在研制基于移动电脑或掌上电脑的农田信息采集系统和携带GPS接收机的智能农机系统两个方面。如美国FieldWorker公司的基于掌上电脑的信息采集软件FieldWorker能很好地满足精准农业农田信息采集的需要;美国Trimble公司的AgGPS160PortableComputer能实现田间成图、各种作物及其生长环境属性信息记录、获取来自各种田间环境传感器的信息。智能农业机械在田间进行农作生产时通过GPS获取的精确定位信息实施导航监控,同时能够实时获得农作物生长状态信息和与之相关的空间位置信息。目前智能农机应用研究最为成功的是带有GPS定位系统的能够获取田间作物产量信息的联合收割机[24]。变量施用机具是精准农业的田间实现,国内外的研究均很多,如变量施肥机、变量播种机、变量灌溉和喷药机等,其中变量施肥是精准农业变量施用技术的第一项内容,也是研究最多的项目,但无论如何,单纯用于农田信息采集的软件系统将随着遥感在农田信息获取应用的不断深入而被淘汰,取代它的将是集成GPS的遥感系统与智能农机系统。可以预见,集成GPS的遥感成像系统将在获取田间“空间差异”信息方面发挥巨大作用。

4.2遥感应用

田间时空变异信息获取方式有传统田间采样测试、GPS田间信息采集、智能农机系统作业采集和多平台遥感信息采集系统。然而遥感能够以“无损测试”方式方便、及时、准确地获取反映较大面积内的“面状”地物性质与状态信息。而其它方式获取的“点状”信息显然不足以了解全局,而且人工采样都会对作物造成不同程度上破坏。因此遥感将在实现大面积情况下作物长势与营养实时诊断中发挥不可替代的作用。目前遥感应用研究主要集中在对地面光谱测量数据和采样测试相关数据的分析,建立遥感数据与土壤状况或作物生物物理化学参数(如叶面积指数、叶绿素含量、土壤特性等)之间的相关关系,结合作物生态生理过程间接获取作物农学特性(作物冠层营养水平、籽粒与生物质产量、质量等信息)。在大面积农作物宏观长势监测、农作物宏观估产、农情宏观预报、农业资源调查等方面,遥感已经发挥其应有的作用,而且研制出了可行的技术路线[28,29],如东北玉米、华北小麦和南方水稻估产精度达到90%以上。高光谱遥感是遥感发展的一个重要趋势,光谱分辨率达到纳米级的高光谱遥感数据可以很好地描述作物的“红边”特性(红边位置、红边斜率、“红移”、“蓝移”),区分作物叶片生化成分、含量及其变化[27],还可以用来减弱土壤对作物光谱的影响,作物具有一些明显的、独特的吸收特征。作物生物物理和生物化学信息是研究理解植被生态系统过程和生理机制的重要参数,是诊断植物营养状况的重要依据,国内外许多学者已经涉足高光谱遥感在植被生物物理信息和生物化学信息提取方面的研究[25,26]。高光谱遥感以其高光谱分辨率特性所携带的丰富光谱信息为遥感应用带来了强大的活力,通过分析高光谱植被指数与农作物特征的关系,选择表征农作物特征的特定波段和光谱参量可以较好地反演作物生物物理和生物化学信息。在精准农业体系中,遥感(特别是高光谱遥感)将为精准农业实施提供大量的田间时空变化信息,遥感技术将成为监测土壤和作物养分变化、水分胁迫和病虫害等的主要数据源。由于航空、航天遥感成本较高,而且受信息获取的滞后性、信息分析处理方法等因素的限制,目前许多学者开始研制基于地物光谱特征,并用于田间低成本间接测定作物养分和生化参数的仪器和工具,如NDVI测量仪、LAI测量仪、谷物品质测量仪等,这在卫星和航空遥感技术进一步发展和成熟前,正在被发展为高密度获取农田信息的技术手段。

4.3地理信息系统应用

GIS在精准农业技术体系中的地位举足轻重,其作用不仅在于从田间信息采集、信息处理与管理、信息分析,到田间决策方案实施的整个种植管理过程,而且贯穿规划、种植管理、产后分析、产后加工及销售的整个种植循环过程。这要归功于精准农业实施对空间信息的依赖性。在精准农业体系中,GIS不再是一个孤立的系统,而是围绕精准农业核心思想而提供较全面的地理信息服务的平台,而且该平台与其它系统或用户之间通过信息交换而紧密联系。概括来说,这种地理信息服务主要包括信息管理服务、信息交换与更新服务、信息决策分析服务和信息服务等4项,如图2所示。

4.3.1农田信息管理

农田信息具有多源性,具体表现在存储格式多样性、多尺度性、获取方式多样性,另外还包括系统或数据库数据组织的复杂性。通过GIS平台,在融合多源数据的基础上建立农田管理系统,实现对多源、多时相农田信息的有序管理和分析,这是精准农业实施的基础,其作用表现在数据组织和集成管理、空间分析查询、空间数据更新与综合处理、可视化分析与表达。GIS为田间信息采集提供基础信息,也为田间变量实施决策分析提供信息源,因此农田地理信息系统是精准农业实施的信息管理员。目前GIS在国外精准农业应用中还处在农田边界图管理、土壤肥力管理、产量分布图管理分析和GIS制图阶段,并没有充分发挥GIS应有的作用,相应的管理软件也不成熟。虽然经过几十年的发展,国外许多GIS产商开发了诸如ArcGIS产品系列、MapInfo系列等通用GIS软件,但这些软件与农业生产有关的功能只是很小一部分,而且它们价格昂贵。然而,应用于精准农业的GIS应用系统应该是小型廉价且适用的农场信息系统FIS(FarmInformationSystem)。因此根据农业信息采集、存储和处理分析的特点,研发功能针对性强的FIS是农业GIS发展的一个方向。

4.3.2信息更新与交换

信息更新与交换服务是服务平台的重要组成部分。数据是系统的血液,平台的生命力在于信息的现势性及可更新性。信息更新一般分为两个层次:一是不定期的局部数据更新;二是周期性的全局数据更新。信息交换是信息进出服务平台的通道,解决服务平台与各种数据采集系统、应用系统之间的数据交换问题。遥感信息的特点决定了它必将成为农田信息获取的主要手段,然而从遥感获取的不是直接用于精准农业的信息,如土壤水分、作物冠层生化参数等,而需要通过分析建立遥感信息与土壤和作物生长状态相关的参数之间的关系,这是限制遥感信息应用与农业信息获取的“瓶颈”。GIS的参与将为遥感信息提取提供新的思路,提供背景数据和分析方法。遥感和地理信息集成研究,脱离庞大昂贵的遥感影像处理系统,开发服务于具体应用的遥感和GIS集成系统,是GIS应用于农业的又一个重要方向。

4.3.3决策分析

决策分析服务是整个地理信息服务平台的核心部分,利用已有的信息,根据不同应用目的,集成相应的知识和模型,分析生成供决策服务的知识,这是地理信息技术在精准农业应用中的首要目的。信息分析服务是一个知识挖掘的过程,其关键是GIS与专家系统、模型库系统集成,其集成程度决定分析效率和分析结果的可靠性。决策分析可以归纳为产前规划评价分析、产中监测与控制分析,以及产后分析与销售管理。规划评价主要利用区域自然要素、社会经济要素、产量历史数据、作物品种特性等进行农业区的规划、种植区划、作物种植适宜性评价和作物品质区划,这方面的GIS应用研究取得了一定的进展[32,33]。实现以高产、高效、优质和实时管理为目标,为农业生产提供一个合理、详细、完整的农田作业规划,它是精准农业实施的基础。如通过分析产量数据、肥力水平和作物生长的适宜性,选择合适的品种、肥料和农业机械设备,制定合理的耕作计划。监测与控制分析是信息分析决策服务的一个重要内容,是最能体现精准农业核心思想的内容。将GIS作为决策分析的平台为精准农业实施提供决策和控制的依据是其在精准农业中的另一个发展方向。通过GIS集成作物栽培管理辅助决策支持系统与作物生产管理与长势预测模拟模型、投入产出模拟模型和智能化农作专家系统,根据作物长势和其背景状况做出诊断,提出科学处方,调控操作。将不同类型的地理数据,如土壤、作物、气象和土地历史等,与水分运动、溶质运移、农药渗漏、作物生长、土壤侵蚀等各种模拟模型和专家知识和推理机整合,产生支持定位实施的“农作处方”,这一切都需要集成模拟模型和专家系统的GIS应用服务平台的支持。也正是GIS的这一功能才使得用于变量作业的农艺处方生成得以实现,同时也能够通过专家系统实现精准农业实施中的自动控制。国内有学者开始研究采用GIS进行施肥推荐处方生成[30,31]。

4.3.4产后分析与销售管理

从精准农业实施的经济效益和产业化角度考虑,GIS在精准农业中的应用并没有随着精准农业田间实施全过程的结束而终止,它还在后续工作中起着重要作用。利用产后产量分析为下一种植循环的规划提供决策信息,这是当前国外精准农业体系中注意得比较多的一项内容,但仅此而已,它们并没有从市场销售角度考虑GIS的应用。目前,作物生产已开始由单纯追求高产模式向优质、专用和高效的方向转变,利用品质监测信息可用于指导粮食分类加工,大幅度提高加工品质和附加值,这是产后基于GIS分析的又一个内容。市场分析是根据作物产量和品质,以及社会经济要素进行分析,用于指导粮食销售价格和销售方向,从而提高粮食生产的经济效益。销售管理主要对客户和粮食配送的管理,分为客户关系管理和物流管理,它是提高粮食销售管理效率的必要前提。因此研发为精准农业服务的产后市场分析和销售管理的应用软件是GIS应用于精准农业中的一个重要补充,具有较大应用前景。

4.3.5空间信息

利用GIS进行空间信息服务是精准农业体系中“空间变异信息”的重要消费者,它通过Internet或无线(有线)通讯向公众原始和分析结果信息。的空间信息可以包括农田作物长势监测信息、作物产量及品质监测和预测信息、产品供需分布信息等,空间信息将使地理信息技术在精准农业中的应用走向社会化,这是产业化发展的重要方向。

5应用前景与产业化发展

遥感技术与农业应用篇(3)

“遥看苍茫大地，感知前沿科技”。该中心的科研人员每天用心遥看龙江大地的每片新绿，他们用心血凝结的科研成果遍布每一寸土地。黑龙江省农业科学院遥感技术中心隶属于黑龙江省农业科学院，是1983年农业部在全国成立的3个遥感分中心之一，是东北地区唯一从事农作物种植面积、自然灾害、农作物长势动态监测与产量评估、土地利用动态测、地理信息系统和物联网等领域的研究。2009年经农业部发展计划司和全国农业资源区划办公室批准为农业部遥感应用中心哈尔滨分中心，2009年正式挂牌。中心现有在职人员22名，其中研究员4名，副研究员1名，助理研究员6名，管理人员4名，具有硕士以上学历13人。

中心设立的数字化实验室面积达230.84平方米，可容纳21名科技人员同时工作；输入输出室内配备了先进的宽幅彩色扫描仪、绘图仪、激光打印机等仪器；仪器室拥有数码摄像机、数码相机、手持GPS、差分GPS、车载GPS、投影机、UPS、土壤湿度速测仪等硬件设备，并配备了相应的图像处理软件（Erdas、Ermapper等）和GIS软件（Arcgis、Maptitude等）；服务器室内拥有大型数据存储设备磁盘阵列，最大可存储20T的数据；3S技术成果演示厅集成了现代技术，能进行成果演示、技术培训、学术交流等，使中心的整体面貌上了一个新台阶。在院党组的大力支持下，中心已着手建立MODIS农情监测系统，建立了MODIS农业信息预警项目后，中心每月对黑龙江省农作物的长势、旱情、涝情、灾害进行预警，也可随时根据具体需要作出某一方面的预警。经过常年的预警信息数据汇总，几年后建立一个科学、完整、准确的黑龙江省农作物的长势、旱情、涝情、灾害预警模型。

黑龙江省农业科学院遥感技术中心成立近30年来，承担了国家农业部和省政府各有关部门安排下达的农业资源调查，自然灾害评估和农作物长势动态监测与产量评估等多项任务，组织实施黑龙江省与国家的遥感技术研究与应用课题以及项目30余项，其中部分课题和项目获省政府、厅（局）科技进步奖。近几年，该中心聘请美国密歇根州大学全球变化和地球观测中心主任为客座研究员，邀请比利时新鲁汶大学J-P Malingreau博士等3位遥感专业的领军人物到中心座谈，并经常与国内外知名遥感专家进行学术交流。随着黑龙江现代化大农业的崛起，黑龙江农科院为龙江农业书写了科技振兴的传奇，遥感技术中心的科技人员则为黑龙江现代化大农业书写了浓墨重彩的一笔。他们奔忙在春耕夏忙，专研于数字化实验室和田间地头之间，为龙江农业现代化农业的发展作出了突出贡献。

该中心设有地理信息系统科研、农作物灾害监测及预警、农作物种植结构空间分布、农作物长势监测等研究室，并设立了仪器设备室、输入输出室以及集成了现代技术具备成果演示、技术培训、学术交流等功能“3S”技术成果演示厅。

在黑龙江省委省政府及省农科院的领导下，各项科研工作都取得了较大的成绩，屡获殊荣：2011年获中国农业资源与区划学会科学进步一等奖一项、二等奖两项、三等奖两项，2012年获国家技术科学进步二等奖。“十一五”以来，中心项目资金累计为一千多万元，组织实施国家农业部安排下达黑龙江省与国家的遥感技术研究、应用课题与项目百余项，参加国防科工局高分一期项目，主持国家自然科学基金重点项目一项；承担农业部重点课题《建设主要农作物遥感监测系统》的建设，利用遥感技术、地理信息系统和全球定位系统等现代空间信息技术，结合地面调查方法，建立一个适合中国国情的、满足决策部门需求的、可长期业务化运行的全国主要农作物遥感估产和农情监测系统，为农业部正在进行的建立农产品预警系统、农业结构调整、农业资源区域优势分析和优势农产品区域布局规划等重点工程，提供基础性和支持性信息。建立了MODIS农情监测系统，把各类分析、统计、预算信息直接送到管理部门，辅助管理部门做出合理、科学决策。

2015年1月9日，国家科学技术奖励大会在北京召开，由中国农业科学院农业资源与农业区划研究所唐华俊研究员牵头完成的项目成果“农业旱涝灾害遥感监测技术”获得2014年度国家科技进步二等奖。黑龙江省农业科学院遥感技术中心就是这个项目的主要完成单位之一。

黑龙江省农科院为龙江农业书写现代大农业的新篇章，遥感中心为龙江农业生产提供强大农业遥感技术支撑。

遥感技术与农业应用篇(4)

关键词：3S技术；遥感估产；小麦；估产精度；估产模型；NDVI

中图分类号： F061.1 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2014.11.016

农业是国民经济的基础，这决定了农业是粮食安全和经济安全的基础。利用农业科学技术可以建立城市粮食安全系统，科学地指导粮食生产，估测粮食产量，对可能发生的问题及时提供解决方案，能够有效地提高城市可持续发展水平。张家港市是一个以农业为主的新兴城市，在进入21世纪的前10年，张家港市处于快速的农村城市化阶段[1]。随着城市化发展，人民生活水平有了较大幅度改善，但也带来了诸多生态环境问题。农业用地不断萎缩，粮食安全问题直接影响着张家港市的可持续发展。因此动态地大面积监测农作物长势和种植面积，科学准确地预报农作物的产量等活动，对张家港市合理利用耕地资源、控制耕地面积进一步减少，对张家港市各部门制定粮食调配计划，对确保张家港市粮食安全可持续发展，为张家港市进行农业决策提供及时、准确直观的现代化农业信息管理平台都具有重大意义。

近几十年来，遥感技术快速发展，尤其是近年来基于3S技术的估产方法，为农作物长势的大面积动态监测、准确定位种植面积、预报农作物产量，提供了一个全新的研究手段和创新平台[2-14]。利用3S技术进行农作物估产与利用非遥感的传统估产模式相比，如农学估产模式、气象估产模式、统计估产模式[15]，能避开很多复杂的中间过程，如影响产量的气候条件[16]、病虫害、水肥等，以及农学参数与产量的大量抽样和统计计算，从而用遥感资料与农作物产量建立直接的关系模型。遥感技术能够准确、定量、高效、宏观地评价农作物产量变化情况[17]。因此，3S估产技术与其它估产技术相比，有着更为广阔的技术优势。为此，得到了各国、各地区的广泛应用和迅速发展。

国际上，农作物产量的估测始于20世纪初，首先从小麦开始。20世纪70年代，美国国家航空航天局（NASA）、农业部（USDA） 、国家海洋大气局（NOAA）利用遥感技术联合制定并开展“大面积作物调查试验”计划（LACIE），对世界主要小麦产区生产力进行估算试验，精度达90%以上。欧盟利用NDVI与土地覆盖集成和小样方方法，建立了农作物估测系统，用于实施欧盟区的共同农业政策。前苏联、法国、德国、澳大利亚、加拿大、巴西、阿根毛廷、印度、日本、泰国等也开展了对一些主要农作物的遥感估产研究[18-20]。我国从20世纪80年代开始，首先以小麦为研究对象，进行粮食作物遥感估产的研究。“七五”期间，国家气象局开展了北方11省市冬小麦长势监测和产量预测研究，江苏省农科院、福建省气象科学研究所等对相关地区进行了水稻监测和估产。此后数十年，我国农作物遥感估产研究快速发展，全国不同研究院所对不同农作物进行了大面积动态地长势监测和估产，陆续建立了一系列农作物估产模型，精度不断提高[21]，主要可以归纳为3类遥感估产模式[22]：“光谱信息―植被指数―长势信息―产量”模式[23]；“光谱―水分与氮素―产量”模式[24]；“光谱信息―植被指数―长势信息―生长模型―产量”模式[25]。此外，农作物遥感估产中引入了一些新技术和方法，如杨小唤[26]将灰色理论方法用于小麦的遥感估产中；白锐峥[27]、刘婷等[28]研究了基于3S技术的小麦估产方法。

笔者基于张家港市2005―2008年的TM5影像和IRS-P6影像资料，采用NDVI值比较区分法，利用3S技术定量估测了张家港市8镇1区2005―2008年的小麦生产力，建立小麦单产估产模型，同时进行地面小麦生产力统计，并做了精度分析与校正。实现了利用3S技术快速、准确、客观估测张家港市小麦生产力的目标，可为张家港市将来发展精细农业和实现农业系统管理科学化、定量化，提供理论依据和新技术创新平台。

1 材料和方法

1.1 研究地概况

江苏省张家港市地处北纬31°43′～32°02′，东经120°21′～120°52′，位于长江下游南岸，江苏省东南部，为苏州市下辖县级市，也是长江和沿海两大经济带交汇处的新兴港口工业城市，2012年户籍总人口91.02万。全市总面积998.48 km2，其中，陆地面积785.55 km2。陆地东西最大直线距离44.58 km，南北最大直线距离为33.71 km。北宽南窄，呈倒三角形。地势低平，土地肥沃。全年平均气温16.5 ℃，历年平均降水量1 050.5 mm，属亚热带季风气候。张家港市是苏州稻麦一年三熟和晚稻、小麦、油菜一年两熟、小麦、油菜一年两熟并重的栽培区，其中主要种植的作物包括小麦、水稻、油菜和棉花等[29]。张家港市下辖8镇1区，其县政府位于杨舍镇，同时该镇也是张家港市区所在地。

1.2 主要技术路线

利用3S技术，以农业系统管理工程理论为指导，实现ETM信息与MODIS信息及不同时相“天地”资料的叠加分析。基于农作物遥感绿度值，即归一化植被指数NDVI（Normalized difference vegetation index）、垂直植被指数PVI（Perpendicular vegetation index）和比值植被指数RVI（Ratio vegetation index），不同生育期产量资料与植被盖度的相关性，通过农业生产上的产量趋势分析，和不同种类的农作物识别、分层、播种面积提取方法研究，分析农作物生长、遥感动态监测农作物长势。加工与处理空间数据和制作图件，进而在地面调查统计和遥感资料数据信息处理的交互方式下，构建可运行决策支持系统及各类农作物单产估测模型，科学准确地、动态地大面积估测江苏省张家港市小麦的生产力[2-8]。

1.3 遥感资料数据处理

购买张家港市2005年3月23日TM5影像，2005年9月29日IRS-P6影像，2006年5月3日IRS-P6影像，2006年9月18日TM5影像，2007年1月24日TM5影像，2008年5月2日TM5影像和2008年7月5日TM5影像（购买于中国科学院对地观测中心）。时间分辨率小于20 d，空间分辨率小于30 m。用ERDAS8.7软件将这些遥感信息源数据转化成IMAGE格式，以便于ERDAS识别。为了对遥感影像进行地理校正和投影坐标类型的转换，我们从张家港市国土资源局获取2004年、2005年、2006年和2007年的土地利用图。所有遥感影像及土地利用图均采用UTM-WGS84坐标系。利用了国际上使用较多，发展较为成熟的6S模型（Second simulation of the satellite signal in the solar spectrum）对各时期遥感图片进行大气辐射校正。

1.4 利用3S技术估测小麦种植面积

1.4.1 小麦种植面积提取 本研究基于两景卫星图片资料逐步叠加，逐步限制，利用监督分类法提取小麦种植面积。本研究将土地利用图和遥感影像图进行叠加分析，首先除去非农业用地，然后再进行非监督分类[30]，最后根据实际地面样带调查的解译标志进行目视解译，基本可以去除小麦农田中的非植被用地。

1.4.2 精度验证 为了确定实际的土地利用状况，以便验证遥感估测小麦面积的精度，在小麦的生长期内，利用张家港市土地利用图和GPS，合理布设若干条样条，调查土地利用图上的农田地区，准确地对较大面积的农田地块进行定位，以用作监督分类中的训练样本、检测样本和非监督分类中的检测样本。

1.5 利用3S技术建立小麦单产估测模型

1.5.1 小麦单产监测样区布置 依据各乡镇小麦种植条件、生态环境和随机均匀性，选取面积大小1 hm2的小麦监测样区22个。利用土地利用图和GPS对样区进行准确定位，在小麦成熟时，每个样区随机采集2～5个采样点（每点1 m2）对样地进行单产调查。当小麦收割后，调查每块样地的实际总产量数据，用于对实际产量的校正和精度验证。

1.5.2 小麦单产估测模型建立 笔者主要以与小麦产量相关性较好的生长期[30]的卫片资料为基础，建立关键生育期的小麦单产的遥感（植被指数形式）估测模型。因为利用小麦抽穗期前后的遥感资料建立产量模型精度最高，综合考虑实际天气状况、遥感影像接收情况和张家港市小麦的物候期，本试验选取最佳的小麦产量估测的时相为3月底―5月初。分析遥感资料，提取小麦相应生育期的NDVI和地面实际统计产量，建立地面产量与NDVI间的相关模型。

1.5.3 精度分析与校正 对张家港市2005―2008年小麦单产与NDVI进行相关性分析，进而建立各时期小麦的单产估测模型。将不同乡镇的布点数据分为两组，一组用于建立单产估产模型，另一组用于对模型进行验证。

1.6 数据处理与分析

本试验遥感资料数据用ERDAS8.7软件和ArcGIS9.0软件提取处理和分析，试验数据用Excel2007软件进行统计处理和图表制作、SPSS Statistics 17软件进行统计处理后进行ANOVA单因素多重差异分析，均值差的显著性水平为0.05。

2 结果与分析

2.1 利用3S技术估测小麦实际种植面积的结果与分析

根据地面样线调查所选定的检测样本对最终分类结果精度作进一步分析，结果表明，张家港市2005年小麦耕种面积为1.43万hm2；2006年小麦耕种面积为1.63万hm2；2007年小麦耕种面积为2.06万hm2；2008年小麦耕种面积为2.07万hm2。总体上小麦平均分类精度为94%。

总体上，张家港地区小麦遥感估测面积和地面调查面积的差异为3.51%，即小麦遥感估测面积与地面统计面积相比为97.6%。对于不同的乡镇，遥感估测面积和地面调查面积间的差异性表现出了较大的变动，差异较大的乡镇达到了30%，如就平均结果来看，面积比率最大的乡镇为大兴镇和常阴沙，其面积比率分别为34.08%和26.68%。

2.2 利用3S技术估测小麦单产的结果与分析

其中，估测2005年小麦平均单产为20.5 kg・hm-2；估测2006年小麦平均单产为24.03 kg・hm-2；估测2007年小麦平均单产为20.32 kg・hm-2；估测2008年小麦平均单产为22.81 kg・hm-2。从整个张家港地区来看，遥感估测单产和地面调查单产差异小于10%，即估产精度大于90%，其中，2007与2008年小麦差异分别为-7.72%和5.19%。遥感估产小麦平均精度为93.55%，能够满足估测所需要的精度。

2.3 小麦总产量遥感估测的结果与分析

根据单产估测模型与估测的小麦的种植面积，可以计算出张家港市不同乡镇的总产情况。表中：A为土地总面积，AY为遥测小麦面积，AD为地面统计小麦面积，MYd为遥测小麦单产，MDd为地面统计小麦平均单产，MYz为遥测小麦总产，MDz为地面统计小麦总产，AR为面积比率，MdR为单产比率，MzR为总产比率。部分计算公式为：面积比率=（遥测面积-地面统计面积）/地面统计面积×100%，单产比率=（遥测单产-地面统计单产）/地面统计单产×100%，总产比率=（遥测总产-地面统计总产）/地面统计总产×100%。

笔者对利用3S技术估测的小麦总产数据和张家港市统计局的官方统计资料数据作对比与分析研究。2005年遥感估测小麦张家港市总产为65 463 t，差异为1.11%；2006年遥感估测小麦张家港市总产为88 012 t，差异为1.74%；2007年遥感估测小麦张家港市总产为94 334 t，差异为-6.57%。2008年遥感估测小麦张家港市总产为105 881 t，差异为7.66%。但对于不同的乡镇，变异较大，如大兴镇，2008年小麦总产比率为49.26%。这表明，利用3S技术进行遥感估测值与地面统计值间差异不大。

小麦的估产存在一定误差的可能原因是，本研究的小麦单产模型是基于小麦生育期内遥感资料信息和地面实际调查指标间的关联性实现的，模型的经验性较强，在张家港市不同乡镇和不同年份的适用性不同。此外，经调查发现，原标记为农田的地块，当前的可能利用类型有多种，如上半年可能为小麦、油菜、菜地、林地、塑料大棚，甚至是建筑用地，而下半年可能为小麦、棉花、菜地、玉米、大豆、林地、塑料大棚等。

2.4 小麦总产量多年变化的趋势分析

3 结 论

（1）小麦种植面积的精确估算，会直接影响到小麦产量估测的精度。在研究中，为了区分不同作物，笔者使用小麦不同时相的遥感图像，利用反射光谱明显差异的特点对遥感图像进行处理。此外，利用了NDVI值比较区分法将与小麦生育期相近的作物，如油菜等作物类型有效地区分开来。

（2）2005年小麦耕种面积为1.43万hm2，2006年小麦耕种面积为1.63万hm2，2007年小麦耕种面积为2.06万hm2；2008年小麦耕种面积为2.07万hm2。从整个张家港地区来看，估测小麦种植面积的精度为97.6%。

（3）遥测小麦平均单产2005年为4 612.5 kg・hm-2，2006年为5 407.5 kg・hm-2，2007为4 572 kg・hm-2，2008年为5 116.5 kg・hm-2，从整个张家港地区来看，遥感估测单产和地面调查单产差异小于10%，即估产精度大于90%；其中，2007与2008年小麦差异分别为-7.72%和5.19%；遥感估产小麦平均精度为93.55%。

（4）基于4年遥感数据所获取的张家港市小麦总产量的变化情况建立模型，可以估测出张家港市城市化发展对当地小麦供需平衡的影响不大，小麦总产量仍然呈现上升趋势，而耕作面积相对比较稳定。

本研究采用高分辨率影像遥感资料，结合GPS辅以土地利用图对样区进行准确定位，并进行估产研究，大大提高小麦生产力遥感估测的精度。总之，做好农作物遥感估产的研究，进一步提高估产精度，对张家港市农业部门制定生产管理决策和粮食的宏观调控都具有重要意义。

参考文献：

[1] 干晓宇， 周波， 李建龙， 等. 张家港市不同城市化阶段的城市景观格局响应及驱动力分析[J].安徽农业科学， 2011， 39（33）： 20 641-20 645.

[2] 国土资源部遥感中心.第二次全国土地调查总体方案[R]. 北京：国土资源部遥感中心， 2007：1-8.

[3] 全斌， 杨肖琪， 刘绍鸿， 等. 漳州市土地覆被变化的遥感动态监测及驱动力分析[J]. 水土保持研究， 2005， 12（3）： 154-157.

[4]李述， 刘勇. 基于多特征的遥感影像土地利用/覆盖分类：以腾格里沙漠东南边缘地区为例[J]. 遥感技术与应用， 2006， 21（2）： 154-158.

[5]张宝雷， 宋孟强， 周万村. GIS支持下三峡库区主要地类自动分类方法研究[J]. 遥感技术与应用， 2006， 21（1）： 71-76.

[6] 韩春建， 吴克宁， 冯新伟， 等. 基于“3S”技术的县级土地利用现状更新调查[J]. 中国农学通报， 2006， 22（8）： 560-564.

[7]位欣， 陈翠芳， 陈华. 城市土地利用变化及其驱动力分析[J]. 资源环境与工程， 2006， 20（4） ：482-486.

[8]张海龙， 蒋建军， 解修平， 等. 近25年来西安地区土地利用变化及驱动力研究[J]. 资源科学， 2006， 28（4）： 71-77.

[9] 何丹， 刁承泰. 重庆江津市土地利用变化及社会驱动力分析[J]. 水土保持研究， 2006， 13（2）： 24-26，41.

[10] 粟正刚， 陈金泉， 郭世珠. 赣州市章贡区土地利用数据库建设[J]. 江西测绘， 2006 （3）： 4-5，9.

[11] 刘海启. 美国农业遥感技术应用现状简介[J]. 国土资源遥感， 1997 （3）： 56-60.

[12]许文波， 田亦陈. 作物种植面积遥感提取方法的研究进展[J]. 云南农业大学学报， 2005， 20（1）： 94-98.

[13]冯美臣， 杨武德. 小麦遥感估产研究进展与发展趋势[J]. 作物研究， 2005 （4）： 251-254.

[14] 王振中. 3S技术集成及其在土地管理中的应用[J]. 测绘科学， 2005， 30（4）： 62-64.

[15]王人潮， 王坷， 沈掌泉， 等. 水稻单产遥感估测建模研究[J]. 遥感学报， 1998， 2（2）： 119-124.

[16]肖乾广， 周嗣松， 陈维英， 等. 用气象卫星数据对冬小麦进行估产的试验[J]. 环境遥感， 1986， 1（4）： 260-269.

[17]冯伟， 朱艳， 田永超， 等. 基于高光谱遥感的小麦籽粒产量预测模型研究[J]. 麦类作物学报， 2007， 27（6）： 1 076-1 084.

[18]陈述彭. 遥感应用[M]. 北京： 科学技术出版社， 1990：20-32.

[19]MacDonald R B， Hall F G. Global crop forecasting[J]. Science， 1980， 208（4 445）： 670-679.

[20] 陈水森. 基于波谱库的作物纯像元识别与种植面积遥感估算[D].北京： 中国科学院， 2005： 12-19.

[21] 李佛琳， 李本逊， 曹卫星. 作物遥感估产的现状及其展望[J]. 云南农业大学学报， 2005， 20（5）： 680-684.

[22] 李卫国， 李正金， 申双和. 小麦遥感估产研究现状及趋势分析[J]. 江苏农业科学， 2009 （2）： 6-7.

[23] 任建强，陈仲新，唐华俊.基于MODIS-NDVI的区域冬小麦遥感估产――以山东省济宁市为例[J].应用生态学报， 2006， 17（12）：2 371-2 375.

[24] 冯伟，朱艳，田永超，等.基于高光谱遥感的小麦籽粒产量预测模型研究[J].麦类作物学报，2007，27（6）：1 076-1 084.

[25] 李卫国，王纪华，赵春江，等.基于遥感信息和产量形成过程的小麦估产模型[J].麦类作物学报，2007，27（5）：904-907.

[26] 杨小唤. 冬小麦遥感估产的灰色理论方法探讨[J]. 遥感技术与研究， 1991， 6（1）： 2-8.

[27] 白锐峥. 3S系统支持下的山西省冬小麦估产方法研究[J]. 中国农业资源与区划， 2002， 23（2）： 54-56.

[28] 刘婷， 任银玲， 杨春华. ”3S”技术在河南省冬小麦遥感估产中的应用研究[J]. 河南科学， 2001， 19（4）： 429-432.

遥感技术与农业应用篇(5)

（许昌学院电气信息工程学院，河南 许昌 461000）

摘要：MODIS遥感数据具有探测周期短、覆盖面积广、数据开放等优点，适合大尺度、动态的农业遥感监测应用。结合了MODIS遥感数据资源的特点和农作物物候特征，提出了基于MODIS的农作物面积遥感监测方法，并根据黄淮地区冬小麦种植面积提取的应用需求，选用地理空间数据云平台提供的3种MODIS数据产品进行了农作物面积提取。结果表明，使用5 d合成数据产品的提取精度较高。

关键词 ：遥感监测；农作物面积；MODIS；冬小麦

中图分类号：TP392；S127 文献标识码：A 文章编号：0439－8114（2015）06－1483-03

DOI:10.14088/j.cnki.issn0439-8114.2015.06.052

Monitoring Winter Wheat Acreage with Remote Sensing Based on MODIS

CHEN Jing

（School of Electric and Information Engineering， Xuchang University， Xuchang 461000， Henan， China）

Abstract： MODIS data with advantages of short period of detection， wide coverage and open access are suitable for large－scale， dynamic agricultural remote sensing detection and applications． Combining with the data features of MODIS and crops phenological characteristics， the method of monitoring crops area with remote sensing based on MODIS was established． According to the application requirements of winter wheat acreage extracting in Huang－Huai region， three kinds of MODIS data products in Geospatial Data Cloud were used for crop area extraction． The results showed that using five－day synthetic data product had a higher extraction accuracy．

Key words： remote sensing monitor； crop acreage； MODIS； winter wheat

收稿日期：2014－09－01

基金项目：河南省教育厅科学技术重点研究项目（14A510026）；许昌学院科研基金项目（2014011）

作者简介：陈 静（1981－），女，河南许昌人，讲师，硕士，主要从事遥感影像处理及图像识别方面的研究，（电话）15936316825（电子信箱）

chenjing1206@126．com。

遥感（Remote sensing，RS）技术作为地球信息科学的前沿技术，可以在短期内连续获取大范围的地面信息，实现农业信息的快速收集和定量分析，是目前最为有效的对地观测技术和信息获取手段［1］。作物遥感监测是遥感技术在农业领域应用的重要内容之一。1974年，美国农业部就开展了“大面积农作物估产实验”（LACIE），对世界范围内不同区域的小麦种植面积、总产量进行估算，精度达到90％以上［2］。自1988年以来，欧盟开展农业遥感监测计划（MARS），利用遥感技术对欧盟国的耕地、作物种植面积和产量进行监测，每两周报告一次，将监测结果用于农业补贴的申报核查和共同农业政策制定［2］。近年来，我国农作物遥感监测方面也取得了长足的进步，从单一作物发展到小麦、玉米、水稻等多种作物遥感估产，从小区域到跨越11个省市的遥感估产，取得了许多研究成果［3］。

我国幅员辽阔、地区差异大、地块零碎、散户经营，加之遥感数据资源的缺乏，我国农业遥感监测还存在着作物识别精度不高、工作效率偏低、费用昂贵等问题。本研究结合MODIS遥感数据高光谱、多时相、开放性等优点，探讨了基于不同类型MODIS数据产品和物候特征实现农作物遥感监测，并在黄淮地区冬小麦种植面积提取中进行了应用。

1 MODIS数据产品概述

中分辨率成像光谱仪（Moderate-resolution imaging spectroradiometer，MODIS）是美国对地观测卫星TERRA所携带的传感器之一，其扫描光谱范围为0．4～14．4 μm，共有36个光谱波段，空间分辨率包含1 000、500、250 m等。在对地观测过程中，每1～2 d观测地球表面1次。MODIS采用开放的数据获取政策，免费提供多种原始数据和不同等级的数据处理产品，并在MODIS官方网站上公布传感器的主要参数［4］。这些政策和措施极大地促进了全球范围的数据共享以及不同国家的科研合作，实现了世界范围内多学科领域的交叉研究。

中国科学院计算机网络信息中心科学数据中心开发实现的地理空间数据云平台，提供了LANDSAT、MODIS、NOAA等多种权威科学数据资源的集中镜像服务，并建立基于模型的数据产品加工服务［5］。为方便国内用户使用，该平台还提供了MODIS中国合成产品，如MODIS中国区域温度合成产品、NDVI植被指数产品、EVI植被指数产品等。

2 物候特征分析

2．1 农作物物候期

物候是指植物为了适应气候条件的节律性变化而形成与此相应的植物发育节律。掌握物候变换规律在预报农时，监测、保护生态环境，预测气候变化趋势等方面具有重要的理论和现实意义［6］。为了在最有限的时间内获取最大信息量，就必须合理选择卫星数据的时相，从而实现以最小代价获取最全面、最精确的知识，提高生产效率。

农作物的状态和群体特征是影响作物光谱特征的主要因素。我国物候观测资料非常丰富，不同农作物之间的物候差异是选择作物识别最佳时相的常用依据［7］。我国华北地区主要农作物种植的物候期及各阶段的植被覆盖程度见图1［8］。根据农作物物候期分布、不同时期遥感图像的光谱特性以及不同物候期内农作物光谱特征差异，选取区别不同农作物的最佳时相影像。比如，12月上旬冬小麦处于分蘖期，地面有一定的植被覆盖，叶绿素含量，而其他植被均已落叶，与背景地物具有较大的季相差异，因此，在卫星图像上表现为十分明显的影像特征。

2．2 农作物光谱特征

选取遥感影像特定波段的数据就可以更有效地对不同农作物进行分类。对于MODIS数据，可以选用与农作物生长密切相关的1～7个波段进行分析。其中，RED波段（0．620～0．670 μm）受叶绿素含量控制，对绿色植被具有强吸收特点，对植被覆盖度、生长状况敏感，如分蘖期的冬小麦，由于具有较高的叶绿素含量，与背景地物具有较大的季相差异，因此在卫星图像上表现为十分明显的影像特征；BLUE波段（0．459～0．479 μm）可以反映土壤和植被的差异，改进对农作物的监测；NIR波段（0．841～0．876 μm）对绿色植被具有高反射特点，可以反映指标类型和生物量的指标；ESWIR波段（1．628～1．652 μm）则受叶细胞内水分含量的控制，对植被生化组分和湿度的变化非常敏感［9］。

植被指数是对地表植被活动的简单、有效的度量。在MODIS－NDVI数据集中，使用植物吸收的RED波段和植物发射的远红外波段┃

3 基于MODIS的农作物面积提取

3．1 研究方法

利用遥感数据提取农作物种植面积的理论依据是遥感图像中相同的地物类型在相同的条件下（纹理、地形、光照、植被覆盖等），应具有相同或相似的光谱信息特征和空间信息特征。其实质是根据各类地物的光谱特征进行特征参数的分析与选择，然后采用一定的规则（即分类算法）对遥感图像进行分类［2］。其中，不同类型地物的特征选择和分类算法是农作物种植面积提取的关键点。

根据不同生物波谱特性和农作物物候特征差异，选择多时相的MODIS遥感数据，通过计算并分析归一化植被指数NDVI、增强型植被指数EVI、土壤调节植被指数等，使用现有成熟的遥感图像处理软件ERDAS IMAGINE进行分类试验，通过调整算法的参数和优化样本点等方式不断改进和提高分类效果。

3．2 农作物面积提取

在研究过程中，尤其要注意不同尺度、多时相遥感数据的选择要结合被研究区域的地理数据、按当地气象数据及其他辅助数据。在数据与特征波段分析时要结合农作物波谱特性及生物学特性，并综合利用农作物物候期信息，提取合适的特征参量，改进分类精度和农作物提取的精确度。基于MODIS的农作物面积提取流程如图2所示。

4 黄淮地区冬小麦面积提取的应用

4．1 数据选择

小麦是我国主要粮食作物之一，地域分布广阔，种植相对集中。按照种植产区可以分为黄淮冬麦区、东北春麦区、新疆冬春麦区、北部春麦区、西北春麦区、西南冬麦区、华南冬麦区、长江中下游冬麦区、北部冬麦区等9个大区［11］。其中，黄淮地区（主要包括河南、山东、河北、天津、北京等地）是全国最大的冬小麦生产基地，其小麦种植面积占全国总种植面积的61．4％，因此成为农业遥感监测的主要地区。

本研究选取了黄淮冬小麦种植区为研究区域，利用的MODIS遥感数据进行冬小麦种植面积提取。根据图2所示的冬小麦物候期特征，分别选取了2010年12月上旬冬小麦分蘖期的3类数据产品进行处理，具体包括有：2010年12月8日MODIS陆地标准数据产品（MOD09GQ）、2010年12月6日至10日中国250 m EVI 5 d合成产品（MODEV1F）和2010年12月1日至10日中国250 m EVI旬合成产品（MODEV1T），分辨率均为250 m。前两种遥感数据局部图如图3所示。

4．2 试验结果

根据上述分析，对MOD09GQ的第1、2波段和MODEV1F、MODEV1T的第3、7波段进行几何校正、影像切割和重采样等操作。进一步对RED、NIR，BLUE和ESWIR 4个工作波段光谱数据计算，得到LSWI、EVI和EVI特征数据集。结合给区域特征，将地物分为冬小麦、绿地、裸地、水体、其他等6个类别。

在ERDAS IMAGINE Professional 9．1环境下，分别采用监督分类和非监督分类方法进行试验，各参数使用该环境下该算法的缺省值。随机抽取200个样本点对分类结果进行精度评价，所得结果如表1所示。

Kappa系数是一种计算分类精度的方法，它采用离散的多元技术来测量图像之间的吻合度［12］。从表1中可以看出，各种地物单类分类精度在85％以上，总体精度平均值达到了89．94％，均大于0．84。从遥感数据产品上来看，采用EVI 5 d合成的MODEV1F遥感数据的分类精度普遍高于单日数据产品MOD09GQ和旬合成数据产品MODEV1T。

5 小结与讨论

农作物面积反映了农业生产在空间范围利用农业生产资源的情况，是了解农产品种类、结果、分布特征的重要信息，是进行农业结构调整的依据，是研究粮食区域平衡、预测农业资源综合生产能力与人口承载能力的重要数据源。应用遥感技术可以及时可靠地监测全国主要农作物的种植面积或种植面积的变化。尤其是近年来新的高空间分辨率、高光谱、雷达等遥感技术的发展，为农业现代化管理提供了新的机遇。结合地理信息系统（GIS）、全球定位系统（gps）和遥感技术（RS）的“3S”一体化发展必将成为今后农业遥感的研究热点。

参考文献：

［1］ 李小文．遥感原理与应用［M］．北京：科学出版社，2008．1－8．

［2］ 林文鹏，王长耀．大尺度作物遥感检测方法与应用［M］．北京：科学出版社，2010．

［3］ 陈仲新．GEOSS背景下的农业遥感监测［J］．中国农业资源与区划，2012，33（4）：5－10．

［4］ National Aeronautics and Space Administration：MODIS Data ［DB/OL］．http：//modis．gsfc．nasa．gov/.

［5］ 中国科学院计算机网络信息中心．地理空间数据云［DB/OL］．http：//www．gscloud．cn/.

［6］ 齐 腊，刘良云，赵春江，等．基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究［J］．遥感技术与应用，2008，23（2）：38－43．

［7］ PAUL D，HATFIELF J． Crop condition and yield simulations using Landsat and MODIS imagery［J］． Remote Sensing of Environment，2004，92（4）：548－559．

［8］ 王家强，于 军，彭 杰，等．基于植被指数的土壤氮素遥感估算研究［J］．西南农业学报，2014，27（1）：215－219.

［9］ 范 莉，罗孳孳．基于MODIS－NDVI的水稻遥感估产——以重庆三峡库区为例［J］．西南农业学报，2009，22（5）：1416－1419.

［10］ 冯学智，肖鹏峰，赵书河，等．遥感数字图像处理与应用［M］．北京：商务印书馆，2011．267－274．

遥感技术与农业应用篇(6)

关键词：测绘技术：gps：rs；gis

随着现代测绘技术的出现，无论在学科理论，或在技术体系，以及应用范围上都取得了重大的发展，甚至可以说是重大的变革，从而也将彻底地改变传统测绘的生产方式。现代测绘产业以“3s”技术为特征，现代测绘技术已经成为人类研究地球及 自然 环境，解释某些自然现象，解决人类社会可持续发展等重大问题的重要工具。

一、现代测绘技术的发展概况

(一)gps的发展

全球定位系统(gps)是美国从20世纪70年代开始研制，于1994年全面建成的利用导航卫星进行测时和测距，具有在海、陆、空进行全方位实时三维导航与定位能力的新一代卫星导航与定位系统。1996年2月，美国总统令宣布gps为军民两用系统，标准定位服务对民用开放，2000年5月，美国总统令sa关闭，价格不贵的民用gps接收机能将其水平定位精度从不低于100m提高到15～20m，民用gps的具备了真正的实用价值。随着全球定位系统的不断改进，硬、软件的不断完善，gps的应用领域正在不断地开拓，目前，各种类型的gps接收机体积越来越小，重量越来越轻，便于野外观测。gps已遍及国民 经济 各种部门，并开始逐步深入人们的日常生活。gps和glonass兼容的全球导航定位系统接收机已经问世。gps作为一项引起传统测绘观念重大变革的技术，已经成为大地测量的主要技术手段，也是最具潜力的全能型技术。gps定位技术与常规地面测量定位相比，除具有对测站选择更灵活、更适应不利条件、全天候连续作业外。还具有比任何地面常规技术供数量更多、精度更高的数据信息。

(二)遥感技术的发展

遥感包括卫星遥感和航空遥感，航空遥感作为地形图测绘的重要手段已在实践中得到了广泛的应用，卫星遥感用于测图也正在研究之中并取得一些意义重大的成果，基于遥感资料建立数字地面模型进而应用于测绘工作已获得了较多的应用。自20世纪初菜特兄弟发明人类 历史 上第一架飞机起，航空遥感就开始了它在军事上的应用，从1972年第一颗地球资源卫星发射升空以来，美国、法国、俄罗斯、欧空局、日本、印度、

(一)矿山测量方面

遥感技术在矿山测量中的应用已经历了较长的时间，并积累了丰富的经验。应用遥感资料，可获取矿区实时、动态、综合的信息源，对矿区环境进行监测，为矿区环境保护提供决策支持。遥感资料用于找矿、矿区地质条件研究、煤层顶底板研究等方面都已得到应用，所有这些，都说明遥感技术应用于矿山测量是矿山测量实现其 现代 任务的重要保证。利用gps技术进行矿区地表移动监测、水文观测孔高程监测、矿区控制网建立或复测、改造等。其应用于矿山测量工作的地面部分已成为现代矿山测量的一项重要支撑技术。以矿区资源环境信息系统为平台，以各种测量技术为数据获取的途径，可以建立集数据采集、处理、管理、分析、输出于一体的自动化、智能化的技术系统，作为矿山可持续 发展 的决策支持系统。

(二)湿地方面

利用遥感技术对湿地生物资源的分布、生长状况及其变化进行估测。利用遥感技术多层次、多时相的动态监测功能获得及时可靠的数据，通过地理信息系统技术进行相关数据的实时更新，并对这些数据进行空间分析，可得到湿地的动态变化情况。应用遥感和地理信息系统技术，获取湿地生态环境质量分析评价所需要的数据，借助gps技术进行水质采样调查、植被样方调查、土壤采样等常规野外调查。根据湿地信息系统的功能，可将其划分为两大类：查询服务型信息系统和决策支持型地信息系统。

(三)水利工程方面

遥感技术能够实时地对大江、大河和湖水水位进行监测，可实时监测洪水灾害面积。rs和gis集成能及早预报洪水淹没范围和干旱灾情范围，为防灾、抗灾提供准确信息。在水利枢纽工程竣工后，需对水库大坝、大型桥梁等进行连续的、精密的监测。现代测绘技术提供了连续、实时的安全运行监控手段。利用全数字摄影测量或数字测图技术建立数字地面模型，应用gis的分析决策功能，可以方便快速地进行水库大坝选址、库容 计算 、引水渠修建、受益范围等设计工作，为开发利用水资源提供 科学 依据。目前，大中城市都有由数字测图技术或全数字摄影测量技术建立的城市数字地形图，给排水管线的规划、设计可在数字地形图上进行。

(四)精准农业方面

精确农业中，利用gps技术对采集的农田信息进行空间定位；利用rs技术获取农田小区内作物生长环境、生长状况和空间变异的大量时空变化信息；利用gis技术建立农田土地管理、 自然 条件、作物产量的空间分布等的空间数据库；对作物苗情、墒情的发生发展趋势进行分析模拟，为分析农田内自然条件、资源有效利用状况、作物产量的时空差异性和实施调控提供处方信息。gps、rs、gis技术及自动化控制技术为支撑的精确农业将促进现代农业的发展。它能够收集土地利用现状、植被分布、农作物的生长情况、农作物的灾情分布、土壤肥力等多种信息，将信息技术与农艺、农机有机地结合起来，最大限度地优化各项农业资源与生产要素的合理分配，获取高产量和最大 经济 效益，同时又能有效地保护生态环境和农业自然资源，有利于农业的可持续发展。

遥感技术与农业应用篇(7)

关键词： 耕地; 人工建筑; 阈值; 图像分割

中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2015）06?0105?03

Research on automatic segmentation of agricultural land and artificial buildings in remote sensing image

WANG Min?yan1， ZHAO Kun2

（1. Commission for Discipline Inspection and Supervision Bureau of Jining， Jining 272045， China;

2. The 27th Research Institute of China Electronics Technology Group Corporation， Zhengzhou 450047， China）

Abstract： An image processing algorithm which can automatically divide up agricultural fields and artificial buildings in remote sensing images from satellite or aerial photo is proposed. With the technologies of image area synthesis， filtering， histogram statistics and background segmentation， the artificial buildings and roads in large?scale agricultural lands can be segmented by the algorithm， and the area calculation can be realized. Some solutions and test results are given in this paper. It is significant for this algorithm to improve the automation statistic level of agricultural land.

Keywords： agricultural field; artificial building; threshold; image segmentation

0 引 言

作为人口大国，农林业对我国家安全和社会稳定有重要意义，随着经济的高速发展，乡镇及城市建设对土地需求日趋增长，合理有效地使用土地资源，监控土地实际使用情况是国家研究的重要课题。随着现代航天技术、航空技术、探测器技术高速发展，国家投入大量卫星、飞机及无人机进行耕地普查，新技术的广泛应用给农业用地统计、普查、灾害预警带来革命性发展，提供了丰富的数据资源。但社会各界对农业统计信息的需求越来越大，对统计质量要求越来越高，按照传统的方法，仅仅依靠手工作业是远远不能适应实际海量数据筛选需要的。本文提出一种可在卫星或航拍遥感图像中自动分割农用田地与人工建筑的图像处理算法，该算法使用图像区域合成、滤波、灰度统计、背景分割等处理技术，可实现农用田地中疑似建筑及道路进行分割，并给出面积的估算。为后续土地和人工建筑确认标注提供预先提示。

1 遥感图像预处理

遥感图像在形成、传输、记录过程中，成像系统、传输介质和记录设备都会引起图像质量的下降[1?2]，典型表现为图像模糊、失真、有噪声等。图像预处理的目的就是尽可能恢复退化图像的本来面目。引起图像退化的因素很多，图像预处理将根据退化的原因，建立相应的数学模型，并沿着图像降质的逆过程恢复原图像。

农用土地遥感图像所关注的信息大部分集中在低频和中频段，为了有效抑制图像的噪声并尽可能多的保留有用的信息，采用均值滤波、中值滤波、低通滤波、匹配滤波等多种滤波器相结合，综合线形滤波器和非线形滤波器的优点，研究具有实时特性的滤波网络，最大程度滤除噪声，提高图像的信噪比，减少图像的失真[3?4]。

原始图像中各点的灰度值f（x，y）用该点邻域的灰度平均值代替，以抑制具有突变性质的噪声点。设g（x，y）为处理后的灰度值，则该方法可表示为：

[g（x，y）=1MN（m，n）∈S（x，y）f（m，n）] （1）

式中：[S（x，y）]为[（x，y）]的邻域;m，n为[S（x，y）]中的像素数。

图像的预处理在空域中进行，也可在频域中进行，将一维信号低通滤波器在二维图像中应用，图像经过二维傅里叶变换后，噪声频谱位于空间频率较高的区域，而图像中关键信息处于空间频率较低的区域，从而实现对高频分量的预制[5]。

转移函数为：

[H（x，y）=11+[D（x，y）D0]2n] （2）

式中：[D0]为截止频率;[n]为阶数。

2 遥感图像分割与处理

严格意义上的图像分割是指每一个物体都能和它的背景区分开来而成为一个独立完整的区域，人的视觉就包括这个过程。但是，在实际应用中这是很困难的，因为图像分割没有统一的判别标准，也没有通用的分割方法，一般来说，只要能把感兴趣的部分从背景中分割出来就可以接受[6]。对遥感图像进行分割就是把图像中不同于农业用地的人工建筑或道路等具有特殊意义的区域分割开来，这些区域本身并不相关，但每一个区域都不同于农业用地[7?8]。

2.1 大面积耕地直方图分析

由于大面积农用耕地的主背景的分布相对均匀，从图像的直方图分析明显存在单峰（背景），如果有道路或人工建筑，则直方图中将存在背景峰之外的多个。

<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t1.tif>

图1 大面积农用田地图及直方图

2.2 基于大面积耕地背景的分割阈值提取

[H（x）]为图像直方图分布，则图像的平均灰度为[9?10]：

[hx=x・hxhx] （3）

图像的灰度分布误差为：

[σ=h（x）-h（x）?x2h（x）] （4）

将[h（x）]-ks作为图像分割的第一个阈值，[h（x）]+ks作为图像分割的第二个阈值。将灰度在[[h（x）]-ks，[h（x）]+ks]内的像素判为背景，其他灰度图像像素判为目标，则就可以将目标从背景中“分割”出来。如图2，图3为原始图像及经过预处理后的图像，应用式（4）求解出[σ]及分割门限，经二值化后分割图像如图4所示。

<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t2.tif>

图2 原始图像

<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t3.tif>

图3 图像预处理

<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t4.tif>

图4 图像分割

根据分割出的图像可对目标像素面积的统计，采用投影方法，可获得图像不同列中非农用地的像素数，如图5所示，通过累加计算可获得设定区域非农用地占用比例，从而获得实际农用地面积。

2.3 应用

通过对遥感图像处理，可对耕地或建筑面积进行估算、统计，对疑似建筑物、道路进行标注，提高农业用地统计自动化水平，并提高土地管理部门、农业部门、农业统计部门及其他有关部门在技术手段和行政管理方面的优势，采用先进的遥感技术、全面统计和抽样调查等各种方法，对耕地及其他农业用地的数量进行全面的监测和管理，及时对不利于耕地和其他农业用地保护及使用的情况进行处理和纠正。

<E：＼王芳＼现代电子技术201506＼现代电子技术15年38卷第6期＼Image＼05t5.tif>

图5 目标面积统计

3 结 语

本文根据大面积农用地统计需求，结合其图像特性，提出一种大面积耕地背景的耕地及人工建筑分割方法，可以有效提高耕地统计自动化水平，并辅助监测农用耕地占用情况。

参考文献

[1] 章孝灿，黄智才，赵元洪.遥感数字图像处理[M].杭州：浙江大学出版社，1997.

[2] 何红艳，杨居奎，齐文雯.大气对遥感卫星图像品质的影响分析[J].航天返回与遥感，2011（2）：42?47.

[3] 汪哲慎，李翠华.基于目标特征的图像预处理技术[J].厦门大学学报：自然科学版，2004（4）：473?478.

[4] 沃焱，韩国强.基于自适应预处理的图像分割方法[J].电子与信息学报，2007（1）：87?91.

[5] 杨枝开，王开.数字图像获取处理及实践应用[M].北京：人民邮电出版社，2003.

[6] 章毓晋.图像分割[M].北京：科学出版社，2001.

[7] 殷瑞娟， 施润和.一种高分辨率遥感影像的最优分割尺度自动选取方法[J].地球信息科学学报，2013（6）：904?910.

[8] 张彦.遥感图像中建筑物分割方法研究[D].天津：河北工业大学，2012.