基于遙感的農作物長勢模板數據庫構建

熊德蘭

摘要：針對農作物生長發育各階段的特征，利用高分辨率遙感影像建立農作物長勢模板數據庫，可以實現農作物從播種到收獲各個階段的全程監測、預警及分析對比。以水稻種植及相關應用需求為例，探討了遙感影像獲取及處理方法，模板數據庫概念設計、邏輯設計及分布式存儲等若干關鍵問題。該研究對實現農作物生長過程監管、提高工作效率具有重要的意義，極大地促進了農業遙感的縱深化發展，并為農業信息化的精細化、產業化發展帶來了新的契機。

關鍵詞：農業遙感；數據庫；作物長勢；水稻

中圖分類號：S127 文獻標志碼：A

文章編號：1002-1302（2014）08-0411-03

首先，根據要監測的區域范圍和作物種植節律選取合適的遙感影像，如跨省范圍大面積區域性分析可以選擇中低分辨率遙感影像，田塊級別精細化識別需要選取高分辨率遙感影像，而東北地區和長江中下游地區的水稻種植節律不同，應選取不同時間段的遙感影像。影像預處理主要指大氣糾正、幾何糾正、輻射校正、圖像增強等操作^[7]。圖像特征提取主要提取遙感圖像中波譜、色彩、亮度、紋理、形狀、空間關系等特征信息，并在此基礎上計算作物特定生長期的特征參數、遙感指數。這些信息連同處理并編碼后的遙感圖像被作為農作物長勢模板按照一定的索引存入數據庫。根據需要，可以讀取數據庫的信息并以一定的視圖形式呈現給用戶，也可以重新選取更合適的遙感影像進行上述操作并更新數據。

2 數據庫設計

2.1 概念結構設計

數據庫概念結構設計是對需求信息進行綜合、歸納，抽象為特定的概念模型。常用的概念模型是實體-聯系模型（E-R模型），該模型能真實、有效地反映現實世界需求，便于不同用戶的理解和交流。作物長勢模板數據庫主要包含處理后的遙感圖像和分析提取的影像特征集2類數據。遙感圖像就是遙感影像數據預處理后得到圖像，可以使用統一的編號對其進行編碼，圖像特征也是通過該編碼實現不同特征集合和遙感影像的關聯^[8]。圖像特征包括遙感影像波譜特征、空間特征、時間特征等，在此基礎上，根據特定作物的生長發育特點和領域專家先驗性知識，采用一定方法計算并記錄相關的遙感指數和作物特征參數。

根據上述分析，抽取出遙感影像（RSImage）、波譜特征（SpectrumInfo）、空間特征（SpatialInfo）、時間特征（TemporalInfo）、遙感指數（RSIndex）、作物參數（CropParameter）等實體，各實體之間關系如圖2所示。endprint

摘要：針對農作物生長發育各階段的特征，利用高分辨率遙感影像建立農作物長勢模板數據庫，可以實現農作物從播種到收獲各個階段的全程監測、預警及分析對比。以水稻種植及相關應用需求為例，探討了遙感影像獲取及處理方法，模板數據庫概念設計、邏輯設計及分布式存儲等若干關鍵問題。該研究對實現農作物生長過程監管、提高工作效率具有重要的意義，極大地促進了農業遙感的縱深化發展，并為農業信息化的精細化、產業化發展帶來了新的契機。

關鍵詞：農業遙感；數據庫；作物長勢；水稻

中圖分類號：S127 文獻標志碼：A

文章編號：1002-1302（2014）08-0411-03

首先，根據要監測的區域范圍和作物種植節律選取合適的遙感影像，如跨省范圍大面積區域性分析可以選擇中低分辨率遙感影像，田塊級別精細化識別需要選取高分辨率遙感影像，而東北地區和長江中下游地區的水稻種植節律不同，應選取不同時間段的遙感影像。影像預處理主要指大氣糾正、幾何糾正、輻射校正、圖像增強等操作^[7]。圖像特征提取主要提取遙感圖像中波譜、色彩、亮度、紋理、形狀、空間關系等特征信息，并在此基礎上計算作物特定生長期的特征參數、遙感指數。這些信息連同處理并編碼后的遙感圖像被作為農作物長勢模板按照一定的索引存入數據庫。根據需要，可以讀取數據庫的信息并以一定的視圖形式呈現給用戶，也可以重新選取更合適的遙感影像進行上述操作并更新數據。

2 數據庫設計

2.1 概念結構設計

數據庫概念結構設計是對需求信息進行綜合、歸納，抽象為特定的概念模型。常用的概念模型是實體-聯系模型（E-R模型），該模型能真實、有效地反映現實世界需求，便于不同用戶的理解和交流。作物長勢模板數據庫主要包含處理后的遙感圖像和分析提取的影像特征集2類數據。遙感圖像就是遙感影像數據預處理后得到圖像，可以使用統一的編號對其進行編碼，圖像特征也是通過該編碼實現不同特征集合和遙感影像的關聯^[8]。圖像特征包括遙感影像波譜特征、空間特征、時間特征等，在此基礎上，根據特定作物的生長發育特點和領域專家先驗性知識，采用一定方法計算并記錄相關的遙感指數和作物特征參數。

根據上述分析，抽取出遙感影像（RSImage）、波譜特征（SpectrumInfo）、空間特征（SpatialInfo）、時間特征（TemporalInfo）、遙感指數（RSIndex）、作物參數（CropParameter）等實體，各實體之間關系如圖2所示。endprint

摘要：針對農作物生長發育各階段的特征，利用高分辨率遙感影像建立農作物長勢模板數據庫，可以實現農作物從播種到收獲各個階段的全程監測、預警及分析對比。以水稻種植及相關應用需求為例，探討了遙感影像獲取及處理方法，模板數據庫概念設計、邏輯設計及分布式存儲等若干關鍵問題。該研究對實現農作物生長過程監管、提高工作效率具有重要的意義，極大地促進了農業遙感的縱深化發展，并為農業信息化的精細化、產業化發展帶來了新的契機。

關鍵詞：農業遙感；數據庫；作物長勢；水稻

中圖分類號：S127 文獻標志碼：A

文章編號：1002-1302（2014）08-0411-03

首先，根據要監測的區域范圍和作物種植節律選取合適的遙感影像，如跨省范圍大面積區域性分析可以選擇中低分辨率遙感影像，田塊級別精細化識別需要選取高分辨率遙感影像，而東北地區和長江中下游地區的水稻種植節律不同，應選取不同時間段的遙感影像。影像預處理主要指大氣糾正、幾何糾正、輻射校正、圖像增強等操作^[7]。圖像特征提取主要提取遙感圖像中波譜、色彩、亮度、紋理、形狀、空間關系等特征信息，并在此基礎上計算作物特定生長期的特征參數、遙感指數。這些信息連同處理并編碼后的遙感圖像被作為農作物長勢模板按照一定的索引存入數據庫。根據需要，可以讀取數據庫的信息并以一定的視圖形式呈現給用戶，也可以重新選取更合適的遙感影像進行上述操作并更新數據。

2 數據庫設計

2.1 概念結構設計

數據庫概念結構設計是對需求信息進行綜合、歸納，抽象為特定的概念模型。常用的概念模型是實體-聯系模型（E-R模型），該模型能真實、有效地反映現實世界需求，便于不同用戶的理解和交流。作物長勢模板數據庫主要包含處理后的遙感圖像和分析提取的影像特征集2類數據。遙感圖像就是遙感影像數據預處理后得到圖像，可以使用統一的編號對其進行編碼，圖像特征也是通過該編碼實現不同特征集合和遙感影像的關聯^[8]。圖像特征包括遙感影像波譜特征、空間特征、時間特征等，在此基礎上，根據特定作物的生長發育特點和領域專家先驗性知識，采用一定方法計算并記錄相關的遙感指數和作物特征參數。

根據上述分析，抽取出遙感影像（RSImage）、波譜特征（SpectrumInfo）、空間特征（SpatialInfo）、時間特征（TemporalInfo）、遙感指數（RSIndex）、作物參數（CropParameter）等實體，各實體之間關系如圖2所示。endprint