基于遥感的农作物长势模板数据库构建

熊德兰

摘要：针对农作物生长发育各阶段的特征，利用高分辨率遥感影像建立农作物长势模板数据库，可以实现农作物从播种到收获各个阶段的全程监测、预警及分析对比。以水稻种植及相关应用需求为例，探讨了遥感影像获取及处理方法，模板数据库概念设计、逻辑设计及分布式存储等若干关键问题。该研究对实现农作物生长过程监管、提高工作效率具有重要的意义，极大地促进了农业遥感的纵深化发展，并为农业信息化的精细化、产业化发展带来了新的契机。

关键词：农业遥感；数据库；作物长势；水稻

中图分类号：S127 文献标志码：A

文章编号：1002-1302（2014）08-0411-03

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，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。影像预处理主要指大气纠正、几何纠正、辐射校正、图像增强等操作^[7]。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。这些信息连同处理并编码后的遥感图像被作为农作物长势模板按照一定的索引存入数据库。根据需要，可以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。

2 数据库设计

2.1 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2类数据。遥感图像就是遥感影像数据预处理后得到图像，可以使用统一的编号对其进行编码，图像特征也是通过该编码实现不同特征集合和遥感影像的关联^[8]。图像特征包括遥感影像波谱特征、空间特征、时间特征等，在此基础上，根据特定作物的生长发育特点和领域专家先验性知识，采用一定方法计算并记录相关的遥感指数和作物特征参数。

根据上述分析，抽取出遥感影像（RSImage）、波谱特征（SpectrumInfo）、空间特征（SpatialInfo）、时间特征（TemporalInfo）、遥感指数（RSIndex）、作物参数（CropParameter）等实体，各实体之间关系如图2所示。endprint

摘要：针对农作物生长发育各阶段的特征，利用高分辨率遥感影像建立农作物长势模板数据库，可以实现农作物从播种到收获各个阶段的全程监测、预警及分析对比。以水稻种植及相关应用需求为例，探讨了遥感影像获取及处理方法，模板数据库概念设计、逻辑设计及分布式存储等若干关键问题。该研究对实现农作物生长过程监管、提高工作效率具有重要的意义，极大地促进了农业遥感的纵深化发展，并为农业信息化的精细化、产业化发展带来了新的契机。

关键词：农业遥感；数据库；作物长势；水稻

中图分类号：S127 文献标志码：A

文章编号：1002-1302（2014）08-0411-03

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，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。影像预处理主要指大气纠正、几何纠正、辐射校正、图像增强等操作^[7]。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。这些信息连同处理并编码后的遥感图像被作为农作物长势模板按照一定的索引存入数据库。根据需要，可以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。

2 数据库设计

2.1 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2类数据。遥感图像就是遥感影像数据预处理后得到图像，可以使用统一的编号对其进行编码，图像特征也是通过该编码实现不同特征集合和遥感影像的关联^[8]。图像特征包括遥感影像波谱特征、空间特征、时间特征等，在此基础上，根据特定作物的生长发育特点和领域专家先验性知识，采用一定方法计算并记录相关的遥感指数和作物特征参数。

根据上述分析，抽取出遥感影像（RSImage）、波谱特征（SpectrumInfo）、空间特征（SpatialInfo）、时间特征（TemporalInfo）、遥感指数（RSIndex）、作物参数（CropParameter）等实体，各实体之间关系如图2所示。endprint

摘要：针对农作物生长发育各阶段的特征，利用高分辨率遥感影像建立农作物长势模板数据库，可以实现农作物从播种到收获各个阶段的全程监测、预警及分析对比。以水稻种植及相关应用需求为例，探讨了遥感影像获取及处理方法，模板数据库概念设计、逻辑设计及分布式存储等若干关键问题。该研究对实现农作物生长过程监管、提高工作效率具有重要的意义，极大地促进了农业遥感的纵深化发展，并为农业信息化的精细化、产业化发展带来了新的契机。

关键词：农业遥感；数据库；作物长势；水稻

中图分类号：S127 文献标志码：A

文章编号：1002-1302（2014）08-0411-03

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，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。影像预处理主要指大气纠正、几何纠正、辐射校正、图像增强等操作^[7]。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。这些信息连同处理并编码后的遥感图像被作为农作物长势模板按照一定的索引存入数据库。根据需要，可以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。

2 数据库设计

2.1 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2类数据。遥感图像就是遥感影像数据预处理后得到图像，可以使用统一的编号对其进行编码，图像特征也是通过该编码实现不同特征集合和遥感影像的关联^[8]。图像特征包括遥感影像波谱特征、空间特征、时间特征等，在此基础上，根据特定作物的生长发育特点和领域专家先验性知识，采用一定方法计算并记录相关的遥感指数和作物特征参数。

根据上述分析，抽取出遥感影像（RSImage）、波谱特征（SpectrumInfo）、空间特征（SpatialInfo）、时间特征（TemporalInfo）、遥感指数（RSIndex）、作物参数（CropParameter）等实体，各实体之间关系如图2所示。endprint