时空协同的精准农业遥感研究

分类：论文范文 发表时间：2021-11-18 11:41

　　摘要：高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路，基于高分辨率遥感影像，开展了农业遥感领域2个典型的问题研究：①提出了一种基于影像视觉特征的耕地分区分层提取方法，该方法在利用DEM数据进行分区的基础上，根据不同区域内耕地所呈现的几何特征和纹理特征差异，分别设计了不同的耕地提取模型；②构建了一种地块尺度的作物生长参数反演方法，方法以地块为基本单元，在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范，以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中，对于安顺市西秀区的耕地地块提取结果而言，形态精度（IoU）大于0.7的地块超过60%，规则耕地、梯田以及林草地等的类型精度均超过了80%；对于扶绥县甘蔗叶面积指数反演的结果而言，其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异，基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明，协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。

　　关键词：精准农业；高分遥感；遥感图谱认知；机器学习；分区分层；时空协同；地块；参数反演

　　引言

　　农业是人类生存的基础，大范围的可靠农情信息对粮食市场及相关政策的制定至关重要,是保障区域及全球粮食安全的重要依据，得到世界各国的重视[1]。农业信息化是农业发展的趋势，是现代化农业的标志，基于大数据、物联网等提高农业发展速度是目前发展的潮流。精准农业要求是在先进技术支撑下的以高效率的、低投入的方式获取高产、高质的效益。但由于农作物种植分布较为分散，进行大面积监测时，采用人工地面调查的方法，耗时费力，难以适应相关部门的决策管理需求。因此，利用遥感技术的大面积、快速观测优势，及时全面地获取农作物的种植类型与面积等信息成为可能[2]。作为精准农业中众多高新技术之一，遥感可以为精准农业提供研究对象“形态精细”、“指标精准”服务。

　　2耕地地块的分层分区遥感提取方法及验证

　　2.1耕地地块的分层分区遥感提取方法

　　在精准农业遥感中，构建地块底图是先行研究内容，也就是从高空间分辨率遥感图像中提取农业生产的基本单元—“耕地地块”。耕地分布受地形约束，种植结构复杂，其形态和纹理各不相同，而且可根据地形特征将其分布区归为“相对平坦的平坝区”、“地形起伏的山地坡面”以及“前二者过渡的林草区”。基于分布区的差异，可从以下3个方面对不同种植类型的耕地进行特征描述：①在几何特征方面，耕地表现为面状地物，按照其形状可以分为具有曲线边界的狭条型、类矩形、L形、月牙形的耕地；按照边缘的清晰程度，又可以分为具有明显边界和模糊边界的耕地；另外，由于分布区域的影响，耕地还具有大小近似、排列紧凑和大小不均、分布离散的表现特征；②在纹理特征方面，耕地的纹理特征明显，但由于分布区域不同以及耕作条件的影响，纹理特征表现也不尽相同；相对平坦的坝区的规则耕地和地形起伏的山地坡面的梯田，内部纹理较为均匀光滑，与周围地物对比度较大；山地坡面上的坡耕地，不仅边界模糊，而且由于种植较随意，内部常有杂树杂草，纹理较为粗糙，与周围灌木林地的区域较为类似；零散夹杂在林（草）间用地中的耕地，纹理特征与草地较为接近，与周围地物对比度较小；③在上下文特征方面，耕地大多位于平坦的坝区、山地的平缓坡面、山间狭谷和林间空地，有道路或水系连接，具有集群分布的特征。

　　2.2试验区概况及数据来源

　　本研究选择贵州省安顺市西秀区的3个乡镇（刘官乡、大西桥镇以及黄蜡布依族苗族乡，本文将以西秀区指代这3个乡镇，面积共25936hm2）以及广西省扶绥县渠黎镇（面积约37224hm2）作为案例进行区耕地提取的验证试验，研究所用影像为0.55m谷歌影像。安顺市是世界著名喀斯特区，地形复杂多变，广泛分布丘陵及平坝，因此该地区耕地形态破碎、类型复杂，其遥感影像图如图3（a）所示；扶绥县是著名的甘蔗产地，地形主要以平原为主，其间分布少量丘陵，耕地类型较为简单，遥感影像如图3（b）所示。但近年来，由于生态退耕、建设占用、农业结构调整、灾害损毁等原因，该地的耕地数量和结构发生了剧烈变化，这也将直接危及当地的农业生产和环境的可持续发展。

　　3地块尺度的作物生长参数反演方法及验证

　　3.1研究方法及技术路线

　　作物生长定量参数综合反映了作物长势与健康状况，对作物生长定量参数的估算可用于评价区域农业生产状态，辅助施肥、灌溉、灾害预防等农业管理措施。然而，作物理化参数的遥感定量反演实际是一个病态问题，未知的待反演参数个数往往多于遥感观测数据的信息量。为此，若干正则化方法被提出来减轻病态反演问题，包括：①利用先验知识对反演参数的取值范围及分布形式加以限定，并对参数先验知识进行数学描述，进而在反演模型中表达；②模型耦合，例如耦合“土壤—叶片—冠层—大气”辐射传输模型，获得全局最优的参数反演结果；③空间约束下的反演，利用邻近像元的信息作为辅助信息；④时间约束下的反演，利用多时相的遥感观测数据作为辅助信息[35-36]。

　　3.2实验及结果分析

　　本研究选择作物长势监测和产量估算的重要生理指标——LAI作为研究对象，期望在甘蔗地块识别的基础上进行甘蔗LAI反演。实验的验证区位于该县的笃邦村（图7），该村区域范围内的甘蔗可分为农户按传统方式经营的蔗田和糖厂规模化经营管理的蔗田。两类甘蔗作物在生长物候特征和生长时长方面均有所差异：非基地甘蔗3月下旬播种，6—10月为伸长期，12月进入砍收期并持续至次年1—2月；而基地甘蔗均为优选苗种，集中播种时间为2018年6—7月，生长周期长，这些信息是作为时间约束条件的重要先验。

　　4结论与讨论

　　在高时空分辨率遥感影像的共同支撑下，本文分别以耕地提取和地块尺度作物生长参数为例探讨了应用的可行思路：①在耕地地块提取方面，以西南山地的耕地提取为需求，在“分区—分层”思路指导下设计了技术路线，并以贵州省安顺市西秀区和广西省扶绥县为示范区，基于总体研究框架依据影像和耕地类型特征进行了具体的耕地提取实践，在西秀区完成了包括规则耕地（类型精度约81%）、梯田（类型精度约84%）、坡耕地（类型精度约72%）等在内的耕地地块空间分布制图，在扶绥县完成了平原耕地和丘陵耕地的耕地地块空间分布制图，在实验中均获得了形态和类型效果较好的耕地地块；②在作物生长参数定量反演方面，以作物类型为基础信息，进一步基于辐射传输机理模型开展地块尺度作物叶面积指数时间序列反演，并在扶绥县渠黎镇展示了作物叶面积指数反演制图案例，该LAI时间序列反演结果能体现出与甘蔗生长物候阶段相应的季相变化，为作物长势监测提供了数据参考。

　　参考文献(References)：

　　[1]吴炳方,蒙继华,李强子.国外农情遥感监测系统现状与启示[J].地球科学进展,2010,25(10):1003-1012.[WuBF,MengJH,LiQZ.Reviewofoverseascropmonitoringsystemswithremotesensing[J].AdvancesinEarthScience,2010,25(10):1003-1012.]

　　[2]史舟,梁宗正,杨媛媛,等.农业遥感研究现状与展望[J].农业机械学报,2015,46(2):247-260.[ShiZ,LiangZZ,YangYY,etal.Statusandprospectofagriculturalremotesensing[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2015,46(2):247-260.]

　　[3]MoranMS,InoueY,BarnesEM.Opportunitiesandlimitationsforimage-basedremotesensinginprecisioncropmanagement[J].RemoteSensingofEnvironment,1997,61(3):319-346.

　　吴志峰1，骆剑承2,3*，孙营伟2,3，吴田军4，曹峥1，刘巍2,3，杨颖频2,3，王玲玉5

上一篇：日本精准农业发展现状与展望 下一篇：食品微生物检验特点及技术浅析