精準(zhǔn)、快速、智能、引領(lǐng)未來

公司自主研發(fā)航測系統(tǒng)

網(wǎng)站首頁 → 服務(wù)項(xiàng)目 → 遙感數(shù)據(jù)分析服務(wù)

遙感數(shù)據(jù)分析服務(wù)

來源: | 作者:agriculture-1149755 | 發(fā)布時(shí)間: 2018-02-03 | 12038 次瀏覽 | 分享到:

技術(shù)簡介：以河套灌區(qū)五原縣塔爾湖鎮(zhèn)可見光圖像為原始數(shù)據(jù)，通過試誤法確定無人機(jī)遙感影像數(shù)據(jù)的最佳分割參數(shù)。再對各地物在光譜、形狀、紋理特征參量中表現(xiàn)的特異性，分別建立決策樹、支持向量機(jī)、 K-最近鄰分類規(guī)則集進(jìn)行土地利用類型分類。結(jié)果表明，支持向量機(jī)、策樹分類法、K-最近鄰分類法能較準(zhǔn)確地提取各地物的特征

遙感數(shù)據(jù)分析服務(wù)（技術(shù)簡介、模型與結(jié)果）

土地利用與覆被分類

圖1.無人機(jī)遙感的土地利用分類流程圖

模型與結(jié)果：

圖2.土地利用分類結(jié)果圖

作物類型與種植面積提取

技術(shù)簡介：以無人機(jī)遙感試驗(yàn)獲取的可見光圖像研究拔節(jié)期玉米種植信息提取方法。分別統(tǒng)計(jì)計(jì)算地物波段、顏色和紋理特征，比較各類地物特征的種內(nèi)變異系數(shù)和與玉米的相對差異系數(shù)，選出適宜提取玉米種植信息的特征。經(jīng)過分析發(fā)現(xiàn)，需要各特征組合分層分類提取玉米信息。結(jié)果表明:該方法對玉米種植信息提取有較好效果，面積提取誤差在20%以內(nèi)，對用無人機(jī)可見光遙感影像進(jìn)行玉米種植信息提取具有一定的適用性。

圖3.玉米種植信息提取流程圖

模型與結(jié)果：

作物長勢分析

作物覆蓋度

技術(shù)簡介：以2017年1月7日到4月12日之間使用搭載多光譜相機(jī)的無人機(jī)在陜西楊凌冬小麥試驗(yàn)田捕獲的地面分辨率2.2cm的影像為原始數(shù)據(jù)，包含紅、綠、近紅外的520nm-920nm波段信息，通過基于支持向量機(jī)（SVM）的監(jiān)督分類算法處理第一次獲取的多光譜遙感圖像。分別對分類結(jié)果中的植被和土壤像元的NDVI、SAVI、MSAVI三種植被指數(shù)進(jìn)行統(tǒng)計(jì)，進(jìn)而獲得相應(yīng)的區(qū)分植被和土壤像元閾值，分別為0.4756、0.7056和0.6350?；谕讲杉牡孛娣直媛士蛇_(dá)0.8cm的高清可見光遙感影像提取相應(yīng)時(shí)期的冬小麥覆蓋度參考值。提取結(jié)果表明，基于無人機(jī)多光譜遙感技術(shù)及植被指數(shù)法可以較好的提取冬小麥越冬期、拔節(jié)期、挑旗期和抽穗期的植被覆蓋度信息；且與SAVI、SAVI相比，基于NDVI指數(shù)的提取效果最好。

圖8.小麥覆蓋度提取流程圖

模型與結(jié)果：

圖9. NDVI、SAVI、MSAVI三種指數(shù)的閾值提取

圖10.冬小麥覆蓋度變化曲線

圖11.冬小麥植被覆蓋度提取結(jié)果

作物高度

技術(shù)簡介：在作物的生長周期內(nèi)，對植株高度的監(jiān)測能夠幫助生產(chǎn)者更好地掌握作物的生長信息，根據(jù)其長勢情況結(jié)合其他作物參數(shù)進(jìn)行灌水、施肥等調(diào)控。植株高度在一定程度上可以反映作物的產(chǎn)量。作物的桿節(jié)間的粗度和充實(shí)度決定了莖稈中干物質(zhì)的累積和貯藏能力，由此間接得到植株的生物積累，從而估算出作物產(chǎn)量。基于無人機(jī)遙感的玉米高度估算，通過對無人機(jī)多光譜拍攝的照片進(jìn)行點(diǎn)云數(shù)據(jù)提取，最終進(jìn)行玉米高度的估算。

圖12.作物高度提取流程圖

模型與結(jié)果：

圖13.五個(gè)區(qū)域玉米株高變化趨勢圖

圖14.植被指數(shù)變化圖圖15.玉米高度提取示意圖

冠層結(jié)構(gòu)

技術(shù)簡介：用單反相機(jī)從不同角度拍攝的水稻冠層的圖像為原始數(shù)據(jù)，用監(jiān)督分類的方法，提取冠層穗子面積與葉片面積。

模型與結(jié)果：

圖16.水稻穗子和葉片提取結(jié)果圖

葉面積指數(shù)（LAI）

技術(shù)簡介：基于無人機(jī)遙感的玉米葉面積指數(shù)研究，通過對無人機(jī)多光譜拍攝的照片進(jìn)行植被指數(shù)提取，通過LAI-2200C植物冠層分析儀實(shí)測出玉米的葉面積指數(shù)，找出玉米植被指數(shù)和葉面積指數(shù)的關(guān)系。建立葉面積指數(shù)和植被指數(shù)的關(guān)系模型，通過驗(yàn)證，評估植被指數(shù)提取的誤差，并估算葉面積指數(shù)。

圖17.LAI提取技術(shù)路線圖

模型與結(jié)果：

圖18.植被指數(shù)與LAI的擬合結(jié)果圖

作物水肥虧缺與病蟲害診斷

水分診斷

技術(shù)簡介：作物蒸散量（Evapotranspiration，ET）主要由土壤蒸發(fā)（Evaporation）和作物蒸騰（Transpiration）兩部分組成，是連接生態(tài)與水文過程的重要紐帶，其快速監(jiān)測對準(zhǔn)確制定和管理大田灌溉制度及提高大田灌溉用水效率有著非常關(guān)鍵的作用。聯(lián)合國糧農(nóng)組織（Food and Agricultural Organization，F(xiàn)AO）提出了參考作物蒸散量（Reference Evapotranspiration，ET0），由ET0和作物系數(shù)估算ET。FAO-56作物系數(shù)法是世界公認(rèn)的估算作物蒸散量方法，具有操作簡便，精度可靠、實(shí)用性強(qiáng)等特點(diǎn)，在世界范圍內(nèi)被廣泛地應(yīng)用。無人機(jī)遙感技術(shù)由于其平臺構(gòu)建容易、運(yùn)行維護(hù)簡便、分辨率高、作業(yè)周期短等特點(diǎn)，為估算大田作物系數(shù)提供了新的解決方案。

圖19.水分診斷技術(shù)路線圖

模型與結(jié)果：

圖20.快速生長期玉米植被指數(shù)與作物系數(shù)Kc關(guān)系圖

作物水分脅迫指數(shù)（Crop Water Stress Index，CWSI）

技術(shù)簡介：眾所周知，作物蒸騰作用具有降溫效應(yīng)，不同水分脅迫狀態(tài)下作物實(shí)際蒸騰速率不同，相比于無水分脅迫的作物，其具有較高的冠層溫度。基于這種現(xiàn)象以及紅外測溫技術(shù)的發(fā)展，以冠層溫度為基礎(chǔ)建立的作物水分脅迫監(jiān)測指數(shù)得到了廣泛的應(yīng)用。目前，應(yīng)用最為廣泛的為作物水分脅迫指數(shù)（Crop water stress index，CWSI）模型，可以有效的監(jiān)測多種作物的水分脅迫狀況。為了得到作物水分脅迫狀況的面狀分布信息，我公司結(jié)合無人機(jī)多光譜遙感技術(shù)建立了CWSI和多光譜植被指數(shù)之間的關(guān)系模型。

模型與結(jié)果：

圖21.大田玉米CWSI分布圖

作物水肥無人機(jī)遙感診斷模型開發(fā)

技術(shù)簡介：在陜西省楊凌示范區(qū)，巨良基地、杏林基地、匯承果業(yè)基地、揉谷基地，建立基于無人機(jī)多光譜遙感技術(shù)的土壤水肥診斷模型。

多光譜無人機(jī)水診斷模型如下：

（1）

其中：CDN1、CDN2、CDN3為無人機(jī)遙感多光譜三波段（綠、紅和近紅外波段）；a、b為生長期調(diào)整系數(shù)。

多光譜無人機(jī)肥診斷模型如下：

(2)

其中：CDN1、CDN2、CDN3為無人機(jī)遙感多光譜三波段（綠、紅和近紅外波段）；a、b為生長期調(diào)整系數(shù)。

模型與結(jié)果：

圖22.匯承果業(yè)、揉谷基地水肥檢測結(jié)果

圖23. 四監(jiān)測點(diǎn)旱情監(jiān)測情況

圖24.四監(jiān)測點(diǎn)肥力（P）監(jiān)測情況

作物不同生長期水肥診斷知識庫、模型庫系統(tǒng)開發(fā)

技術(shù)簡介：系統(tǒng)工作模型如圖所示，包括了作物水肥模型相關(guān)資源進(jìn)行分類和維護(hù)，支持作物模型的存儲、管理、查詢、分析、調(diào)用的計(jì)算機(jī)操作應(yīng)用系統(tǒng)。系統(tǒng)由作物模型庫、模型庫管理系統(tǒng)、系統(tǒng)接口、系統(tǒng)用戶4個(gè)部分組成。

系統(tǒng)將陳述型知識、過程型知識、結(jié)構(gòu)型知識，如水分管理知識規(guī)則、土壤管理知識規(guī)則、葉片養(yǎng)分知識、定量遙感知識規(guī)則按照類別，選擇合理的知識表示方式，分別入庫。

作物模型的存儲功能采用程序+數(shù)據(jù)庫的表示方法；模型主體采用程序文件形式存儲，程序輸入輸出接口用XML格式，存儲用DLL格式。為實(shí)現(xiàn)作物類別庫和模型的樹型結(jié)構(gòu)，采用關(guān)系數(shù)據(jù)庫進(jìn)行表示，采用深度優(yōu)先算法進(jìn)行模型映射。