对地观测技术的农业应用集成系统及其方法技术方案

本发明专利技术公开了一种对地观测技术的农业应用集成系统和方法，所述系统包括：数据存储单元，包括：光谱数据库，遥感数据库，基础数据库；模型单元，包括参数选择模型库和农情反演模型库；控制和运算处理单元，用于利用所述模型单元的模型对图像数据进行相应的处理；和信息输出单元，用于根据所提取的农情参数，显示或用其它方式输出相关的农业信息。本发明专利技术可利用先进的对地观测技术，对农业进行精准的现代化管理。所述方法包括：获取高光谱数据；对所获得的高光谱数据进行处理；对所述高光谱数据进行数据波段选择；对经波段选择后的高光谱数据进行特征提取，获取农情参数；利用所获取的农情参数，输出所述高光谱数据中的相关农业信息。

【技术实现步骤摘要】

本专利技术涉及信息资源的应用技术，尤其涉及利用成像光谱技术所取得的信息资料为诸如农业试验、农作物类型识别和农情诊断等方面的农业应用提供辅助信息的应用技术。
技术介绍
成像光谱技术是目前对地观测领域的前沿技术。由于它可以获取地表植被、土壤、水体等地物的连续光谱，用于分析它们的物理化学过程，因此在农业应用方面有着巨大的应用潜力。已运行的民用航天遥感器如Landsat TM、SPOT以及NOAA一般只有5-6个波段，光谱分辨率50nm以上。很难识别出多种作物类型。而植被的主要因素峰值宽约20nm，植被受害胁迫红移分量为5-17nm，这些现象是低光谱分辨遥感器所难以探测到的。航天或航空成像光谱遥感器的优越性在于可以在0.4-14μm光谱范围内细分出几十或几百个波段，光谱分辨率为5-10nm。这样就可以提高农作物识别能力，同时监测作物的生长变化信息，有利于农作物精细管理。我国是世界上的农业大国，也是少数掌握成像光谱技术的国家。当前，怎样选择航空、卫星成像光谱仪所测得的高光谱数据中对农业有用的光谱参数、成像光谱数据如何处理及如何提取有用的农业信息是急待解决的关键技术问题。
技术实现思路
因此，本专利技术的目的在于提供一种，可通过从成像光谱及其它航空遥感数据所获得的资料中选择合适的光谱参数，对成像数据进行处理，以提取有用的农业信息。为实现上述目的，本专利技术提供了一种对地观测技术的农业应用集成方法，包括获取对地观测数据；对所获得的对地观测数据进行数据波段选择；对经所述波段选择后的对地观测数据进行特征提取，获取农情参数；利用所获取的农情参数进行特征分析，获得所述对地观测数据中的所需信息。在本专利技术的优选实施方案中，对地观测数据为高光谱数据，并且上述方法中还包括对高光谱数据进行预处理的步骤。另一方面，本专利技术还提供了一种对地观测技术的农业应用集成系统，包括数据存储单元，包括光谱数据库，其以矢量图形的数据形式存储不同农作物或地物目标的光谱曲线；遥感数据库，以栅格图像的数据形式存储机载成像光谱仪获取的多波段遥感图像；基础数据库，用来存储与研究区域遥感图像相匹配的其他辅助性地理空间数据(栅格或矢量形式的图形、图像数据)和属性数据(文本或表格形式的统计数据)。如矢量化的地区行政边界，气象要素、土地覆盖类型图件等；模型单元，包括参数选择模型库和农情反演模型库，所述参数选择模型库用于对图像进行光谱重建、数据复合特征分析以及波段选择，所述农情反演模型库用于提供多种类型的农情信息模型；控制和运算处理单元，用于利用所述模型单元的模型对图像数据进行相应的处理；和信息输出单元，用来根据所提取的农情参数，显示或用其它方式输出相关的农业信息。本专利技术可利用先进的对地观测技术，对农业生产、试验和管理提供丰富和准确的信息。附图说明图1是本专利技术的一个实施例的对地观测技术的农业应用方法的示意流程图；图2是本专利技术方法的一个实施例的分组变换、特征选择示意流程图；图3是本专利技术的方法在小麦长势分级评价中的应用的示意流程图；图4是本专利技术的方法在小麦叶面积系数提取中的应用的示意流程图；图5是本专利技术的对地观测技术的农业应用集成系统的结构示意方框图；图6是本专利技术的系统中建立模型库的过程的示意7显示了在本专利技术的系统中土地利用分类的过程。。具体实施例方式如图1所示，本专利技术提供了一种对地观测技术的农业应用的方法，包括获取高光谱数据；对所获得的高光谱数据进行处理；对所述高光谱数据进行数据波段选择；提取所述高光谱数据中农情参数，显示相关农业信息。在本专利技术的优选实施例中，需要使用光谱数据、基础数据和遥感数据。光谱数据指不同农作物或地物目标的光谱曲线，即农作物或地物对不同波段电磁波的反射率所构成的曲线，是通过光谱测定和机载成像光谱仪的遥感图像所获得。需要说明，真实的地物光谱是利用光谱仪通过地面测定的反射率获得的；遥感数据直接得到的是地物的辐射亮度值(即地物向外反射和辐射能量的多少)，而不是反射率。光谱重建就是将遥感图象的辐射亮度值转换为反射率，进而得到地物光谱曲线的过程。高光谱数据(图像)为遥感数据(图像)的一种，主要特点为能区分波长间隔很细的光谱(如10nm)，因其覆盖的光谱段很多，所以称为高光谱。成像光谱技术是一种高光谱技术。本专利技术所用的遥感数据为成像光谱数据。遥感数据指机载成像光谱仪获取的多波段遥感图像。以栅格图像的数据形式存储。基础数据指与研究区域遥感图像相匹配的其他辅助性地理空间数据(栅格或矢量形式的图形、图像数据)和属性数据(文本或表格形式的统计数据)。如矢量化的地区行政边界，气象要素、土地覆盖类型图件等。基础数据提供与研究区相关的背景资料和信息；遥感数据库提供地物目标的多波段图像数据；光谱数据库则包含了在前两者基础之上所选择的特定地物目标的特征光谱曲线；通常，不同地物目标具有自身特定的光谱曲线。高光谱数据可利用机载航空成像光谱仪、机载(船载)航天成像光谱仪等获取。在某些实施例中，为更好地实现本专利技术，还应利用可见—近红外智能光谱仪、可见—近红外光谱仪、红外辐射计、GPS手提照像机等装置来获取地面信息。当然这些信息也可通过其它的来源提供，例如通过互联网从其它的信息提供者处获取。在获得高光谱数据之后，需要对图像进行预处理。根据需要，这种预处理可包括辐射校正、几何校正等。此外，还可进行光谱增强、光谱识别、分组KL转换\图像分类等处理。进一步，还可对图像进行光谱重建、多源数据复合、和波段选择处理。其中，光谱重建的作用是通过遥感图像获得地物的光谱曲线，这些光谱曲线可用于图像分类、地物识别。多源数据复合则用于提取参数特征。这些处理在后文中将更详细地说明。根据本专利技术的一个实施例，还可以在光谱重建之后进行图像变换。图像变换指的是将图像从空间域转换到变换域的过程。进行图像变换的目的就是为了使图像的处理过程简化，通过变换，使得矢量在新的空间中具有一些更好的性质，从而更有利于问题的分析与解决。特征选择一般通过线性变换来完成。线性变换的表达式为Y＝AX(式1)式中X为变换前的n维随机矢量，Y为变换后的n维随机矢量，A为一个n×n的变换矩阵，A的不同决定了变换的性质不同。通过图像变换以进行特征选择的基本思路是选择变换域中一个由Y的m个分量组成的子集(1≤m＜n)，当删去剩下的n-m个分量而仅用所保留的m个分量表示X时，引起的误差最小。这样就实现了由n维到m维的压缩。误差的大小一般用均方误差准则来衡量。均方误差准则是保留m个具有最大方差的分量子集，删去其余n-m个分量。本专利技术采用分组KL变换的方法。为说明分组KL变换，首先说明KL变换。KL变换是一种正交线性变换，是遥感数字图像处理中最常用也是最有用的变换算法之一，是去相关，进行特征提取、数据压缩的有效方法。为了推导方便，将线性变换的表达式写为Y=AX=Σi=1nAiXi]]>(式2)希望经过KL变换后，在新的空间中仅用其前m维向量就能在误差最小的条件下反映出原来的n维信息。现将Y分为两个部分，前面m项为第一部分，后面n-m项为第二部分，则有Y=AX=Σi=1mAixi+Σi=m+1nAixi]]>(式3)将式中第二部分中的xi记为bi并记Y(m)=Σi=1mA本文档来自技高网...

【技术保护点】
一种对地观测技术的农业应用集成方法，包括：获取对地观测数据；对所获得的对地观测数据进行数据波段选择；对经所述波段选择后的对地观测数据进行特征提取，获取农情参数；利用所获取的农情参数进行特征分析，获得所述对地观 测数据中的所需信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：王长耀，牛铮，
申请(专利权)人：中国科学院遥感应用研究所，
类型：发明
国别省市：11[中国|北京]