專利名稱：一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置和方法。
背景技術(shù)：
農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)指對(duì)作物的苗情、生長(zhǎng)狀況及其變化的宏觀監(jiān)測(cè)，要求能夠及時(shí) 地全面反映農(nóng)情。作物的長(zhǎng)勢(shì)均勻度一直是評(píng)價(jià)作物長(zhǎng)勢(shì)好壞的一個(gè)重要指標(biāo)，該指標(biāo)不 但能夠體現(xiàn)不同農(nóng)田地塊基礎(chǔ)地力、地形的差異，也能反映出不同耕作者的管理水平。
傳統(tǒng)作物長(zhǎng)勢(shì)均勻度多通過(guò)田間抽樣調(diào)查確定。如馬愛(ài)國(guó)等2001年提出的冬小 麥基本苗均勻度指標(biāo)P，就是采用隨機(jī)取樣的方法。該方法根據(jù)每個(gè)地塊面積確定調(diào)查點(diǎn) 數(shù)，然后將每塊地各調(diào)查點(diǎn)的苗量從大到小排列。設(shè)前一半調(diào)查點(diǎn)苗量之和為E a，后一半 調(diào)查點(diǎn)苗量之和為E b，然后代入公式(1-1)中計(jì)算獲取每一地塊對(duì)應(yīng)的基本苗均勻度P :<formula>formula see original document page 5</formula>(i-1) 其中，n為地塊調(diào)查點(diǎn)數(shù)。 此外，仲其壯等2001年也提出了棉花均勻度指標(biāo)。根據(jù)棉花的生長(zhǎng)發(fā)育、外部形 態(tài)特征及栽培管理措施定義了包括出苗整齊度、留苗均勻度、現(xiàn)蕾整齊度、開(kāi)花整齊度、吐 絮整齊度以及株高均勻度等一系列評(píng)價(jià)指標(biāo)，并針對(duì)這些指標(biāo)提出了提高均勻度的技術(shù)措 施。 楊利華等2006年提出了植株田間分布均勻度的定義，將植株在田間布局近似蜂 巢的程度定義為植株田間分布均勻度，并給出了植株田間分布均勻度的計(jì)算公式(1-2):
<formula>formula see original document page 5</formula><formula>formula see original document page 5</formula> 其中，UD為植株田間分布均勻度，O < UD《l，其值越接近l，植株分布越均勻；m
為觀測(cè)點(diǎn)數(shù)；N為平均穴株數(shù)；n (i = 1，2，.....m)為每個(gè)觀測(cè)點(diǎn)的離均系數(shù)，可以通過(guò)公
式(1-3)計(jì)算得到 <formula>formula see original document page 5</formula> (1-3) 式中Pi為一個(gè)蜂巢觀測(cè)點(diǎn)的12個(gè)植株觀測(cè)值，p為標(biāo)準(zhǔn)行距。 在實(shí)際應(yīng)用中，作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)及相關(guān)指標(biāo)的獲取需要耗費(fèi)大量的人力物
力。由于需要到野外實(shí)地調(diào)查農(nóng)作物的長(zhǎng)勢(shì)差異，所以存在工作量大、自動(dòng)化程度低、更新
周期長(zhǎng)等缺點(diǎn)。而且當(dāng)需要進(jìn)行大范圍的作物長(zhǎng)勢(shì)均勻度調(diào)查時(shí)，其測(cè)量難度也將加大。同
時(shí)，不同農(nóng)田地塊作物長(zhǎng)勢(shì)的差異又是普遍存在的，單純依賴人工調(diào)查數(shù)據(jù)，已經(jīng)不能夠滿
足現(xiàn)代農(nóng)業(yè)管理的需要。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有技術(shù)中存在的缺陷和不足，本發(fā)明的目的是提供一種作物長(zhǎng)勢(shì)均勻度的 監(jiān)測(cè)裝置和方法，能夠通過(guò)衛(wèi)星遙感獲得長(zhǎng)勢(shì)均勻度。
為達(dá)到上述目的，本發(fā)明提出了一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，包括 遙感圖像處理模塊，所述遙感圖像處理模塊根據(jù)獲得的遙感圖像，對(duì)遙感圖像進(jìn)
行輻射糾正、大氣糾正和幾何糾正； 地塊矢量數(shù)據(jù)處理模塊，所述地塊矢量數(shù)據(jù)處理模塊根據(jù)對(duì)所述遙感圖像中的農(nóng) 作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將分類后的遙感圖像中的柵格分類結(jié) 果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；然后對(duì)所述空間分布圖的地塊邊界進(jìn)行修正； 植被指數(shù)處理模塊，所述植被參數(shù)處理模塊根據(jù)所述遙感圖像中的地塊內(nèi)的光譜 特征計(jì)算該地塊的植被指數(shù)麗I (NormalizedDifference Vegetation Index): 里外7...... 其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射 率； 長(zhǎng)勢(shì)均勻度處理模塊，所述長(zhǎng)勢(shì)均勻度處理模塊根據(jù)植被指數(shù)NDVI計(jì)算該地塊 的長(zhǎng)勢(shì)均勻度指數(shù)GUI (Growth Uniformity Index);GU1 = 1 —
(扁w
C『i




射 麗I( 麗I( 麗L
是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)； min為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值； max為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。 其中，所述地塊矢量數(shù)據(jù)處理模塊包括
空間分布圖處理子模塊，所述空間分布圖處理子模塊對(duì)所述遙感圖像中的農(nóng)作物 進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀 矢量數(shù)據(jù)； 土地利用數(shù)據(jù)處理子模塊；所述土地利用數(shù)據(jù)處理子模塊根據(jù)衛(wèi)星遙感圖像，對(duì)
所述遙感圖像進(jìn)行目視解譯獲取歷年數(shù)據(jù)的參考時(shí)相土地利用專題數(shù)據(jù)； 地塊邊界處理子模塊，所述地塊邊界處理子模塊將所述面狀矢量數(shù)據(jù)和所述參考
時(shí)相土地利用專題數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法進(jìn)行切割后提取地塊邊界；
并利用本年的衛(wèi)星遙感圖像，通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界數(shù)據(jù)。 其中，所述植被指數(shù)處理模塊包括 光譜特征處理子模塊，所述光譜特征處理子模塊提取所述地塊對(duì)應(yīng)的遙感數(shù)據(jù)， 并根據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波段光譜特征信息； 植被參數(shù)處理子模塊，所述植被參數(shù)處理子模塊對(duì)光譜特征信息進(jìn)行波段運(yùn)算， 獲取植被參數(shù)NDVI ;
<formula>formula see original document page 7</formula>
其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射 率； 波段計(jì)算子模塊，所述波段計(jì)算子模塊對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn) 行波段運(yùn)算，獲得NDVI最小值，最大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVI『
其中，所述裝置還包括 作物光譜信息模塊，所述作物光譜信息模塊針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所 有像元NDVI值，計(jì)算出該地塊不同時(shí)相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù) NDVIev和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的 記錄中，生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。
其中，所述裝置還包括 專題圖制作模塊，所述專題圖制作模塊根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)
勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊的目標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。
同時(shí)，本發(fā)明還提出了一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，包括 步驟1、獲得衛(wèi)星遙感圖像，并針對(duì)所述衛(wèi)星遙感圖像進(jìn)行輻射糾正、大氣糾正和 幾何糾正； 步驟2、對(duì)衛(wèi)星遙感圖像中的農(nóng)作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；
步驟3、將空間分布圖中的柵格分類結(jié)果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；并對(duì)所述空間分 布圖進(jìn)行處理以對(duì)農(nóng)作物的地塊邊界進(jìn)行修正； 步驟4、根據(jù)所述遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)NDVI :
iVD FJ=、 "夏 ^乂
(R",/"+R"》
其中，U旨遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射
步驟5、根據(jù)每一地塊的植被指數(shù)NDVI計(jì)算長(zhǎng)勢(shì)均勻度指數(shù)GUI ;
C3UI — 1 - __............................................墨,
率； —— — (M3l^際+M)W《f歸》 其中 NDVIev是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)； NDVICT min為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值； NDVICT max為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。 其中，所述步驟3具體為 步驟31、將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀矢量數(shù)據(jù)； 步驟32、通過(guò)高分辨率衛(wèi)星遙感圖像，對(duì)歷年的遙感圖像進(jìn)行目視解譯獲取參考
時(shí)相土地利用專題數(shù)據(jù)； 步驟33、將步驟31和步驟32所得數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法對(duì)步 驟31和步驟32所得的兩層矢量數(shù)據(jù)進(jìn)行切割后提取地塊邊界；并利用本年的衛(wèi)星遙感圖像，通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界數(shù)據(jù)。
其中，所述步驟4具體為 步驟41 、提取地塊對(duì)應(yīng)的遙感數(shù)據(jù)，并根據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波 段光譜特征信息； 步驟42、對(duì)光譜特征信息進(jìn)行波段運(yùn)算，獲取植被參數(shù)NDVI ;
譜丄i 、 其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射
率； 步驟43、對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn)行波段運(yùn)算，獲得NDVI最小 值，最大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVICV。
其中，所述方法還包括 步驟6、針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所有像元NDVI值，計(jì)算出該地塊不同時(shí) 相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVI^和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并 將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中，生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。
其中，所述方法還包括 步驟7、根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊 的目標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。 上述技術(shù)方案具有如下優(yōu)點(diǎn)本發(fā)明可以通過(guò)遙感技術(shù)獲得遙感圖像，并通過(guò)地 塊邊界獲得所述地塊的矢量數(shù)據(jù)，再根據(jù)該地塊的矢量數(shù)據(jù)獲得植被參數(shù)，從而計(jì)算出計(jì) 算農(nóng)作物長(zhǎng)勢(shì)均勻度度指數(shù)。本發(fā)明能夠解決現(xiàn)有技術(shù)中工作量大、自動(dòng)化程度低、更新周 期長(zhǎng)等缺點(diǎn)，提高工作效率。本發(fā)明集成遙感及GIS技術(shù)，利用柵格與矢量數(shù)據(jù)一體化技術(shù) 實(shí)現(xiàn)了針對(duì)自然地塊的農(nóng)作物長(zhǎng)勢(shì)均勻度監(jiān)測(cè)，充分發(fā)揮了遙感數(shù)據(jù)在作物長(zhǎng)勢(shì)監(jiān)測(cè)中的 優(yōu)勢(shì)，提出了農(nóng)作物長(zhǎng)勢(shì)均勻度評(píng)價(jià)指標(biāo)，構(gòu)建了基于遙感特征信息的作物長(zhǎng)勢(shì)均勻度知 識(shí)庫(kù)，并實(shí)現(xiàn)了實(shí)時(shí)、快速、準(zhǔn)確的農(nóng)作物長(zhǎng)勢(shì)均勻度的遙感監(jiān)測(cè)，提高了作物長(zhǎng)勢(shì)均勻度 調(diào)查的精度。


圖1為本發(fā)明提出的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置的結(jié)構(gòu)示意圖；
圖2為本發(fā)明提出的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法的流程示意圖；
圖3為本發(fā)明一個(gè)具體實(shí)施例中的提取的目標(biāo)農(nóng)作物的空間分布圖；
圖4為將圖3中的該柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)后的地塊圖像；
圖5為圖4經(jīng)過(guò)修正后的地塊圖像。
具體實(shí)施例方式
下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式
作進(jìn)一步詳細(xì)描述。以下實(shí)施 例用于說(shuō)明本發(fā)明，但不用來(lái)限制本發(fā)明的范圍。
實(shí)施例1 本發(fā)明第一優(yōu)選實(shí)施例提出了一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其結(jié)構(gòu)如圖1所示，包括 遙感圖像處理模塊，所述遙感圖像處理模塊根據(jù)獲得的遙感圖像，對(duì)遙感圖像進(jìn) 行輻射糾正、大氣糾正和幾何糾正； 地塊矢量數(shù)據(jù)處理模塊，所述地塊矢量數(shù)據(jù)處理模塊根據(jù)對(duì)所述遙感圖像中的農(nóng) 作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將分類后的遙感圖像中的柵格分類結(jié) 果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；然后對(duì)所述空間分布圖的地塊邊界進(jìn)行修正； 植被指數(shù)處理模塊，所述植被參數(shù)處理模塊根據(jù)所述遙感圖像中的地塊內(nèi)的光譜 特征計(jì)算該地塊的植被指數(shù)NDVI : AW/二
(1
(R,,".+RJ 其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射 率； 長(zhǎng)勢(shì)均勻度處理模塊，所述長(zhǎng)勢(shì)均勻度處理模塊根據(jù)植被指數(shù)NDVI計(jì)算該地塊 的長(zhǎng)勢(shì)均勻度指數(shù)GUI ;
腳W" CjUI = I —
CK
(膠j(，她+層^ 其中 NDVI〔 NDVI〔 麗Ir
是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)； min為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值；
^為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。本發(fā)明第一優(yōu)選實(shí)施 例，可以通過(guò)遙感圖像確定目標(biāo)農(nóng)作物的地塊，并通過(guò)地塊內(nèi)的遙感圖像中的地塊內(nèi)的光 譜特征計(jì)算該地塊的植被指數(shù)NDVI及長(zhǎng)勢(shì)均勻度指數(shù)GUI。本發(fā)明第一優(yōu)選實(shí)施例利用柵 格與矢量數(shù)據(jù)一體化技術(shù)實(shí)現(xiàn)了針對(duì)自然地塊的農(nóng)作物長(zhǎng)勢(shì)均勻度監(jiān)測(cè)，充分發(fā)揮了遙感 數(shù)據(jù)在作物長(zhǎng)勢(shì)監(jiān)測(cè)中的優(yōu)勢(shì)。本發(fā)明實(shí)現(xiàn)了實(shí)時(shí)、快速、準(zhǔn)確的農(nóng)作物長(zhǎng)勢(shì)均勻度的遙感 監(jiān)測(cè)，提高了作物長(zhǎng)勢(shì)均勻度調(diào)查的精度。
實(shí)施例2 本發(fā)明第二優(yōu)選實(shí)施例是在第一優(yōu)選實(shí)施例基礎(chǔ)上改進(jìn)而來(lái)，即所述地塊矢量數(shù) 據(jù)處理模塊包括 空間分布圖處理子模塊，所述空間分布圖處理子模塊對(duì)所述遙感圖像中的農(nóng)作物 進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀 矢量數(shù)據(jù)； 土地利用數(shù)據(jù)處理子模塊；所述土地利用數(shù)據(jù)處理子模塊根據(jù)衛(wèi)星遙感圖像，對(duì)
所述遙感圖像進(jìn)行目視解譯獲取歷年數(shù)據(jù)的參考時(shí)相土地利用專題數(shù)據(jù)； 地塊邊界處理子模塊，所述地塊邊界處理子模塊將所述面狀矢量數(shù)據(jù)和所述參考
時(shí)相土地利用專題數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法進(jìn)行切割后提取地塊邊界；
并利用本年的衛(wèi)星遙感圖像，通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界
t加后切割提取 本發(fā)明第二優(yōu)選實(shí)施例中，通過(guò)參考時(shí)相土地利用專題數(shù)據(jù)進(jìn)行f 地塊邊界，以對(duì)地塊邊界進(jìn)行更精確的修正，提高監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性。
9
其中"參考時(shí)相土地利用專題數(shù)據(jù)"是指利用歷年的高分辨率遙感影像或者研究
區(qū)歷史土地利用數(shù)據(jù)，以獲取的農(nóng)田地塊數(shù)據(jù)。由于歷史數(shù)據(jù)與最新土地利用情況可能會(huì)
略有出入，因此利用歷史數(shù)據(jù)結(jié)合當(dāng)前數(shù)據(jù)對(duì)地塊邊界進(jìn)行修正，可以提高地塊邊界數(shù)據(jù)
的準(zhǔn)確性。 實(shí)施例3 本發(fā)明第三優(yōu)選實(shí)施例是在第一優(yōu)選實(shí)施例和第二優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而 來(lái)，即所述植被指數(shù)處理模塊包括 光譜特征處理子模塊，所述光譜特征處理子模塊提取所述地塊對(duì)應(yīng)的遙感數(shù)據(jù)， 并根據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波段光譜特征信息； 植被參數(shù)處理子模塊，所述植被參數(shù)處理子模塊對(duì)光譜特征信息進(jìn)行波段運(yùn)算， 獲取植被參數(shù)NDVI ; iV服-H〉 其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射 率； 波段計(jì)算子模塊，所述波段計(jì)算子模塊對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn)
行波段運(yùn)算，獲得NDVI最小值，最大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVI『 其中植被參數(shù)NDVI是植被指數(shù)NDVI是可見(jiàn)光紅波段和近紅外波段兩波段的歸一
化比值，它一方面能夠反映植被光合作用的有效輻射吸收情況，另一方面能夠反映作物長(zhǎng)
勢(shì)、葉面積指數(shù)LAI等，是目前應(yīng)用最為廣泛的植被指數(shù)。本發(fā)明第三優(yōu)選實(shí)施例中，應(yīng)用
遙感圖像以及精確修正后的地塊邊界，獲得地塊內(nèi)的光譜特征信息，并根據(jù)光譜特征信息
計(jì)算植被參數(shù)NDVI ，可以提高NDVI的準(zhǔn)確性。 實(shí)施例4 本發(fā)明第四優(yōu)選實(shí)施例是在上述三個(gè)優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而來(lái)，即所述裝置 還包括 作物光譜信息模塊，所述作物光譜信息模塊針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所 有像元NDVI值，計(jì)算出該地塊不同時(shí)相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù) NDVIev和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的 記錄中，生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。 本發(fā)明第四優(yōu)選實(shí)施例利用NDVI建立作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，以提高長(zhǎng)期、有
效的作物長(zhǎng)勢(shì)光譜信息的監(jiān)測(cè)。 實(shí)施例5 本發(fā)明第五優(yōu)選實(shí)施例是在上述四個(gè)優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而來(lái)，即所述裝置 還包括 專題圖制作模塊，所述專題圖制作模塊根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)
勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊的目標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。 專題圖能夠根據(jù)作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)獲得更為直觀的圖像化資料。 實(shí)施例6 本發(fā)明提出的一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，其優(yōu)選實(shí)施例流程如圖2所示，
10
率；
包括 步驟1、獲得衛(wèi)星遙感圖像，并針對(duì)所述衛(wèi)星遙感圖像進(jìn)行輻射糾正、大氣糾正和 幾何糾正； 步驟2、對(duì)衛(wèi)星遙感圖像中的農(nóng)作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；
步驟3、對(duì)所述空間分布圖進(jìn)行處理以對(duì)農(nóng)作物的地塊邊界進(jìn)行修正，獲得地塊的 矢量數(shù)據(jù)； 步驟4、根據(jù)所述遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)NDVI : GUl — i- ------一('-一
(鮮U麗/(.「,腿) 其中 NDVICT是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)； NDVICT min為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值； NDVICT max為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。 本發(fā)明第六優(yōu)選實(shí)施例，可以通過(guò)遙感圖像確定目標(biāo)農(nóng)作物的地塊，并通過(guò)地塊 內(nèi)的遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)NDVI及長(zhǎng)勢(shì)均勻度GUI。本發(fā) 明第六優(yōu)選實(shí)施例利用柵格與矢量數(shù)據(jù)一體化技術(shù)實(shí)現(xiàn)了針對(duì)自然地塊的農(nóng)作物長(zhǎng)勢(shì)均 勻度監(jiān)測(cè)，充分發(fā)揮了遙感數(shù)據(jù)在作物長(zhǎng)勢(shì)監(jiān)測(cè)中的優(yōu)勢(shì)。本發(fā)明實(shí)現(xiàn)了實(shí)時(shí)、快速、準(zhǔn)確 的農(nóng)作物長(zhǎng)勢(shì)均勻度的遙感監(jiān)測(cè)，提高了作物長(zhǎng)勢(shì)均勻度調(diào)查的精度。
實(shí)施例7 本發(fā)明第七優(yōu)選實(shí)施例是在上述第六優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而來(lái)，即所述步驟 3具體為 步驟31、將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀矢量數(shù)據(jù)； 步驟32、通過(guò)高分辨率衛(wèi)星遙感圖像，對(duì)歷年的遙感圖像進(jìn)行目視解譯獲取參考 時(shí)相土地利用專題數(shù)據(jù)； 步驟33、將步驟31和步驟32所得數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法對(duì)步 驟31和步驟32所得的兩層矢量數(shù)據(jù)進(jìn)行切割后提取地塊邊界；并利用本年的衛(wèi)星遙感圖 像，通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界數(shù)據(jù)。 本發(fā)明第七優(yōu)選實(shí)施例中，通過(guò)參考時(shí)相土地利用專題數(shù)據(jù)進(jìn)行疊加后切割提取 地塊邊界，以對(duì)地塊邊界進(jìn)行更精確的修正，提高監(jiān)測(cè)數(shù)據(jù)的準(zhǔn)確性。
實(shí)施例8 本發(fā)明第八優(yōu)選實(shí)施例是在上述第六或第七優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而來(lái)，即所 述步驟4具體為 步驟41 、提取地塊對(duì)應(yīng)的遙感數(shù)據(jù)，并根據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波 段光譜特征信息；
步驟42、對(duì)光譜特征信息進(jìn)行波段運(yùn)算，獲取植被參數(shù)NDVI ; ]V￡W=^^^ 「R +R 、 其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射 率； 步驟43、對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn)行波段運(yùn)算，獲得NDVI最小 值，最大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVICV。 其中植被參數(shù)NDVI是植被指數(shù)NDVI是可見(jiàn)光紅波段和近紅外波段兩波段的歸一 化比值，它一方面能夠反映植被光合作用的有效輻射吸收情況，另一方面能夠反映作物長(zhǎng) 勢(shì)、葉面積指數(shù)LAI等，是目前應(yīng)用最為廣泛的植被指數(shù)。本發(fā)明第六優(yōu)選實(shí)施例中，應(yīng)用 遙感圖像以及精確修正后的地塊邊界，獲得地塊內(nèi)的光譜特征信息，并根據(jù)光譜特征信息 計(jì)算植被參數(shù)NDVI ，可以提高NDVI的準(zhǔn)確性。
實(shí)施例9 本發(fā)明第八優(yōu)選實(shí)施例是在上述第六或第七或第八優(yōu)選實(shí)施例的基礎(chǔ)上改進(jìn)而 來(lái)，即所述方法還包括 步驟6、針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所有像元NDVI值，計(jì)算出該地塊不同時(shí) 相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVI^和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并 將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中，生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。
本發(fā)明第四優(yōu)選實(shí)施例利用NDVI建立作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，以提高長(zhǎng)期、有
效的作物長(zhǎng)勢(shì)光譜信息。
實(shí)施例10 本發(fā)明第八優(yōu)選實(shí)施例是在上述第六或第七或第八或第九優(yōu)選實(shí)施例的基礎(chǔ)上 改進(jìn)而來(lái)，即所述方法還包括 步驟7、根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊 的目標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。 專題圖能夠根據(jù)作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)獲得更為直觀的圖像化資料。
下面通過(guò)一個(gè)具體的實(shí)施例對(duì)本發(fā)明進(jìn)行說(shuō)明。 [OH8] (1)遙感圖像獲取及處理 2008年度，在冬小麥生長(zhǎng)季共獲取研究區(qū)Landsat TM遙感圖像3景，獲取日期分 別為3月27日，4月28日和5月30日，分別對(duì)應(yīng)冬小麥起身期、孕穗期及冬小麥乳熟期。 此外，08年7月12日還獲取了研究區(qū)印度星ISP6圖像一景。所有Landsat圖像，采用6S 模型支持下的暗目標(biāo)法進(jìn)行了大氣糾正，ISP6圖像采用ENVI軟件FLAASH模塊進(jìn)行了大氣 糾正，獲取了所有圖像的地表反射率。圖像的幾何糾正采用圖像對(duì)圖像選取地面控制點(diǎn)的 方法，每景圖像選取超過(guò)300個(gè)地面控制點(diǎn)，此外，根據(jù)實(shí)際調(diào)查時(shí)所獲取的衛(wèi)星差分GPS 控制點(diǎn)對(duì)整個(gè)圖像進(jìn)行了修正，經(jīng)過(guò)幾何糾正的圖像精度控制在一個(gè)像元之內(nèi)。
(2)目標(biāo)農(nóng)作物提取 利用2008年度3月27日、4月28日以及5月30日Landsat5 TM冬小麥生長(zhǎng)季遙 感圖像，以及2008年7月12日冬小麥?zhǔn)崭詈蟮倪b感圖像，采用決策樹(shù)分類法，對(duì)通州地區(qū) 冬小麥種植區(qū)進(jìn)行了提取。提取結(jié)果如圖3所示。
利用ENVI軟件分類后處理功能將該柵格數(shù)據(jù)轉(zhuǎn)換為矢量數(shù)據(jù)，結(jié)果如圖4所示。 其中，ENVI(The Environment for Visualizing Images)是美國(guó)ITT Visual Information Solutions公司的遙感圖像處理軟件。
(3)目標(biāo)農(nóng)作物地塊矢量數(shù)據(jù)的獲取 在ARCVIEW3. 3軟件中，通過(guò)與高分辨率衛(wèi)星遙感圖像目視解譯獲取的2006年北 京地區(qū)農(nóng)田劃分類型矢量圖進(jìn)行疊加切割運(yùn)算，獲取了比較精細(xì)的農(nóng)田地塊矢量邊界數(shù) 據(jù)，同時(shí)疊加2008年冬小麥遙感圖像提取信息。通過(guò)目視解譯，確定2008年北京通州地區(qū) 冬小麥種植地塊邊界。冬小麥地塊數(shù)據(jù)經(jīng)過(guò)修正后，如圖5所示。 通州地區(qū)2008年冬小麥種植地塊共1105塊，總面積為17791公頃(26. 7萬(wàn)畝)， 其中，面積小于10公頃(150畝)的小麥地塊有526塊，10-30公頃(150-450畝)的小麥地 塊有394塊，30-70公頃(450-1050畝)的小麥地塊有130塊，大于70公頃(1050畝)的小 麥地塊有2塊。 (4)對(duì)于每一地塊，利用VB結(jié)合GIS 二次開(kāi)發(fā)控件M0編程提取地塊所對(duì)應(yīng)所有像 元NDVI值，計(jì)算出該地塊不同時(shí)相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVIcv， 并將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中，生成作物光譜信息知識(shí)庫(kù)。
(5)基于地塊的作物長(zhǎng)勢(shì)均勻度指標(biāo)的確定 為了對(duì)所有地塊的長(zhǎng)勢(shì)情況進(jìn)行綜合考察，本研究根據(jù)同一時(shí)相所有地塊的變異 系數(shù)NDVIcv構(gòu)建了冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI (Growth Uniformity Index)根據(jù)該指數(shù)的 大小，評(píng)價(jià)不同地塊冬小麥的長(zhǎng)勢(shì)，GUI的定義如下所示，GUI的值介于0-1之間，GUI值越 大，說(shuō)明地塊長(zhǎng)勢(shì)越好，NDVI值高且長(zhǎng)勢(shì)越均勻。
節(jié)W
l《， (層W+層4r畫(huà))
其中， NDVIev是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)；
NDVICT min為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值；
NDVICT max為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值；
(6)生成作物光譜信息知識(shí)庫(kù)； 對(duì)于每一地塊，利用VB結(jié)合GIS 二次開(kāi)發(fā)控件M0編程提取地塊所對(duì)應(yīng)所有像元 NDVI值，計(jì)算出該地塊不同時(shí)相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVICT和 冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI,并將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中，生 成作物光譜信息知識(shí)庫(kù)。
(7)生成專題圖； 根據(jù)區(qū)域內(nèi)不同地塊不同時(shí)相作物長(zhǎng)勢(shì)均勻度專題圖。 本實(shí)例利用本發(fā)明提出的方法，實(shí)現(xiàn)了基于農(nóng)田地塊的農(nóng)作物長(zhǎng)勢(shì)均勻度的遙感 監(jiān)測(cè)，本發(fā)明提出的技術(shù)方案充分利用了遙感圖像數(shù)據(jù)能夠多次、瞬時(shí)、無(wú)損的獲取大范圍 "面狀"地物光譜信息的特點(diǎn)，針對(duì)自然地塊開(kāi)展作物長(zhǎng)勢(shì)均勻度的評(píng)價(jià)，克服了以往作物 長(zhǎng)勢(shì)均勻度的調(diào)查費(fèi)時(shí)費(fèi)力，效率低的缺點(diǎn)，在提高工作效率，減輕工作強(qiáng)度的同時(shí)，有效 的提高了大范圍作物長(zhǎng)勢(shì)均勻度監(jiān)測(cè)的準(zhǔn)確性與精度。
13
以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人 員來(lái)說(shuō)，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變型，這些改進(jìn)和變型 也應(yīng)視為本發(fā)明的保護(hù)范圍。
權(quán)利要求
一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其特征在于，包括遙感圖像處理模塊，所述遙感圖像處理模塊根據(jù)獲得的遙感圖像，對(duì)遙感圖像進(jìn)行輻射糾正、大氣糾正和幾何糾正；地塊矢量數(shù)據(jù)處理模塊，所述地塊矢量數(shù)據(jù)處理模塊根據(jù)對(duì)所述遙感圖像中的農(nóng)作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將分類后的遙感圖像中的柵格分類結(jié)果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；然后對(duì)所述空間分布圖的地塊邊界進(jìn)行修正；植被指數(shù)處理模塊，所述植被參數(shù)處理模塊根據(jù)所述遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)NDVI <mrow><mi>NDVI</mi><mo>=</mo><mfrac> <mrow><mo>(</mo><msub> <mi>R</mi> <mi>nir</mi></msub><mo>-</mo><msub> <mi>R</mi> <mi>red</mi></msub><mo>)</mo> </mrow> <mrow><mo>(</mo><msub> <mi>R</mi> <mi>nir</mi></msub><mo>+</mo><msub> <mi>R</mi> <mi>red</mi></msub><mo>)</mo> </mrow></mfrac> </mrow>其中，Rnir指遙感圖像的近紅外波段的反射率；Rred指遙感圖像的紅光波段的反射率；長(zhǎng)勢(shì)均勻度處理模塊，所述長(zhǎng)勢(shì)均勻度處理模塊根據(jù)植被指數(shù)NDVI計(jì)算該地塊的長(zhǎng)勢(shì)均勻度指數(shù)GUI； <mrow><mi>GUI</mi><mo>=</mo><mn>1</mn><mo>-</mo><mfrac> <msub><mi>NDVI</mi><mi>CV</mi> </msub> <mrow><mo>(</mo><msub> <mi>NDVI</mi> <mrow><mi>CV</mi><mi>min</mi> </mrow></msub><mo>+</mo><msub> <mi>NDVI</mi> <mrow><mi>CV</mi><mi>max</mi> </mrow></msub><mo>)</mo> </mrow></mfrac> </mrow>其中NDVICV是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)；NDVICVmin為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值；NDVICVmax為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。
2. 根據(jù)權(quán)利要求1所述的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其特征在于，所述地塊矢量數(shù) 據(jù)處理模塊包括空間分布圖處理子模塊，所述空間分布圖處理子模塊對(duì)所述遙感圖像中的農(nóng)作物進(jìn)行 分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；并將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀矢量 數(shù)據(jù)；土地利用數(shù)據(jù)處理子模塊；所述土地利用數(shù)據(jù)處理子模塊根據(jù)衛(wèi)星遙感圖像，對(duì)所述 遙感圖像進(jìn)行目視解譯獲取基于歷年數(shù)據(jù)的參考時(shí)相土地利用專題數(shù)據(jù)；地塊邊界處理子模塊，所述地塊邊界處理子模塊將所述面狀矢量數(shù)據(jù)和所述參考時(shí)相 土地利用專題數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法進(jìn)行切割后提取地塊邊界；并利 用本年的衛(wèi)星遙感圖像，通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1或2所述的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其特征在于，所述植被指數(shù) 處理模塊包括光譜特征處理子模塊，所述光譜特征處理子模塊提取所述地塊對(duì)應(yīng)的遙感數(shù)據(jù)，并根 據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波段光譜特征信息；植被參數(shù)處理子模塊，所述植被參數(shù)處理子模塊對(duì)光譜特征信息進(jìn)行波段運(yùn)算，獲取 植被參數(shù)NDVI ;(R 4~ R 、其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射率；波段計(jì)算子模塊，所述波段計(jì)算子模塊對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn)行波 段運(yùn)算，獲得遙感圖像的NDVI最小值，最大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVI『
4. 根據(jù)權(quán)利要求1所述的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其特征在于，所述裝置還包括 作物光譜信息模塊，所述作物光譜信息模塊針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所有像元NDVI值，計(jì)算出該地塊不同時(shí)相NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVICT 和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并將此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中， 生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。
5. 根據(jù)權(quán)利要求4所述的作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置，其特征在于，所述裝置還包括 專題圖制作模塊，所述專題圖制作模塊根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊的目標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。
6. —種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，包括步驟1、獲得衛(wèi)星遙感圖像，并針對(duì)所述衛(wèi)星遙感圖像進(jìn)行輻射糾正、大氣糾正和幾何 糾正；步驟2、對(duì)衛(wèi)星遙感圖像中的農(nóng)作物進(jìn)行分類，以獲得目標(biāo)農(nóng)作物的空間分布圖；步驟3、將空間分布圖中的柵格分類結(jié)果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；并對(duì)所述空間分布圖 進(jìn)行處理以對(duì)農(nóng)作物的地塊邊界進(jìn)行修正；步驟4、根據(jù)所述遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)NDVI : (R . — R》其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射率； 步驟5、根據(jù)每一地塊的植被指數(shù)NDVI計(jì)算長(zhǎng)勢(shì)均勻度指數(shù)GUI，藤F/觀=1——(JV廁麵+膠/(，麵) 其中NDVICT是每一地塊所對(duì)應(yīng)的NDVI的變異系數(shù)；NDVICTmin為同一時(shí)相所有地塊NDVI變異系數(shù)中的最小值；NDVICTmax為同一時(shí)相所有地塊NDVI變異系數(shù)中的最大值。
7. 根據(jù)權(quán)利要求6所述的一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，其特征在于，所述步驟3具 體為步驟31、將所述空間分布圖的柵格分類轉(zhuǎn)化為面狀矢量數(shù)據(jù)；步驟32、通過(guò)高分辨率衛(wèi)星遙感圖像，對(duì)歷年的遙感圖像進(jìn)行目視解譯獲取參考時(shí)相 土地利用專題數(shù)據(jù)；步驟33、將步驟31和步驟32所得數(shù)據(jù)疊加后，通過(guò)矢量圖層Intersect算法對(duì)步驟 31和步驟32所得的兩層矢量數(shù)據(jù)進(jìn)行切割后提取地塊邊界；并利用本年的衛(wèi)星遙感圖像， 通過(guò)目視解譯進(jìn)行地塊邊界修正，獲取最終農(nóng)作物地塊邊界數(shù)據(jù)。
8. 根據(jù)權(quán)利要求6或7所述的一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，其特征在于，所述步驟 4具體為步驟41 、提取地塊對(duì)應(yīng)的遙感數(shù)據(jù)，并根據(jù)遙感數(shù)據(jù)獲得農(nóng)作物不同時(shí)相、不同波段光 譜特征信息；步驟42、對(duì)光譜特征信息進(jìn)行波段運(yùn)算，獲取植被參數(shù)NDVI ; ('R — R '.)<formula>formula see original document page 4</formula>其中，指遙感圖像的近紅外波段的反射率；R^指遙感圖像的紅光波段的反射率； 步驟43、對(duì)不同時(shí)相、不同波段的，光譜特征信息進(jìn)行波段運(yùn)算，獲得NDVI最小值，最 大值，均值，標(biāo)準(zhǔn)偏差、變異系數(shù)NDVICT。
9. 根據(jù)權(quán)利要求6所述的一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，其特征在于，所述方法還 包括步驟6、針對(duì)每一地塊，提取該地塊所對(duì)應(yīng)所有像元NDVI值，計(jì)算出該地塊不同時(shí)相 NDVI最小值、最大值、均值、標(biāo)準(zhǔn)偏差及變異系數(shù)NDVIa和冬小麥長(zhǎng)勢(shì)均勻度指數(shù)GUI，并將 此信息以新的字段添加到地塊矢量文件對(duì)應(yīng)的記錄中，生成作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)。
10. 根據(jù)權(quán)利要求9所述的一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)方法，其特征在于，所述方法還 包括步驟7、根據(jù)所述作物光譜信息模塊生成的作物長(zhǎng)勢(shì)光譜信息知識(shí)庫(kù)，對(duì)所有地塊的目 標(biāo)農(nóng)作物的長(zhǎng)勢(shì)均勻度建立專題圖。
全文摘要
本發(fā)明公開(kāi)了一種作物長(zhǎng)勢(shì)均勻度的監(jiān)測(cè)裝置和方法，針對(duì)人工調(diào)查數(shù)據(jù)效率低的問(wèn)題。裝置包括遙感圖像處理模塊、地塊矢量數(shù)據(jù)處理模塊、植被指數(shù)處理模塊、長(zhǎng)勢(shì)均勻度處理模塊。方法包括獲得衛(wèi)星遙感圖像，針對(duì)衛(wèi)星遙感圖像進(jìn)行輻射糾正、大氣糾正和幾何糾正；對(duì)衛(wèi)星遙感圖像中的農(nóng)作物進(jìn)行分類，獲得空間分布圖；將空間分布圖中的柵格分類結(jié)果轉(zhuǎn)化為面狀矢量數(shù)據(jù)；并對(duì)所述空間分布圖進(jìn)行處理以對(duì)農(nóng)作物的地塊邊界進(jìn)行修正；根據(jù)所述遙感圖像中的地塊內(nèi)的光譜特征計(jì)算該地塊的植被指數(shù)根據(jù)每一地塊的植被指數(shù)計(jì)算長(zhǎng)勢(shì)均勻度度指數(shù)。本發(fā)明利用柵格與矢量數(shù)據(jù)一體化實(shí)現(xiàn)了針對(duì)自然地塊的農(nóng)作物長(zhǎng)勢(shì)均勻度監(jiān)測(cè)，發(fā)揮了遙感數(shù)據(jù)的優(yōu)勢(shì)。
文檔編號(hào)G01S17/00GK101699315SQ200910236520
公開(kāi)日2010年4月28日 申請(qǐng)日期2009年10月23日 優(yōu)先權(quán)日2009年10月23日
發(fā)明者宋曉宇, 常紅, 徐新剛, 李存軍, 楊小冬, 楊浩, 楊貴軍, 王紀(jì)華, 趙春江, 顧曉鶴, 黃文江 申請(qǐng)人:北京農(nóng)業(yè)信息技術(shù)研究中心