基于遥感数据与地理信息系统的农田参照点筛选方法与流程

本发明具体涉及一种合成孔径雷达和激光雷达综合使用的地面遥感地面参照信息收集方法。

技术背景

rs(遥感)技术对粮食地面信息采集具有全覆盖、及时、客观等特点，在农业部门政策制定和规划中得到了越来越广泛的应用，创造了良好的社会和经济效益。我国近年来，大量研究建立了各种遥感农作物单位面积产量估算的模型，这些模型考虑了气象因素、农作物生长过程等，遥感数据则作为作物估产模型的直接或间接输入参数之一。利用遥感在农业上的进行农作物识别和面积提取、农作物生长状况监测、土壤湿度提取和产量估算等方面。而随着航天技术和遥感技术的发展，越来越多的多角度、多波段、多极化的数据被获取。然而，目前的粮食作物遥感测量存没有一套流畅的业务流能够满足业务测量的需要，对测量人员的专业素质要求高，因此难以被非专业工作人员掌握；针对粮食作物测量中采用的海量空间数据，缺乏有效管理和分析。

gis(地理资讯系统)是一门综合性学科，结合地理学与地图学，已经广泛的应用在不同的领域，是用于输入、存储、查询、分析和显示地理数据的计算机系统。gis属于信息系统的一类，不同在于它能运作和处理地理参照数据。地理参照数据描述地球表面(包括大气层和较浅的地表下空间)空间要素的位置和属性，在gis中的两种地理数据成分：空间数据，与空间要素几何特性有关；属性数据，提供空间要素的信息。而gis对我国的精准农业发展有着极大的意义。精准农业是由信息技术支持的根据空间变异，定位、定时、定量地实施一整套现代化农事操作技术与管理的系统，其核心是建立一个完善的农田gis。该农田gis系统可根据作物生长的土壤性状确定农作物的生产目标，调节对作物的投入，高效地利用各类农业资源，取得经济效益和环境效益。而实施“精准农业”经营的重要保障就是对农作物重大病虫害数字化监测预警，这是判断一个国家现代农业发展水平的重要标准之一。

multispectralscanner(光谱扫描仪)

lidar(激光雷达)是一种集激光、全球定位系统gis和惯性导航系统技术于一身的用于快速获取地面及地面目标三维空间信息的主动式光学遥感器，在近十年内，激光雷达测图在地形测绘、环境监测、三维城市建模等诸多领域得到了广泛应用。由于激光雷达能够穿透森林冠层获取森林三维结构特征信息，弥补被动光学遥感数据的不足，因而在植被垂直结构参数获取方面得到了广泛应用。机载激光雷达技术，是一种通过位置、距离、角度等观测数据直接获取对象表面点的三维坐标，实现地表信息提取和三维场景重建的对地观测技术。机载激光雷达系统集成了gps、imu；激光扫描仪、数码相机等光谱成像设备。其中主动传感系统(激光扫描仪)利用返回的脉冲获取目标高分辨率的距离、坡度、粗糙度和反射率等信息，而被动光电成像技术(数码相机)可获取目标的数字成像信息，经过地面的信息处理而生成逐个地面采样点的三维坐标，最后经过综合处理而得到沿一定条带的地面区域三维定位与成像结果，如高密度点云数据、高分辨率数字正射影像、各种数字地形模型、表面模型、大比例尺地形图等。

技术实现要素：

本法发明的目的是提供一种基于遥感数据与地理信息系统的农田参照点确定方法参照点筛选方法。通过本发明提供的方法可以实现对粮田统计和管理，降低粮田信息收集的作业量，提高粮田作业活动的反应速度，改进人力和财力资源的管理，并且形成最优的作业方案，从而达到利用遥感技术和数据挖掘方法提高农业生产效率的目标。

本专利所述方法包括：

1.3s(rs、.gis\ins)的协同工作，其工作框架如图1所示：

飞机前置lidar和多光谱扫描仪遥感系统，gps\ins需要将遥感影像获取瞬间的空间位置(x,y,z)和传感器姿态(u、x、j)用同步记录下来，互为补偿运动中可能的失锁和其它系统误差。即gps\ins和gis终端安装在机内，并通过无线网络访问gis远程数据库。gps\ins为lidar和多光谱扫描仪提供空间位置参数、传感器姿势参数和时间参数；机翼两侧的遥感器分别记录参考点左右的遥感数据，通过与原有gis系统的远程数据库中的数据作比较，实现实地检测粮田变化、更新农图数据和自动导航监测的功能，用户通过gis提供的信息发布接口访问所需的信息

2.整个农图绘制的基本流程如图2所示：

采用图2中的机载多光谱扫描仪(1)和机载lidar遥感器(2)同时对粮田同步遥感，以达到多遥感器融合制图、提高制图精确度的目的：对得1m全色影像数据、4m多光谱像数据和1m空间分辨率的lidar数据，采用glcm算法(1.1)对1m1全色影像数据进行处理得到粮田冠层的纹理特征，利用sfim算法(1.2)对1m全色影像数据和4m多光谱像数据合成得到增强的光谱图像，对lidar遥感器⑵得到的1m空间分辨率的lidar数据进行预处理(2.1)分离出第一回波层和地面回波层，对两者进行lidar强度影像处理(2.2)得到lidar高程影像，根据经验得到的阈值对此做数字阈值分割(2.3)产生lidar专题层；采用mrs算法(3)依据经验分割参数对纹理特征数据层影像、增强的多光谱影像和lidar数据专题层合成，得到高精度高信息量的待筛选农图，采用基于知识规则的模糊逻辑分类器进行分方法(4)对粮田poi进行筛选，知识规则有基于ndvi的叶片氮含量筛选、土壤有机物含量筛选和土壤湿度筛选，绘制不同poi类型的遥感图像，最终采用多边形综合(5)修正农图中的建筑物和道路等地面信息得到粮田的作物生长信息实时监测农图。

附图说明

图1rs、gis和gps/ins的协同工作示意图

图2农业遥感流程图

图3ndvi粮田种类判断参照表

图4基于知识规则的模糊逻辑分类器进行分类。

技术特征：

技术总结
本发明是一种结合高分辨率多光谱扫描仪影像和激光雷达LiDAR数据，结合多光谱的地物精细结构特征、色调特征和LiDAR高程数字模型，实现的一种粮田地面参照点筛选的方法。该方法属于遥感和数据挖掘领域，该方法为：通过机载多光谱扫描仪和对农田进行扫描，分别提取粮田的粮田丰富的Y颜色信息影像和地面地物的空间结构细节信息高分辨率影像，通过影像的融合增强、影像分割和分类方法，快速构建区域农图，并且做出筛选。与现有的技术相比，通过多光谱扫描仪和激光雷达对绘制粮田农图，提高了农图的准确性和有用性。与通过单一方式进行遥感相比，基于遥感数据与地理信息系统的粮田地面参照点筛选方法为农田位置信息、气象信息、粮田土壤有机物构成信息、粮田地下土壤湿度信息、作物长势信息的监：控集成提供了平台。

技术研发人员：李寿乐
受保护的技术使用者：天津市矩辉数据科技有限公司
技术研发日：2016.12.11
技术公布日：2017.08.18