資源描述：
《基于遙感影像的作物生長監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第26卷第3期農(nóng)業(yè)工程學(xué)報Vol.26No.32010年3月TransactionsoftheCSAEMar.2010156基于遙感影像的作物生長監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)※姜曉劍，劉小軍，田永超，姜海燕，曹衛(wèi)星，朱艷（南京農(nóng)業(yè)大學(xué)江蘇省信息農(nóng)業(yè)高技術(shù)研究重點實驗室，南京210095）摘要：利用遙感監(jiān)測技術(shù)實時快速地獲取作物長勢參數(shù)和氮素營養(yǎng)狀況，可以為作物的精確管理提供決策支持。在已有作物（小麥和水稻）生長監(jiān)測模型的基礎(chǔ)上，采用GDAL和GDI+信息處理方法，使用EM算法對反演的作物長勢參數(shù)進(jìn)行聚類分析，在Microsoft.NET平臺上構(gòu)建
2、基于聚類分析和遙感影像的網(wǎng)絡(luò)化作物生長監(jiān)測系統(tǒng)。系統(tǒng)具有常見格式遙感影像讀取、遙感信息提取、作物長勢參數(shù)反演、聚類分析、專題圖制作以及信息發(fā)布等功能，并以江蘇省方強農(nóng)場為案例區(qū)，對系統(tǒng)的部分功能進(jìn)行了測試與檢驗。結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確的讀取遙感影像信息，反演作物生長參數(shù)，并可根據(jù)聚類分析結(jié)果自動制作專題圖，通過互聯(lián)網(wǎng)予以發(fā)布，從而初步突破了用戶無法直接參與遙感影像分析過程的瓶頸，為區(qū)域尺度的作物生長監(jiān)測和精確管理調(diào)控提供了決策支持。關(guān)鍵詞：農(nóng)作物，遙感，聚類分析，生長監(jiān)測，反演doi：10.3969/j.issn.1002-6819.2
3、010.03.027中圖分類號：S127文獻(xiàn)標(biāo)識碼：A文章編號：1002-6819(2010)-03-0156-07姜曉劍，劉小軍，田永超，等.基于遙感影像的作物生長監(jiān)測系統(tǒng)的設(shè)計與實現(xiàn)[J].農(nóng)業(yè)工程學(xué)報，2010，26(3)：156－162.JiangXiaojian,LiuXiaojun,TianYongchao,etal.Designandimplementationofremotesensingimage-basedcropgrowthmonitoringsystem[J].TransactionsoftheCSAE,2010,
4、26(3):－.(inChinesewithEnglishabstract)類分析已成為數(shù)據(jù)挖掘的主要方法之一，同時也是遙感0引言[14-15]影像數(shù)據(jù)挖掘的有效方法，結(jié)合數(shù)據(jù)庫技術(shù)和機器遙感影像包含豐富的信息，可以快速、無損、實時、學(xué)習(xí)，能夠快捷、自動地對遙感影像中的海量信息進(jìn)行大范圍地監(jiān)測農(nóng)作物的長勢、產(chǎn)量和品質(zhì)。利用數(shù)據(jù)挖抽取和提煉。本研究擬在課題組已有作物生長監(jiān)測模型掘技術(shù)對遙感影像進(jìn)行分析和處理，可以有效地分析、[16-19]的基礎(chǔ)上，綜合運用數(shù)據(jù)庫技術(shù)、聚類分析技術(shù)和抽取遙感影像海量信息中的特征信息，結(jié)合網(wǎng)絡(luò)對信息遙感影像處理
5、技術(shù)等，構(gòu)建基于聚類分析和遙感影像的進(jìn)行發(fā)布和共享，可以為區(qū)域尺度的作物精確管理提供網(wǎng)絡(luò)化作物生長監(jiān)測系統(tǒng)，實現(xiàn)遙感影像數(shù)據(jù)的自動處可靠的決策支持。為了從遙感影像中提取有用信息，國理，用戶可通過網(wǎng)絡(luò)參與分析遙感影像包含的作物長勢內(nèi)外已經(jīng)建立了許多已投入運行的農(nóng)作物遙感監(jiān)測系信息，為區(qū)域尺度的作物生長監(jiān)測和精確管理調(diào)控提供[1-4]統(tǒng)，然而這些監(jiān)測系統(tǒng)大多數(shù)基于Client/Server架構(gòu)，決策支持。主要功能模塊依賴于商業(yè)遙感影像處理平臺（如IDL），1系統(tǒng)的設(shè)計與實現(xiàn)并在客戶端運行，因此遙感影像的分析處理難以和普通用戶形成有效的互動，無
6、法及時、廣泛的共享和發(fā)布遙1.1系統(tǒng)結(jié)構(gòu)設(shè)計感信息。同時遙感影像包含的信息量巨大，如何對其信系統(tǒng)采用Browser/Server架構(gòu)，主要包括數(shù)據(jù)層、業(yè)息進(jìn)行有效的分析、處理、共享和傳輸，成為制約遙感務(wù)邏輯層和表現(xiàn)層，Web服務(wù)器使用因特網(wǎng)信息服務(wù)技術(shù)廣泛應(yīng)用的瓶頸之一。聚類算法，如EM（expectation（internetinformationservices，IIS）。其中數(shù)據(jù)層由數(shù)據(jù)maximization，期望最大化）、K-means（K均值）等，已庫組成，主要用于遙感影像及其反演數(shù)據(jù)的存儲和管理；成為圖像識別中常用的算法，在
7、遙感影像分類中得到了業(yè)務(wù)邏輯層由作物（小麥和水稻）生長監(jiān)測模型、聚類[5-12]廣泛的應(yīng)用。聚類分析可以在沒有任何先驗知識的情分析模塊和遙感影像處理模塊組成，主要提供遙感影像況下，抽取特征信息，對具有海量信息的遙感影像數(shù)據(jù)反演計算和專題圖制作的功能；表現(xiàn)層由ASP.NET頁面[13]進(jìn)行概括性的描述。隨著計算機硬件技術(shù)的發(fā)展，聚組成，包含圖像顯示控件和用戶交互控件，主要提供圖像顯示、用戶請求處理等功能。具體的系統(tǒng)結(jié)構(gòu)與流程收稿日期：2009-09-21修訂日期：2010-02-28見圖1?；痦椖浚航逃啃率兰o(jì)優(yōu)秀人才支持計劃（NCET-
8、08-0797）；國家自然科1.1.1數(shù)據(jù)層學(xué)基金（30871448）；江蘇省自然科學(xué)基金（BK2008330）；江蘇省創(chuàng)新學(xué)者攀登計劃（BK20081479）資助數(shù)據(jù)層即數(shù)據(jù)庫服務(wù)層，采用M
