作物长势监测与分析建设方案文档格式.docx
- 文档编号:17351260
- 上传时间:2022-12-01
- 格式:DOCX
- 页数:7
- 大小:92.76KB
作物长势监测与分析建设方案文档格式.docx
《作物长势监测与分析建设方案文档格式.docx》由会员分享,可在线阅读,更多相关《作物长势监测与分析建设方案文档格式.docx(7页珍藏版)》请在冰豆网上搜索。
人们从实践中积累了许多判断植物生长情况的知识,如还可以根据叶片颜色判断水分情况,根据叶片、茎秆上的斑点异状判断病虫害。
人工观察法简单易行,能对密集的植物内部及不同高度部位进行观察,观察全而,但耗费大量人力,效率低下。
另外,需要观察者有丰富的经验和农作物知识,并且一般只能给出定性的结论,观察结果的主观性强,也不适于大而积监测。
2、遥感监测
作物长势遥感监测是建立在绿色植物光谱理论基础上的。
根据绿色植物对光谱的反射特性,在可见光部分有强的吸收带,近红外部分有强的反射峰,从而反映岀作物生长信息,进而判断作物的生长状况,进行长势的监测。
作物长势遥感监测指对作物的苗情、生长状况及其变化的宏观监测。
目前大都是采用陆地卫星遥感数据和甚高分辨率气象遥感数据,同时发展了用高光谱卫星遥感和雷达遥感监测作物长势。
对拍摄的图片进行处理,提取作物长势遥感指标:
叶而积指数、叶绿素含量、归一化植被指数等,判断作物生长状态,及早发现营养元素亏缺及病虫害情况,从而采取积极有效的措施。
利用植物叶片反射光谱与叶片叶绿素含量成比例的原理,引入新的算法使叶绿素量估测误差小于,进而使植物的长势得到更好的监测。
采用微波遥感监测高粱等参数来侦察害虫,发现总叶绿素的含量有助于估测虫害。
随着技术的进一步发展,遥感技术和其它技术结合,对作物的监测方法做了很多改进,提高了监测的精度。
遥感技术与3S技术结合,能实现对植物长势的空间信息系统从数据获取到数据处理以及信息生成的自动化监测,从而实现大规模的运行,同时提高监测精度,取得理想的效果,显示出巨大的优越性。
3、机器视觉与数字图像处理
随着计算机图像处理系统、图像采集部件ccd摄像机和数码摄像机的发展,而且计算机图像有着比人眼精细的分辨能力,因此计算机图像处理和图像分析的方法也逐步被用于作物长势诊断。
许多学者应用机器视觉技术对作物生长状况进行监测。
这种方法是在种植区安装ccd摄像头对作物实施实时监测,所以适宜于中小面积地面监测,在大棚中的监测效果尤为显著。
这种监测得到的数据通过图像处理方法处理后不仅可以提取反映生长状况的叶面积指数(LAI),还可以提取一些农作物个体特征如株高、茎粗、叶片数等及群体特征如株距、行距等信息。
数字图像处理技术在作物生产和科研的信息采集方面具有信息量大、速度快、精度高等显著的特点和优势,并能解决一些手工测定难以解决的问题。
可避免传统方法中由于人与人之间的认识差异及视觉疲劳带来的影响,在节约劳动力、降低人的判断主观性方面有很大的潜力。
与遥感方法比较,它能够监测植物的某些个体特征、群体特征,可以监测小面积范围内的作物长势,因此可以与卫星遥感监测技术结合来弥补各自监测的不足。
4、远程监测
远程监测主要采用CCD摄像机,通过有线电缆、无线局域网或商业移动通讯网络将摄像机拍到的远程图像传输到控制中心,控制中心对图像进行处理,提取反映长势状况的农学参数。
目前用CCD摄像机远程监测植物长势的研究还比较少,大多采用植物远程生理监视技术,植物远程生理监视技术通过在植株体上安装各种探头,监测某些环境因子和植物生理指标的变化。
赵晓勤等利用植物远程监测系统对荔枝园中的大气温湿度、土壤湿度、光照强度、大气蒸汽压差等环境因子和茎秆直径微变化、果实生长、叶片温度等树体生理指标进行了监测,发现该系统能准确及时无伤害地记录它们的实时和周期性变化。
远程监测技术主要优点是准确及时、高效、无伤害等,并且结合远程监控,大大减少了人力劳动,提高了工作效率,但监测的范围受限制。
三、系统功能
1、长势监测设备
系统采用农业信息化中心最新研制的作物长势监测仪CropSense作为作物长势监测的设备。
作物生长监测仪CropSense是一款基于双通道咼通暈光谱信号的便携式作物长势健康分析诊断仪器,用户可手持仪器在野外直接采集作物冠层在红光和近红外波段处的入射光强和反射光强,仪器的正而如图所示。
与其他光谱传感器相比,此仪器尺寸小、重量轻、便于携带,具体参数见表lo除此之外,表2为CropSense所测光谱数据与美国SRS-NDVI归一化植被指数测量仪测得的光强数据的对比,对两组数据进行回归分析,相关系数R2达到0.97,测试数据表明Cropsense的测量精度较高。
目前,CropSense己在定点试用和逐步推广中,是家庭农场、合作社、农业企业等新型农业经营主体和农技推广、农业调查等政府部门快速获取作物长势健康状态的一款高性能产品。
表1CropSense性能指标:
tiSftf2:
65(hm.«
l0nm光谓倚施:
+/-10nm植定件:
+/-3%反财率区间:
陀、W0%检波器:
光他二较管祕场也附:
观测怕仝足传寒能奇于冠圧高岌的一半
K寸包裝箱尺寸;
34cmx27cnix15cm仪2X尺寸:
I4<
niI」cm
$iil光常拣头:
】3理便携式数M分析终獭230g
故抠采集存储16fvttW储•刚貉尢线传埔存倘
表2CropSense与SRS-XDVI部分地物NDVI对比表:
地物
柏润路
水泥ft!
冬音
草(疏)
枯臣
棵土
小麦冊}
小如密)
小故苗}
井盖(铁〉
估苗
Crop-
Svnsc
0.0062
0.0200
0.5561
0.3905
0.1744
00055
0.3870
0.5557
0.2304
0.0147
0.2682
SRS・
NDVI
0.0948
0.0608
0.S695
0.6322
0.2742
01324
0.7160
0.^289
0.5055
0.09W
0.5235
2、长势监测管理系统
整体框架:
系统的软件部分采用客户机和服务器结构(Client-Server,C/S结构)开发设计,包插客户端应用层、网络服务层和数据存储层三部分,系统架构如图所示。
Android客户端
At'
cGISRuntimeSDKforAndroid
客户端应用层
a
ArcGISServer
Tomcat
J网络服务层
ArcSDE
SQLServer
」数据存储层
•---
(1)客户端应用层:
负责用户与传感器交互,采集作物的光谱数据和图像数据,利用模型计算归一化植被指数(NormalizedVegetationIn-dex,XDVI)并依据遥感模型反演作物参数;
通过与网络服务层交互,上传采集的参数及计算的参量,并接收网络服务层生成的遥感监测专题图和推荐施肥处方专题图。
(2)网络服务层:
负责移动端与数据存储层的交互。
网络服务层建立初始的作物遥感反演模型并推送至注册的手机APP中,将移动端上传的地块边界、测量数据、反演参数等依据反演模型生成各专题图并推送至移动端;
最终将接收的移动端数据及专题图数据等上传至数据存储层。
网络服务层使用由Tomcat发布的基于JavaServlet技术开发的Web服务为移动端处理数据、更新作物生长状况辅助数据、模型及软件,通过解析Json格式文件,实现移动端与数据存储层的数据交互过程oTomcat服务器是一个免费的开放源代码的Web应用服务器,属于轻量级应用服务器,适用于中小型应用。
Json是一种轻量级的数据交换格式,层次结构简洁、清晰,易于机器解析和生成,可有效地提升网络传输效率。
空间可视化服务则通过ArcGISServer支持,为移动端提供地图可视化服务及空间数据处理功能等。
ArcGISRuntimeSDKforAndroid是Android设备开发工具,用户可以通过此工具构建木地应用程序,并为应用提供强大的空间分析、可视化功能。
(3)数据存储层:
存储、管理系统所需要的数据,包括空间数据和属性数据。
其中,属性数据直接存储在SQLServer,空间数据则通过Arc■GIS的空间数据引擎(ArcSDE)存储于SQLServer中。
本系统所设计的业务逻辑主要如下。
用户针对某一季作物提出整体采样方案,整个方案周期为播种时间到收获时间,属性包扌舌种植作物信息、累计进行采样事件的次数等。
其中一个方案周期内含有多个采集活动(至少每个生育期有一次)。
执行每一次采样活动,记录此次采样过程中的所有的采样点及其所采集到的信息。
同时在采样活动进行时,可参考同一个方案内其它历史采样时间的活动轨迹。
一次采集活动只会有一个活动轨迹。
针对所有采样方案的数据管理:
在方案列表界面选择目标方案,可查看所有该方案内执行的采集活动,点击目标采集活动,可查看该次活动的活动轨迹或者采集的所有数据。
功能模块:
通过蓝牙将CropSense和数据采集与分析系统(简称APP)进行连接,从而将CropSense获取的光学数据传送至APP。
APP接收到数据后,根据遥感反演模型计算相应的作物参数,并将测量数据和所得参数发送到服务器进行插值分析并生成专题图,最终通过Android终端显示所得参数及专题图。
系统的功能主要分为用户设置、采集管理、参数管理及分析和服务管理四个模块,其中系统的移动端主要负责用户设置和采集管理,服务端主要提供服务管理,二者均可支持参数管理及分析。
>用户设置
用户设置包括用户管理和系统设置,用于用户信息管理和作物采集前的参数设置。
用户管理主要指用户管理个人信息、绑定硬件、标注数据及活动事件等;
系统设置是用户进行数据采集工作之前连接硬件、选择采集路线、设置作物类型及生育期等操作。
>釆集管理
采集管理主要包括采样点规划和数据采集。
采样点规划:
主要根据工作人员的农场采样需求和作物的生长周期规划一条推荐的采样点分布方案以及采样时间节点。
根据系统推荐的采样点规划方案给工作人员提供路线和采样点导航,方便工作人员快速找到己确定好的采样点。
数据采集:
主要用来采集传感器所测得的光谱数据、采样点的位置信息以及采样点的作物冠层图像信息。
>参数管理及分析
系统涉及的参数主要包括NDVI、叶面积指数(LeafAreaIndex,LAI)>植被覆盖度(Frac-tionalVegetationCover,FVC)、叶绿素含量(Cab).产量(Yield)以及推荐施用氮肥量(Nc)等。
移动端和服务端均支持参数管理及分析功能,其中移动端的功能以木地数据的增删查改、采样点参数处理和数据分享为主,服务端的数据管理主要是利用后台服务器处理、分析移动端采集的数据,
理的技术路线如图所示。
移动端:
(1)查看、删除或修改已制定的采集方案、己采集的数据等;
(2)以csv格式将数据分享给其他用户;
(3)处理与分析本地已采集的数据,包括样点作物的光谱数据和冠层图像数据;
(4)上传本地数据至服务端,请求服务端的历史数据,数据以Json格式传输。
服务端:
(1)解析移动端上传的Json文件,将数据存储于数据库中,并根据移动端的请求,将数据库中的历史数据发送至移动端;
(2)联合分析移动端采样点的光谱数据和冠层图像,并生成专题图,如农作物生长状况分布图、推荐氮分布图等。
>服务管理
服务管理分为GIS服务、模型服务和软件服务三部分,其中GIS服务主要用于支持地理位置相关的服务,模型服务为数据处理模型的存储与更新,软件服务为移动端软件的更新。
GIS服务是基于ArcGISServer实现的,为系统提供底图数据和
GIS功能上的支持,主要包括以下内容:
(1)基础底图数据:
采用ESRI公共服务中的全球影像数据er)服务作为数据源,为移动客户端提供可视化的农场底图。
(2)要素服务(FeatureServer):
将农场地块图层发布为ArcGIS
Server要素服务,用于编辑和存储农场边界和属性信息。
该图层坐标系需与基础影像数据坐标系一致。
(3)GP服务(GPServer):
即Geoprocess-ing服务,ArcGIS工具之一,用于发布支持作物长势数据插值处理、地块格网化和统计单位格网数据值等。
模型服务是系统对数据处理和分析使用的模型,包括作物参数计算模型和图像处理模型。
服务端的模型服务主要用于存储和更新上述模型并实时推送最新模型至移动端。
四、系统特点
(1)使用本系统可提高田间数据采集效率和正确率,解决了手动记录数据和携带传统光谱仪带来的一系列问题;
(2)折线图和作物长势专题图可以直观地表现当前作物的生长情况,用户采集完数据即可实时查看,时效性强;
(3)推荐氮肥分布专题图改善了传统施肥没有针对性的缺点,使用推荐氮分布图可以辅助用户进行变量施肥,减少了农耕成本。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 作物 长势 监测 分析 建设 方案