作物光譜信息管理系統的設計與實現

發布時間：2023-08-02 13:53

1文獻綜述

1.1研究背景與意義

農業生產是實現全面小康社會和國家現代化的基礎條件，它對我國經濟的發展至關重要。隨著工業發展的不斷加快與城鎮化推進等因素的影響，我國農用耕地的面積慢慢減少，要保障糧食產量與安全就必須將農業與現代社會信息技術緊密結合起來，大力發展農業信息化技術。

河南省是一個農業大省，雖然其耕地面積只是占全國總量的十六分之一，但農村人口多，農民比例大，在農業耕作方面屬于密集型耕種，每年的平均糧食產量是全國總糧食產量的十分之一，水稻、玉米以及小麥等是河南省糧食作物的主要種植類型，這足以說明河南省為國家糧食生產所做出的巨大貢獻［1］，但同時也說明了河南省農業發展所面臨的問題，即人口壓力以及土地資源稀缺等，就全國水平來說，河南省的人均耕地僅為0. 07公頃，比全國平均值低0. 093公頃，且呈現出每年遞減的趨勢。河南省在農業生產方面也存在較大的問題，一是不合理的化學結構以及不科學的施肥方式，既導致化肥使用效率低造成的資源浪費，又致使生態環境變得更為惡劣，致使地下水環境被嚴重破壞；二是水資源嚴重短缺，由于季節的原因以及區域原因，河南省的水資源總量不足全國的1.42%，人均水資源量不到全國平均水平的五分之一，水資源嚴重短缺。要保障糧食作物的穩步增長，還需要引進先進的農業生產技術［2］。

近年來，遙感技術在農業領域的使用范圍逐漸擴大，其影響范圍廣、使用效率高等特點在預告農業災害、調查農業信息數據以及監測農作物生長動態等方面具有顯著的成果［3-5］，目前已廣泛運用于農業生產中。遙感技術在農業生產方面的研究主要側重于在遙感圖像、地面實測光譜數據的基礎上，監測農作物的生長狀況、種植面積、病蟲害災害信息等［6,7］，在農作物監測中的運用不僅有助于實施監控農作物動態，獲取農作物信息，還能優化耕地資源的空間分布，幫助挖掘具有潛力的耕地資源，在提高農業生產總量以及糧食作物安全等方面具有重要的作用［2］，為農業生產提供更多更優質的服務。然而，現有遙感應用研究中獲取了海量的光譜數據，如何規范、有效地利用這些數據成為了一項值得探討的課題。

信息處理技術具有很高的精確度，可以利用計算機技術處理大量的信息。隨著“河南省小麥生長指標光譜檢測技術體系的示范”項目的開展，積累了大量的不同來源的農作物地面高光譜數據、衛星遙感數據、農作物理化數據以及實驗環境數據，急需對這些數據進行整理并加以利用。利用信息處理技術對這些數據進行管理，建立光譜信息管理系統，對于光譜數據的儲存安全以及穩定性等都有重要作用，同時還能在系統功能模塊有效實現對光譜數據的合理運用［8］，因此，要切實推進本項目的研究就需要制定一款系統的完善的作物光譜信息管理系統。

本研究是信息處理技術在農業生產中的應用集成，結合多源的地面高光譜數據和遙感影像數據來構建作物光譜信息管理系統。將不同來源、格式的地面高光譜數據和衛星影像數據進行標準化處理和分析，使其符合入庫規范，而后將光譜信息保存到數據庫中，可以為研究部門提供對河南區域作物光譜數據的檢索、查詢和統計等功能以及通暢的信息流動渠道，最大限度地發揮信息技術的潛力，提高了研究的及時性、正確性,相較于以往的遙感應用研究，數據來源更加多樣化、數據信息更加細致化，為河南區域大田作物管理宏觀調控提供信息支持，為同類技術在農業中的應用提供參考，同時也為今后的農業信息化領域的發展提供思路。

1.2遙感技術及其在農業中的應用

1.2.1遙感技術概述

遙感技術是20世紀60年代在高新技術驅動下，發展最為迅速的一種對地觀測的綜合性技術，它利用探測儀在不接觸探測目標的情況下，對目標實行電磁波特性探測，通過分析，將目標物體的特征性質進行揭示［9］。所有的物體都有自己獨有的光譜特性，不同的地物表面對不同波長電磁波的吸收、反射特性、輻射光譜性能也是不同的，即使是同一個物體，在不同時間、地點，因為外界因素影響，吸收、反射的光譜也不一定完全相同，遙感技術就是根據這種規律，對物體進行識別。

遙感技術的組成設備較多，其中包括遙感器、信息傳輸設備與圖像處理設備等，在這些設備的基礎上實現快速的、動態的、大面積的信息收集工作，因此遙感技術被廣泛的用在導彈報警、農作物病蟲害監測、估測作物產量以及海洋監測等方面［10,11］。根據不同的角度對遙感進行分類有很多種不同的方式，例如按照遙感平臺的高度進行分類主要包括：地面遙感、航天遙感、航空遙感。當今社會已全面進入信息化時代，經過長時間的發展，遙感技術的組成設備、遙感信息處理技術、遙感的應用，都在快速的發展著，實現了遙感信息處理以及遙感技術應用等多方面的運用［12-15］，在氣候監測、地質勘探以及軍事監測等方面都有重要的意義［16-21］。

1.2.2遙感在農業中的應用與存在的問題

遙感技術因為自身的特點在精準農業中的運用已經非常普遍，利用地面遙感、無人機遙感、衛星遙感對光譜信息進行獲取，使其在農業生產中能夠更好的實現監測農作物的生長情況等［22］，推動了我國精準農業的發展，讓我們國家在糧食安全等方面都有了重要的保障［23］。遙感在農業中的應用主要包含以下幾方面。

1.2.2.1作物長勢監測

在遙感對作物進行了大面積監測的情況下發現，作物生長的時候，作物的葉面積指數、反射率以及葉片顏色在遙感監測下都會發生改變。不同水含水量和作物長勢情況直接影響到反射率的變化。可以根據反射率的變化分析植物生長期內的光譜值或植被指數大小，從而分析出作物的長勢情況。

不同營養水平對植物會有不同的影響，劉淼對正在生長的營養水平不同的冬小麥進行了詳細的比較分析，記錄了冬小麥各個營養情況下的冠層光譜及其葉綠素、植株含水率、葉面積指數和生物量干重等變化特征數據，并為了達到光譜數據對這些生理化參數進行反演，進行了一系列的嘗試，尋找最合適的光譜參數。這些研究可以作為以后實時動態監測作物生長狀況的依據［24］。

金秀良等人在新疆做了大量的比對試驗，研究了棉花主產區在不同的種植密度和水分含量不同的情況下，棉花整個生長周期、葉面積指數與光譜特征參數的變化存在的聯系。經過長期的觀察試驗，初步判斷棉花的生長變化確實會影響光譜特征參數的變化，并且遙感監測模型可以很好的對棉花生長進行監測［25］。

農作物生長變化的實時監測的意義體現在糧食安全與估測農作物產量等多方面，在農業生產中是必不可少的［23］。

1.2.2.2作物估產

對農作物進行產量估算基本上依靠的是在衛星上安裝的遙感器，通過遙感器可以掌握農作物在不同時期的光譜特征參數，從而推斷出農作物在不同時期的生長狀態，因為農作物在不同時期的生長狀態對應不同的光譜特征，利用此原理可以估測農作物的產量［23］。

鄒楊慶對多年生長的柑橘樹進行了詳細的研究分析。他通過ASD手持光譜儀對柑橘林冠層的光譜信息進行大量的采集，從而探討了柑橘光譜數據變化是否與柑橘產量之間存在著某種聯系。此外，他還將農學中對柑橘產量構成影響的因素考慮在其中，通過一系列的研究分析，建立了兼有高光譜數據和農學數據的柑橘產量估算模型。表明遙感技術在農業生產中有很大的應用價值［26］。

高鑫通過對不同種類、土壤等生長條件的玉米冠層和葉片的光譜特征進行長期的研究，分析了二者與對照的LAI、SPAD值、葉片含氮量、玉米產量等之間的聯系，同時對4個理化指標的的敏感波段進行確定，最終通過光譜指數等建立了性能良好的遙感估算模型。主要是對作物的植被指數、葉片含氮量、產量等進行估測［27］。

1.2.2.3災害監測

農業生產最重視的就是對自然災害的監測。在農業生產中，自然災害帶來的損失是難以估計的，比如病蟲災害、洪澇災害等。近幾年來，科研學者利用遙感技術對農業生產進行災害監測的研究已經取得了顯著成效。袁琳研究的就是遙感技術監測病蟲災過程中時常出現的光譜混淆的問題，研究對象是三種北方常見且具有典型特征的病蟲害，分別是小麥白粉病、條銹病、蚜蟲害，通過分析三種病蟲害的高光譜數據，找到三種病蟲害在不同尺度上對應的光譜特征以及光譜差異，在此基礎上進一步研究確定了辨別三種病蟲害的方法和區分模型，推動了遙感技術在辨別病蟲害等方面的發展［28］；2011年五月至九月份，王梅利用遙感技術對煙草病害進行研究，主要研究區域在山東省臨沂市費縣煙田，利用ASD野外手持式高光譜儀對受病害的煙草葉和冠層光譜進行測定，獲得了不同病害程度的光譜特征數據，將獲得的病害煙草葉光譜和健康煙草葉光譜進行比對分析，從而確定了病害煙草葉的敏感波段，在此基礎上建立了診斷病害程度的分析模型，為監測煙草的病害程度奠定了數據基礎［29］。

1.2.2.4存在的問題

眾所周知，在農業領域遙感技術得到了廣泛的普及，改善了很多農業問題，但其實遙感技術在農業中的應用還存在很多問題需要解決，尤其是以下幾方面：

①農業遙感應用的信息資源有限，數據信息需要高度整合；

②遙感研究目前精度不高，應該將地理信息系統、全球定位系統、遙感技術高度結合起來；

③很多研究部門己經建立了不少地理信息系統等，但是尚不滿足應用部門的實際需要，農業遙感尚處于研究階段，還沒有得到普及與推廣［4］。

1.3信息管理系統及其在農業中的研究現狀

1.3.1信息處理技術概述

計算機技術具有運行速度快、精度高、可以自動處理大量信息的優點。信息處理技術就是利用計算機技術對大量的信息進行處理，包括獲取信息、傳輸信息、處理信息、分析信息等。信息處理技術主要包括三個類型，第一個是信息系統技術，第二個是數據庫技術，第三個是檢索技術。在計算機技術、數據庫技術、網絡通信技術基礎之上實現的信息處理技術被稱為信息系統技術；數據庫技術主要對數據進行整合，實現信息的有序化管理。

1.3.2信息管理系統概述

信息管理系統集合了人類的智慧和計算機的精準快捷，主要對信息進行收集、傳遞、存儲、處理、維護和使用，是一種集網絡通信技術、計算機應用技術和數據庫技術等信息處理技術于一身的綜合性系統，為用戶提供管理和決策服務［30］。美國經營管理協會在1961年首次提出信息管理系統的概念，受當時科學技術水平的限制，人們通過計算機來管理信息數據的效果并不理想，直到20世紀80年代，計算機技術的迅猛發展帶動了信息管理技術的發展，從而慢慢形成了新的學科一一信息管理系統。1985年，美國學者戈登•戴維斯在《管理信息系統》中首次對信息管理系統進行準確詳細的解釋［31］。

信息管理系統的劃分是由業務層次、服務對象、系統功能等來決定的［32］，根據業務層次、服務對象、系統功能等不同的需求，會被劃分到不同類型的信息管理系統。在系統開發過程中，由于MVC框架具有耦合性低、重用性高、可維護性高、生命周期成本低廉等優點被廣泛使用進行框架的開發。按照體系結構的不同分為B/S體系和C/S體系兩大體系，B/S體系是瀏覽器/服務器體系，C/S體系是客戶機/服務器體系，用戶根據不同的實際需求可以選擇不同的體系結構。

1.3.3信息管理系統在農業中的研究現狀

美國于1987年建立了針對棉花生產的信息管理系統，該系統在美國6個州應用，管理的棉花達到1250公頃，這是在農業生產上第一次應用信息管理系統在農業上進行管理。目前，西方國家主要在國土資源、作物生產、農業氣象變化等方面應用信息管理系統，例如加拿大和日本開發的土地管理信息系統、澳大利亞開發的土壤信息管理系統［33］；美國有很多農場在使用農場信息管理系統對農作物的生產、銷售進行管理［34,35］。

國內的農業信息管理系統主要是由事務處理型、管理型和管理決策型信息管理系統集合而成［36］。我國信息管理系統中最具有代表性的是由北京師范大學研發的典型地物標準波譜知識庫、中國農科院研發的灌溉信息管理查詢系統和林春華等人研發的蔬菜種植資源圖文系統［32］。

1.4光譜信息管理系統及其研究現狀

1.4.1光譜信息管理系統概述

由于光譜數據的測量方式正在逐漸轉向多元化、現代化、應用化，光譜數據處理方式也日趨軟件化、系統化。在光譜數據運用方面，光譜數據庫系統占據著相當關鍵的位置。由于遙感技術所獲得的光譜數據格式不統一、數據量大、信息冗余嚴重［37］，使其對數據管理與存儲提出的要求愈來愈高。當新領域需求日益增加時，信息處理技術需做出相應的調整，光譜數據的特殊性會對信息管理系統開發產生決定性影響［38］。

光譜信息管理系統就是管理遙感監測過程中獲取的光譜反射波譜數據的系統，兼顧了遙感技術與信息處理技術，通過SQL Server數據庫、Oracle數據庫對各類型的光譜數據存儲和使用；此外光譜信息管理系統還能對收集到的光譜信息進行深入的挖掘和分析，并綜合集成光譜反射波譜數據和有關參數。總結來說，光譜信息管理系統是一套大型的計算機信息服務系統，主要對光譜數據的添加、刪除、修改、查詢、決策支持等功能進行實現。

1.4.2光譜信息管理系統研究現狀與存在的問題

1.4.2.1 光譜信息管理系統研究現狀

遙感技術應用的關鍵在于完整的光譜數據和對應參數信息收集，兩者缺一不可，這是遙感技術的應用基礎，通過信息管理系統對獲得的光譜信息進行分析管理［39］。目前，對光譜信息管理系統的研究已經成為熱門研究對象，光譜信息管理系統的應用研究已經覆蓋了地質、海洋、農業等很多研究領域［40-42］。

光譜數據在遙感技術中的應用地位是無法被替代，因此在光譜信息管理方面的研究始終保持著快速發展的態勢。經過科研人員的長期努力，在數據管理方面不管是國內還是國外都已經建立了多種類型、不同用途的光譜信息管理系統［43,44］。

國內外對光譜信息的管理已經有了一定年月，從現在的研究狀況來看，光譜信息管理系統呈現出如下發展態勢［45,46］：①基于應用目的及地物類型，針對其精細波譜特點及其環境和生理生化構成之間的關系等展開重點探討，建立專業的光譜信息管理系統；②在發展專業型光譜信息管理系統的同時，還需要構建綜合性與通用性于一體的光譜信息管理系統。在此基礎上，將全球范圍內或者區域內的光譜信息系統整合起來，有利于增加光譜信息管理系統的通用性和共享性。

國外在建設光譜信息管理系統方面的經驗比國內豐富，相應的發展也比國內完善。美國 NASA在20世紀70年代就對地面物體的光譜反射數據進行收集，在獲得大量光譜數據的基礎上建立了地球資源信息系統，簡稱ERSIS，該系統能夠滿足不用用戶的需求，推動了光譜信息管理系統的發展［47,48］。

綜合性通用型光譜信息管理系統因為具有代表性和海量的數據資源被國內外廣泛使用［49］。美國在20世紀90年代初，由Kahe和Geotz等人聯合開發的礦物光譜數據庫，這些人均來自美國噴氣推進實驗室JPL(Jet Propulsion Laboratory)，他們聯合開發的礦物光譜數據庫包含了160種礦物質，是一個比較標準的礦物反射光譜數據管理系統［34，35］，該數據庫包括礦物反射光譜數據，并且規范了礦品采集方法、分析組分方法等［50］；美國地質調查局為了滿足遙感對礦產勘探的需求，在JPL建立的標準礦物光譜數據庫的基礎上又建立了USGS 光譜數據庫，該數據庫具有強大的數據分析系統，允許用戶網上搜索、在線預覽和下載［43,50］，數據庫中除了光譜數據還有應用事例和相關資料；ASTER光譜數據庫是將美國霍普金斯大學光譜數據庫、USGS光譜數據庫JPL標準礦物光譜數據庫中的光譜信息有效的結合起來，構建一個新的光譜信息管理系統，其中有將近2000種地物的光譜信息，此數據庫的波段范圍屬于中紅外波譜區，囊括了2000種左右的地面物體的波譜數據，該數據庫根據地物的類別又被劃分為8個子數據庫，用戶在查詢時可以根據被查詢地物的類型來快速查詢該地物的光譜信息和其他有關數據，此外，該數據庫允許用戶在線閱覽和下載［43］，該數據庫還存儲了光譜波段在2.08?25 pm之間的隕石光譜信息。上世紀九十年代，美國USGS在執行國際地質對比計劃時，其中某項任務是專門研究遙感地物的波譜特性，使人類對研究地物波譜重要性的認識上升到了新的高度［51］，研究人員利用五種光譜測量儀器對樣本光譜信息進行采集，目的是探究在光譜分辨率和波段間隔不同的情況下的地物波譜特征變化，利用研究結果建立了 IGCP-264地物光譜數據庫［52］，這五種光譜測量儀器測得的光譜分別是由布朗大學、SCES(科羅拉多大學空間對地研究中心)、USGS丹佛光譜實驗室測量而得，使用到的測量儀器有改制的Beckman5270雙光路反射光譜測量儀、GER公司SIRIS便攜式野外光譜測量儀、PIMA II 野外光譜測量儀、Relab光譜測量儀、計算機控制的Beckman光譜測量儀；JohnHopkinS大學還建立了以土壤、礦物、巖石、植被、人工建筑等測量對象的光譜數據庫，使用的測量儀器是Beckman和FTIR光譜測量儀寓。

同時，若干單位與國家在進行地物光譜特性測量以及構建光譜信息管理系統的過程中還充分考慮到了一些特定的應用。從海洋研究領域上看，早在20世紀90年代初期英國為了能對海水光譜分析模型展開更為深入的探索與分析，構建了海水光譜數據庫［43］；從環保研究領域上看，美國NIST構建了有害氣體污染物質的標準定量化光譜數據庫品。從林業研究領域上看，美國在利用HYDICE超光譜成像光譜儀測量到的光譜數據的基礎上成功創建了森林高光譜數據庫；為了更深入的對濕地分類展開探索，Zomer等人以高光譜遙感影像數據為依托創建了濕地光譜數據庫崗。Wegmuller等人構建了不同農作物特征的地物反射光譜數據庫，滿足了人們對農作物分類研究的實際需要［55,56］；美國空軍部門與環保局攜手共創AEDC/EPA 光譜數據庫系統，從而滿足對空氣成分與大氣污染成分的判定與探索的相關需求［57］；在對云層分類研究的過程中，Auria在上個世紀末構建了專用的云層反射光譜數據庫離；

此外，現有的大量遙感商用軟件內也配備了光譜數據處理功能模塊，與適用性強、運用范圍較廣的光譜庫實現對接，以ENVI軟件為例，其系統內包含了波譜數據庫分析模塊、編輯模塊、管理模塊，并且自帶USGS光譜數據庫、JPL標準物質成分波譜庫等，使用者可以對標準的光譜數據庫和自己的光譜數據庫中的信息進行瀏覽、查詢操作，并對它進行重新采樣；PCI軟件的高光譜分析模塊內也有基于美國USGS光譜庫的地物波譜數據,使用者可以結合自己的實際需求自由組合為有限光譜通道的光譜曲線庫；PCI軟件還能向用戶提供自動地物判識、波譜分析等諸多功能，用戶可借助前文提及的諸多工具實施半自動的、輔助的地物識別，抑或是與軟件內部的神經元網絡分類模塊、多光譜分析模塊及其他手段達到地物判識的作用；在ERDAS軟件系統中的高光譜工具模塊內用戶可結合自身需求對光譜數據庫庫進行自定義操作［59］。

國內的很多研究機構和個人也開展了很多管理光譜信息的研究。中科院遙感所通過很長時間的實踐與經驗的累積，基于微軟的VISUAL FOXPRO的平臺構建了依附于圖像分析系統 HIPAS的波譜庫，其中有大量的人工物體、植被、巖礦、土壤以及水體這五種目標，內含測量的地學屬性數據、對象的光譜數據，可以對該光譜庫進行增、刪、改、查等操作［60］；同時，許多個人與學者結合應用與地域上的差異針對光譜數據進行了構建與應用，李勛蘭通過對那些典型柑橘的葉、花、果實等器官的光譜數據進行采集，然后通過MySQL和PHP開發構建柑橘光譜數據庫，然后神經網絡、支持向量機、最小二乘法等方法與數據庫內的光譜數據相融合，在光譜數據庫的基礎上，對柑橘品種、類別的劃分與判識進行了深入的研究。通過一系列實踐結果顯示，運用葉片光譜圖像技術能及時、迅速的辨識出柑橘的類別，同時其葉片下方表層光譜信息的辨識效用比葉片上表面好得多［59］。劉鋒春深入的分析了建立輕量型可移植的嵌入式光譜指紋數據庫系統，借助光譜數據庫系統內部儲存的光譜指紋樣本深入的、系統的、全面的對未知的高光譜遙感數據實施目標判定，并同步向ARM平臺移植支持向量機算法與RX異常檢測算法，和嵌入式數據庫搭配應用，從而有效管理并存儲嵌入式平臺下高光譜遙感目標數據，促進目標分類達到一體化的目標［60］；李少鵬對野外光譜信息測量方式進行了分析，利用SVC HR-768地物光譜儀，對采樣區的典型荒漠植物的光譜信息及其相關信息參數進行野外測量，明確了初始光譜信息需要處理的內容和規范，并對構建新疆典型荒漠植物光譜數據庫所涉及的數據處理方式等加以分析，對系統需求和系統流程進行了詳細的分析，對數據存儲、數據表、功能、架構、數據規則等進行了詳細的分析設計，使用C/S框架、SQL Server、C#等技術編程開發了新疆典型荒漠植物光譜數據庫，并且將植被指數運算、光譜平滑、光譜匹配識別、光譜微分等方法嵌入到系統里，達到光譜信息管理、分析、光譜數據匹配辨別的功能，用戶可以使用系統對數據進行查詢、瀏覽、管理等，為今后的植物光譜分析奠定基礎［61］;李程等人通過運用ASD Field Spec 3地物光譜儀測量了大量的蘋果冠層/葉片高光譜數據，采用B/S模式，在Microsoft Visual Studio 2010開發環境下，使用SQL Server 數據庫、C#語言編程開發了蘋果冠層/葉片高光譜數據庫，實現了大批量存儲、導入、導出、應用分析等功能，在數據層面上為蘋果養分含量的高光譜遙感反演創造有利的條件［62］；此外，繆東升、張卓勇、王凱等人針對光譜信息管理系統的建立方面也做了很多相關的研究［63-65］。

1.4.2.2光譜信息管理系統存在問題

雖然如今我國許多院校單位與科研機構基于特定的應用與地域特征在環境、林業、城市、農業等方面進行了許多光譜信息管理系統和地物光譜特征測定的探索，并逐步構建了多領域的光譜信息管理系統。然而，已經建立的光譜信息管理系統還存在以下問題：

(1)現有的規模較大的通用型地物光譜數據庫內盡管有大量地物類型，然而在特定領域與特殊的研究區域，光譜數據庫因地物類型種類單一，導致進行特定的研究時具有很大的局限性［66,67］。

(2)在具體的研究過程中，應以具體的地物為依據，采取與之相對應的模型分析方法。當下我國的作物模型構建不斷更新，光譜信息管理系統內部的模型分析功能無法在技術層面上對農作物光譜研究應用給予全面的支持，導致作物光譜模型分析功能的實際需求還無法得到滿足［37］。

2引言

農業生產對我國經濟發展有著不可忽視的作用，隨著現代信息技術的不斷發展，人們將其運用在農業上的研究也越來越多，遙感技術因為獲取成本相對較低、動態、可以對農業進行大面積的監測等特點，使得其在農業生產的監管、調查、評價等方面發揮著重要作用［68］，主要體現在監測農作物的生長狀態、對農作物進行精細分類、獲得農田里的準確信息等。

俗話說“河南熟，天下足”，河南是位處中原地帶，自然條件非常有利于農業生產，是農業生產大省。隨著現代化發展進程的加快，農業耕種的土地面積不斷減少，河南的糧食生產總量卻一直穩步增長［69］，這與機械化耕種、優質品種的推出、現代信息技術的應用等現代農業生產模式密切相關［70］。隨著“河南省小麥生長指標光譜檢測技術體系的示范”項目的開展，研究人員利用遙感技術對試驗區的光譜數據進行了大量的采集并進行深入的研究，項目開展的過程中積累了大量的農作物光譜數據、農作物理化數據以及實驗環境數據，急需對這些數據進行整理并加以利用，國內外的一些科研單位和各大高校合作建立了不少光譜數據庫雖然取得了很好的成效，但是也存在著一些缺陷，如很多典型的地物波譜數據庫針對性不強，作物品種信息不全或者基本沒有包含，因此，無法滿足當前遙感應用研究的需求［71］，目前，迫切的需要建設一套面向研究區域的作物光譜信息管理系統，對項目研究過程中所獲取的作物光譜信息進行收集、儲存、分析等一站式管理，這對農業生產尤其是基層農業科研單位的日常工作起著非常重要的作用［72］。

基于上述原因，本研究采用與其他的管理系統類似的原理和技術，主要以實現光譜數據的管理與應用為目的，針對項目研究所獲得的小麥集中生產區的光譜數據，建立作物光譜信息管理系統，將收集的地面高光譜數據和遙感影像數據進行高度的整合，實現地面高光譜數據的光譜曲線、數據查詢、數據瀏覽、影像管理等功能，用最直觀的方式呈現給用戶，便于研究人員對河南省不同區域、不同季節的農作物光譜數據進行查詢和應用，給予相關的決策和指導，對實現河南省數字化農業和區域農田信息管理具有重要意義。

3研究材料與方法

選擇可以反映光譜特性的具有代表性的農作物光譜數據是建立作物光譜信息管理系統的基礎［73］，本研究存儲的遙感類型包含地面高光譜數據和遙感圖像數據。

3.1研究區域概況

河南在我國古代歷史上的地理位置非常重要，可以將其稱之為我國的“天下之樞”,地處黃河流域中部，其海拔從東往西逐漸升高，河南省的南面、西面及北面邊界由伏牛山脈、太行山脈、大別山脈、桐柏山脈所構成，其中西南部是南陽盆地，東部則是華北平原，屬于明顯的亞熱帶-暖溫帶地區，其氣候特點為半濕潤-濕潤季風氣候特征,春季通常為干旱天氣并伴有較大的風沙，夏季雨量充足、氣溫高，秋季的光照日期較多、日照充沛，冬季則表現為少雨雪、低溫特點，氣溫平均值為12°C~16°C范圍內，年降水量達到500~900毫米。項目的主要研究區域主要集中在鄭州、長葛市、滑縣、周口、鶴壁市浚縣和南陽市方城縣這些河南小麥核心生產區，研究區域位置如圖3-1所示。

3.2光譜數據獲取

3.2.1地面高光譜數據收集

地面高光譜數據是作物生長狀況研究、環境監測等許多遙感應用研究的基礎，研究人員在地面高光譜數據的基礎上對數據進行處理和分析作物的光譜特性，為遙感的定量研究提供數據支撐，因此，對于構建本作物光譜信息管理系統是必不可少的［59］。

根據實際情況，對河南具有代表性的糧食作物小麥的野外地面高光譜數據進行收集，得到了2013年-2015年期間滑縣、許昌、周口、鄭州、方城這些地區的小麥地面高光譜實測數據、土壤情況及施加的氮肥量信息；數據生育時期主要包括成熟期、拔節期、灌漿期、開花期、花后7天、花后21天、越冬期；品種包含：矮早8、開麥20、漯麥18、洛麥24、新麥19、衡觀35、豫麥49-198、豫麥49、豫農202、許科316、中原6號、鄭麥366、鄭麥 4969、周麥26、周麥27、周麥28、西農202、西農509；采樣地區的土壤類型包括：沙土、壤土、粘土；樣本氮肥施加量情況為:NO (不施氮)、N8 (純N120kg/hm2)、N15 (純N225kg/hm2) 和N22 (純N330kg/hm2)；地面高光譜數據的格式為ASD格式的數據，共三千多條。

這些地面高光譜數據全部都是美國公司生產的ASD Field Spec手提式野外便攜式高光譜儀采集的，該設備的波長在350-1050nm范圍內，可以對光譜數據連續測量，光譜分辨率 3 nm。研究人員需全面考慮各種對測量地面光譜數據有影響的因素，在天氣晴朗的條件下，選擇當地時間在10:00?14:00之間，對地面高光譜數據進行測量，在使獲得的地面高光譜數據盡量真實的反映作物的光譜特性［74,75］。在測量過程中，研究人員手持光譜測量儀器站在測試樣株的后面，將鏡頭的瞬時視場角調整為4°，使參照板處于水平位置，控制參照板和光譜儀的鏡頭間保持約 20cm 的垂直高度，先對參照板進行校正，之后測量樣本的反射光譜，要求光譜設備的傳感器探頭一直保持豎直向下方位，和冠層頂部保持1m的垂直高度，同時在每一個小區中設定兩個固定點，一個采樣間隔對應的光譜為10個，采樣間隔1.4nm，每次記錄的光譜數量為20個，并以測量結果的平均值作為光譜反射值［59］，在測量過程中需要不斷的利用標準白板進行校正，標準白板的反射率為1。為盡量降低隨機誤差對光譜測量結果造成干擾，要求各目標樣本至少需要測試10次以上，并取平均值［76］。對小麥進行地面高光譜測量時，還需對其測量區域的土壤進行取樣并對同株小麥葉片進行采集和鮮重稱量，之后將樣本封好并貼上標簽再保存。為提高光譜數據完整性，還應具體記錄相關采集配套數據資料，包括施氮量、測試區域、生育時期、測試時間以及測試人員等［59］。

3.2.2遙感圖像數據獲取

結合試驗研究區，收集了高分一號、環境一號以及SPOT5衛星的遙感圖像數據；圖像拍攝時間段分別為2013年、2014年、2015年；拍攝地點為河南省鶴壁市浚縣村莊、許昌市長葛；云量低于10%；獲取的遙感圖像數據為TIFF數據格式文件，元數據信息為XML格式文件。

上述數據的的獲取時間、獲取地點、分辨率、拍攝衛星不全相同。其中，SPOT-5衛星發射于2002年中旬，屬于法國發射的SPOT系列衛星，該衛星的最高空間分辨率是2.5米, 該衛星具有一臺寬視域植被探測設備、兩臺高分辨率幾何成像設備等，具有優異的數據存儲、數據壓縮以及數據傳輸能力；“環境一號”衛星由一顆雷達衛星與兩顆光學衛星共同組裝完成，是專門對環境和災害進行監測的國家批準的對地觀測系統，其時間分辨率、光譜分辨率等都非常高，同時還具備很寬的觀測帶與性能，可以將紅外、微波遙感等綜合起來對地面監測的缺陷進行有效的彌補，能夠全天候、大面積的監測我國環境與災害的動態變化；高分一號衛星是一種高分辨率的對地觀測衛星，在2013年4月份發射成功，該星配備兩臺2m分辨率全色/8m分辨率多光譜相機與四臺16m分辨率多光譜寬幅相機，突破了多載荷圖像拼接融合、高分辨率數據處理等一系列技術，成功的提高了我國高分辨率數據的自給率，快速提升了我國的衛星工程水平，為我國的災害監測和環境保護等提供了有力的數據支持。如圖3-2 所示，是獲取的不同系列的遙感圖像：

圖3-2 試驗部分遙感圖像數據

3.3光譜數據處理方法

3.3.1地面高光譜數據處理

作物地面高光譜數據具有連續性、高光譜分辨力，為遙感研究提供了細致的光譜特性，野外地面高光譜數據因為地形地貌、風力等因素的影響，測得的數據中除去作物的反射光譜還涵蓋了噪聲，噪聲會使光譜特性間的差異降低，影響診斷性光譜參量化分析的精準度，因此必須對測得的原始數據進行去噪，進行數據變換處理，增強光譜特性間的特性，提高診斷性光譜參量化分析的精準度。本研究使用的是光譜測量儀器自帶的軟件對實測的地面高光譜數據進行去噪處理，得到測量得到的地面高光譜數據相對應的初始光譜數據；數據入庫之前，還要根據規范對獲取到的初始光譜數據進行預處理，確保入庫數據的精準度［77］。預處理的主要方法有：

1）剔除異常求平均：即先把一組測量的光譜數據中差異較大的數據剔除，然后求平均值，作為測量結果，確保了地面實測光譜數據的有效性。

2）轉化格式：針對得到的初始光譜數據進行轉換，使用軟件，使其變為普通的文本格式，為未來遙感研究提供數據支撐。本研究利用軟件ViewSpecPro6.0將獲取的地面高光譜數據轉換成txt格式的文本文件。

3.3.2遙感影像預處理

遙感影像和其體現的地表真實景象間呈現出的幾何特征與光譜特征的誤差大致分成幾何誤差與輻射誤差，所以，在借助遙感數據針對環境、陸地等諸多參數進行反演的過程中，需先預處理此類數據，盡可能的把數據內的幾何誤差、輻射誤差減少，促使遙感反演精確度得以提高［78］。

3.3.2.1輻射定標

之所以要對遙感影像實施輻射定標，是為了將傳感器形成的誤差去除。因為在持續運行過程中傳感器的光學器件的功能逐步減弱，此類定標系數也隨之變化，在用戶逐步收集遙感數據的過程中，目標系數隨著遙感影像頭文件一起被收集，輻射定標指的是把傳感器記錄下來的數字值或者電壓轉變為絕對輻射亮度的流程，輻射定標主要針對由傳感器的靈敏度衍生出的輻射誤差進行校正。傳感器不同，其所對應的定標參數也有所不同，以下公式為輻射定標方程，即:

L= gain*DN + bias

(3-1)

L(i) =a(i)*DN(i)+b(i)

在這個公式當中，DN (i)、b(i)、L(i)、a(i)分別表示的是傳感器接收的像元值、偏置值、通過輻射定標后的輻射亮度值、增益值。其中，b(i)與a(i)的值往往是恒定的，可通過遙感影像的頭文件獲取到。

3.3.2.2幾何校正

當幾何畸變促使遙感影像偏移，讓遙感影像的位置與實際景象相差較大時，必須要對影像進行幾何校正，應用不同時相、同一地區影像和多景影像的拼接等空間疊加等應用是相當關鍵的一個環節。依照幾何校正的詳細流程，利用三次卷積內插法、最近鄰法等，依次對新坐標進行逐點計算變換，得出新坐標中各像元的亮度值。在針對圖像實施幾何校正的過程中，控制點在遙感圖像中呈現出均勻分布的態勢，為有效防止人工選點的不確定性，選取過程中，應盡量選擇足量的、誤差達到像元級、經過專業人員數次校正過、均勻分布的控制點，這樣通過定位后，精確度可以到達像元級［78］。

3.4關鍵技術

3. 4. 1 C#語言

C#語言是由微軟公司研發出來的一種高級面向對象編程語言，使用簡單并且通用性強, 它是基于.NET Framework平臺之上運行的。C#是由通過C語言和C++衍生而來的，它將二者的復雜性去除的同時，繼承了他們強大的功能,并且將VB的可視化操作和C++高速度運行的優點綜合在一起，具備了強大的操控能力、優雅的語法風格等特點，成為.NET開發的首選語言［79］。雖然C#是由C和C++衍生出來的，但它也融入了 Java、VB等諸多語言的優點，同時添加了自身的新特性，.NET框架為其提供的程序開發環境功能強大、使用便捷、邏輯結構嚴謹，使程序比以往更安全、更穩定。C#語言具有可以利用用戶定義的特性來標記類與方法、可以使用VB的編程風格支持事件與屬性、編寫ASP . NET動態頁面和XML Web服務、基本類型定義統一、自動清理動態分布內存等諸多的特點和優點。

3.4.2SQL SERVER

SQL Server 起始于 20 世紀 80 年代，最早是由 Microsoft、Sybase 公司、Ashton-Tate 公司一起研發出來的關系型數據庫管理系統，它的體系結構是B/S模式，具有非常豐富的編程接口工具，與Windows NT完整的集成在一起，具備良好的伸縮性、安全性、高效性、智能性，同時支持WEB技術與數據倉庫的功能［80］°SQL Server主要的實用程序和工具包括：導入導出數據、服務管理器、企業管理器、查詢分析器、性能監視器、SQL Server分析器。導入導出數據按照系統提供的導入導出向導進行操作完成數據間的復制；服務管理器主要對數據庫服務器進行實時服務；企業管理器可以對SQL Server對象進行建立和管理；查詢分析器主要對數據庫里面的信息進行處理分析；性能監視器用于監測系統的運行狀況，是優化系統性能的基礎；SQL Server分析器用來監測、記錄數據庫的使用狀況，了解用戶的使用情況。

3.4.3ENTITY FRAMEWORK

Entity Framework 是一種關系對應技術，應用于數據訪問層，它將數據邏輯層分為概念模式、存儲模式、映射模式三塊，在軟件開發過程中正向工程和反向工程都予以支持，關系被轉換為結合屬性，數據字段被轉換為屬性，數據庫對象被轉換為程序對象。使數據庫中的對象模型轉換成關系模型，同樣也可以調過來，無論是正向工程的開發人員還是反向工程的開發人員，都能使用面向對象的方式對數據庫進行訪問操作，與概念模型相互交互，為編寫概念應用程序模型創建數據訪問應用程序，實現對面向數據應用程序所需要的開發量降低的效果，減少了系統維護的工作量［79］。

實體數據模型(Entity Data Model)，可以簡稱為EDM，是Entity Framework的核心，由存儲模型、概念模型、映射模型三部分構成，Data Base First、Model First、Code First 等方式的數據建模是實體數據模型常用的工具°Model Fist是根據實體類、關系模型生成對應的代碼；Code Fist是根據代碼生成實體類，Data Base Fist是依據搭建完成的數據庫自動生成實體類及對象模式類代碼；框架會根據代碼自動生成數據庫。在EDM里面，概念模型和數據模型的徹底隔離，使得開發人員可以在不考慮底層數據表存儲結構的基礎上，靈活地定義與其無關的類，支持繼承面向對象的特點和多種搜索方法。

3.4.4遙感影像讀取技術

GDAL是一個在X/MIT許可協議下,可以對各種柵格數據格式進行操作的開源轉換庫［91］，具有簡潔性、高效性、跨平臺的特點。它能對各種柵格地理空間數據進行寫入、讀取、轉換

與處理，利用抽象的數據模型表達所支持的文件格式，數據模型包括顏色表、地理控制點、元數據等。目前GDAL類庫的最新版本GDAL 2.1.3支持的柵格地理空間數據格式包含Erdas Imagine Images (img)、TIFF/Geo TIFF(.tiff)、Arc/Info ASCII Grid (asc)、PCI Geomatics Database File、ASCII DEM(dem)等上百種柵格類型數據。

構件中主要用GDAL Dataset類、Band類、GDAL Driver類。GDAL Dataset類利用面向對象的思想對處理遙感圖像的編程接口進行了包裝，是處理遙感圖像的關鍵類，主要包括 Read Raster、Get Driver等方法，用作從一個柵格文件中讀取遙感圖像的實質性內容，也可以定義和轉換柵格波段的地理坐標；Band類表示影像中的一個波段，包含Read Raster、 Get Band等方法，主要實現對遙感影像一個波段的數據進行讀取；GDAL Driver類主要創建所支持的文件格式對應的實體。

3.4.5遙感圖像貼圖技術

百度地圖相較于其他GIS平臺，具有不需要部署任何組件、可以免費使用、不需要手動更新就可以達到資料更新的優點，雖然編程接口功能不足夠強大，但是對于開發本系統來說功能己經足夠用了。根據實際情況，本研究的GIS開發平臺選用了百度地圖。

百度地圖的圖像格式和遙感圖像的格式不同，為了解決這一問題，研究過程中，通過 GDAL庫讀取遙感影像附加文件中記錄的遙感影像邊界點的GPS坐標，確定遙感影像中心點的位置和旋轉的角度，然后根據影像旋轉的角度和四個頂點的坐標，將遙感圖像分割成百度地圖圖層數據一樣大小的瓦片圖并且分配正確的位置標號。

3.5系統作物模型

本系統使用的作物模型主要來自于其他文獻，包括：

(1)RNir/(RRed+RGreen)和小麥葉片氮含量的作物模型［72］：

y = 0.886x1.413,R2 = 0.63

⑵RNir/(RRed+RGreen)和小麥葉片氮積累量的作物模型［72］：

y = 0.887e0.448x,R2 = 0.55

(3)NDVI(Nir,Green)和小麥籽粒產量的作物模型［72］:

y = 2264e2.713x,R2 = 0.667，開花期

y = 2199e2.801x,R2 = 0.650，灌漿前期

(4)比值植被指數和葉面積指數的作物模型［72］

y =1.657e0.688x,R2 = 0.55

(5)比值植被指數和小麥葉干重的作物模型［72］

y = 0.007e1.736x,R2 = 0.57

4光譜信息管理系統需求分析

建立一套完整的信息管理系統并非一件容易的事，需要進行反復的設計與構建。需求分析作為系統構建的不可或缺的一部分，直接關系到整個系統軟件的質量［32,81］，它的作用是確定軟件運行過程中所有工作內容［82］，需求分析越明確，系統結構、數據結構等的設計就合理，工作的復雜程度就可以大幅度降低，極大程度的提升了系統的性能［83］。

4.1系統概述

無論是國內還是國外，遙感技術已經被廣泛應用到農業及其他各個領域［39］。河南作為我國糧食生產大省，也越來越頻繁地將遙感技術應用到農業生產中，與之而來的是獲得更多的光譜數據及相關信息，為我國的遙感科研研究事業提供了更多的數據支撐。本研究依托河南省公益行業專項“河南省小麥生長指標光譜檢測技術體系的示范”，以高效管理項目研究所獲得的光譜數據、有效提取分析光譜特征為目的，通過將作物地面高光譜數據和衛星遙感影像高度整合，構建作物光譜信息管理系統，完成對河南農作物光譜信息的瀏覽、查詢、分析等功能。

4.2功能需求分析

通過對遙感數據特點、農作物遙感應用研究進行詳細的分析，對于構建作物光譜信息管理系統提出下面幾個功能需求:

4.2.1數據的存儲與管理

在項目研究中，獲得的數據主要包括地面高光譜數據和衛星遙感數據及相關信息，地面高光譜數據波段多、數據量大；衛星遙感影像與地面高光譜數據格式不同，數據量大。因此依據遙感數據的特點，必須有一套可以存儲數量極大且能實時儲存光譜數據的數據存儲系統［84］。對數據進行存儲是為了日后的使用，所以在設計存儲系統時一定要盡可能的提高檢索和查詢的速度［85］。地面高光譜信息不僅是指地面高光譜反射率數據，配套的參數信息、分析處理后的光譜特性信息［59］，系統設計過程中，需要對這些光譜信息的數據模型、數據存儲結構、數據表結構進行詳細的分析，將大量且格式不統一的光譜數據存儲起來進行有效的管理，只有這樣才能確保數據的完整性，為遙感應用研究提供數據支撐。

4.2.2信息的查詢與顯示

由于獲取的地面高光譜數據和遙感影像數據的數據格式有差別，所以必須慎重考慮數據庫的存儲結構、數據表的設計等，搭建高效的索引結構與查看光譜數據的方式，保證用戶根據搜索條件快速查詢到所要查找的光譜信息，實現信息的查詢與顯示功能。

4.2.3光譜數據處理分析

作物光譜信息管理系統不能僅限于實現地面高光譜信息與衛星遙感影像信息的上傳、瀏覽、存儲和用戶查詢的功能，還應該根據遙感研究應用的需要，具有光譜數據分析處理功能，例如顯示光譜曲線、計算作物生長參數等，為遙感應用提供技術支撐。

4.2.4系統幫助

作物光譜信息管理系統投入使用后，由于技術和經驗的限制，用戶在操作過程中可能會出現諸多困惑，所以應當在系統中添加指導和解決用戶困惑的功能，解答用戶操作系統時出現的具體問題。

4.3數據需求

研究所獲得的光譜數據主要有地面高光譜數據、遙感影像數據、作物生長信息及其他相關信息，它們的數據格式不統一，因此在信息管理系統的設計上，需要針對格式不統一的問題進行詳細的說明，制定相應的規范，對數據統一命名、確定數據的精確度等［32］。

4.4可行性分析

本系統通過采用B/S結構，使用C#語言、SQL Server關系型數據庫開發作物光譜信息管理系統，目的是讓科研人員能夠管理和分析試驗數據的效率明顯增加，該系統的設計思路是正確的；本研究依托河南省農業信息化研究中心，具有高性能的設備作為硬件支持，同時具備堅實的研究條件，如良好的田間試驗環境、應用示范基地等，系統開發是針對河南省公益性行業專項“河南省小麥生長指標光譜檢測技術體系的示范”開展的，科研人員通過多年的應用經驗和信息收集，為該系統研究提供了許多有價值的光譜數據，項目研究人員來自不同的專業，有的來自于農學，有的來自于計算機專業，有的來自于遙感學專業等等，這些科研人員已經掌握相關的研發技術，可以較好的滿足本項目研究的總體需要，為該系統的順利實現提供堅實的技術保障。

開發該系統是為了讓廣大研究人員、基層工作者使用。現在農業信息技術飛速發展，無論是基層人員還是研發人員都可以完全實現通過計算機使用該系統，對于其他用戶來說也可以通過友好的界面對系統進行操作，因此具有可操作性。

在設計系統的過程中已經對將來數據管理和應用的發展需要進行了預測，功能模塊耦合性盡量降低，使功能模塊與系統子系統具有良好的可擴展性，提升系統的生命力，即使升級軟件也不會影響到軟件的運行。

5光譜信息管理系統設計

本研究基于作物光譜信息管理系統的功能需求，對系統的業務流程、功能模塊、體系結構、數據庫及用戶界面進行了設計。

5.1系統業務流程設計

從某種意義上講，作物光譜信息管理系統的業務流程是系統功能模塊設計與體系結構設計的決定性因素。通過對系統需求的研究，不難看出，這一光譜信息管理系統既要求把地面高光譜信息以及匹配參數數據、遙感影像儲存到數據庫里面，達到有效儲存及管理光譜信息的目的，又必須要在光譜信息管理的同時將光譜數據處理分析及數據可視化查詢的作用充分發揮出來，很明顯的是，這必定會加大系統的研發困難程度。在光譜信息管理系統的構建過程中，前期需做好數據收集的準備工作，中期則需要搞好數據審核入庫、預處理工作，后期則需實現光譜顯示、光譜數據分析等模塊的功能。基于對系統可靠性、可重用性、延展性及縮短開發周期等因素的考慮，制定了作物光譜信息管理系統的業務流程圖，詳見下圖5-1。

數扌居獲取規范制定

a X

地面高光i晉褻扌居收集這感影像數扌居獲取

■ .J

1 1

9 數據預處理

數據審核

數據入庫

可視化査詢顯示、光諸曲

線顯示、模型分析

作物光i普信息管理系統

的構建

圖 5-1 系統業務流程圖

5.2系統功能模塊設計

根據系統業務流程與功能需求設計了數據管理、用戶管理、模型分析、圖像管理、光譜

顯示、系統幫助六個功能模塊。系統功能模塊組成如下圖5-2 所示:

圖 5-2 系統功能結構圖

數據管理模塊主要負責實現地面高光譜數據及相關資料修改、添加、刪除等基本的數據管理功能，將地面高光譜數據導入系統之前，應該先對獲取的原始地面高光譜數據進行處理，得到原始光譜反射率數據，也就是初始地面高光譜數據，同時，要全面核實并仔細檢查光譜配套參數與數據格式。用戶管理模塊包括管理員與一般用戶，此模塊的設計中，管理員可以對系統進行一切操作，一般用戶只能對數據進行查詢、模型應用、瀏覽、光譜顯示操作，沒有數據上傳、發布、修改、刪除的權限。在模型分析模塊中，用戶可以根據系統提示利用遙感影像對作物的長勢進行監測和產量估算。影像管理模塊具備上傳、發布與刪除遙感影像數據的功能，且支持全天候的展現、更新遙感影像。在光譜顯示模塊內，利用光譜曲線可以直觀的顯示出地面高光譜數據的曲線變化，讓用戶能夠更為清晰、直觀的看到地面高光譜數據的波動狀況。系統幫助模塊可為系統使用時常出現的問題給出相應的解答，提升用戶體驗系統的滿意度。

5.3系統體系結構設計

5.3.1瀏覽器/服務器模式

制定方案的過程中，本研究嚴格遵守了數據庫設計的完整性、效率性、可靠性、安全性和一致性的基本原則［86］，將C/S（客戶端/服務器模式）與B/S（瀏覽器/服務器模式）進行了全面的對比和分析。早在20世紀90年代初期的時候C/S模式就己經出現了，到目前己發展至成熟階段，并己得到大范圍的運用oC/S歷經了二層C/S、三層到多層C/S的發展歷程； B/S 模式是互聯網運用與發展的產物，二者的各有優劣，其計算結構至關關鍵。而從維護工作量與互聯網的運用等方面上看，C/S要比B/S遜色得多。然而從數據安全、運行效率、人機交互等上面看，C/S比B/S更具優勢。通過對當前的實際狀況的考量，在系統維護、人機

交互等方面基于B/S模式的程序結構對作物光譜信息管理系統的設計與研發更為適用，用戶要想對軟件實施安裝維護無需通過專門的培訓，只需借助可以聯網的計算機就可以隨時在瀏覽器上面對系統進行操作。所以，本系統采用了如圖5-3所示的B/S模式對系統進行設計。

\\\ I ///

圖5-3 瀏覽器/服務器模式示意圖

5.3.2三層架構

此光譜信息管理系統服務器端架構設計采用的是如圖5-4所示的三層架構，對表現層、

業務邏輯層以及數據訪問層進行了詳細的設計，在數據調用過程中必須保證逐層操作，切勿跨層操作，謹記只能上層調用下層，下層必須服務于上層，切忌反向操作。只有如此，才可有效確保層間隔離。當然，若情況特殊，可實施整層替換，從而不會給系統的正常運作產生任何影響。比如，在為系統開發桌面客戶端的過程中，業務邏輯層及數據訪問層就可以直接使用，只需重新開發一套表示層就可以了［2］。

本系統表示層主要是對用戶輸入的相關信息進行搜索，并將搜索結果顯示在瀏覽器界面上提供給用戶，使用戶需求得到充分滿足；業務邏輯層主要是對系統內的數據管理、圖像管理、系統幫助等功能模塊的實現；數據訪問層主要是對地面高光譜數據、模型數據、遙感圖像的原始數據進行調用；

5. 3. 3 MVC 框架

表示層的實現是基于ASP.NET平臺之上構建起來的MVC框架，該框架完全開源，目前深受人們歡迎°MVC設計模式為了實現可視化界面呈現、界面處理邏輯、業務邏輯三者最大程度相互分離，采取關注點分離的策略來設計，并且同時采用科學的交互方法最大程度的降低三者之間的依賴性，從而讓業務邏輯與界面邏輯的測試難度降低閃。下圖5-5呈現的是MVC 模式各部分交互的具體情況。

5.4系統數據庫設計

5.4.1數據庫數據規范設計

本研究參照我國范圍內具有代表性的地物波譜數據庫的規范性要求及技術標準，編制了《作物光譜與配套數據收集規范》，規定了光譜配套參數的所有參數項，同時對光譜數據命名規范與存儲格式進行了規定，地面高光譜數據及其配套參數以txt文本文件的數據格式進行存儲，遙感圖像以TIFF文件的格式進行存儲，有效提升了所有文件的命名格式的規范性。以地面實測高光譜數據作為例子，將命名格式設定成GS_作物名稱編碼—作物品種編碼—光譜采集區域編碼.txt,并要求作物名稱編碼都是由兩位數字構成，開始于00,如表5-1所示，作物品種編碼則由3位數字構成，開始于001，例如，矮抗58的對應的編碼為 001，具體見表5-2；光譜采集區的代碼由3位數字構成，開始于001,如表5-3所示；GS00001001代表來自許昌的一條矮抗58的小麥區地面高光譜數據。

表 5-1 作物名稱編碼對照表

作物名稱作物名稱編碼作物名稱作物名稱編碼

小麥 00 水稻 01

玉米 02 棉花 03

表 5-2 作物品種編碼對照表

品種名稱品種名稱編碼品種名稱品種名稱編碼品種名稱品種名稱編碼

矮抗58 001 豫麥49-198 007 鄭麥366 013

開麥20 002 豫麥49 008 鄭麥4969 014

漯麥24 003 豫農202 009 周麥26 015

新麥19 004 許科316 010 周麥27 016

衡觀35 005 中原6號 011 周麥28 017

西農202 006 西農509 012

表 5-3 光譜采集區域編碼對照表

光譜采集區域光譜采集區域編碼光譜采集區域光譜采集區域編碼

許昌 001 周口 004

滑縣 002 方城 005

鄭州 003 長葛 006

5.4.2數據庫概念結構設計

概念結構設計是數據庫設計中非常重要的環節，需要將用戶的需求加以分析并將其抽象為信息結構［88］。概念結構可以充分、真實地反映出現實事物之間的關聯性，用戶可以利用概念結構與計算機之間完成信息交換，并且當應用環境及其要求發生變化時進行模型更改與拓展；概念結構作為數據模型的基礎，它比數據模型更加抽象，而且獨立于機器之外，因此更加穩定。

5.4.3數據庫邏輯結構設計

數據庫邏輯設計是將概念設計轉換成能夠支持所選數據庫系統的數據模型的邏輯結構，相當于將概念設計中的實體轉換成支持數據庫管理系統的關系模型。E-R圖是對邏輯進行描述的工具，利用E-R圖可以將實體型、聯系及其屬性表示出來，其中，橢圓代表屬性，菱形代表聯系，矩形代表實體型。本研究利用E-R模型來完成數據庫邏輯設計（如圖5-6）,數據庫主要包括地面光譜信息表、作物表、品種表、生育期表等。

5.4.4數據庫物理設計

本數據庫以系統功能需求作為基礎，創建的數據庫表如下：

5.4.4.1地面高光譜數據表

地面高光譜數據表名稱:HYPERSPECTRALINFOS, —個樣本光譜數據對應于一條存儲記錄。

表 5-4 地面光譜數據表

字段名稱字段類型及約束注釋

HS_ID nvarchar(65) , not null 地面數據主編號

HSI-NAME varchar(65), null 文件名

MT datatime2(0), not null 測量時間

MP nvarchar(65),not null 測量地點

DS nvarchar(65) , null 數據來源

S_TYPE nvarchar(65), null 數據類型

REMARK nvarchar(125)， null 備注

5.4.4.2圖像數據表

圖像數據表名稱：RSImagesINFOS, —幅遙感圖像對應于一條存儲記錄。

表 5-5 圖像數據表

字段名稱字段類型及約束注釋

RS_ID PK, int, not null 圖像編號

RSI_NAME varchar(125), null 圖像文件名

RSMD_NAME varchar(125), null 圖像元數據文件名

RSPI_NAME varchar(125), null 圖像預覽文件名

RS_TYPE int, not null 圖像類型

RS_Published bit, null 是否已經對外發布

RS_Description nvarchar(525), null 圖像描述

RSS_TIME datetime, null 圖像拍攝時間

RS Ver int,not null 圖像當前版本

5.4.4.3 地面控制點數據表

數據表名稱：GCPSINFOS, 一個地面控制點對應一條存儲記錄。

表 5-6 地面控制點數據表

字段名稱字段類型及約束注釋

G_RP_ID PK, int, not null —個地面控制點所屬的圖像ID

G_Pixel PK,int,not null 圖像像素位置

G_Line PK,int,not null 圖像行位置

G_Info nvarchar(525),null 地面控制點信息

G_Id nvarhchar(12),null 地面控制點ID

G_X float, not null 經度

G_Y float, not null 緯度

G Z float, not null 高度

5.4.4.4 作物數據表

數據表名稱：CropsINFOS, 一種作物對應一條存儲記錄。

表 5-7 作物數據表

字段名稱字段類型及約束注釋

C_ID PK, int, not null 作物編號

C_Name nvarchar(125), not null 作物名稱

C Description nvarchar(125),null 作物描述

5.4.4.5品種數據表

數據表名稱：CropVarie ti esINFOS，—種作物品種對應一條存儲記錄。

表 5-8 品種數據表

字段名稱字段類型及約束注釋

CV_ID PK, int, not null 作物品種編號

CV_Name nvarchar(125), not null 作物品種名稱

CV Description nvarchar(125),null 作物品種描述

5.4.4.6生育期數據表

數據表名稱：CropsGrowthPeriodsINFOS, —種作物的一個生育期對應一條存儲記錄。

表 5-9 生育期數據表

字段名稱字段類型及約束注釋

GP_ID PK, int, not null 生育期編號

GP_Order nvarchar(125), not null 生育時順序

GP_Name nvarchar(125), not null 生育時名稱

GP_Days int, not null 該生育期需要經歷的天數

GP Description nvarchar(125), not null 描述

5.4.4.7參數數據表

數據表名稱：ParametersINFOS, —個參數對應一條存儲記錄。

表 5-10 參數數據表

字段名稱字段類型及約束注釋

P_GP_ID FK, PK, int, not null 關聯到一個生育時期

P_MT_ID FK, PK, int, not null 關聯到一種計算模型

P_a real, not null 參數 a

P_b real, not null 參數b

P Description nvarchar(125),null 參數描述

5.4.4.8模型類型數據表

數據表名稱：ModelsTypeINFOS, —種模型對應一條存儲記錄。

表 5-11 模型類型數據表

字段名稱字段類型及約束注釋

MT_ID PK, int, not null 模型的編號

MT_Name nvarchar(25), not null 模型的名稱

MT Description nvarchar(125), not null 模型的描述

5.5系統用戶界面設計

系統中用戶界面的設計是為了實現系統與用戶之間的信息交換，業務邏輯層先從用戶那里接收信息，之后將信息提交到數據訪問層，通過數據訪問層從數據庫中獲取數據并返回業務邏輯層，并以圖片、數據等形式顯示給用戶。界面設計應該具有重點突出、簡潔的特點，并且能夠符合目前的網頁設計風格，界面設計特征需要和系統功能保持整體一致，并具有清晰的結構，確保用戶可以快速了解系統。按照該系統的功能模塊結構與用戶需求，利用 C# 的 Winform 窗體來開發用戶界面，窗體類型基本包含對話框與主界面兩類。通過主界面單擊方式可以對相關子界面進行調用。用戶還可通過瀏覽器連接至后臺系統數據庫并完成數據查詢顯示、圖像上傳、數據添加、光譜顯示查詢、圖像發布、模型分析等過程。

6光譜信息管理系統實現

6.1系統的開發環境

6.1.1 系統開發硬件環境

系統開發過程中，使用了操作系統為Windows 7旗艦版的普通配置PC機作為硬件環境，此系統運行需要進行網絡連接。

6.1.2系統開發軟件環境

通過調研所得結果顯示，用戶所使用的操作系統通常都是屬于Windows操作環境下的，為了有效壓低系統成本，需對現有環境及資源進行最大限度的應用,由于此系統的設計方法采用面向對象的方式，因此以此系統的數據庫后臺管理工具作為對象關系數據庫。當前普遍適用的各類對象關系數據庫類型包括：Informix Universal Server、SQL Server、Oraele91 等［89］。結合實際情況與數據結構特點，本光譜信息管理系統采取SQL Server關系數據庫進行數據存儲及管理工具，該數據庫系統擁有管理性高、可用性強、維護方便、移植性好以及安全性可靠等諸多優點［90］。

可以用于數據庫的前端開發環境及工具類型也非常多，包含了 VC++、VB、DELPHI、 ASP.NET、C#、Pathon、Java、Power Builder等多種類型的語言。結合本系統的設計分析方法，采用B/S模式，選用了思想和語法簡潔的C#語言完成系統編程，系統的實現平臺為微軟.NET,利用三層架構模式對系統服務端進行構建，以Entity Framework6.1作為訪問數據庫的組件同時也可以完成不同數據庫的訪問操作，具體采用ASP.NET MVC5.1框架，Web 服務器選擇IIS,以SQL Server2012作為系統數據庫開發，同時系統與常用的農作物經驗模型進行了整合，對系統的應用模塊進行開發。

6.2系統關鍵功能實現

6.2.1 用戶登錄界面實現

圖6-1為系統的登錄界面，老用戶直接輸入用戶名、密碼以及驗證碼進行登錄，新用戶需要先點擊‘沒有賬號'按鈕，通過系統提示對賬號進行注冊，注冊完成后輸入用戶名、密碼及驗證碼信息，然后點擊‘登錄'按鈕進入系統主界面，系統根據用戶登錄信息自動判斷用戶的級別，用戶根據應用權限的級別對信息管理系統進行相應的操作。管理員對系統的操作是沒有限制的，一般用戶只能對信息進行瀏覽、查詢與應用，從而實現對用戶使用權限的有效管理，使光譜信息管理系統運行的安全性和可靠性得到了很好的保證。

idmin

登錄

ills

作物光譜信息管理系統

圖 6-1 系統登錄界面

6.2.2系統主界面實現

作物高光譜信息管理系統主界面主要由數據管理、模型分析、圖像管理、光譜顯示、系統幫助五個部分組成。如下圖 6-2 所示：

返回王聚魏設K ig出登錄

作物光譜信息管理系統

圖 6-2 系統主界面

此系統的數據管理模塊同時包含了地面高光譜信息顯示與數據查詢功能，同時用戶還可以利用數據管理模塊完成光譜數據的新增、刪除、修改或查詢操作；用戶根據模型分析模塊內的信息及應用內容并結合遙感影像可以完成相應的系統操作；其中，圖像管理模塊可以實現上傳、發布或刪除環境一號衛星、SP0T5、SP0T6、高分一號衛星的遙感影像；光譜顯示區塊則按照用戶進行查詢的地面高光譜數據將相應的光譜信息顯示于光譜顯示區。最后，用戶還可以通過系統幫助模塊來解答自己在系統應用過程中所遇到的相關問題。

6.2.3地面光譜數據管理功能實現

數據管理模塊中，以C#中的FileStream類對數據文件進行讀寫操作，以Entity Framework方式對地面高光譜數據以及相關配套信息進行調用，根據設定好的輸入控制條件來審查導入的數據，當數據通過審查之后則以varbinary(max)字段類型保存至數據表內，當數據未通過審查時則需要繼續對數據重新處理以達到相應的數據規范，完成數據輸入后，再根據規定的數據結構，在數據表中錄入相應的光譜數據和配套參數信息，當數據庫完成信息錄入后可以對數據列表進行信息自動刷新。

數據查詢屬于數據庫的一項基本功能，用戶可以按照自身要求設定好作物類別、名稱、采集地點等查詢條件后，系統便可通過用戶輸入的條件在數據庫內完成自動搜索操作，并查詢到相匹配的數據同時將查詢結果顯示于結果列表中，為用戶提供所要查詢的作物光譜信息在系統查詢模塊，本研究結合了 Entity Framework與Linq這兩種方法，有效提高了查詢效率。數據管理界面實現如圖6-3所示：

圖6-3 數據管理界面

6.2.4光譜顯示功能實現

光譜顯示模塊采用百度Echarts顯示了光譜曲線的繪制過程，坐標軸參數根據光譜曲線反射率的極值及其波長進行確定，并對繪制參數與坐標軸樣式進行分析，通過js方式，從前臺界面完成用戶信息輸入，之后通過后臺數據庫完成數據查詢操作，并將結果傳輸至js，再由js通過canvas畫圖的方式展示光譜曲線給用戶。用戶利用光譜曲線的顯示功能可以在屏幕上對搜索的作物地面高光譜數據及其曲線進行同步顯示，直觀的看到地面光譜數據的變化情況。光譜顯示模塊的界面如下圖 6-4 所示：

圖 6-4 光譜顯示模塊的界面

6.2.5圖像管理功能實現

圖像管理模塊實現了遙感影像的上傳、刪除、瀏覽及發布功能。其中，發布功能是為普通用戶提供遙感影像可見性，只有當遙感影像完成發布之后，一般用戶才能觀測到相應的遙感影像。圖像管理界面如圖6-5所示：

6.2.6模型分析功能實現

該光譜信息管理系統除了具有地面高光譜數據管理及可視化分析、影像數據管理功能以外，還根據河南當地的作物光譜研究需要，將常用的農作物模型整合到系統之中，用戶能夠在模型分析模塊根據系統提示，利用遙感影像獲取作物光譜特征參數，從而達到作物長勢監測、估算作物產量的目的，為識別匹配光譜及定量反演作物的理化參數等多方面研究提供技術支撐。部分代碼如下：

/// 初始化生長指標監測類

public GIMonitYielEstiBLL(ImgMgBLL imb)

{ this.imb = imb;

imageID = imb.ID;

}

///獲取當前圖像ID的保存文件夾(相對文件夾)

public string GetRelativeUpperFolder()

{

return Path.Combine(RelativeTempDir， FolderName，

imageID.ToString());

}

/// 獲取每個模型參數瓦片圖保存的相對位置

public string GetRelativeTileSaveFolder(int mt_id)

{ return Path.Combine(GetRelativeUpperFolder()，

string.Format(tilesFolderName， mt_id));

}

/// 獲取模型數據文件的相對位置

public string GetRelativeModelResultFilePath(int mt_id)

{ return Path.Combine(GetRelativeUpperFolder()，

string.Format(modelResultFileName， mt_id));

}

/// 獲取用戶選取區域的原始信息(百度經緯度)文件的相對位置

public string GetRelativeLngLatRectangleFilePath()

{ return Path.Combine(GetRelativeUpperFolder()，

lnglatRectangleFileName);

}

/// 獲取與模型計算結果配套的區域信息

public string GetRelativeRectangleFilePath()

{ return Path.Combine(GetRelativeUpperFolder()， rectangleFileName);

}

/// 計算生長指標或產量

public List<IndCalcResultInfo> Calc(int gp_id， int[] mtList， RectangleLngLat rll)

{ Rec tangle rec t;//計算區域(以圖像原始大小為最大尺寸)

using (var im = imb.GetImageManager()) //定義結果收集集合

List<IndCalcResultInfo> resultCollector = new List<IndCalcResultInfo>();

//獲取指數計算功能結果文件路徑及其瓦片圖信息文件路徑信息

var recogFile = Path.Combine(absImageFolder, ImgRecogBLL.TileFolderName, ImgRecogBLL.RecogResultFileName);

var recogTileInfoFile = Path.Combine(absImageFolder,

ImgRecogBLL.TileFolderName, ImgRecogBLL.TileInfoFileName); //載入圖像識別結果

ILLogical recogLogical; //讀取指數計算得到的結果

ILArray<float> indCalcResult;

indCalcResult.a = indCalcResult.Reshape(size.Width, size.Height);

//獲取所需區域的結果數據

indCalcResult.a = indCalcResult[ILMath.r(rect.X, rect.Right - 1),

ILMath.r(rect.Y, rect.Bottom - 1)];//計算該區域生長指標或產量信息

algor it hm(indCalcResu lt, smallSel, parame ter);//統計信息計算

var modelType = pmb.Ge tModelType(mt_id);//獲取模型信息

7結論與展望

7.1 總結

本文面向“河南省小麥生長指標光譜檢測技術體系的示范”專項應用需求，以河南省地面實測小麥高光譜數據、環境一號衛星影像、高分一號衛星影像、SPOT5影像為數據源，以構建專用的作物光譜信息管理系統為目的，對光譜數據收集、光譜數據處理、地面高光譜數據與遙感影像管理、光譜顯示方法、系統設計、系統開發實現等方面進行了深入研究，實現了高效管理作物光譜信息、將有效的作物模型與系統相結合，為河南地區推廣作物光譜數據應用和農業遙感定量監測提供了有力的數據服務和技術支持。

本研究的主要工作和成果包括以下幾方面：

(1)對研究區域的光譜數據進行了收集。獲取的數據源主要是項目研究所獲得的河南省區域小麥地面高光譜數據、spot5影像、環境一號衛星影像、高分一號衛星影像及其他相關信息，并對預處理過光譜數據制定了相應的數據收集規范，做好前期準備工作。

(2)從系統的實際需求出發，對系統的業務操作流程、體系結構、功能模塊、數據庫、用戶界面等進行了詳細的設計，確定了最適合的開發環境。

(3)研究采用瀏覽器/服務器結構，使用C#語言，在Microsoft Visual Studio 2013 與SQL Server 2012環境下開發了作物光譜信息管理系統，并將農作物模型與系統進行有效的集成，實現了河南地區的主要糧食作物小麥光譜數據的有效管理、作物長勢監測，作物產量估算，為河南省作物光譜分析與應用提供重要的數據支撐和技術保障，方便研究人員進行科研工作。

7.2展望

受研究條件及時間的限制，本文初步設計并實現了作物光譜信息管理系統，此系統可以實現基本的數據應用需求，但在后續使用中還需繼續進行調試才能實現更加完善的應用功能同時還應進一步優化其系統架構以提升其數據的共享性，另外也需繼續充實本系統數據庫的數據內容，從而提高系統的性能。綜合考慮，還應繼續對下述4個方面進行研究與完善：

(1)作為應用與技術開發的基礎，本系統中光譜數據庫的數據量還太少，需要進一步對光譜數據庫中的數據內容不斷充實。收集更多研究區域內野外測量的不同作物品種與不同時間段的地面高光譜數據；收集更多免費的航天衛星影像數據與農作物模型數據，為遙感研究應用提供數據支撐；在條件許可的時候，要求地面高光譜測量時間應保持和航天衛星的過境時間相同，從而為遙感技術應用提供數據分析基礎。

(2)以本研究的瀏覽器/服務器結構作為基礎，繼續優化系統架構，結合智能客戶端完成混合體系結構，用戶不僅可以用網頁瀏覽系統界面，還可以用手機客戶端享受本地用戶體驗完成數據的智能部署與自動更新，改善數據的共享性，使信息獲得最大程度的共享。

(3)當前的作物光譜信息管理系統，使用的是常用的作物模型，對作物光譜數據進行模型分析，應該繼續深入研究系統模型的分析功能，尤其是對于作物的地物光譜特征信息提取、作物種類精確識別等方面還應繼續構建新的定量反演模型，使系統模型分析能力進一步提高。

（4）本文主要研究了系統的設計及其功能實現方面，而對數據存取速度、查詢檢索速度、功能響應的快慢等方面研究不足，今后還需進一步提升系統的性能，以滿足用戶的更多使用要求。

參考文獻

[1]張江濤.河南省種糧大戶現狀及發展對策研究[D].河南農業大學,2013.

[2]張鈺洋.基于遙感信息的作物生長監測系統設計與實現[D].河南農業大學,2014.

⑶陳燕.農業遙感應用技術進入快速發展期J].山東農機化,2015,(04):8.

[4]韓秀梅，張建民.農業遙感技術應用現狀[J].農業與技術,2006,(06):32-35.

⑸盧遠方，韓建征，楊書啟.遙感技術在農業領域的應用研究[J].技術與市場,2016,(06):118-119.

⑹羅來銀.如何將高光譜遙感技術在農作物病蟲害監測中的應用[J].科技展望,2016,(01):86.

[7]章曼.基于高光譜遙感的水稻生長監測研究[D].西北農林科技大學,2015.

⑻張錚.基于XML元數據的農作物光譜信息管理系統的研究與設計[D].華中農業大學,2016. ⑼梅安新,彭望琭.遙感導論[M].高等教育出版社,2001

[10]田婷,孫成明,劉濤,郭斗斗,王力堅,陳瑛瑛. 高光譜遙感技術及其在草地及植被中的應用 [J]. 安徽農業科學,2013,(07):3192-3195.

[11]張達，鄭玉權.高光譜遙感的發展與應用[J].光學與光電技術,2013,(03):67-73.

[12]李中元，吳炳方,GOMMES Rene，張淼，陳波.農情遙感監測云服務平臺建設框架[J].遙感學報,2015,(04):578-585.

[13]巫兆聰，楊帆，王楠，巫遠，朱卓娃.不同類型遙感傳感器對地覆蓋區域仿真與計算[J].應用科學學報,2015,(01):1-8.

[14]孟圓.遙感大數據處理系統測試策略與系統優化[D].河南大學,2013.

[15]郭理橋，林劍遠，王文英.基于高分遙感數據的城市精細化管理應用[J].城市發展研究,2012,(11):57-63+69.

[16]Muller-Karger F, Roffer M, Walker N, et al. Satellite remote sensing in support of an integrated oce an observing system. IEEE Geoscience and Remote Sensing Magazine, 2013, 1(4):8-18

[17]Hilker T, Hall F G, Coops N C, et al. Remote sensing of transpiration and heat fluxes using

multi-angle observations. Remote Sensing of Environment, 2013, 137(1):31-42

[18]Leeuwen M, Nieuwenhuis M. Retrieval of forest structural parameters using LiDAR remote sensing.European Journal of Forest Research, 2010, 129(4):749-770

[19]Freek D M, Harald M A W, Frank J A R, et al. Multi- and hyperspectral geologic remote sensing: areview. International Journal of Applied Earth Observation and Geoinformation, 2012, 14(1):112-128

[20]Shimoni M, Tolt G, Perneel C, et al. Detection of vehicles in shadow areas using combined hyperspec-tral and LiDAR data. In: Proc of the IEEE International Geoscience and Remote Sensing Symposium.2011, 4427-4430

[21]Zhang C, Kovacs J M. The application of small unmanned aerial systems for precision agriculture: areview. Precision Agriculture, 2012, 13(6):693-712

[22]洪霞，江洪，余樹全.高光譜遙感在精準農業生產中的應用J].安徽農業科學,2010,(01):529-531+540.

[23]房華樂，任潤東，蘇飛，梁勇.高光譜遙感在農業中的應用[J].測繪通報,2012,(S1):255-257.

[24]劉淼.不同營養水平冬小麥長勢高光譜遙感監測[D].西北農林科技大學,2016.

[25]金秀良,李少昆,王克如,肖春華,王方永,陳兵,陳江魯,呂銀亮,刁萬英,王瓊,王楷. 基于高光譜特征參數的棉花長勢參數監測[J].西北農業學報,2011,(09):73-77.

[26]鄒揚慶，羅紅霞,Habtom Yemane Tekle，王俊，余天霞,張銳.基于高光譜和農學參數數據的柑橘估產模型構建(英文)[J]. Agricultural Science & Technology,2013,(10):1513-1516.

[27]高鑫.春玉米LAI和葉片氮素營養及產量的高光譜估測模型研究[D].內蒙古農業大學,2016.

[28]袁琳.小麥病蟲害多尺度遙感識別和區分方法研究[D].浙江大學,2015.

[29]王梅.發病煙草的高光譜特征及其病害程度診斷模型研究[D].山東農業大學,2013.

[30]黃梯云.管理信息系統(第四版)[M].北京:高等教育出版社,2009.

[31]曾一.計算機信息管理基礎[M].重慶大學出版社,2006.

[32]錢誠.基于Web的河南省糧食作物信息管理系統的設計與實現[D].河南農業大學,2014.

[33]林葵，王天池.國外電子計算機在農業中的應用概況[J].福建農業科技,1995,(06):27-29.

[34]Damona Doye, Tobert jolly, Pob Hornbaker et al. Case studies of farmers, use of information system[J].Peview of agricultural economics,2(2):566-585.

[35]Verstegen J A A M, Huirne R B M. The impact of farm management on value of management information systems[J]. Computer and Electronics in Agriculture. 2001,30(1/3):51-69.

[36]張芳，王玨.基于Web的農業信息管理系統建設研究[J].農業網絡信息,2013,(07):20-21+37.

[37]袁迎輝，林子瑜.高光譜遙感技術綜述[J].中國水運(學術版),2007,(08):155-157.

[38]李新雙，張良培，李平湘.光譜數據庫系統的設計及應用[J].測繪信息與工程,2004,(05):6-8.

[39]李興.高光譜數據庫及數據挖掘研究[D].中國科學院研究生院(遙感應用研究所),2006.

[40]曾福，王功文，獨文惠.高光譜遙感技術在地質礦產填圖中應用[J].礦物學報,2015,(S1):972-973.

[41]崔一嬌，朱琳，趙力娟.基于面向對象及光譜特征的植被信息提取與分析[J].生態學報,2013,(03):867-875.

[42]高慧婷，馬越，劉薇，何紅艷.海洋水色遙感交叉定標精度分析與仿真[J].航天返回與遙感,2016,(02):116-125.

[43]周小虎，周鼎武.數字化地物反射光譜數據庫研究進展J].光譜學與光譜分析，2009，

29(6)：1616-1622.

[44]易維寧，陸亦懷，羅明.地物光譜數據庫及其在遙感中的應用[J] •光電子技術與信息， 1998，11(5)：25-28.

[45]孫巖.濕地植物高光譜特征分析與物種識別模型構建[D]•清華大學，2008： 2-5.

[46]田慶久，宮鵬.地物波譜數據庫研究現狀與發展趨勢[J].遙感信息，2002, (3)： 2-6,

46.

[47]Leeman V.The NASA Earth Resources Spectral Information system ： A Data Compilation[M].NASA-CR-115757,Willow Run Lab,Michigan University,1971.

[48]施健,柳欽火,聞建光,等. 面向電子政務的全國典型地物波譜數據服務平臺設與實現

[J].遙感技術與應用，2011, 26(4)： 520-526.

[49]劉峰,張繼賢，靳奉祥等•地物波譜研究現狀及方法的初步探討[J] •北京測繪,2005⑶:1-6.

[50]Grove C I,Hook S J,Paylor E D. Laboratory Reflectance Spectra for 160 Minerals 0.4~2.5 Micrometers[Z]. JPL Publication 92-2,Jet Propulsion Laboratory,Padadena,CA,USA,1992. [51 ]郎愛軍.IGCP264-遙感波譜特性研究課題介紹[J].遙感地質動態，1989, (5)： 1-4.

[52]ENVI User' s Guide[M]. Research Systems,Inc,2001：899-907.

[53]包曉菲.基于oracle spatial的遙感影像數據庫系統設計與實現[D].電子科技大學,2011.

[54]Zomer R J,Trabucco A,Ustin S L. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing[J].Journal of Environmental Management,2009, 90(7)：2170~2177.

[55]Wegmuller U. Signature research for crop classification by active and passive microwaves[J]. International Journal of Remote Sensing,1993,14(5)：871-883.

[56]Wegmuller U,Matzler C,Huppi R,and Schanda E. Active and passive microwave signature catalogue on bare soil (2-12 GHz)[J]. IEEE Geoscience and Remote Sensing,1994,32(3)： 698-702.

[57]阮建武.基于地物波譜數據庫的分類識別研究[D].吉林大學,2004:2-5.

[58]d'Auria G,Marzano F S,Prierdicca N,et al. Remotely sensing cloud properties from microwave radiometric observations by using a modeled cloud database[J].Radio Science,33(2)： 369-392.

[59]李勛蘭.柑橘光譜數據庫的建立及應用研究[D].西南大學,2015.

[60]劉鋒春.嵌入式高光譜數據庫的開發及目標分類應研究[D].杭州電子科技大學,2014.

[61 ]李少鵬.新疆典型荒漠植物光譜數據庫系統設計與實現[D].新疆農業大學,2013.

[62]李程,朱西存，高璐璐,王凌.蘋果冠層/葉片高光譜數據庫系統的設計與建立[J].測繪與空間地理信息,2016,(12):95-98.

[63]張卓勇，宋月.基于BS結構的太赫茲光譜數據庫的設計與實現[J].光譜學與光譜分析,2015,(09):2469-2472.

[64]繆東升.鹽沼植被光譜數據庫系統的設計與實現[J].信息與電腦(理論版),2015,(21):128-130.

[65]王凱.基于光譜數據的多參數實時監測系統設計與實現[D].山東大學,2016.

[66]屈永華，劉素紅，王錦地,李小文，蘇理宏.中國典型地物波譜數據庫的研究與設計[J].遙感信息,2004,(02):5-8.

[67]申廣榮，王人潮.植被高光譜遙感的應用研究綜述[J].上海交通大學學報(農業科學版),2001,(04):315-321.

[68]馬冬來，張文靜,王晶.遙感技術在農業生產中的應用研究[J].河北軟件職業技術學院學報,2013,(02):53-55.

[69]劉凌.河南省糧食產量變動情況及未來趨勢[J].當代經濟,2014,(23):96-97.

[70]朱統泉，吳大付.河南小麥生產現狀分析[J].陜西農業科學,2014,(01):78-81.