CN104730005A - 地空一体化农业监测系统及方法 - Google Patents

Abstract

本发明提供了一种地空一体化农业监测系统及方法，其中系统包括：空中农业监测装置，用于获取农作物冠层数据；至少一个地面农业监测装置，用于获取农作物生长环境数据和农作物生理生化数据；以及终端服务器，用于对所述空中农业监测装置和地面农业监测装置获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演；其中，所述空中农业监测装置和所述地面农业监测装置分别与所述终端服务器进行无线通讯。本发明通过在空中和地面同时对农作物的生理生化参数和生长环境动态实时监测，并对监测数据进行数据融合，实现了农作物多参数监测与大面积高效率监测。

Description

地空一体化农业监测系统及方法

技术领域

本发明属于农业监测技术领域，涉及一种地空一体化农业监测系统及方法。

背景技术

农业现代化的前提是农业信息化。农作物全息信息(生长环境、生长生理生化信息、冠层光谱信息、农作物所含元素生化信息等)的动态实时数字化采集、分析和处理对于提高农业信息化管理水平、指导农业生产具有重要意义。农作物冠层反射光谱曲线上富含重要的农作物生理生化参数信息，针对这个信息，可反演农作物生理生化参数。卫星或载人飞机获取农作物遥感信息成本过高，且使用率较低。地面传感器监测范围有限，在农作物长势大面积监测中，单独依靠地面传感器获取农作物生长信息，在监测指标和监测效率方面具有一定的局限性，不利于开展大面积高效率监测。

发明内容

鉴于此，本发明的目的是提出一种地空一体化农业监测系统及方法，以实现农作物多参数监测与大面积高效率监测。

为实现上述目的，本发明采用如下技术方案：

一方面，本发明实施例提供的一种地空一体化农业监测系统，包括：空中农业监测装置，用于获取农作物冠层数据；至少一个地面农业监测装置，用于获取农作物生长环境数据和农作物生理生化数据；以及终端服务器，用于对所述空中农业监测装置和地面农业监测装置获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演；其中，所述空中农业监测装置和所述地面农业监测装置分别与所述终端服务器进行无线通讯。

进一步地，所述空中农业监测装置包括遥感无人机，所述遥感无人机上安装有相连接的机载高光谱成像模块和机载数据处理模块；所述机载高光谱成像模块用于采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；机载数据处理模块用于处理所述机载高光谱成像模块采集的农作物冠层光谱信息，得到农作物冠层光谱数据。

进一步地，所述遥感无人机还包括与机载数据处理模块连接的多媒体信息采集模块，所述多媒体信息采集模块用于采集农作物的影像信息；与机载数据处理模块连接的全球定位系统GPS导航模块，所述GPS导航模块用于对遥感无人机进行实时定位监测。

进一步地，所述地面农业监测装置包括相连接的地面传感模块和地面数据处理模块；所述地面传感模块用于采集农作物生长环境信息和农作物生理生化信息，所述地面数据处理模块用于处理所述地面传感模块采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。

进一步地，所述地面农业监测装置还包括与所述地面数据处理模块连接的地面定位模块，用于配合遥感无人机中的GPS导航模块，对监测点进行精确定位。

另一方面，本发明实施例提供的一种地空一体化农业监测方法，包括：

通过空中农业监测装置获取农作物冠层数据；

通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据；

通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演。

进一步地，所述通过空中农业监测装置获取农作物冠层数据包括：

通过遥感无人机采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；

处理采集的农作物冠层光谱信息，得到农作物冠层光谱数据。

进一步地，所述通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据包括：

采集农作物生长环境信息和农作物生理生化信息；

处理采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。

进一步地，在终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演之前，还包括：

采集农作物的影像信息，并将农作物的影像信息传输到终端服务器。

进一步地，通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演包括：

建立待监测农作物的农作物生长模型,并确定模型参数；

对所述农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合,将融合之后的数据代入农作物生长模型，以预测预设时间之后的农作物生长状况指标；

将预设时间之后监测到的农作物生长状况指标与所述农作物生长模型预测的农作物生长状况指标进行比较，并根据比较结果进行模型参数调整、优化。

与现有技术相比，本发明技术方案的优点是：

本发明提供的一种地空一体化农业监测系统及方法，与现有技术相比，本发明通过空中农业监测装置获取农作物冠层数据，地面农业监测装置获取农作物生长环境数据和农作物生理生化数据，对获取的相同监测点的数据进行数据融合、农作物生长模型反演，实现了农作物多参数监测与大面积高效率监测。

附图说明

下面将通过参照附图详细描述本发明的示例性实施例，使本领域的普通技术人员更清楚本发明的上述及其他特征和优点，附图中：

图1为本发明实施例一提供的地空一体化农业监测系统的结构示意图；

图2为本发明实施例二提供的空中农业监测装置的结构示意图；

图3为本发明实施例二提供的地面农业监测装置的结构示意图；

图4为本发明实施例三提供的地空一体化农业监测方法的流程示意图；

图5为本发明实施例三提供的地空一体化农业监测方法的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1给出了本发明实施例一提供的地空一体化农业监测系统的结构示意图。如图1所示，该系统包括：空中农业监测装置10，用于获取农作物冠层数据；至少一个地面农业监测装置11，用于获取农作物生长环境数据和农作物生理生化数据；以及终端服务器12，用于对空中农业监测装置10和地面农业监测装置11获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演；其中，空中农业监测装置10和地面农业监测装置11分别与终端服务器12进行无线通讯。

示例性的，上述空中农业监测装置10上安装有GPS导航模块，对空中农业监测装置10进行实时定位监测，并将空中农业监测装置10的位置信息传输到终端服务器12，以确定监测点的位置，指导终端服务器获取该监测点的地面农业监测装置11的监测数据。

本实施例中，可以在空中农业监测装置10和地面农业监测装置11上分别安装无线通讯模块，以使空中农业监测装置10获取的农作物冠层数据和地面农业监测装置11获取的农作物生长环境数据和农作物生理生化数据，远程无线传输到终端服务器12。其中，无线通讯模块包括GPRS无线传输模块、3G数据传输模块、4G数据传输模块和网络优化选择模块，通过2G/3G/4G网络将所监测的数据远程传输至终端服务器；网络优化选择模块对采集器所在地区的2G/3G/4G信号进行择优选择和智能切换，保证了传输路径畅通，确保了农业监测数据的及时、高效传输。

另外，终端服务器12实时接收监测到的农作物冠层数据、农作物生长环境数据和农作物生理生化数据，提取同一时间段、相同监测点的农业监测数据，对农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行相互映证，以获得科学、精确的农业监测数据。然后对上述农业监测数据进行数据融合、农作物生长模型反演，以此可预测农作物长势及农作物收成，也可通过专家系统进行辅助决策，以指导农户对农作物变量施肥、精准灌溉等生产管理调控，提高农作物收成。

本发明实施例一提供的地空一体化农业监测系统，通过空中农业监测装置获取农作物冠层数据，地面农业监测装置获取农作物生长环境数据和农作物生理生化数据，对获取的相同监测点的数据进行数据融合、农作物生长模型反演，实现了农作物多参数监测与大面积高效率监测。

实施例二

图2给出了本发明实施例二提供的空中农业监测装置的结构示意图。如图2所示，该空中农业监测装置包括遥感无人机20，遥感无人机20上安装有相连接的机载高光谱成像模块201和机载数据处理模块202；机载高光谱成像模块201用于采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；机载数据处理模块202用于处理机载高光谱成像模块201采集的农作物冠层光谱信息，得到农作物冠层光谱数据。

考虑到农作物冠层反射光谱曲线上富含重要的农作物生理生化参数信息，因此，本实施例可采用机载高光谱成像模块201来采集农作物冠层光谱信息。具体的，本实施例可选用具有主动光源、光谱范围400-1700nm、分辨率≤3nm的机载高光谱成像模块201，用其获取农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息，并输出归一化差值农作物指数，反演农作物氮素组分信息。

另外，示例性的，机载数据处理模块202包括依次连接的第一数据处理接口、第一核心处理器和第一无线传输节点。其中数据处理接口与机载高光谱成像模块201连接，接收机载高光谱成像模块201采集的农作物冠层光谱信息，第一核心处理器对农作物冠层光谱信息进行处理，将得到的农作物冠层光谱数据通过第一无线传输节点传输到终端服务器。

进一步的，遥感无人机20还包括与机载数据处理模块202连接的多媒体信息采集模块203，该多媒体信息采集模块203用于采集农作物的影像信息；与机载数据处理模块202连接的GPS导航模块204，该GPS导航模块204用于对遥感无人机进行实时定位监测。

示例性的，上述多媒体信息采集模块203采集农作物的影像信息，并将农作物的影像信息传输到终端服务器。该多媒体信息采集模块203可以采用高性能CCD相机，其具有红绿蓝三个波段，可以获取高几何分辨率影像数据，大幅度提高影响匹配、立体测图和三维重建精度，以精确再现农作物三维影像，为农作物生长反演提供逼真的影像。

另外，本实施例采用的GPS导航模块204对遥感无人机20进行实时定位监测，并将遥感无人机20的位置信息传输到终端服务器。GPS导航模块204可以包括RF射频芯片、基带芯片、核心CPU和外围电路。

图3给出了本发明实施例二提供的地面农业监测装置的结构示意图。如图3所示，该地面农业监测装置包括相连接的地面传感模块30和地面数据处理模块31；地面传感模块30用于采集农作物生长环境信息和农作物生理生化信息，地面数据处理模块31用于处理地面传感模块30采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。

其中，地面传感模块30可包括光合作用传感器、叶面温湿度传感器、作物径流传感器、空气温湿度传感器、二氧化碳传感器、土壤水分传感器、雨量传感器，实时采集农作物生长环境信息和农作物生理生化信息。其中，光合作用传感器、叶面温湿度传感器、作物径流传感器获取农作物生理生化信息；空气温湿度传感器、二氧化碳传感器，土壤水分传感器，雨量传感器等传感器获取农作物生长环境信息。地面传感模块30将采集到的农作物生理生化信息和农作物生长环境信息经地面数据处理模块31处理后传输到终端服务器。

另外，本实施例中，地面数据处理模块31包括依次连接的第二数据处理接口、第二核心处理器和第二无线传输节点。第二数据处理接口与地面传感模块30连接，第二核心处理器将分析、加工、处理后的传感器数据通过第二无线传输节点传送至终端服务器，将具有空间定位信息的按综合因素区划的固定监测点的监测数据实时发送到终端服务器。

进一步的，地面农业监测装置还可以包括与地面数据处理模块31连接的地面定位模块32，用于配合遥感无人机中的GPS导航模块204，对监测点进行精确定位。

本发明实施例二提供的地空一体化农业监测系统，通过机载高光谱成像模块采集的农作物冠层光谱信息，地面传感模块采集农作物生长环境信息和农作物生理生化信息，上述信息经核心处理模块处理后传输给终端服务器，终端服务器对相同监测点的数据进行数据融合、农作物生长模型反演，实现了农作物多参数监测与大面积高效率监测。

实施例三

图4给出了本发明实施例三提供的地空一体化农业监测方法的流程示意图，该方法可以由本发明所提供的地空一体化农业监测系统来执行，适用于对农作物进行监测。如图4所示，该方法包括：

步骤401、通过空中农业监测装置获取农作物冠层数据。

示例性的，通过空中农业监测装置获取农作物冠层数据包括：通过遥感无人机采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；处理采集的农作物冠层光谱信息，得到农作物冠层光谱数据。并将农作物冠层光谱数据传输到终端服务器。

另外，还包括通过GPS导航模块对遥感无人机进行实时定位监测，并将遥感无人机的位置信息传输到终端服务器，以确定监测点的位置，指导终端服务器获取该监测点的地面农业监测装置的监测数据。

步骤402、通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据。

示例性的，通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据包括：采集农作物生长环境信息和农作物生理生化信息；处理采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。并将农作物生长环境数据和农作物生理生化数据传输到终端服务器。

步骤403、通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演。

本发明实施例三提供的地空一体化农业监测方法，通过空中农业监测装置获取农作物冠层数据，地面农业监测装置获取农作物生长环境数据和农作物生理生化数据，对获取的相同监测点的数据进行数据融合、农作物生长模型反演，实现了农作物多参数监测与大面积高效率监测。

进一步的，参考图5，在通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演之前，还包括：

步骤503、采集农作物的影像信息，并将农作物的影像信息传输到终端服务器。

示例性的，该步骤可以获取高几何分辨率农作物影像数据，大幅度提高影响匹配、立体测图和三维重建精度，以精确再现农作物三维影像，为农作物生长反演提供逼真的影像。

进一步的，通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演包括：

建立待监测农作物的农作物生长模型,并确定模型参数；

对所述农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合,将融合之后的数据代入农作物生长模型，以预测预设时间之后的农作物生长状况指标；

将预设时间之后监测到的农作物生长状况指标与所述农作物生长模型预测的农作物生长状况指标进行比较，并根据比较结果进行模型参数调整、优化。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种地空一体化农业监测系统，其特征在于，包括：空中农业监测装置，用于获取农作物冠层数据；至少一个地面农业监测装置，用于获取农作物生长环境数据和农作物生理生化数据；以及终端服务器，用于对所述空中农业监测装置和地面农业监测装置获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演；其中，所述空中农业监测装置和所述地面农业监测装置分别与所述终端服务器进行无线通讯。

2.根据权利要求1所述的系统，其特征在于，所述空中农业监测装置包括遥感无人机，所述遥感无人机上安装有相连接的机载高光谱成像模块和机载数据处理模块；所述机载高光谱成像模块用于采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；机载数据处理模块用于处理所述机载高光谱成像模块采集的农作物冠层光谱信息，得到农作物冠层光谱数据。

3.根据权利要求2所述的系统，其特征在于，所述遥感无人机还包括与机载数据处理模块连接的多媒体信息采集模块，所述多媒体信息采集模块用于采集农作物的影像信息；与机载数据处理模块连接的全球定位系统GPS导航模块，所述GPS导航模块用于对遥感无人机进行实时定位监测。

4.根据权利要求3所述的系统，其特征在于，所述地面农业监测装置包括相连接的地面传感模块和地面数据处理模块；所述地面传感模块用于采集农作物生长环境信息和农作物生理生化信息，所述地面数据处理模块用于处理所述地面传感模块采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。

5.根据权利要求4所述的系统，其特征在于，所述地面农业监测装置还包括与所述地面数据处理模块连接的地面定位模块，用于配合遥感无人机中的GPS导航模块，对监测点进行精确定位。

6.一种地空一体化农业监测方法，其特征在于，包括：

通过空中农业监测装置获取农作物冠层数据；

通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据；

通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演。

7.根据权利要求6所述的方法，其特征在于，所述通过空中农业监测装置获取农作物冠层数据包括：

通过遥感无人机采集农作物可见光、近红外和红外波段反射光、入射光光谱信息和冠层色素信息；

处理采集的农作物冠层光谱信息，得到农作物冠层光谱数据。

8.根据权利要求7所述的方法，其特征在于，所述通过地面农业监测装置获取农作物生长环境数据和农作物生理生化数据包括：

采集农作物生长环境信息和农作物生理生化信息；

处理采集的农作物生长环境信息和农作物生理生化信息，得到农作物生长环境数据和农作物生理生化数据。

9.根据权利要求8所述的方法，其特征在于，在通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演之前，还包括：

采集农作物的影像信息，并将农作物的影像信息传输到终端服务器。

10.根据权利要求6-9任一项所述的方法，其特征在于，通过终端服务器对获取的相同监测点的农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合、农作物生长模型反演包括：

建立待监测农作物的农作物生长模型,并确定模型参数；

对所述农作物冠层数据、农作物生长环境数据和农作物生理生化数据进行数据融合,将融合之后的数据代入农作物生长模型，以预测预设时间之后的农作物生长状况指标；

将预设时间之后监测到的农作物生长状况指标与所述农作物生长模型预测的农作物生长状况指标进行比较，并根据比较结果进行模型参数调整、优化。