自动农业气象观测与便携式无线农业气象远程监测系统功能分析Word文件下载.docx

自动农业气象观测与便携式无线农业气象远程监测系统功能分析Word文件下载.docx

《自动农业气象观测与便携式无线农业气象远程监测系统功能分析Word文件下载.docx》由会员分享，可在线阅读，更多相关《自动农业气象观测与便携式无线农业气象远程监测系统功能分析Word文件下载.docx（11页珍藏版）》请在冰豆网上搜索。

自动观测；

便携式无线农业气象远程监测系统

引言

我国是农业大国，气象部门历来重视农业气象工作。

围绕气象为农服务需求，我国已逐步建立起国家一省一地（市）一县四级农业气象业务体系，并在长期的农业防灾减灾、农事生产管理等服务中发挥着重要作用。

随着农业科学技术的飞速发展，我国农业已进入了一个以高产、优质、高效、生态、安全为发展方向的新阶段，农业对气象服务提出了更高的要求，迫切需要农业气象为现代农业的发展提供时效更快、内容更多、水平更高、针对性更强的服务产品。

因此，获取高精度、高密度、多要素、连续稳定的农业气象观测信息势在必行。

然而，当前的农业气象观测技术、手段、时效、内容以及观测站点密度等远不能满足现代农业气象业务和服务发展的需求，主要表现在以下几个方面：

农业气象观测站点代表性不足，由于远距离大田观测存在交通条件等困难，农业气象观测站点基本在城市附近，观测地段的选择受到很大的空间限制，直接影响着农业气象观测样区的代表性；

农业气象观测自动化程度低，目前农业气象观测仍以人工和手工方式为主，如人工取土测墒，劳动强度大，费时费力，基层台站工作困难；

农业气象观测精度有限，可比性不强，由于观测人员的专业素质、熟练程度、观测习惯和责任心等不同，造成观测精度差别较大，如作物发育期、密度、苗情长势等观测在取样、判断、量化等环节不可避免地受到观测人员主观因素的影响；

观测时效性不能满足业务需求，现有土壤水分每旬只有1---2次观测，发育期观测由于需要人工观测，不能实时连续动态进行，有时还错过观测的最佳时间，病虫害及各类气象灾害的田间实况资料不能实时获得等；

农田小气候观测未能真正用于业务服务和科研中，农田小气候资料与气象站的观测资料有一定的差异，可反映农田内的真实气象环境及灾害发生情况，由于各种原因，多年来未制定统一的观测标准，也未投入到农业气象业务服务中。

因此，当前以目测或简单器测、手工记录和报表寄送、纸质存档等为主的农业气象观测业务与现代气象业务体系建设要求相差甚远，亟需提高其自动化观测能力。

与国外相比，我国的农业气象观测业务具有一定特色，如观测业务较为规范，观测站网布局较为合理，观测内容和观测项目较为丰富，在国家粮食安全保障中发挥着重要作用。

但我国农业气象观测手段和观测方法发展缓慢，技术较为落后；

荷兰、以色列、美国、德国等国家在农业气象观测领域虽没有十分完整的观测项目和观测布局，但其农田小气候等观测技术和观测设备比我国先进，已基本实现自动化观测。

因此开展农业气象自动化观测研究，发展我国的农业气象自动化观测业务十分必要。

本文围绕自动化农业气象观测技术方法，重点介绍了自动农业气象观测系统的总体设计原则、技术思路及实现途径。

1总体设计

本系统总体设计遵从以下原则：

①突出重点，解决急需。

本系统主要围绕农业气象业务需求，重点解决急需和人工观测难度较大的观测项目和观测作物，再逐步解决其他观测…。

为此系统主要解决主要粮食作物小麦、玉米、水稻和主要经济作物棉花的发育期、土壤水分、农田小气候、主要农业气象灾害等观测项目。

②成熟性原则。

即传感器选型尽可能选用成熟、先进的技术。

③可靠性原则。

优先考虑系统稳定性，确保系统性能可靠。

④模块化组态设计原则。

在已确定的观测传感器基础上，具有扩充观测传感器的功能。

⑤通用性原则。

不同型号的传感器或设备需具有可代替性，选择通用接插件，便于系统的快速检查、维护与升级。

根据以上设计原则，设计的自动农业气象观测系统和便携式无线农业气象远程监测系统主要分为硬件系统和软件系统两部分[2噜。

硬件系统主要包括作物生长CCD（charge-coupledde-vice）自动采集传感器、农田小气候观测传感器、土壤水分自动观测传感器、数据采集器、通讯传输系统、电源系统（市电和太阳能）、环境监控系统及防雷系统等；

软件系统主要包括资料自动采集和控制软件、信息处理与应用软件，其中信息处理与应用系统软件主要面向基层观测人员，包括作物发育期自动识别、作物株高、密度（盖度）、作物长势等自动观测处理及应用。

为测试设备在不同气候区的适应性并研究自动化观测方法和自动识别算法，在不同生态区选择小麦、玉米、棉花、水稻4种作物，进行3年自动和人工对比观测，总体设计思路见图1。

2自动农业气象观测系统设计与实现

自动农业气象观测系统采用模块化设计，每一部分可以作为子系统单独使用，也可集成为一个综合系统。

本设计采用集成方案，即将作物生长、田间小气候、土壤水分3个自动化观测子系统及电源、环境监控等辅助子系统，与资料采集、农业气象观测信息处理与应用系统软件集成，构成了自动农业气象观测系统。

其中，作物生长自动化观测子系统主要包括作物发育期、密度（盖度）、作物株高和作物长势等tl动观测；

农田小气候观测包括为监测主要农气象灾害而设计的不同高度层的温、湿、风、地温、光合有效辐射等观测；

土壤水分自动化观测系统主要包括不同土层深度的土壤湿度观测。

2．1作物生长自动化观测子系统设计

作物生长自动化观测包括作物生长信息自动采集与图像自动识别处理。

利用CCD图像传感器技术实现作物发育期自动采集，自动采集器的技术指标，即CCD图像传感器安装高度、焦距及图像分辨率是决定作物生长自动判别准确率的关键。

本设计通过三维模拟软件与外场试验分析，结合农业气象观测要求，试验确定CCD图像传感器的技术指标。

作物发育期图像自动识别是利用田问试验获取的作物发育期图片资料，结合作物不同时期生长特性及在图像中的信息特点，采用图像处理技术，定量分析并判识作物发育期；

采用摄影测量学结合像处理技术实现作物株高的自动测量；

采用数理统计方法及图像处理技术实现作物密度（盖度）的自动观测。

2．1．1作物生长自动采集传感器技术指标设计与选型

作物生长自动采集传感器技术指标采用三维仿真模拟作物生长的真实场景确定。

在模拟中假设土地尺寸为20m×

20m，设两级刻度标示单位，一级为2m间隔，下一级为0．2m间隔；

方案中模拟真实作物生长高度的变化情况，在模拟场景中设计了相同类型植物的6种高度变化情况，分别为2．5m，1m，0．5m，0．25m，0．1m，0．05m，基本涵盖了研究作物的高度变化范围。

根据作物生长的高度，将模拟CCD传感器分别安装在5m，4m，3m高度上，俯仰角为65。

，对获取图像的成像尺寸及CCD不同分辨率的成图效果进行分析，发现CCD的成像效果对发育期的自动识别精度有较大影响，成像尺寸太小，图像分辨率达不到自动识别的能力，图像获取失败，即安装高度不合适、相机焦距或图像分辨率不合适；

图像分辨率太高，完全满足了自动识别的要求，但图像分辨率有冗余，给资料传输带来一定压力。

试验结果表明：

CCD传感器的安装高度和图像分辨率的大小，对自动化识别效果和观测样本区的大小有直接影响。

表1模拟结果显示：

对于矮杆作物（高度在1m左右），若获取的观测样区在5m2左右，CCD传感器的安装高度应不低于3m，焦距不低于16nlm；

对高秆作物（高度在2．5m左右），若获取的观测样区在5m2左右，CCD传感器安装高度应不低于5m，CCD焦距不高于211Tim。

在CCD传感器高度和相机焦距确定后，再模CCD传感器不同分辨率下获取的图像像素大小，分析图像自动识别的效果。

本文以玉米出苗期为例，模拟在CCD传感器高度为3ITI、焦距为16mm时，获取的图像成像效果（表2）。

从模拟结果看，综合考虑图像识别技术能力，当每株玉米像素低于80个像素时，不能自动提取或分辨出玉米苗，即CCD传感器的分辨率不应低于3684×

2638，按照以上方法确定CCD传感器技术指标，再通过田间试验进行验证和调整。

2．1．2作物发育期图像信息提取及定量化处理

通过自动获取的作物发育期图像，分析不同发育期图像的色度、形态特征，结合不同作物发育期农业气象特点及气象指标，实现作物发育期的自动别Lg-ioJ。

作物的发育期可分为营养生长和生殖生长两个阶段，营养生长阶段的出苗期在图像上作物从无到有，表现为绿色信息的突变外，其余时段在图像提取信息上呈渐进性变化特征，即两个相邻的发育期段仅有量的变化，但无明显质的改变；

在作物生殖生长阶段图像上出现了新结构，表现出明显突变性特征，在图像处理中可通过识别和检测作物的突变性或显著性特征来完成。

作物发育期图像中渐进性无质变的生长阶段通过收集作物的几何特点、位置、顶点、色度等统计特征，结合作物的高度、叶像素面积、农业气象特点等信息进行综合判断来实现发育期的自动观测。

作物发育期自动化观测处理思路见图2。

自动采集图像受太阳光高度角和方位角影响较大，为克服背景不统一、光照不一致、植株间有交叉、农事活动有影响等困难，准确提取出需要的信息，需对图像中的每个像素进行颜色空间转换和提取颜色特征，继而应用聚类算法对图像进行不同区域分割，对绿色作物彩色图像进行不同颜色空间特性分析，并通过建立数学统计模型生成亮度、色度对照表用于辅助区域判决算法。

不同作物发育期有相应的判别指标，以玉米为例[13进行描述。

出苗期：

玉米出苗时会在图像上表现出叶像素面积突变，通过研究叶像素面积的突变值，可判别出玉米出苗期。

三叶期和七叶期：

通过作物的叶像素面积和作物顶点数等多种图像特征识别。

叶像素面积的提取可先对作物图像进行自适应分割，然后对每个连通区域进行标记，再对每个连通域的叶像素面积进行统计，七叶期的叶像素明显大于三叶期的叶像素。

拔节期：

玉米在拔节期时日生长量（株高）会发生明显跃变，日增长量和作物盖度超过前期平均值多倍。

通过研究玉米拔节前后逐日株高变化，结合人工对比试验确定跃变阈值，实现玉米拔节期的自动判别。

抽雄、开花、吐丝期：

在图像上表现出明显的新结构特征，利用新结构颜色、纹理与玉米绿叶的图像差别，提取结构特征，从而自动判别玉米发育期。

2．1．3作物株高自动观测设计

利用摄影测量技术，对观测的作物采用动态跟踪法，完成作物株高的自动测量。

2．1．4作物盖度的自动观测方法

作物盖度与作物的长势、作物密度、作物叶面积指数密切相关，可反映作物生长情况，是了解作物生长的重要参数之一，其值可应用到农业气象模式中，开展作物生长模拟。

通过自动观测装置获取相同拍摄高度、拍摄角度、相机焦距、像素统一规格作物生长图片资料，分析计算图像中作物信息面积与图像总面积之比即可获得作物盖度。

通过试验分析作物盖度与作物密度、叶面积指数之间的关系，探讨它们之间存在的数理关系，以此间接实现作物密度、叶面积指数的自动观测，替代现有繁琐的人工观测。

2．2农田小气候观测要素及观测设计

农田小气候主要观测农田内和作物上方气象条件，可以为农作物生长气候评价、农业气象灾害监测和评价提供数据[11。

14]。

本系统主要根据农作物的生长特性、农业气象业务和服务需求，设计了农田不同高度层的温度、湿度、降水量、风速及光合有效辐射等气象要素