前言：尋找寫作靈感？中文期刊網用心挑選的新農科下的遙感數字影像處理課程設計，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

【摘要】伴隨高新技術的發展，當代農科教學已發生了巨大改變。新農科建設是國家發展戰略對新時代農業人才的新要求。文章為以遙感數據分析課程為例，打破傳統遙感課程的教學安排與設計，將課程內容分為遙感數據預處理、影像增強與融合、遙感在農業上的應用三部分，通過發揮項目實例在課堂教學中的作用，建立的以培養創新能力和實踐能力為目標的實踐教學模式取得了良好的教學效果，學生的創新和實踐能力得到較大提高。

【關鍵詞】遙感；新農科；課程設計；應用

0引言

遙感作為3S技術遙感技術、地理信息系統、全球定位系統的（統稱）的一員，是快速獲取大面積范圍內地物信息的最有效技術手段，在農業、林業、地質、水文、城市與區域開發、海洋、氣象、測繪等科學和國民經濟的重大發展中，發揮著越來越大的作用[1，2]。近年來，隨著現代科技的不斷發展，遙感技術已從科學走向生活，并在潛移默化地影響乃至改變人們的生活方式。遙感數字影像處理課程是地理信息科學、地球系統科學、資源與環境科學等學科的專業核心課程。而在農業高等院校中，為了更好地建設“新農科”，這門課程也會作為農業工程與信息技術專業碩士的專業核心課程。筆者根據自己多年從事農業定量遙感的科研經歷，在講授這門課程時，打破傳統遙感課程的結構，將課程內容分為遙感數字影像預處理方法、影像增強和融合方法、遙感的農業應用三部分，夯實基礎知識的同時，以農業應用為出發點，挖掘遙感的無限價值，體會遙感之美。課程亮點一是以農作物種植面積提取和農作物長勢監測為突破口，將所學的遙感影像預處理、增強和融合方法應用于農業中；課程亮點二是在遙感數字影像處理及應用的基礎上，將衛星、無人機影像處理方法及農業應用落實于理論講解之上。

1教學目的與內容設計

通過對本課程的學習，使學生能夠在理解遙感數字影像特征的基礎上，掌握遙感影像的預處理、增強、融合和分類方法，并能夠借助計算機和遙感技術進行農作物種植面積提取和長勢監測，對作物病蟲害識別、作物表型參數、生理生化指標進行監測，并對作物產量進行預測，從而培養學生利用計算機、遙感技術解決農業問題的能力。遙感影像預處理主要分為四個部分：（1）給學生介紹遙感的基本概念、遙感數據獲取的基本過程和遙感技術發展歷史及趨勢，讓學生對遙感的基礎知識有個初步的了解；（2）介紹常見的遙感平臺和傳感器系統，包括不同遙感平臺及搭載傳感器的簡介，如常用衛星影像、無人機、航天飛機遙感平臺簡介和多光譜、高光譜、熱紅外和可見光等傳感器簡介；（3）衛星遙感影像發生輻射誤差和幾何誤差的原因，以及如何進行輻射校正和幾何校正；（4）介紹當下使用最為廣泛的一種遙感平臺無人機的影像獲取、輻射定標和拼接方法。第二部分主要講解遙感圖像的增強與融合。遙感影像增強是為了特定應用目的，使得圖像更容易解譯的過程。尤其是在遙感圖像的應用過程中，圖像增強可以使原始遙感像片中所需信息的突出，更有利于解譯，增強的方式主要分為空間域增強和頻率域增強。遙感影像融合的目的是通過對多個不同傳感器的影像數據進行智能化合成，得到比單一傳感器數據更精確、更可靠的描述和判斷。將不同光譜分辨率和空間分辨率的影像進行融合后的圖像可以具有更優質的空間和光譜信息，可提高分類識別精度；將微波與光學兩種不同物理性質的影像進行融合可以增強其特征，使得原來不可見或不明顯的物體得以凸顯；將多時相影像進行融合可用于目標物的變化監測。前兩部分都可以說是對遙感影像進行處理的基礎和手段。在做好影像的預處理以及優化增強的前提下，針對農業高等院校和農業工程與信息技術專業碩士的特點，以教師的科研項目為依托，以農業遙感中的不同問題為導向，學習遙感影像處理與分析的方法，提高學生的實踐與創新能力。如在農作物種植面積提取和農作物分類中，可以教授學生利用監督分類、面向對象分法、深度學習等方法實現地塊識別、作物種植面積提取、作物分類、作物穗粒識別；在農作物長勢監測中了解長勢監測指標、植被指數構建原理、農作物冠層參數反演原理；在農作物病蟲害監測中，了解與掌握病蟲害光譜特征、光譜識別，以及如何結合實地調查數據構建遙感監測模型；在農作物生理生化參數估測學習部分，讓學生了解作物的葉面積指數、葉綠素含量、株高的遙感估測以及作物產量遙感預測的常見方法。

2課程案例舉例

2.1基于衛星影像的農業應用案例

該案例是基于衛星影像對花生種植面積進行提取，以歐空局Sentinel-2B衛星影像與國產影像GF-6WFV為數據源，采用常見的非監督分類法和監督分類中的K鄰近法和最大似然法，以許昌市榆林鄉為研究區域，對花生種植面積進行提取并對比。這兩種影像都有紅邊波段，對于提高花生種植面積提取精度有幫助。通過實踐該案例，學生復習了課程前一部分學習的衛星影像的下載、輻射定標、幾何校正與拼接，接下來利用不同的分類方法提取花生的種植面積使學生深入理解遙感影像非監督分類、監督分類的幾種主要方法以及分類后處理和分類精度的評價與提高。

2.2衛星影像與地面高光譜數據相結合的案例

該案例是基于衛星影像對棉花蚜蟲病害進行監測，數據源為Sentinel-2B影像、地面高光譜數據和野外病害調查數據，首先對Sentinel-2B數據進行預處理，利用野外調查數據對影像進行監督分類，提取棉花種植空間分布，接下來分別采用光譜角的方法和Logistic建模方法對研究區棉花蚜害進行遙感監測。在光譜角分類中，利用波段運算的方法提取20種光譜特征因子進行蚜害靈敏度分析、相關性分析，最終選出4種光譜特征因子作為基準光譜向量，利用光譜角分類法構建蚜害監測模型。在Logistic建模法中，利用Relief算法與泊松相關系數法對包含棉花植株表征數據在內的24種初選特征因子進行特征降維并去除冗余度高的特征因子，最終保留6種特征因子作為優選屬性，并通過在衛星數據上直接獲取或間接反演得到優選屬性值，以此利用Logistic建模法構建蚜害監測模型。并對比兩種建模方法的優劣性。在這個案例中學生不僅再次復習鞏固了衛星影像的下載、輻射定標、幾何校正與拼接，還學習了地面高光譜數據的處理與特征分析、衛星影像的波段運算、數據融合和特征提取，最后還學習了如何構建數據信息模型。

2.3基于無人機數據的案例

在該課程的講述中，除了利用衛星影像解決農業實際生產中遇到的各類問題，還給出了若干利用無人機助力農業生產的案例，如基于早期無人機數碼影像和作物模型的冬小麥產量預測、基于無人機數碼影像的作物理化參數監測———冬小麥株高、生物量和LAI，基于無人機多光譜影像的作物理化參數監測———大豆覆蓋度和葉綠素等若干項目案例。在這些案例的實際操作和學習中，學生學習了無人機搭載的不同傳感器平臺的影像從獲取到拼接再到預處理的整個流程，并學習了如何利用無人機影像進行農作物的識別、作物表型參數的反演、作物病蟲害的識別，并將無人機遙感平臺和其他遙感平臺的優劣做比較，獲得了非常好的教學效果。

3結語

為了推動智慧農業、數字農業的大力發展和長足進步。2018年6月2日，第一顆以精準農業觀測為目的的高分六號衛星由長征二號丁運載火箭護送且成功發射。高分六號衛星與高分一號衛星組網運行后，將使遙感數據獲取的時間分辨率從4天縮短到2天，可以有效地為農業資源監測、林業資源調查、防災減災救災等重大需求提供遙感數據支撐。因此，在當今農業工程與信息技術專業碩士培養的教學改革中，將項目實戰案例融入教學和實踐教學課程體系是培養現代化農業人才的當務之急。

【參考文獻】

[1]馮莎．實施鄉村振興戰略，助力脫貧攻堅[J]．農業經濟，2018（10）：33－34．

[2]鄒安妮，李宇飛，胡軍.涉農高校專業建設的思考與探索[J].南方農機，2021，52（12）：162-163.

作者：郭偉 張慧 董萍 單位：河南農業大學信息與管理科學學院