桂林理工大学

详情

青鸟云耕—构建农田生长监测控污一体化平台

申报人：李思媛 申报日期：2024-12-25

基本情况

2025年批次
青鸟云耕—构建农田生长监测控污一体化平台 学生申报
创新训练项目
工学
测绘类
学生自主选题
一年期
该农业环境监测服务项目基于遥感技术，对农作物土壤、水质和气象等因素进行精准监测和保护，提供全方位的农业环境监测和水资源管理技术，支持生态农业咨询服务等商机。项目配备水污染检测系统，全面监测和分析周围环境因素。通过精准监测农作物生长环境，掌握水、肥等资源在土壤中的分布情况，实现资源高效利用和产量增加。 该项目优势在于高精准性、良好经济和社会效益以及巨大市场潜力，具有重要的应用和推广价值。
2024年大创《青鸟云耕—构建农田生长监测控污一体化平台》校级立项
2024年大创《城市精灵—构建城市热岛综合监测一体化平台》校级立项
2024年参与校级挑战杯《智农慧耕》
主持省部级项目1项，基于纹理特征的农村损毁建筑物智能识别与分类研究，项目编号: 2022GXNSFBA035563，项目来源:广西科技厅，项目经费:8万元。主持横向课题1项，参与省部级项目3项，其中基于双站雷达散射机制的近地表三维土壤含水量反演研究,项目编号:2020GXNSFBA297105为第一参与人。
在基础理论解读及获取各项实验数据方面提供大力支持
校级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
李思媛 测绘地理信息学院 遥感科学与技术 2023 项目经理
刘昌熠 测绘地理信息学院 遥感科学与技术 2023 技术实验人员
周婧彤 机械与控制工程学院 自动化 2023 项目协调员
张良河 测绘地理信息学院 遥感科学与技术 2022 运营管理师
周智辉 测绘地理信息学院 遥感科学与技术 2023 技术实验人员

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
谢嘉丽 测绘地理信息学院 否

立项依据

1.农作物的检测
智慧农业的研究对于推动农业现代化和实现乡村振兴具有重要意义。智慧农业的发展不仅是数字乡村建设的重要内容，也是解决我国“三农”问题、构筑现代农业国际竞争新优势的迫切需要，如今全球朝着多极化局势发展，加强与其他国家贸易往来是时代不断发展的必然选择，其中农业贸易往来更是不可或缺的一环。为此，中国政府高度重视智慧农业的发展，出台了一系列政策措施，如《数字乡村发展行动计划(2022-2025年)》，旨在加快推动智慧农业发展，以科技创新力量支撑农业高质量发展。研究智慧农业不仅对于提升农业竞争力至关重要，也是实现农业和农村全面现代化的关键途径。
（1）为了保证整体产品的质量比普通农产品的质量要高，进一步满足市场需求，检测出农作物生产过程中可能出现的问题（病虫害、缺水、缺肥等）并及时解决，成为重中之重；
（2）通过对农作物生长环境的监测，能够精准掌握水、肥等资源在土壤中的分布，具有针对性的进行灌溉，极大提高资源利用率；
（3）通过检测数据建立农作物生长生态数据库，对生产过程实行自动化控制，实现信息化生产，推动农业科学创新与发展；
（4）不同的播种种植方式会产生不一样的生产效益和收成效果，通过农作物长势的综合监测，有利于提高整体生产效益，提高土地利用率和产量；
（5）农作物检测系统24H全天候对作物进行监测，可以在收获季节准确收割作物，避免提早或过晚收割，最大限度保证农作物产量。
2.水污染的检测
大规模的农田种植对周围环境水质的影响也是不可估量的，为此我国推出了一系列相关政策来应对水污染问题，国家发展改革委编制了《“十四五”重点流域水环境综合治理规划》，旨在深入贯彻习近平生态文明思想，全面落实党中央、国务院关于打好污染防治攻坚战的决策部署。并且《关于推进污水资源化利用的指导意见》强调污水资源利用化的重要性，提出了到2025年和2035年的总体目标，包括提升污水收集效能，增加再生水利用率，以及推动污水资源化利用政策体系和市场机制的建立。这些政策反映了中国政府在水资源管理和环境保护方面的决心，以及对技术和市场机制的依赖来实现这些目标。随着这些政策的实施，预计将在未来几年内看到水质的显著改善。生态环境部部长黄润秋也强调了统筹水资源、水环境、水生态治理的重要性，以及推进美丽河湖保护与建设的必要性。
（1）近年来，农药残留造成的水污染问题日益受到关注，因为它会对人类身体健康、农作物产量和质量、渔业、工业发展和生态环境等造成不良影响。
（2）通过对水质、气象等环境因素的监测和保护，提供农业环境监测设备、水资源管理技术和生态农业咨询服务等商机。
（3）相比于普通耕地，要使得我们的智慧农业更具竞争力，绿色环保便是突破点。因此，配备了水污染检测系统的耕地能够提前调节土地水资源状态防止大面积水污染造成农产品减产或影响品质。
1.农作物检测
研究和建立智慧农场生产现代化管理数据系统，是实现农作物现代化生产管理的必要条件。我们将对机载成像系统、室内表型监测平台进行初步研究与开发，使之能够用于田中作物长势监测，出现病虫时进行灾害评估、预算损失及盈利。最终，进行作物产量预测、长势分析。
2.水污染的检测
在水污染检测系统中，我们运用液相色谱、气相色谱、气象质谱、液相色谱-质谱联用法等仪器，用于检测水体中的有机污染物和金属污染物。实现水质检测的自动化、智能化、网络化和平台化，且能够实时传输和处理水质监测数据。
生物传感器和分子印迹技术，用于快速、简单、灵敏地检测水体中的农药残留。化学降解、辐射、纳米技术和生物降解等方法，用于解决水体中的农药残留问题。电感耦合等离子体质谱、电感耦合等离子体发射光谱仪、在线监测技术和快速检测方法，用于检测水中的无机污染物和综合性指标。相比普通耕地，具有水污染监测系统的耕地会更加绿色环保。
1.国际发展现状
发达国家如美国、德国、英国和日本在智慧农业科技领域处于国际前沿，特别是在农业传感器、农业大数据智能和农业智能装备等方面。主要使用MODIS、MERIS、Landsat、SPOT、Sentinel-2/3等，这些卫星提供了大量关于水体状态和农作物状态的数据。
发达国家如美国、德国、英国和日本在智慧农业科技领域处于国际前沿，特别是在农业传感器、农业大数据智能和农业智能装备等方面。这些国家的智慧农业发展特点包括大集成、大数据和大协同，即集成各种先进设备与技术，建立大型农业数据库，并实现政府、科研机构、农企的协同运作。
国外研究涵盖叶片、冠层、田间和农场尺度的遥感观测，涵盖作物参数估计、作物状态评估和作物动态监测等多个应用领域。赵等人。展示了他们从叶级荧光模型Fluor MODleaf反演作物叶片荧光参数的尝试。作为一种更简单、更直接的方法，光谱指数在本期特刊中受到了更多关注。姚等人。对用于从冠层反射光谱估算小麦作物叶片氮浓度的六种经验方法（例如光谱指数、连续统去除、偏最小二乘回归）进行了综合评估。Tana ka等人证明了用于量化冬小麦叶面积指数(LAI)的新光谱指数的开发。Huang等人阐述了光谱指数在田间规模水稻作物氮状态监测和诊断中的应用。附有FORMOSAT-2卫星图像。通过更频繁的采样，光谱指数可用于优化水果产量和质量的估计，并改进对作物时间动态的评估。郭等人也采用了光谱指数。用于表征水稻作物冠层结构和冠层内不同深度的光辐射。考虑到连续光谱测量的照明强度和几何形状的变化，Ishihara等人。通过地面传感器网络的光谱观测，研究阳光条件对作物生长季节中两个绿度指数一致性的影响。
在区域层面，许多论文报告了利用中分辨率（例如，Landsat和HJ-1A/B）和低分辨率（例如，MODIS）卫星图像进行作物类型分类和作物面积测绘。本特刊中的分类和绘图工作均未单独使用来自光学卫星数据的光谱信息。相反，这些研究表明，将光谱信息与时间序列光学图像的时间信息或SAR数据的反向散射信息集成起来是有利的。利用多时相光学数据，分别绘制了长江三角洲地区和东部平原地区的水稻种植面积。特别是，从时间序列数据中提取的作物物候信息用于多传感器作物绘图和部分作物绘图。此外，郝等人，研究时间序列数据中的时间范围对作物制图的影响。通过整合光学和SAR数据，Villa等人。开发了一种分类树方法来绘制作物类型的季节图，Boschetti等人。展示了一种在灾害应对中提供事件前和季节内农作物状况信息的方法。除了农作物生长条件外，还应利用遥感技术评估农业地区的环境条件，如黄等人对气温测绘的检查。
2.国内发展现状
中国的智慧农业发展虽起步较晚，但在政策引导和规模经营的推动下，已在环境类农业传感器、农业遥感技术、农业无人机、农机北斗导航、农业大数据与智能算法等技术研发应用取得了显著进步。
随着经济的快速发展，政府和研究机构正在加大力度进行水质监测技术的研究和应用。同时中国在水污染遥感监控方面也取得了进展，特别是在自动水质监测和信息化程度上有所提升。
在水环境遥感反演方面，深度学习已被用于蓝藻色素、叶绿素、可溶性有机物、溶解氧等水质参数遥感反演，表明深度学习的确可以从多源光学影像数据中挖掘出水质参数与光谱之间的复杂定量关系，且反演精度高于传统模型。有关研究表明，基于贝叶斯概率神经网络的深度学习反演叶绿素a浓度结果与传统的基于光谱特征的经验算法、半分析模型相比，均方根误差、平均绝对百分比误差都得到显著降低，拟合优度得到显著提高（深度学习算法R2为0.96，而半分析模型、经验模型的R2分别为0.62和0.61）；基于均方根卷积神经网络的深度学习反演的藻蓝蛋白浓度和叶绿素a浓度反演结果的R2分别可达0.86和0.73，均方根误差小于10mg/m3，算法表现优异。
经过卫星研制、技术开发、应用管理等多部门20多年来的不懈努力，中国已初步建立了环境遥感监测技术体系，并形成了业务化应用能力，环境遥感监测正在从人工化走向实时化、自动化、智能化。
3.发展动态
智慧农业的发展趋势包括无线传感器网络、物联网等技术的应用，以及对生态环境、智慧城市与技术发展融合等领域的深入研究。未来的水污染遥感监控将更加注重实时性、准确性和全面性，以及监测结果的快速响应和决策支持。
但是从总体上看，中国环境遥感监测技术发展距环境监测“三个说清（说清污染源状况、说清环境质量现状及其变化趋势、说清潜在环境风险）”的总体要求尚有明显差距，还不能适应新时代中国环境污染治理和生态保护与恢复的新形势和新任务，环境遥感监测技术发展正面临前所未有的机遇与挑战。面对新的历史时期环境监管“看的更远”、“看的更快”、“看的更准”的新要求，我们还缺乏具有大范围、高频次、高分辨率、业务化观测能力的环境专用卫星，需要加紧推动以高分辨率探测为核心的新一代环境监测卫星的研发，大幅提升可见光、热红外、微波、激光雷达等环境专用载荷的技术性能，特别是要加强光学与生物、质谱、色谱等环境监测手段的结合。
在传统水体指数法的基础上，选取了两种水体指数法（MNDWI、NCWI），用Landsat8 OLI遥感影像进行水域面积提取，同时将其与SVM法提取的水域面积进行精度评定。使用混淆矩阵进行精度评定，以人工目视解译绘制的水体提取样本为精度评价样本，将其与两种水体指数法以及SVM法等多种方法进行精度评定。
1.光谱特征分析
通过对NDWI模型进行改进而构建了MNDWI模型。MNDWI在进行模型构建时，利用水体和建筑物在中红外波段上光谱的差异特点进行波段运算，使水体和建筑物在灰度值上的差异增大，在提取城市地区水体时明显提高了准确率。MNDWI模型能够克服NDWI模型在无法分辨城市内建筑物与水体的缺陷，同时在进行水质监测时也表现出较好的效果，能够分辨水体的细微特征。此外，MNDWI模型在水体水质监测方面也表现出色，具有较好的效果，可以检测到水体的微小特征。MNDWI模型还能够减少在提取水体时由于阴影问题产生的混淆，因此在一定程度上能够将水体与阴影区分开来。MNDWI水体指数模型如公式（1-1）所示。
（1-1）
式中：ρGreen为绿光波段，ρMIR为中红外波段。
新型组合水体指数模型（NewCombinationofWaterIndex，即NCWI），NCWI
模型将MNDWI模型与归一化植被指数模型相结合，将两个模型的分子与分母进行波段比值运算，从而创建新的水体指数模型。NCWI采用近红外波段和绿光波段反射率之差与两者之和的比值来计算水体指数，从而有效减少了裸地指数值的出现。基于该特点，构建了一种新型组合水体指数，以减少对裸地的错误识别。其公式如（1-2）所示。
（1-2）
式中，ρGreen为绿光波段，ρRed为红光波段，ρNIR为近红外波段，ρMIR为中红外波段。
根据MNDWI水体指数模型的模型以及对水体在各波段反射率的分析，水体在红外波段时反射率最低，即水体在红外波段的吸收能力强，而在蓝光波段的反射率高，即对蓝光的吸收作用弱，水体从蓝光波段到中红外波段的反射率持续降低。而云、建筑、裸地和植被等则对红外光的反射作用较强，其反射率远高于蓝光，故此便利用该特点结合MNDWI水体指数模型，将其分子保留下来以增大水体和建筑物之间的差异。除了阴影和水体以外，其余四种地物在蓝光波段的平均反射率都高于中红外波段。同样利用水体在绿光波段有着高反射率的特点，将绿光波段、中红外波段、红光波段进行相互组合比值运算，该指数模型基于MNDWI模型，并与NCWI模型相结合，构建出一个新的水体指数模型（MCWI）。其公式如式（1-3）所示。
（1-3）
式中，ρGreen、ρMIR、ρRed、ρMIR分别OLI影像中的绿光、中红外、红光波段。
为此本设计在传统水体指数法的基础上，选取两种水体指数法（MNDWI、NCWI）Landsat8 OLI遥感影像进行水域面积提取，同时将其与SVM法提取的水域面积进行精度评定。使用混淆矩阵进行精度评定，以人工目视解译绘制的水体提取样本为精度评价样本。在此基础上，对农业的水环境污染进行深度的监测与分析。
2.拟解决问题
精准农业通过监测和分析作物生长，优化资源使用，提高产量质量，通过监测水体光谱特性和水质变化，及时发现并预防污染事件和环境灾害，为制定环境保护政策提供科学支持，减少对环境的负担。以此解决桂林市农田农作物管理问题以及监测并管理种植农作物后对周边水域环境的污染问题。
第一阶段：2025年06月1日-2025年09月16日
建立研究区，获取研究区的作物及发展现状、确定适合监测的作物类型；
确定研究目标：明确农业领域和问题，土壤质量、气候变化对作物产量的影响等；
文献综述：进行相关文献的综述研究，包括但不限于查阅学术期刊、专业书籍、农业报告等，了解已有的研究成果和技术进展；
数据收集：收集与研究目标相关的数据，包括土壤样本分析数据、作物生长数据等（通过当地农业部门、研究机构等途径获取数据）；
数据整理和处理：对收集到的数据进行整理和处理，包括数据清洗、去除异常值、数据格式转换等，确保数据的准确性和可用性；
确定目标区域和作物类型：选择一个具有代表性的农业区域，确定最适合监测的主要作物类型。
第二阶段：2025年09月16日-2025年11月8日
建设遥感数据采集系统和生态农业数据库；
通过遥感技术获得土壤、水质、气象等环境因素信息，并将其存储入生态农业数据库；
开发数据处理算法，实现对数据的清洗、分析、挖掘和可视化，为后期应用打下基础。
第三阶段：2025年11月8日-2026年04月25日
开发农业环境关于水资源管理的技术；
利用遥感技术和数据库，开发水资源管理技术，提供针对性的灌溉方案，实现精准用水和肥料施用，大幅度提高资源利用率。
1.与本项目有关的研究积累和已取得的成绩
为此本设计在传统水体指数法的基础上，选取两种水体指数法（MNDWI、NCWI）对研究区的Landsat8 OLI遥感影像进行水域面积提取，同时将其与SVM法提取的水域面积进行精度评定。使用混淆矩阵进行精度评定，以人工目视解译绘制的水体提取样本为精度评价样本，将其与两种水体指数法以及SVM法等多种方法进行精度评定，分析各种方法的精度以及优缺点。目的是为了选取出在该区域中提取水体效果最好且最稳定的水体指数法。并基于该模型进行水体指数法水域面积提取方案设计，并利用设计好的水体指数模型进行水域面积提取。同样利用混淆矩阵法进行精度评定，以验证该指数模型的有效性。后续对研究区水域面积变化分析，并对2个时相影像中的墨水湖进行水量估算，分析墨水湖的水量变化，通过结果分析，可以得出以下结论：
（1）在使用四种水体指数法对研究区进行水体提并进行精度评定。通过对比总体精度以及kappa系数。结果发现，MNDWI水体指数模型在该区域中的水体提取效果最好，在提取水体时受到的建筑物影像相较于NDWI水体指数模型得到了明显的改善。同时与SVM模型进行对照实验，MNDWI水体指数模型提取水体效果同样的到了验证。
（2）基于MNDWI水体指数模型并结合其他三种指数模型进行改进设计。设计出的新指数模型在提取水体时能够很好地将水体与建筑物区分出来，该指数法保留了MNDWI模型的优点，适用于农业生产地区水体提取。同样引入了红光波段，在提取水体时能够较好地将裸地与水体区分出来。
（3）利用该指数模型对两个时相的水域面积进行变化分析及水量估算。通过水资源监测变化可以为水资源保护提供针对性的措施。综上所述，本次工作取得了重要的研究成果，设计了一种适应多种场景、阈值稳定的水体指数模型，并应用于水域面积提取和水量估算。然而，还有一些局限性需要克服，并且还有进一步的改进空间。通过进一步的研究和探索，可以不断完善和优化水体指数模型和水量估算方法，为水资源管理、环境保护和灾害预警等领域的应用提供更可靠的科学支持。

已具备的条件：
（1）通过对农作物生长环境的精准监测，能够实现对水、肥等资源的精准管理和利用，提高资源利用效率。
（2）项目能够为农业企业提供全方位的农业环境监测服务和技术支持，帮助其实现资源高效利用和产量增加，从而获得更好的经济效益。
（3）项目能够保护农业环境，改善生态状况，促进可持续发展，既符合社会责任，又能获得社会认可和支持。
（4）项目拥有一支专业的研究和开发团队，能够针对客户需求和市场变化进行技术创新和产品升级。
缺少的条件：
（1）需要获取高分辨率、实时性比较好的遥感数据才能实现对农作物土壤的监测。
（2）需要强大的数据处理能力，以应对大量的遥感数据和其他环境因素数据的处理和分析工作。
解决方法：
（1）购买遥感影像或与遥感数据供应商、卫星运营商等相关企业建立合作关系，以获取高质量的遥感数据。
（2）加大对数据处理和分析技术的投入，使用先进的数据处理工具和算法，提高数据处理效率和质量。

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 4500.00 无 3000.00 1500.00
1. 业务费 4000.00 试验费、论文出版费 2500.00 1500.00
（1）计算、分析、测试费 500.00 试验费 500.00 0.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 3500.00 核心论文版面费 2000.00 1500.00
2. 仪器设备购置费 0.00 无 0.00 0.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 500.00 购买打印纸等 500.00 0.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司