【文章內(nèi)容簡介】 盤拷貝、在線瀏覽、接口服務(wù)等三種形式提供空間數(shù)據(jù)尤其是遙感數(shù)據(jù)的免費共享服務(wù)。 （ 5）空間信息服務(wù)標準與技術(shù)規(guī)范研究 1 數(shù)據(jù)采集、處理和管理規(guī)范 建立健全建設(shè)和運行的標準和技術(shù)規(guī)范。促進地理空間信息的共享和廣泛應(yīng)用，研究、制定并實施有關(guān)標準，重 點研究有關(guān)基礎(chǔ)性地理空間信息分類、編碼及其質(zhì)量控制。元數(shù)據(jù)操作系統(tǒng)是實現(xiàn)數(shù)據(jù)和元數(shù)據(jù)網(wǎng)絡(luò)共享的基礎(chǔ)。建立了元數(shù)據(jù)系統(tǒng)用戶可以查詢、檢索元數(shù)據(jù)和獲取數(shù)據(jù)；管理人員可以、數(shù)據(jù)和用戶對它們的訪問權(quán)限。建立一個相對完善的元數(shù)據(jù)系統(tǒng)的工作，包括幾方面的內(nèi)容系統(tǒng)的設(shè)計與實現(xiàn)，元數(shù)據(jù)的提取、質(zhì)量保證和再處理，系統(tǒng)的維護。不僅要考慮系統(tǒng)的效率，與已有系統(tǒng)的銜接，系統(tǒng)的擴充性能與可維護性，用戶界面的友好性，系統(tǒng)的安全性等。系統(tǒng)容量具備支持 20 萬注冊用戶的能力數(shù)據(jù)庫響應(yīng)時間數(shù)據(jù)庫吞吐量認證授權(quán)響應(yīng)認證平均響應(yīng)時間 3s / 認證 系統(tǒng)認證正確率 %網(wǎng)站訪問響應(yīng)時間網(wǎng)站訪問平均響應(yīng)時間 3s，峰值 10s。 圖 7 基于空間數(shù)據(jù)的農(nóng)作物變量管理系統(tǒng) 基于空間的農(nóng)業(yè)信息服務(wù)系統(tǒng)整合了農(nóng)田信息采集和信息處理部分，擬從以下 7 個方面開展研究。 （ 1）農(nóng)業(yè)專題數(shù)據(jù)采集與集成 研究采集與作物密切相關(guān)的專題數(shù)據(jù)及集成方法，是開發(fā)農(nóng)業(yè)信息服務(wù)產(chǎn)品的基礎(chǔ)。圍繞農(nóng)業(yè)信息服務(wù)總體目標，根據(jù)農(nóng)業(yè)生產(chǎn)需求，采集并集成包括作物、農(nóng)田、氣象等專題數(shù)據(jù)，為生產(chǎn)滿足農(nóng)業(yè)要求的信息服務(wù)產(chǎn)品提供數(shù)據(jù)支持（見圖 8）。 （ 2）主要農(nóng)作物空間分布與產(chǎn)量預(yù)測 研究多源遙感數(shù)據(jù)的作物精細分類與識別模型。利用獲取的多年、不同時相、覆蓋全兵團的多源、不同空間分辨率、光譜分辨率遙感數(shù)據(jù)（ TM 、 CBERSII、北京 1 號衛(wèi)星數(shù)據(jù)、 SPOT 數(shù)據(jù)），以 SAIL模型及“十五” 863 項目構(gòu)建的“我國典型地物波譜庫”中主要農(nóng)作物的冠層光譜數(shù)據(jù)為基礎(chǔ)，建立本地化的農(nóng)作物冠層光譜數(shù)據(jù)庫，結(jié)合先驗知識進行純像元提取、混合像元分解；將基于像元信息的作物分類算法與面向?qū)ο蟮姆诸愃惴ㄏ嘟Y(jié)合，并采用分層分區(qū)監(jiān)督分類的方法，提高作物分類精度；根據(jù)不同的物候期，進行圖像處理與解譯；在天氣條件不穩(wěn)定 區(qū)域嘗試多時相雷達遙感影像數(shù)據(jù)進行作物分類與面積提取的方法；同時在各個分區(qū)布設(shè)地面采樣點，作為遙感影像分類的補充與驗證。在準確分類結(jié)果的基礎(chǔ)上，制成團場當(dāng)年主要農(nóng)作物種植、分布報告；由此提取并發(fā)布各團場當(dāng)年主要農(nóng)作物的播種面積及收獲面積信息，同時結(jié)合各師、團的地理信息，制作基于 GIS的兵團、師、團三種空間尺度的當(dāng)年主要農(nóng)作物種植面積報表與分布圖。以部分地點的實地抽樣調(diào)查數(shù)據(jù)為依據(jù)，對基于遙感數(shù)據(jù)所填作物空間分布圖進行驗證與完善?？蔀楸鴪F、師及團場優(yōu)勢作物布局及優(yōu)質(zhì)農(nóng)產(chǎn)品區(qū)劃、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整提供決策依據(jù)。 研究建立遙感數(shù)據(jù)估測主要作物產(chǎn)量的方法與模型。連續(xù)獲取兵團區(qū)域當(dāng)年作物整個生長期的遙感數(shù)據(jù)，在提取的各類作物出苗及收獲面積精確的前提下，根據(jù)遙感數(shù)據(jù)計算得到多種反映作物生物產(chǎn)量的植被指數(shù)，依據(jù)研究建立的各類植被指數(shù)與對應(yīng)作物產(chǎn)量的數(shù)學(xué)模型，即可獲得各類作物的單位產(chǎn)量。項目研究可以通過遙感方法獲得作物生長發(fā)育模型中的關(guān)鍵農(nóng)學(xué)參數(shù)（葉面積指數(shù)、光合有效輻射、生物量），根據(jù)主要作物的生長發(fā)育模型，預(yù)測出作物產(chǎn)量，以此對直接用植被指數(shù)預(yù)測的產(chǎn)量進行校驗，也可用各團場組織人工測定的作物產(chǎn)量對其進行驗證與參數(shù)調(diào)整，以提 高產(chǎn)量預(yù)測精度。 如針對兵團主要經(jīng)濟作物棉花，開展棉花光譜特征與產(chǎn)量構(gòu)成要素關(guān)系的研究；建立棉花遙感估產(chǎn)模型及精度檢驗方法。從遙感估產(chǎn)的機理出發(fā)，通過分析研究作物光譜特征與產(chǎn)量構(gòu)成要素之間的聯(lián)系，以及作物植被指數(shù)與產(chǎn)量的關(guān)系，建立光譜模式、植被指數(shù)模式與氣象、農(nóng)學(xué)、光譜的復(fù)合模式以及遙感測產(chǎn)模型，進行產(chǎn)量估測。 根據(jù)遙感數(shù)據(jù)分析結(jié)果，結(jié)合團場 GIS，制成各團場主要作物產(chǎn)量圖，也可制成田塊產(chǎn)量分布圖，為田間變量施肥管理提供理論依據(jù)。為兵團精準收獲合理調(diào)配收獲機械及勞動力提供依據(jù)。 （ 3）基于遙感的主要農(nóng)作物長 勢分析 作物生長過程是一個動態(tài)變化過程，作物長勢是指作物苗情的生長狀況及其變化，作物長勢監(jiān)測是對其生長變化進行的持續(xù)動態(tài)監(jiān)測，跟蹤并預(yù)測作物的生長過程，基于遙感的長勢監(jiān)測是利用衛(wèi)星數(shù)據(jù)動態(tài)地監(jiān)測作物生長狀況。 根據(jù)作物自身生長發(fā)育的規(guī)律及遙感獲取信息的特點，研究確立基于遙感的作物長勢指標量化體系；研究建立通過衛(wèi)星遙感數(shù)據(jù)對主要農(nóng)作物從出苗到收獲進行全生育期長勢監(jiān)測與分析的方法，選擇不同時期的遙感影像，由衛(wèi)星、飛機、地面三個平臺在時空和光譜分辨率上相互補充，獲取作物生長和營養(yǎng)狀況信息的模型，實現(xiàn)對作物長勢的精 準監(jiān)測，為科學(xué)合理地制定栽培管理措施提供實時的信息依據(jù)，并可對實施的主要栽培技術(shù)進行效果跟蹤與評價，以便及時總結(jié)并推廣好的技術(shù)，盡早調(diào)整不合理的措施并彌補其帶來的不利影響。 如在棉花生長階段，研究通過 MODIS 等高時間分辨率的遙感數(shù)據(jù)進行作物生長動態(tài)的實時監(jiān)測方法，為兵團、師及團場不同決策層提供具體到田塊的作物長勢信息。為科學(xué)合理地制定施肥、灌水及化學(xué)調(diào)控措施提供量化依據(jù)。 研究建立利用遙感數(shù)據(jù)進行多年同期長勢分析與評價系統(tǒng)，實現(xiàn)對作物不同年度、不同生長發(fā)育階段的比較分析及長勢預(yù)測與評價，為生產(chǎn)決策和技術(shù)管 理部門提供可靠的決策信息；并為產(chǎn)量預(yù)測提供依據(jù)。 （ 4）主要農(nóng)作物旱情分析及土壤墑情監(jiān)測 研究利用植被溫度反演模型、遙感蒸散和旱情監(jiān)測模型監(jiān)測作物旱情與土壤墑情的方法與流程。 研究使用 MODIS 數(shù)據(jù)進行農(nóng)作物旱情監(jiān)測，用其熱紅外通道的數(shù)據(jù)進行植被表面溫度反演，并進行精度與可信度評價。用分裂窗算法進行陸地表面溫度反演。結(jié)合地面實測數(shù)據(jù)、大氣廓線數(shù)據(jù)、模擬數(shù)據(jù)以及 MODIS 發(fā)布的地表溫度產(chǎn)品進行溫度反演可信度與精度評價。 在棉花種植上，將多年來對棉花水分生理與農(nóng)田灌溉應(yīng)用的研究成果與基于空間數(shù)據(jù)的作物旱情與土壤 墑情監(jiān)測技術(shù)集成，計算地表蒸散和干旱等級（作物缺水指數(shù) CWSI），為基于決策支持系統(tǒng)的棉花水分管理提供信息服務(wù)，將極大提高養(yǎng)分、水分利用效率和棉花產(chǎn)量，顯著增加經(jīng)濟效益。 （ 5）主要農(nóng)作物病蟲害監(jiān)測 運用已建立的植被指數(shù)與棉花主要病蟲害（枯黃病、葉螨及蚜蟲）之間的關(guān)系模型，研究建立遙感監(jiān)測棉花病蟲害的方法。利用綠度指數(shù)、黃度指數(shù)等進行作物病蟲害的定性及半定量監(jiān)測；研究建立利用高光譜分辨率遙感數(shù)據(jù)診斷棉花主要病蟲害（枯黃萎病、葉螨及蚜蟲）的模型，同時，根據(jù)建立的光譜指數(shù)與病害病情指數(shù)模型可量化作物病害程度并進 行病情分級，實現(xiàn)作物病蟲害的實時有效監(jiān)測，為及時采取有效防治措施提供精確的地理位置信息及時間信息，同時可對防治效果進行監(jiān)測與評價，并為合理安排作物抗病、抗蟲品種的種植提供理論依據(jù)。 （ 6）農(nóng)田土壤肥力監(jiān)測 研究利用遙感數(shù)據(jù)監(jiān)測土壤肥力的指標及方法。通過遙感數(shù)據(jù)反演土壤有機質(zhì)等指標的方法直接監(jiān)測土壤肥力；通過遙感數(shù)據(jù)得到的作物產(chǎn)量信息間接反映土壤肥力。利用遙感數(shù)據(jù)計算作物碳氮比判斷土地肥力。 研究以地理信息系統(tǒng) GIS 、全球定位系統(tǒng)（ GPS）、遙感（ RS）為基本手段和方法 ,集成土壤類型、土壤肥力、肥料使用、 作物類型及產(chǎn)量等農(nóng)業(yè)專題數(shù)據(jù)，建立土壤綜合肥力的多變量、多因子評價模型 ,對土壤肥力進行綜合評價，建立施肥決策與診斷評價體系，并作為施肥決策的核心技術(shù)，應(yīng)用土壤肥力狀況的評價與施肥診斷推薦決策支持系統(tǒng)，制訂施肥推薦的方案，實現(xiàn)土壤肥力信息管理和施肥決策精確化。如可根據(jù)不同的情況和條件產(chǎn)量目標針對不同的肥水條件和播種時間，推薦相應(yīng)的優(yōu)良品種；針對土壤肥力基礎(chǔ)、目標產(chǎn)量和作物的生長發(fā)育狀況，確定施肥數(shù)量、元素配比和施肥方法；確定因地制宜的優(yōu)化組合、因苗管理的最佳方案、分類指導(dǎo)的應(yīng)變決策。探索提高產(chǎn)量水平的途徑 （ 2）基于遙感的流域水資源動態(tài)監(jiān)測 以遙感技術(shù)為手段，結(jié)合傳統(tǒng)方法，對山區(qū)積雪分布、地表水體、以及氣候氣象因子進行現(xiàn)狀調(diào)查，在此基礎(chǔ)上通過一定重復(fù)周期遙感數(shù)據(jù)的更新，提供專題信息，更新水文、氣象等因子的本底數(shù)據(jù)庫，建立遙感動態(tài)監(jiān)測系統(tǒng)。遙感監(jiān)測內(nèi)容主要包括：①積雪的遙感監(jiān)測（主要利用 MODIS 數(shù)據(jù)），制作積雪分布圖，利用積雪圖估算積雪覆蓋面積和深度；②利用遙感手段，進行中高山區(qū)大尺度范圍的降水監(jiān)測；③中高山區(qū)太陽輻射的遙感監(jiān)測；④中高山區(qū)蒸散發(fā)量的遙感監(jiān)測。 以遙感監(jiān)測提取的冰雪信息為依據(jù)，以冰雪物質(zhì) 平衡模型為核心組件，利用空間數(shù)據(jù)庫平臺，計算輸出流域現(xiàn)狀冰雪資源及其對流域徑流的補給量，并以氣候變化狀態(tài)（降水，氣溫）為輸入?yún)?shù)，通過模塊運行獲取未來不同氣候背景下冰雪資源變化及其對流域徑流的影響結(jié)果。 （ 3）基于遙感和 GIS 的流域水資源預(yù)測 基于遙感獲取的山區(qū)冰川，積雪降水等水文氣象信息，以及地表下墊面信息，利用反演方法獲取主要文水參數(shù)（積雪分布、雪水當(dāng)量、土壤含水量和蒸散發(fā)量等）和地表參數(shù)（地形、地貌、地表覆蓋類型、輻射平衡、生態(tài)類型等）及其空間分布；研究點面之間，不同分辨率的網(wǎng)格之間的尺度轉(zhuǎn)換問題和轉(zhuǎn) 換方案，利用分布式水文模型進行地表徑流、地下徑流模擬以及流域的總徑流模擬。 根據(jù)流域徑流模擬結(jié)果，研究山區(qū)產(chǎn)流機理和徑流變化規(guī)律，結(jié)合多源遙感動態(tài)監(jiān)測信息進行流域水資源預(yù)測?；谶b感的流域水資源預(yù)測系統(tǒng)結(jié)構(gòu)框圖見圖 10。 （ 4）基于遙感和 GIS 的洪災(zāi)監(jiān)測評估系統(tǒng) 通常洪水發(fā)生時，涉及的流域范圍大，要完全從地面上進行調(diào)查評估，不僅工作量相當(dāng)大，而且難以滿足快速評估的時間要求。充分利用 MODIS 數(shù)據(jù)免費、較高時間分辨率的優(yōu)點，應(yīng)用 GIS 技術(shù)，實現(xiàn)對不同土地利用類型的淹沒情況的實時監(jiān)測，建立基于 RS 和 GIS 的洪災(zāi) 監(jiān)測評估系統(tǒng)（見圖 11）。 建立洪災(zāi)遙感監(jiān)測系統(tǒng) 在對洪災(zāi)區(qū)本底值調(diào)查的基礎(chǔ)上（洪水發(fā)生前的土地利用數(shù)據(jù)、行政界限、社會、經(jīng)濟、人口等數(shù)據(jù)），采集多元遙感影像，建立洪災(zāi)遙感監(jiān)測模擬和土地利用遙感識別模型，利用遙感圖像處理軟件工具，生成水體動態(tài)變化信息和土地利用變化信息，應(yīng)用 GIS 技術(shù)，建立洪災(zāi)水體識別影像和土地利用分類影像庫，實現(xiàn)對不同土地利用類型的淹沒情況的實時監(jiān)測，為汛情的動態(tài)監(jiān)測和評估系統(tǒng)提供迅速直觀、可靠的現(xiàn)狀和變化信息。 洪水災(zāi)情評估 在兵團空間信息服務(wù)平臺基礎(chǔ)上，結(jié)合現(xiàn)有的洪水災(zāi)情監(jiān)測評估系統(tǒng)軟件，集成開發(fā)適用于兵團的洪水災(zāi)情監(jiān)測、影像的接受和數(shù)據(jù)交換，影像處理調(diào)整、水體面積統(tǒng)計、土地資源損失評價和災(zāi)情模擬等多功能軟件系統(tǒng)，并對兵團主要流域不同土地利用類型的淹沒情況進行評估。 .3 考核的主要指標 所建系統(tǒng)具有提供以下服務(wù)與產(chǎn)品的功能： （ 1）各種專題圖件，包括：流域數(shù)字地形地貌圖、流域水系圖、行政區(qū)劃圖、灌區(qū)水利工程分布圖、機井分布圖、灌溉類型面積圖、洪災(zāi)淹沒損失及災(zāi)情分區(qū)圖、積雪分布圖等。 （ 2）城市和工業(yè)取水點、輸水管道用水及農(nóng)業(yè)灌溉用水分布統(tǒng)計報告 （ 3）流域出山口的徑流預(yù)測及水資源 評價報告 （ 4）河流、水庫水質(zhì)評估及預(yù)測 （ 5）洪災(zāi)損失的風(fēng)險評估 要達到的技術(shù)指標包括： （ 1）實現(xiàn)對主要流域的水情信息監(jiān)測與預(yù)報，徑流預(yù)報精度在80%左右； （ 2）水資源管理空間信息提取精度在 95%上，實現(xiàn)水利工程信息精確管理； （ 3） 河流、水庫水體水質(zhì)監(jiān)測以旬、月、年報的形式提供給環(huán)境、水利技術(shù)和行政部門，監(jiān)測精度在 80％以上。 （ 4）灌區(qū)水資源利用效率提高 10%； （ 5）洪災(zāi)發(fā)生后實時提供洪災(zāi)淹沒趨勢圖與災(zāi)害損失評估報告。 土地空間信息服務(wù)系統(tǒng) .1 研究重點 建立運用遙感技術(shù)進行年度土地利 用現(xiàn)狀調(diào)查的方法、流程與規(guī)范；開發(fā)兵團土地空間信息服務(wù)系統(tǒng)和獲取每年的土地利用現(xiàn)狀數(shù)據(jù)、監(jiān)測土地利用的年度變化，并通過對土地利用歷史數(shù)據(jù)和用地需求的分析，預(yù)測土地利用變化趨勢，為兵團土地資源開發(fā)利用和管理決策提供實時準確的信息服務(wù)，促進“金土工程”的建設(shè)和土地資源的可持續(xù)利用。 .2 主要研究內(nèi)容 （ 1）土地資源專題數(shù)據(jù)采集 采集歷史土地利用現(xiàn)狀圖、土地利用規(guī)劃圖、土地利用質(zhì)量評價圖等專題圖件，進行數(shù)字化處理。如果已經(jīng)數(shù)字化，進行規(guī)范化處理，建立土地資源數(shù)據(jù)庫。同時，需要采集與人口、耕地面積等有關(guān)的 社會經(jīng)濟統(tǒng)計數(shù)據(jù)項，為土地利用變化趨勢分析提供支持。 （ 2）土地利用 /覆蓋類型的遙感精細分類 研究運用不同空間分辨率的遙感數(shù)據(jù)進行不同空間尺度的土地類型分類的模型、方法與流程。對于全兵團尺度，運用分辨率在 30m左右的中分辨率遙感數(shù)據(jù)提取土地利用 /土地覆蓋信息，如可選用北京一號的多光譜數(shù)據(jù)、 CBERS 數(shù)據(jù)、 TM 等。在這個尺度上，主要能提取土地利用類型中的一級和二級分類，可為土地及農(nóng)業(yè)相關(guān)部門提供農(nóng)用地、未利用地、空閑地、未充分利用土地、土地利用現(xiàn)狀等信息。 對于重點監(jiān)測區(qū)域（如城鎮(zhèn)、工程場址、經(jīng)濟開發(fā)區(qū)等）， 則選擇高分辨率遙感數(shù)據(jù)，如 SPOT日本的 ALOS、北京一號小衛(wèi)星、航片等。研究利用數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)、模糊數(shù)學(xué)等人工智能的方法提高遙感圖像分割與地類識別的精度。例如：通過高分辨率遙感數(shù)據(jù)對經(jīng)濟開發(fā)區(qū)、工業(yè)園區(qū)及住宅區(qū)及小城鎮(zhèn)擴張面積變化等的監(jiān)測，可以為土地管理和開發(fā)區(qū)管理等相關(guān)部門提供區(qū)域建筑密度、建筑容積率、空閑率、小城鎮(zhèn)變化等信息服務(wù)； （ 3