龍澤昊，張?zhí)碓?，許偉，秦其明,2

(1.北京大學地球與空間科學學院遙感與地理信息系統(tǒng)研究所，北京 100871;2.自然資源部地理信息系統(tǒng)技術(shù)創(chuàng)新中心，北京 100871)

0 引言

我國地域?qū)拸V，農(nóng)業(yè)旱災時有發(fā)生，以海量遙感數(shù)據(jù)為支撐，并對農(nóng)田干旱進行有效監(jiān)測是保證國家糧食安全和維護社會穩(wěn)定發(fā)展的基礎(chǔ)[1-2]。通過對農(nóng)田干旱監(jiān)測研究成果進行應(yīng)用，建立起相應(yīng)的農(nóng)田監(jiān)測系統(tǒng)可最大發(fā)揮研究成果效益，例如金川等[3]研制了一套基于桌面端的干旱監(jiān)測遙感支持系統(tǒng)，并結(jié)合寧夏試驗區(qū)的實際應(yīng)用對監(jiān)測結(jié)果進行了展示；Wu等[4]研發(fā)了全球農(nóng)情遙感速報(CropWatch)系統(tǒng)，以遙感和田間觀測數(shù)據(jù)相結(jié)合的方式，集成了作物面積、干旱和產(chǎn)量等多種監(jiān)測指標，但是目前的農(nóng)田干旱監(jiān)測系統(tǒng)仍然存在著一些問題。

首先，農(nóng)田干旱監(jiān)測系統(tǒng)以桌面端居多，便攜性差，無法滿足用戶實地農(nóng)田作業(yè)的需求；而移動智能手機憑借易攜帶、觸摸式交互等特點，具有信息獲取及時和操作便捷等優(yōu)勢。并且隨著5G通信技術(shù)的不斷推近，通信延遲得到了極大的降低，也為移動端間的圖像數(shù)據(jù)快速傳輸?shù)於嘶A(chǔ)[5]。當前主流的移動端操作系統(tǒng)有Android，iOS和Windows Phone等，而Android操作系統(tǒng)由于強大的軟件生態(tài)圈和良好的用戶使用體驗，占領(lǐng)了移動端市場的絕大部分份額[6]，適宜作為農(nóng)田干旱遙感監(jiān)測系統(tǒng)的搭載平臺。

其次，系統(tǒng)對農(nóng)田干旱情況的動態(tài)監(jiān)測能力弱。由于海量遙感數(shù)據(jù)亟待妥善管理和計算力不足，現(xiàn)有農(nóng)田干旱監(jiān)測系統(tǒng)主要以發(fā)布靜態(tài)干旱監(jiān)測成果的方式來為用戶服務(wù)，該類系統(tǒng)缺少動態(tài)干旱監(jiān)測分析的能力，無法滿足實時監(jiān)測的目的[7]。云計算技術(shù)為海量遙感數(shù)據(jù)妥善的管理提供了解決方案，通過與遙感技術(shù)相結(jié)合，孕育而生的遙感云計算平臺不僅極大方便了多種遙感影像數(shù)據(jù)檢索與獲取，還將數(shù)據(jù)處理所需要的計算資源環(huán)境在云端實現(xiàn)，解決了本地計算力不夠等問題[8-9]。谷歌地球引擎(Google Earth Engine，GEE)作為遙感云計算平臺的先鋒，不僅集成有多種系列衛(wèi)星影像數(shù)據(jù)，而且也提供了實時處理、分析和可視化這些數(shù)據(jù)的強大功能，被廣泛應(yīng)用于農(nóng)業(yè)作物監(jiān)測、資源災害評估、全球氣候變化等方面的研究[10-11]。

為了改善農(nóng)田干旱監(jiān)測系統(tǒng)上述現(xiàn)存的問題，本文依托GEE云計算平臺以及Android移動操作系統(tǒng)，搭建了一款與農(nóng)業(yè)密切關(guān)聯(lián)的移動端農(nóng)田干旱遙感動態(tài)監(jiān)測系統(tǒng)(farmland drought remote sensing dynamic monitoring system，F(xiàn)DRSDMS)，對于農(nóng)田干旱監(jiān)測研究具有現(xiàn)實意義和參考價值。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)架構(gòu)

FDRSDMS在多種開源技術(shù)框架支持下，以Android移動端為搭載平臺，并利用GEE遙感云計算平臺優(yōu)勢，實現(xiàn)了農(nóng)田數(shù)據(jù)的錄入、處理、存儲和農(nóng)田干旱的遙感動態(tài)監(jiān)測。如圖1所示，F(xiàn)DRSDMS結(jié)構(gòu)分為顯示層、服務(wù)層和支撐層3層，采用“瘦客戶端”設(shè)計思想，顯示層負責界面繪制、請求發(fā)送與響應(yīng)等邏輯操作，模型計算、數(shù)據(jù)處理等操作交給服務(wù)層和支撐層完成，保證了系統(tǒng)的流暢運行。其中，顯示層在OSMDroid開源地圖庫的支持下，以Retrofit通信框架高效進行客戶端與服務(wù)端通信為基礎(chǔ)，進行了不同業(yè)務(wù)功能的實現(xiàn)；服務(wù)層通過建立GEE遙感平臺服務(wù)和農(nóng)田數(shù)據(jù)管理服務(wù)兩大模塊，為顯示層功能的實現(xiàn)提供服務(wù)支持；支撐層采用MySQL數(shù)據(jù)庫管理農(nóng)田作物數(shù)據(jù)，并結(jié)合GEE平臺和Flask框架為服務(wù)層服務(wù)的部署提供了數(shù)據(jù)管理和計算資源支持。

圖1 系統(tǒng)總體架構(gòu)Fig.1 System overall architecture

1.2 業(yè)務(wù)功能

面向農(nóng)田干旱監(jiān)測需求，F(xiàn)DRSDMS劃分為基礎(chǔ)服務(wù)模塊、農(nóng)田數(shù)據(jù)采集管理模塊和農(nóng)田干旱遙感動態(tài)監(jiān)測模塊，其功能設(shè)計如圖2所示?；A(chǔ)服務(wù)模塊包括圖層管理、地圖操作與交互、全球定位系統(tǒng)(global positioning system,GPS)定位服務(wù)功能，上述基礎(chǔ)功能為其他兩個業(yè)務(wù)模塊提供了基本技術(shù)支撐；農(nóng)田數(shù)據(jù)采集管理模塊針對戶外作業(yè)需求，通過服務(wù)層的農(nóng)田數(shù)據(jù)管理接口實現(xiàn)了數(shù)據(jù)測量與錄入、數(shù)據(jù)修改與刪除、數(shù)據(jù)查詢與導出功能，為用戶在野外無紙化快速采集農(nóng)田作物數(shù)據(jù)提供了可能；農(nóng)田干旱遙感動態(tài)監(jiān)測模塊通過服務(wù)層的GEE遙感平臺服務(wù)接口，實現(xiàn)了基于植被指數(shù)、干旱指數(shù)和自定義模型的農(nóng)田干旱動態(tài)監(jiān)測，其中基礎(chǔ)服務(wù)模塊以及農(nóng)田數(shù)據(jù)采集管理模塊是基于現(xiàn)有成熟技術(shù)實現(xiàn)的，而農(nóng)田干旱遙感動態(tài)監(jiān)測功能則需要用到本研究團隊所提出的監(jiān)測模型，下一節(jié)將重點介紹農(nóng)田干旱遙感動態(tài)監(jiān)測模塊功能的實現(xiàn)。

圖2 系統(tǒng)業(yè)務(wù)功能Fig.2 System service functions

2 干旱動態(tài)監(jiān)測關(guān)鍵技術(shù)與實現(xiàn)

GEE平臺提供了基于Python的本地客戶端庫，通過在Flask服務(wù)器端對GEE平臺Python接口進行開發(fā)，將農(nóng)田干旱監(jiān)測模型集成至Flask服務(wù)器端，可實現(xiàn)移動客戶端上的動態(tài)農(nóng)田干旱監(jiān)測，技術(shù)方案如圖3所示。

圖3 基于GEE平臺的農(nóng)田干旱動態(tài)監(jiān)測方案Fig.3 Scheme of farmland drought dynamic monitoring based on GEE platform

2.1 干旱監(jiān)測模型實時計算

在Flask服務(wù)器端中，干旱監(jiān)測模型實時計算先從移動客戶端獲得研究區(qū)域范圍、監(jiān)測時間范圍、計算需要的遙感數(shù)據(jù)類型(如Sentinel-2)、不同波段組合方式和干旱模型等監(jiān)測參數(shù)，之后利用GEE平臺Python接口進行GEE平臺初始化。其次，按照獲取的監(jiān)測參數(shù)進行研究區(qū)內(nèi)的遙感影像動態(tài)檢索，并進行時間過濾、區(qū)域過濾、影像除云、研究區(qū)域裁剪等遙感影像預處理操作。最后，對符合要求的影像進行干旱模型的實時計算，并由此得到GEE平臺輸出的唯一MapId信息，該信息可標識每次計算的干旱監(jiān)測結(jié)果，也會用于2.2節(jié)的動態(tài)監(jiān)測成果服務(wù)發(fā)布，具體計算流程如圖4所示。

圖4 干旱監(jiān)測模型計算流程Fig.4 Calculation flow of drought monitoring model

在干旱模型實時計算步驟中，F(xiàn)lask服務(wù)器端利用GEE平臺提供的自定義表達式計算接口進行實現(xiàn)。如下為支持植被指數(shù)、干旱指數(shù)和自定義模型的主要代碼，通過采用lambda匿名函數(shù)來對每幅影像進行處理，在該函數(shù)中利用GEE平臺提供的expression方法進行波段計算，其中param[′expression′]為模型計算表達式，支持藍光、綠光、紅光、近紅外4個波段的計算。

cal_imgs =imgs.map(lambda image:ee.Image(0).expression(

param['expression'],

{'nir':image.select(param['band']['nir']),

'red':image.select(param['band']['red']),

'green':image.select(param['band']['green']),

'blue':image.select(param['band']['blue'])}))

FDRSDMS系統(tǒng)集成的植被指數(shù)包括歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、增強型植被指數(shù)(enhanced vegetation index，EVI)和土壤調(diào)節(jié)植被指數(shù)(soil adjusted vegetation index，SAVI)，計算公式分別為：

(1)

(2)

(3)

式中：RBlue，RRed和RNIR分別為藍光、紅光和近紅外波段的反射率。

如當用戶進行實時NDVI計算時，上述代碼中的模型計算表達式param[′expression′]值為float(nir-red)/(nir+red)。

FDRSDMS系統(tǒng)集成的干旱指數(shù)包括垂直干旱指數(shù)(perpendicular drought index，PDI)與改進垂直干旱指數(shù)(modified perpendicular drought index，MPDI)[12-13]。計算公式分別為：

(4)

(5)

式中：RRed,v和RNIR,v為純植被像元在紅光和近紅外波段的反射率；M為NIR-Red光譜特征空間的土壤線斜率；fv為植被覆蓋率。

這兩種干旱指數(shù)需要提取土壤線斜率和計算植被覆蓋率，實現(xiàn)相對較復雜，因此系統(tǒng)中土壤線斜率提取采用文獻[14]中的土壤線自動提取算法，植被覆蓋率計算方法來源于文獻[15]。

2.2 動態(tài)監(jiān)測成果服務(wù)發(fā)布

GEE平臺以網(wǎng)絡(luò)地圖服務(wù)(web map service，WMS)為用戶提供干旱監(jiān)測結(jié)果，同時為了保證地圖服務(wù)能正常被訪問，利用Flask服務(wù)器端對GEE平臺WMS服務(wù)進行了統(tǒng)一代理。這里利用2.1節(jié)干旱監(jiān)測模型計算后生成的MapId信息，給出GEE平臺WMS服務(wù)和Flask服務(wù)器端代理地圖服務(wù)的URL模版，如表1所示。

表1 GEE平臺和Flask服務(wù)器端地圖服務(wù)URL模版Tab.1 GEE platform and flask server- side map service URL template

在Flask服務(wù)器端地圖代理服務(wù)的基礎(chǔ)之上，客戶端中的OSMDroid地圖框架提供了OnlineTileSourceBase瓦片數(shù)據(jù)源抽象類，該類可對Flask服務(wù)器端提供的代理地圖服務(wù)進行處理，使用戶請求的每塊地圖圖片都能以正確的位置顯示在Android客戶端上，即可在客戶端顯示出干旱監(jiān)測結(jié)果。

3 系統(tǒng)應(yīng)用示范

3.1 遙感數(shù)據(jù)源選取

考慮到不同尺度的農(nóng)田干旱監(jiān)測需求，F(xiàn)DRSDMS采用了GEE平臺中Landsat7，Landsat8，Sentinel-2和MODIS共4種不同分辨率的遙感數(shù)據(jù)源，用戶可依據(jù)研究區(qū)域范圍大小自由選取分析的數(shù)據(jù)源類型，如表2所示。

表2 系統(tǒng)采用的GEE平臺遙感數(shù)據(jù)源及波段①Tab.2 Remote sensing data source and band of GEE platform used in the system

①數(shù)據(jù)說明來自https://developers.google.com/earth-engine/datasets。

3.2 農(nóng)田數(shù)據(jù)采集與管理

FDRSDMS支持農(nóng)田現(xiàn)場數(shù)據(jù)采集與管理。如圖5(a)所示，數(shù)據(jù)測量與錄入界面包括確定采樣點位置、采樣時間信息、采樣點作物類型信息和采集實測參數(shù)等內(nèi)容，其中經(jīng)緯度坐標，系統(tǒng)會根據(jù)GPS定位服務(wù)自動填寫，采樣時間也會自動設(shè)置為當前北京時間，用戶需要錄入作物類型和實測參數(shù)。如圖5(b)所示，若錄入的數(shù)據(jù)需要進行修改或刪除時，用戶通過觸碰數(shù)據(jù)點，即可進行采樣點信息的處理。如圖5(c)所示，數(shù)據(jù)查詢與導出功能可將符合條件的數(shù)據(jù)導出為CSV文件格式，為用戶更進一步的研究分析提供方便。

(a)數(shù)據(jù)測量與錄入 (b)采樣點顯示 (c)數(shù)據(jù)查詢與導出

3.3 農(nóng)田干旱遙感動態(tài)監(jiān)測應(yīng)用

農(nóng)田干旱遙感動態(tài)監(jiān)測功能的應(yīng)用首先需要進行研究區(qū)域的選取，如圖6(a)所示，選取河南省漯河市某矩形地域為研究區(qū)并顯示區(qū)域范圍圖。如圖6(b)所示，一旦選定研究區(qū)，系統(tǒng)會自動跳轉(zhuǎn)至農(nóng)田干旱遙感動態(tài)監(jiān)測界面，用戶可進行遙感數(shù)據(jù)檢索條件的設(shè)置，其中遙感數(shù)據(jù)源可選用3.1節(jié)介紹的4種數(shù)據(jù)源，如成像時間為2019年4月1日—15日期間的Sentinel-2影像數(shù)據(jù)，合成方法可選用均值、中值和最大值，此外在模型計算的設(shè)置中，用戶可選用植被指數(shù)、干旱指數(shù)或者自定義模型計算公式，這里以Sentinel-2地表反射率影像進行MPDI干旱指數(shù)計算的參數(shù)配置為例。完成相關(guān)參數(shù)配置后，當點擊界面計算按鈕時，系統(tǒng)通過Flask服務(wù)器端，調(diào)用GEE平臺進行遙感影像動態(tài)檢索，經(jīng)過區(qū)域過濾、影像除云、研究區(qū)域裁剪等遙感影像預處理操作，并運用MPDI干旱模型進行實時計算，計算結(jié)果顯示為干旱專題圖，以橘黃至深綠色標分別代表干旱由重逐級減低的程度，如圖6(c)所示。

(a)研究區(qū)域繪制 (b)MPDI參數(shù)設(shè)置 (c)MPDI計算結(jié)果

4 結(jié)論

本文以Android為開發(fā)平臺，綜合運用了OSMDroid，Retrofit和Flask等開源框架，研制了從客戶端至服務(wù)端一體的農(nóng)田干旱遙感動態(tài)監(jiān)測系統(tǒng)，實現(xiàn)了面向于農(nóng)田作物監(jiān)測的多種專業(yè)功能，其特色如下：

1)充分發(fā)揮了移動客戶端進行農(nóng)情觀測方便快捷的特點，在服務(wù)端的農(nóng)田數(shù)據(jù)管理服務(wù)支持下，針對用戶農(nóng)田觀測作業(yè)的需求，在Android平臺上實現(xiàn)了農(nóng)田數(shù)據(jù)采集管理的一套完整處理流程，提高了用戶野外觀測后快速處理農(nóng)田數(shù)據(jù)的效率。

2)以GEE平臺提供的遙感數(shù)據(jù)為基礎(chǔ)，建立了GEE平臺Python接口接入方案，解決了目前系統(tǒng)難以進行動態(tài)干旱監(jiān)測分析的問題。在監(jiān)測過程中，用戶可根據(jù)需求使用Sentinel-2，Landsat7，Landsat8和MODIS共4種遙感數(shù)據(jù)源，并支持植被指數(shù)、干旱指數(shù)和自定義模型的實時計算，實現(xiàn)了以動態(tài)輸入反演模型的方式來進行實時計算的能力，整個監(jiān)測過程用戶占主導地位，可操作空間大。

基于Android的農(nóng)田干旱遙感動態(tài)監(jiān)測系統(tǒng)為農(nóng)田干旱研究提供了新的支撐工具，對于農(nóng)田作物信息快速采集與分析具有現(xiàn)實意義。本文下一步工作是將傳統(tǒng)機器學習以及深度學習等復雜模型接入，以實現(xiàn)對農(nóng)田干旱進行更加精確地監(jiān)測與診斷分析。