遙感技術中農業科技的服務領域應用論文

遙感技術具有大範圍、週期性獲取地表信息的特點,被廣泛應用於農業、減災、林業等各個領域[１,２].其中,農業是遙感技術發展最早、應用最成熟的領域之一.遙感技術被廣泛應用於農業作物面積製圖、農作物長勢監測與產量估計和農情監測等農業生產和管理的各個環節[３Ｇ５].大範圍農作物面積遙感監測方法主要包括抽樣調查和全覆蓋方法[６Ｇ１０].農作物面積遙感抽樣調查方法是先將監測區域劃分成各個樣方,根據抽樣調查理論抽選部分樣方,再對抽樣樣方的農作物面積進行調查,最後根據抽樣理論推算出整個區域的農作物面積[３,８].全覆蓋測量方法是利用全覆蓋的衞星影像,根據不同作物在影像上的光譜或者空間特徵,利用計算機自動分類或者人工識別方法,獲得全覆蓋的農作物類型空間分佈圖[９,１０].農作物長勢監測和產量估計方面,植被指數、葉面積指數和生物量等遙感指標被廣泛應用於定性的長勢監測和經驗產量估計[１１].利用遙感技術還可以實現地塊級別的作物生理生化參數(水分、葉綠素、氮和碳等)濃度和農田土壤養分的反演[１２,１３].利用這些參數,結合作物生長模型進行定量化農作物長勢監測和產量估計是目前的發展方向之一[１].農情遙感監測主要包括病蟲害監測和災情監測.遙感技術病蟲害監測主要利用作物受不同脅迫影響後發生的光譜響應來監測病蟲害的發生和發展程度.目前,遙感技術對小麥條鏽病、番茄晚疫病、柑橘黃龍病和水稻紋枯病的監測精度已經高於８５％[１４,１５].在乾旱、洪澇和低温等主要農作物災害方面,基於遙感土壤水分指數、地表温度等參數的農作物乾旱、洪澇和低温災害監測已在中國業務化運行[１６Ｇ１８].然而,雖然遙感技術在農業中得到了廣泛和成熟的應用,但主要集中利用中低空間分辨率衞星數據進行大範圍的監測,服務於農業部、統計局等國家部委.在面向社會大眾的產業化方面,由於中國實行農民聯產承包責任制,地塊較為破碎,管理較為精細,對遙感監測的需求不大,使得中國目前在該領域尚屬於起步階段.近年來中國在逐步推廣農村土地流轉,實施大範圍的機械化農業,激發了業務化、精細化的農業遙感監測需求.因此為適應農業遙感市場發展的新需求,基於目前農業遙感的發展現狀,面向業務化、小區域精細農業遙感服務的需求,分析遙感農業科技服務的內涵、服務內容、技術方法和服務現狀,探討農業遙感科技服務的未來.

１遙感農業科技服務的概念

基於遙感技術的農業信息化科技服務是指基於遙感、地理信息系統等信息技術,為農業生產,提供地塊級業務化農業生產輔助管理服務,實現農業生產過程的信息化管理,提高農業管理效率,降低生產成本和污染,促進農業可持續發展;提高農業生產過程中對自然災害的響應能力,最大限度降低自然災害的影響.具體服務內容包括:地塊級精準農業管理、農產品產量預測、病蟲害監測、災情監測和農業保險等服務.

２遙感農業科技服務的內容

２．１精準農業管理

２．１．１精準施肥

精準施肥是指利用遙感技術進行氮、磷、鉀等作物養分的精準監測,實時瞭解作物的養分狀況,繪製作物的養分脅迫地圖,結合GPS,實現對作物養分缺乏區域的精準施肥,降低化肥使用量,減少環境污染和生產成本.作物養分遙感監測主要是利用高光譜遙感數據進行氮、磷、鉀等作物生化組分的反演,反演方法主要採用植被指數、紅邊指數等進行經驗迴歸[１２,１９].

２．１．２精準灌溉

精準灌溉是指利用遙感技術進行土壤墒情和作物需水量的精準動態監測,實現地塊級的適時、適量的作物水分精準灌溉,提高灌溉效率,節約水資源量.乾旱監測主要有基於可見光遙感的熱慣量法、條件温度指數法、距平植被指數法、條件植被指數法、作物缺水指數法等[２０,２１].

２．１．３精準噴藥

精準噴藥是指利用遙感技術,進行農作物病蟲害的高精度精準監測和製圖,結合GPS,採用無人機噴灑技術,實現對作物病蟲害區域的精準噴藥.此外,利用遙感技術進行病蟲害的實時動態監測,還可以使農田管理者實時瞭解病蟲害的發生、發展狀況,為病蟲害的早期防治提供數據支撐,降低蟲害損失.遙感技術病蟲害監測主要是通過監測病蟲害導致的作物光譜響應的變化,構建病蟲害的指示指數來進行監測[１４,１５,２２].

２．２長勢監測與產量估計

遙感監測的植被指數可以直接反映植被的長勢、覆蓋度和動態季相變化[２３,２４],利用時序歸一化植被指數(NDVI)、差值植被指數(DVI)和比值植被指數(RVI)等遙感植被數據,採用逐年比較模型、等級模型和診斷模型等方法,可以實現對作物長勢的動態監測[１１],採用植被指數與地面實測產量的迴歸模型法可以實現農作物產量的估計[２５].

２．３農業保險服務

遙感技術可以從兩個方面服務於農業保險.１)農田地塊信息的獲取與管理.利用高分辨率遙感影像可以通過面向對象的計算機和人工解譯方法獲取承保地塊屬性情況,準確測算承保地塊的種植面積、位置、作物類型,提供每一塊承保地塊“遙感提取面積”與“投保面積”關聯對比,對承保農作物類型、區域位置、耕地類型、地塊屬性進行評估驗標,並實現對承保標的風險指數分析.２)災情評估.利用遙感技術可以實現高精度的洪災[１６,２６]、旱災[１７,２７]和火災[１８]等自然災害範圍的監測,同時利用遙感技術進行作物長勢的監測,可以評估由於災情導致的量減產,從而為保險理賠提供科學數據支撐[２８,２９].

３遙感農業科技服務的現狀

３．１國外服務現狀

遙感技術農業服務在美國、加拿大等北美國家發展較為成熟,湧現了以Climate和FarmsEdge為代表的專業遙感農業科技服務公司.美國１/４的農户使用Climate公司的服務,２０１６年該公司的營業額高達９９５億元人民幣ate和FarmersEdge提供的農業科技服務內容包括:

３．１．１數據採集和可視化服務

數據採集、管理:實時的數據採集和可視化服務,可以採集拖拉機、耕種機、播種機、噴霧器等農業機械設備的數據,以及放置在地塊的氣象站點數據,並可疊加在衞星影像上,在電腦、PAD和手機等終端上實時展現.耕種過程的實時在線顯示和在線監控:在遙感影像地圖中實時顯示耕種過程,監控農作物播種密度和產量,為農田管理者提供農田生產活動的在線監控,實時顯示各項農田生產活動的進度.

３．１．２數據分析服務

１)作物產量評估.利用遙感影像和數字地圖比較關鍵參數,確定影響產量的關鍵措施.提交作物長勢報告,併為下一個季度的作物類型挑選提供選擇依據.關鍵農田參數對比:對比不同時期的農作物產量、管理措施、作物健康狀況等數據,監測作物的長勢,幫助客户更好的理解作物長勢影響變量.產量分析:更好的分析雜交、土壤類型和農田管理措施等對產量措施的影響,幫助客户在下季度做更出更好的決策,出具產量分析報告,便於與管理顧問分享.地塊分析:出具基於地塊的農作物表現報告,幫助客户分析不同農田管理措施如何影響農作物產量.２)農作物長勢監測與預防.利用持續的高質量遙感影像進行作物長勢的監測,提前識別和預防農作物災害的發生,保護農作物產量.

３．１．３精準管理服務

為每一種作物定製一個管理計劃,通過氮元素監測工具和可變速率播種工具來獲得最大的產量.可變速率播種:通過基於多數據層手動腳本方式或者通過歷史現場數據,創建可變速率播種,結合現場測量結果,定製適合特定產量或盈利目標的種植方案.氮素監測:通過監測定製區域的氮元素含量,使得地塊始終處在最佳的氮素水平,發現潛在的缺陷,並輕鬆添加或編輯氮氣應用數據,以確保實現您的產量目標.

３．２國內服務現狀

近年來,中國農業逐漸向機械化、產業化方向發展,使得對基於遙感的農業服務需求越來越旺盛,相繼湧現了“佳格”和“雲保天下”等遙感科技農業服務公司.這些企業主要提供地塊管理、作物管理、病蟲害防治、農業保險等服務.

３．２．１地塊管理

在高分辨率遙感影像上,根據耕地的紋理、種類等特徵,實時地確定地塊位置、識別地塊分界、測算地塊和種植面積,並在雲端存儲.

３．２．２作物管理

作物長勢監測:用可見光、紅外、激光、雷達等實時掃描作物的生長狀態,據土壤和歷史氣候數據,並結合作物生長模型評估其健康狀況.生長週期估算:利用遙感衞星一次性監測到廣大地域作物的生長狀態,實時監控作物所處的生長週期,為灌溉、施肥、植保、收割等農事活動提供依據,為每個區域推薦最佳的收割期.

３．２．３病蟲害管理

病蟲害預警:基於主要作物的病蟲害預報模型,根據實時的氣候、地塊温度和濕度,通過雲端專家知識庫,預報未來數週主要農作物病蟲害的發生概率,為更好地開展植保提供數據.植保方案:通過比較不同時期衞星成像的作物生長狀態,實時地評估作物健康,並做出植保建議.針對不同的作物病蟲害類型,選擇針對性的植保方案和特效農藥,對不同作物在不同生長時期的問題給出成套的植保解決方案.

３．２．４農業保險服務

保險標的精準管理:以衞星遙感和地理信息系統為核心,構建農業保險標的綜合管理平台,實現行政區劃、土地歸屬人、宗地編號等多維度的地塊查詢、數據統計等功能.完美結合農業保險標的管理實際應用場景,促進農業保險標的管理升級.受災程度精準評估:通過估產模型,對各類主糧作物及經濟作物的產量進行準確估算,結合保險公司具體賠付標準,生成災情評估報告,為核保定損提供決策依據.保險費率精準釐定:結合歷史災害信息、歷史產量、氣象、地形地貌等綜合條件,對不同地塊的災情發生概率與產量進行評估,為差異化保費制定提供基礎.

４結論與展望

隨着遙感技術的發展,農業遙感技術逐步從大區域資源調查和宏觀決策支持服務,向精細化農業生產服務方向發展,如地塊級的農作物長勢監測、病蟲害預防、精準噴施等,逐步形成了包含遙感數據和氣象數據等支撐的數據驅動農業生產服務模式,使得農業生產活動逐步走向信息化、數字化和智能化.雖然目前遙感技術在精細化農業生產服務中發揮了越來越大的作用,並已經形成了數百億美元的'巨大市場.然而,目前農業遙感服務還存在以下問題:１)主要採用可見光遙感數據,由於可見光遙感技術的限制,可見光遙感數據的光譜分辨率低,限制了其在病蟲害監測、農作物生化組分反演等方面的應用,而衞星高光譜遙感數據空間分辨率較低,難以適用於地塊級別的病蟲害和生物組分反演應用.２)可見光遙感數據容易受到雲雨等天氣條件的影響,雷達遙感可以穿雲透霧,但目前高空間分辨率雷達衞星較少,且數據成本高昂,也不適用於地塊級別的應用.機載數據,特別是無人機載高光譜數據,是解決上述問題的有效手段之一.雖然基於無人機載高光譜數據的病蟲害和生化組分反演還處於應用研究階段,但該平台是精細化農業遙感進一步發展的重要方向之一.３)農業遙感技術服務的時效性還有待提高.農情遙感監測,特別是病蟲害、旱災等的監測對時效性有很高的要求,然而目前實時或準實時遙感,受遙感數據分發、數據處理等水平的限制,發展水平較低,還難以做到實時或準實時的應用的需求,基於GFＧ４號衞星等高時空分辨率遙感技術發展實時或準實時遙感技術是發展的方向之一.４)農業遙感技術服務的費效比還有待提高.農業的每平方公里GDP產值較低,這決定了農户不可能花費較多費用購買遙感技術服務,如何在滿足應用需求的前提下,儘量減低遙感技術服務的費用,提高農業遙感經濟服務效率,是決定農業遙感商業化應用水平的根本.目前高空間分辨率衞星遙感和無人機遙感監測的費用均較高,還難以滿足農業應用的低成本需求,GFＧ２/１等國產高空間分辨率衞星數據是免費分發的數據,基於這些數據來提供農業遙感技術服務可以大幅減低遙感技術服務費用.

參考文獻:

[１]陳仲新,任建強,唐華俊,等．農業遙感研究應用進展與展望[J]．遙感學報,２０１６,２０(５):７４８Ｇ７６７

[２]歐陽玲,毛德華,王宗明,等．基於GFＧ１與Landsat８OLI影像的作物種植結構與產量分析[J]．農業工程學報,２０１７,３３(１１):１４７Ｇ１５６

[３]劉國棟,鄔明權,牛錚,等．基於GFＧ１衞星數據的農作物種植面積遙感抽樣調查方法[J]．農業工程學報,２０１５,３１(５):１６０Ｇ１６６

[４]朱壽東,劉慧平,馮徽徽,等．基於時間序列影像的中觀尺度農作物長勢監測採樣方法[J]．農業工程學報,２０１２,２８(２):１２７Ｇ１３３

[５]徐新剛,吳炳方,蒙繼華,等．農作物單產遙感估算模型研究進展[J]．農業工程學報,２００８,２４(２):２９０Ｇ２９８

[６]鄔明權,楊良闖,於博,等．基於遙感與多變量概率抽樣調查的作物種植面積測量[J]．農業工程學報,２０１４,３０(２):１４６Ｇ１５２

[７]李宜展,朱秀芳,潘耀忠,等．農作物種植面積遙感估算優化研究———抽樣單元[J]．北京師範大學學報(自然科學版),２０１５,５１(S１):１１９Ｇ１２６

[８]王迪,周清波,陳仲新,等．空間抽樣方法估算冬小麥播種面積[J]．農業工程學報,２０１２,２８(１０):１７７Ｇ１８４

[９]劉佳,王利民,楊福剛,等．基於HJ時間序列數據的農作物種植面積估算[J]．農業工程學報,２０１５,３１(３):１９９Ｇ２０６

[１０]鄔明權,王長耀,牛錚．利用多源時序遙感數據提取大範圍水稻種植面積[J]．農業工程學報,２０１０,２６(７):２４０Ｇ２４４

[１１]孔令寅,延昊,鮑豔鬆,等．基於關鍵發育期的冬小麥長勢遙感監測方法[J]．中國農業氣象,２０１２,３３(３):４２４Ｇ４３０

[１２]孫焱鑫,王紀華,李保國,等．基於BP和GRNN神經網絡的冬小麥冠層葉綠素高光譜反演建模研究[J]．遙感技術與應用,２００７,２２(４):４９２Ｇ４９６

[１３]顏春燕．遙感提取植被生化組分信息方法與模型研究:[學位論文]．北京:中國科學院研究生院(遙感應用研究所),２００３

[１４]張競成,袁琳,王紀華,等．作物病蟲害遙感監測研究進展[J]．農業工程學報,２０１２,２８(２０):１Ｇ１１

[１５]唐翠翠．基於多源遙感數據的小麥病蟲害大尺度監測預測研究[D]．合肥:安徽大學,２０１６

[１６]李通,張麗,申茜,等．湄公河下游洪災淹沒面積多源遙感時序監測分析[J]．應用科學學報,２０１６,３４(１):７５Ｇ８３

[１７]覃志豪,高懋芳,秦曉敏等．農業旱災監測中的地表温度遙感反演方法———以MODIS數據為例[J]．自然災害學報,２００５,１４(４):６４Ｇ７１

[１８]鄭偉,邵佳麗,王萌,等．多源衞星遙感草原火災動態監測分析[J]．自然災害學報,２０１３,２２(３):５４Ｇ６１

[１９]FeiL,MartinlG,JiaL,etal．F．EstimatingNstatusofwinＧterwheatusingahandheldspectrometerintheNorthCinahPlain[J]．FieldCorpsRsearche,２００８,１０６(１):７７Ｇ８５

[２０]AnyambaA,TuckerCJ．NDVIanomalypatternsoverAricafduringthe１９９７/９８ENSOwarmevent[J]．InternationalJournalofRemoteSnsineg２００１,２２(１０):１８４７Ｇ１８５９

[２１]BokenVK．ImprovingadroughtearlywarningmodelforanaridregionusingasoilＧmoistureindex[J]．AppliedGoegraphy２００９,２９(３):４０２Ｇ４０８

[２２]YangC,OdvodyGN,FernandezCJ,etal．EvaluatingunsuＧpervisedandsupervisedimageclassificationmethodsformapＧpingcottonrootrot[J]．PrecisionAgriculture,２０１５,１６(２):２０１Ｇ２１５

[２３]吳素霞,毛任釗,李紅軍,等．中國農作物長勢遙感監測研究綜述[J]．中國農學通報,２００５,２１(３):３１９Ｇ３２２

[２４]蒙繼華．農作物長勢遙感監測指標研究[D]．北京:中國科學院研究生院(遙感應用研究所),２００６

[２５]王愷寧,王修信．多植被指數組合的冬小麥遙感估產方法研究[J]．乾旱區資源與環境,２０１７,３１(７):４４Ｇ４６

[２６]王豔．基於多源數據的洪災區域快速提取方法研究[D]．南昌:江西理工大學,２０１５

[２７]常江．遙感技術在農業災害監測中的應用分析[J]．現代農業科技,２０１７(３):２１８Ｇ２１９

[２８]蒙繼華,付偉,徐晉,等．遙感在種植業保險估損中的應用[J]．遙感技術與應用,２０１７,３２(２):２３８Ｇ２４６

[２９]王嵐,王戎．衞星遙感技術在農業安全生產中的應用[J]．內蒙古科技與經濟,２０１２,(２０):６１Ｇ６２