遥感技术中农业科技的服务领域应用论文

　　遥感技术具有大范围、周期性获取地表信息的特点,被广泛应用于农业、减灾、林业等各个领域[１,２].其中,农业是遥感技术发展最早、应用最成熟的领域之一.遥感技术被广泛应用于农业作物面积制图、农作物长势监测与产量估计和农情监测等农业生产和管理的各个环节[３Ｇ５].大范围农作物面积遥感监测方法主要包括抽样调查和全覆盖方法[６Ｇ１０].农作物面积遥感抽样调查方法是先将监测区域划分成各个样方,根据抽样调查理论抽选部分样方,再对抽样样方的农作物面积进行调查,最后根据抽样理论推算出整个区域的农作物面积[３,８].全覆盖测量方法是利用全覆盖的卫星影像,根据不同作物在影像上的光谱或者空间特征,利用计算机自动分类或者人工识别方法,获得全覆盖的农作物类型空间分布图[９,１０].农作物长势监测和产量估计方面,植被指数、叶面积指数和生物量等遥感指标被广泛应用于定性的长势监测和经验产量估计[１１].利用遥感技术还可以实现地块级别的作物生理生化参数(水分、叶绿素、氮和碳等)浓度和农田土壤养分的反演[１２,１３].利用这些参数,结合作物生长模型进行定量化农作物长势监测和产量估计是目前的发展方向之一[１].农情遥感监测主要包括病虫害监测和灾情监测.遥感技术病虫害监测主要利用作物受不同胁迫影响后发生的光谱响应来监测病虫害的发生和发展程度.目前,遥感技术对小麦条锈病、番茄晚疫病、柑橘黄龙病和水稻纹枯病的监测精度已经高于８５％[１４,１５].在干旱、洪涝和低温等主要农作物灾害方面,基于遥感土壤水分指数、地表温度等参数的农作物干旱、洪涝和低温灾害监测已在中国业务化运行[１６Ｇ１８].然而,虽然遥感技术在农业中得到了广泛和成熟的应用,但主要集中利用中低空间分辨率卫星数据进行大范围的监测,服务于农业部、统计局等国家部委.在面向社会大众的产业化方面,由于中国实行农民联产承包责任制,地块较为破碎,管理较为精细,对遥感监测的需求不大,使得中国目前在该领域尚属于起步阶段.近年来中国在逐步推广农村土地流转,实施大范围的机械化农业,激发了业务化、精细化的农业遥感监测需求.因此为适应农业遥感市场发展的新需求,基于目前农业遥感的发展现状,面向业务化、小区域精细农业遥感服务的需求,分析遥感农业科技服务的内涵、服务内容、技术方法和服务现状,探讨农业遥感科技服务的未来.
　　１遥感农业科技服务的概念
　　基于遥感技术的农业信息化科技服务是指基于遥感、地理信息系统等信息技术,为农业生产,提供地块级业务化农业生产辅助管理服务,实现农业生产过程的`信息化管理,提高农业管理效率,降低生产成本和污染,促进农业可持续发展;提高农业生产过程中对自然灾害的响应能力,最大限度降低自然灾害的影响.具体服务内容包括:地块级精准农业管理、农产品产量预测、病虫害监测、灾情监测和农业保险等服务.
　　２遥感农业科技服务的内容
　　２．１精准农业管理
　　２．１．１精准施肥
　　精准施肥是指利用遥感技术进行氮、磷、钾等作物养分的精准监测,实时了解作物的养分状况,绘制作物的养分胁迫地图,结合GPS,实现对作物养分缺乏区域的精准施肥,降低化肥使用量,减少环境污染和生产成本.作物养分遥感监测主要是利用高光谱遥感数据进行氮、磷、钾等作物生化组分的反演,反演方法主要采用植被指数、红边指数等进行经验回归[１２,１９].
　　２．１．２精准灌溉
　　精准灌溉是指利用遥感技术进行土壤墒情和作物需水量的精准动态监测,实现地块级的适时、适量的作物水分精准灌溉,提高灌溉效率,节约水资源量.干旱监测主要有基于可见光遥感的热惯量法、条件温度指数法、距平植被指数法、条件植被指数法、作物缺水指数法等[２０,２１].
　　２．１．３精准喷药
　　精准喷药是指利用遥感技术,进行农作物病虫害的高精度精准监测和制图,结合GPS,采用无人机喷洒技术,实现对作物病虫害区域的精准喷药.此外,利用遥感技术进行病虫害的实时动态监测,还可以使农田管理者实时了解病虫害的发生、发展状况,为病虫害的早期防治提供数据支撑,降低虫害损失.遥感技术病虫害监测主要是通过监测病虫害导致的作物光谱响应的变化,构建病虫害的指示指数来进行监测[１４,１５,２２].
　　２．２长势监测与产量估计
　　遥感监测的植被指数可以直接反映植被的长势、覆盖度和动态季相变化[２３,２４],利用时序归一化植被指数(NDVI)、差值植被指数(DVI)和比值植被指数(RVI)等遥感植被数据,采用逐年比较模型、等级模型和诊断模型等方法,可以实现对作物长势的动态监测[１１],采用植被指数与地面实测产量的回归模型法可以实现农作物产量的估计[２５].
　　２．３农业保险服务
　　遥感技术可以从两个方面服务于农业保险.１)农田地块信息的获取与管理.利用高分辨率遥感影像可以通过面向对象的计算机和人工解译方法获取承保地块属性情况,准确测算承保地块的种植面积、位置、作物类型,提供每一块承保地块＂遥感提取面积＂与＂投保面积＂关联对比,对承保农作物类型、区域位置、耕地类型、地块属性进行评估验标,并实现对承保标的风险指数分析.２)灾情评估.利用遥感技术可以实现高精度的洪灾[１６,２６]、旱灾[１７,２７]和火灾[１８]等自然灾害范围的监测,同时利用遥感技术进行作物长势的监测,可以评估由于灾情导致的量减产,从而为保险理赔提供科学数据支撑[２８,２９].
　　３遥感农业科技服务的现状
　　３．１国外服务现状
　　遥感技术农业服务在美国、加拿大等北美国家发展较为成熟,涌现了以Climate和FarmsEdge为代表的专业遥感农业科技服务公司.美国１/４的农户使用Climate公司的服务,２０１６年该公司的营业额高达９９５亿元人民币.Climate和FarmersEdge提供的农业科技服务内容包括:
　　３．１．１数据采集和可视化服务
　　数据采集、管理:实时的数据采集和可视化服务,可以采集拖拉机、耕种机、播种机、喷雾器等农业机械设备的数据,以及放置在地块的气象站点数据,并可叠加在卫星影像上,在电脑、PAD和手机等终端上实时展现.耕种过程的实时在线显示和在线监控:在遥感影像地图中实时显示耕种过程,监控农作物播种密度和产量,为农田管理者提供农田生产活动的在线监控,实时显示各项农田生产活动的进度.
　　３．１．２数据分析服务
　　１)作物产量评估.利用遥感影像和数字地图比较关键参数,确定影响产量的关键措施.提交作物长势报告,并为下一个季度的作物类型挑选提供选择依据.关键农田参数对比:对比不同时期的农作物产量、管理措施、作物健康状况等数据,监测作物的长势,帮助客户更好的理解作物长势影响变量.产量分析:更好的分析杂交、土壤类型和农田管理措施等对产量措施的影响,帮助客户在下季度做更出更好的决策,出具产量分析报告,便于与管理顾问分享.地块分析:出具基于地块的农作物表现报告,帮助客户分析不同农田管理措施如何影响农作物产量.２)农作物长势监测与预防.利用持续的高质量遥感影像进行作物长势的监测,提前识别和预防农作物灾害的发生,保护农作物产量.
　　３．１．３精准管理服务
　　为每一种作物定制一个管理计划,通过氮元素监测工具和可变速率播种工具来获得最大的产量.可变速率播种:通过基于多数据层手动脚本方式或者通过历史现场数据,创建可变速率播种,结合现场测量结果,定制适合特定产量或盈利目标的种植方案.氮素监测:通过监测定制区域的氮元素含量,使得地块始终处在最佳的氮素水平,发现潜在的缺陷,并轻松添加或编辑氮气应用数据,以确保实现您的产量目标.
　　３．２国内服务现状
　　近年来,中国农业逐渐向机械化、产业化方向发展,使得对基于遥感的农业服务需求越来越旺盛,相继涌现了＂佳格＂和＂云保天下＂等遥感科技农业服务公司.这些企业主要提供地块管理、作物管理、病虫害防治、农业保险等服务.
　　３．２．１地块管理
　　在高分辨率遥感影像上,根据耕地的纹理、种类等特征,实时地确定地块位置、识别地块分界、测算地块和种植面积,并在云端存储.
　　３．２．２作物管理
　　作物长势监测:用可见光、红外、激光、雷达等实时扫描作物的生长状态,据土壤和历史气候数据,并结合作物生长模型评估其健康状况.生长周期估算:利用遥感卫星一次性监测到广大地域作物的生长状态,实时监控作物所处的生长周期,为灌溉、施肥、植保、收割等农事活动提供依据,为每个区域推荐最佳的收割期.
　　３．２．３病虫害管理
　　病虫害预警:基于主要作物的病虫害预报模型,根据实时的气候、地块温度和湿度,通过云端专家知识库,预报未来数周主要农作物病虫害的发生概率,为更好地开展植保提供数据.植保方案:通过比较不同时期卫星成像的作物生长状态,实时地评估作物健康,并做出植保建议.针对不同的作物病虫害类型,选择针对性的植保方案和特效农药,对不同作物在不同生长时期的问题给出成套的植保解决方案.
　　３．２．４农业保险服务
　　保险标的精准管理:以卫星遥感和地理信息系统为核心,构建农业保险标的综合管理平台,实现行政区划、土地归属人、宗地编号等多维度的地块查询、数据统计等功能.完美结合农业保险标的管理实际应用场景,促进农业保险标的管理升级.受灾程度精准评估:通过估产模型,对各类主粮作物及经济作物的产量进行准确估算,结合保险公司具体赔付标准,生成灾情评估报告,为核保定损提供决策依据.保险费率精准厘定:结合历史灾害信息、历史产量、气象、地形地貌等综合条件,对不同地块的灾情发生概率与产量进行评估,为差异化保费制定提供基础.
　　４结论与展望
　　随着遥感技术的发展,农业遥感技术逐步从大区域资源调查和宏观决策支持服务,向精细化农业生产服务方向发展,如地块级的农作物长势监测、病虫害预防、精准喷施等,逐步形成了包含遥感数据和气象数据等支撑的数据驱动农业生产服务模式,使得农业生产活动逐步走向信息化、数字化和智能化.虽然目前遥感技术在精细化农业生产服务中发挥了越来越大的作用,并已经形成了数百亿美元的巨大市场.然而,目前农业遥感服务还存在以下问题:１)主要采用可见光遥感数据,由于可见光遥感技术的限制,可见光遥感数据的光谱分辨率低,限制了其在病虫害监测、农作物生化组分反演等方面的应用,而卫星高光谱遥感数据空间分辨率较低,难以适用于地块级别的病虫害和生物组分反演应用.２)可见光遥感数据容易受到云雨等天气条件的影响,雷达遥感可以穿云透雾,但目前高空间分辨率雷达卫星较少,且数据成本高昂,也不适用于地块级别的应用.机载数据,特别是无人机载高光谱数据,是解决上述问题的有效手段之一.虽然基于无人机载高光谱数据的病虫害和生化组分反演还处于应用研究阶段,但该平台是精细化农业遥感进一步发展的重要方向之一.３)农业遥感技术服务的时效性还有待提高.农情遥感监测,特别是病虫害、旱灾等的监测对时效性有很高的要求,然而目前实时或准实时遥感,受遥感数据分发、数据处理等水平的限制,发展水平较低,还难以做到实时或准实时的应用的需求,基于GFＧ４号卫星等高时空分辨率遥感技术发展实时或准实时遥感技术是发展的方向之一.４)农业遥感技术服务的费效比还有待提高.农业的每平方公里GDP产值较低,这决定了农户不可能花费较多费用购买遥感技术服务,如何在满足应用需求的前提下,尽量减低遥感技术服务的费用,提高农业遥感经济服务效率,是决定农业遥感商业化应用水平的根本.目前高空间分辨率卫星遥感和无人机遥感监测的费用均较高,还难以满足农业应用的低成本需求,GFＧ２/１等国产高空间分辨率卫星数据是免费分发的数据,基于这些数据来提供农业遥感技术服务可以大幅减低遥感技术服务费用.
　　参考文献:
　　[１]陈仲新,任建强,唐华俊,等．农业遥感研究应用进展与展望[J]．遥感学报,２０１６,２０(５):７４８Ｇ７６７
　　[２]欧阳玲,毛德华,王宗明,等．基于GFＧ１与Landsat８OLI影像的作物种植结构与产量分析[J]．农业工程学报,２０１７,３３(１１):１４７Ｇ１５６
　　[３]刘国栋,邬明权,牛铮,等．基于GFＧ１卫星数据的农作物种植面积遥感抽样调查方法[J]．农业工程学报,２０１５,３１(５):１６０Ｇ１６６
　　[４]朱寿东,刘慧平,冯徽徽,等．基于时间序列影像的中观尺度农作物长势监测采样方法[J]．农业工程学报,２０１２,２８(２):１２７Ｇ１３３
　　[５]徐新刚,吴炳方,蒙继华,等．农作物单产遥感估算模型研究进展[J]．农业工程学报,２００８,２４(２):２９０Ｇ２９８
　　[６]邬明权,杨良闯,于博,等．基于遥感与多变量概率抽样调查的作物种植面积测量[J]．农业工程学报,２０１４,３０(２):１４６Ｇ１５２
　　[７]李宜展,朱秀芳,潘耀忠,等．农作物种植面积遥感估算优化研究———抽样单元[J]．北京师范大学学报(自然科学版),２０１５,５１(S１):１１９Ｇ１２６
　　[８]王迪,周清波,陈仲新,等．空间抽样方法估算冬小麦播种面积[J]．农业工程学报,２０１２,２８(１０):１７７Ｇ１８４
　　[９]刘佳,王利民,杨福刚,等．基于HJ时间序列数据的农作物种植面积估算[J]．农业工程学报,２０１５,３１(３):１９９Ｇ２０６
　　[１０]邬明权,王长耀,牛铮．利用多源时序遥感数据提取大范围水稻种植面积[J]．农业工程学报,２０１０,２６(７):２４０Ｇ２４４
　　[１１]孔令寅,延昊,鲍艳松,等．基于关键发育期的冬小麦长势遥感监测方法[J]．中国农业气象,２０１２,３３(３):４２４Ｇ４３０
　　[１２]孙焱鑫,王纪华,李保国,等．基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究[J]．遥感技术与应用,２００７,２２(４):４９２Ｇ４９６
　　[１３]颜春燕．遥感提取植被生化组分信息方法与模型研究:[学位论文]．北京:中国科学院研究生院(遥感应用研究所),２００３
　　[１４]张竞成,袁琳,王纪华,等．作物病虫害遥感监测研究进展[J]．农业工程学报,２０１２,２８(２０):１Ｇ１１
　　[１５]唐翠翠．基于多源遥感数据的小麦病虫害大尺度监测预测研究[D]．合肥:安徽大学,２０１６
　　[１６]李通,张丽,申茜,等．湄公河下游洪灾淹没面积多源遥感时序监测分析[J]．应用科学学报,２０１６,３４(１):７５Ｇ８３
　　[１７]覃志豪,高懋芳,秦晓敏等．农业旱灾监测中的地表温度遥感反演方法———以MODIS数据为例[J]．自然灾害学报,２００５,１４(４):６４Ｇ７１
　　[１８]郑伟,邵佳丽,王萌,等．多源卫星遥感草原火灾动态监测分析[J]．自然灾害学报,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]吴素霞,毛任钊,李红军,等．中国农作物长势遥感监测研究综述[J]．中国农学通报,２００５,２１(３):３１９Ｇ３２２
　　[２４]蒙继华．农作物长势遥感监测指标研究[D]．北京:中国科学院研究生院(遥感应用研究所),２００６
　　[２５]王恺宁,王修信．多植被指数组合的冬小麦遥感估产方法研究[J]．干旱区资源与环境,２０１７,３１(７):４４Ｇ４６
　　[２６]王艳．基于多源数据的洪灾区域快速提取方法研究[D]．南昌:江西理工大学,２０１５
　　[２７]常江．遥感技术在农业灾害监测中的应用分析[J]．现代农业科技,２０１７(３):２１８Ｇ２１９
　　[２８]蒙继华,付伟,徐晋,等．遥感在种植业保险估损中的应用[J]．遥感技术与应用,２０１７,３２(２):２３８Ｇ２４６
　　[２９]王岚,王戎．卫星遥感技术在农业安全生产中的应用[J]．内蒙古科技与经济,２０１２,(２０):６１Ｇ６２