遙感技術中農業(yè)科技的服務領域應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了遙感技術中農業(yè)科技的服務領域應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:【目的】遙感技術具有大范圍、周期性獲取地表信息的特點,被廣泛應用于農業(yè)作物面積制圖、農作物長勢監(jiān)測與產量估計和農情監(jiān)測等農業(yè)生產和管理的各個環(huán)節(jié).【方法】在闡述了地塊級、業(yè)務化的農業(yè)遙感服務概念和內容的基礎上,分析了國內外地塊級、業(yè)務化的農業(yè)遙感服務現狀.【結果】由于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,對地塊級遙感監(jiān)測的需求不大等原因,使得中國地塊級、業(yè)務化的農業(yè)遙感服務尚處于起步階段.【結論】隨著中國逐步推廣農村土地流轉,實施大范圍的機械化農業(yè),業(yè)務化、精細化的農業(yè)遙感監(jiān)測具有廣闊的前景.

關鍵詞:遙感;農業(yè);精準農業(yè);服務

遙感技術具有大范圍、周期性獲取地表信息的特點,被廣泛應用于農業(yè)、減災、林業(yè)等各個領域[1,2].其中,農業(yè)是遙感技術發(fā)展最早、應用最成熟的領域之一.遙感技術被廣泛應用于農業(yè)作物面積制圖、農作物長勢監(jiān)測與產量估計和農情監(jiān)測等農業(yè)生產和管理的各個環(huán)節(jié)[3G5].大范圍農作物面積遙感監(jiān)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(jiān)測區(qū)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,最后根據抽樣理論推算出整個區(qū)域的農作物面積[3,8].全覆蓋測量方法是利用全覆蓋的衛(wèi)星影像,根據不同作物在影像上的光譜或者空間特征,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布圖[9,10].農作物長勢監(jiān)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于定性的長勢監(jiān)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(yǎng)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(jiān)測和產量估計是目前的發(fā)展方向之一[1].農情遙感監(jiān)測主要包括病蟲害監(jiān)測和災情監(jiān)測.遙感技術病蟲害監(jiān)測主要利用作物受不同脅迫影響后發(fā)生的光譜響應來監(jiān)測病蟲害的發(fā)生和發(fā)展程度.目前,遙感技術對小麥條銹病、番茄晚疫病、柑橘黃龍病和水稻紋枯病的監(jiān)測精度已經高于85％[14,15].在干旱、洪澇和低溫等主要農作物災害方面,基于遙感土壤水分指數、地表溫度等參數的農作物干旱、洪澇和低溫災害監(jiān)測已在中國業(yè)務化運行[16G18].然而,雖然遙感技術在農業(yè)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衛(wèi)星數據進行大范圍的監(jiān)測,服務于農業(yè)部、統(tǒng)計局等國家部委.在面向社會大眾的產業(yè)化方面,由于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(jiān)測的需求不大,使得中國目前在該領域尚屬于起步階段.近年來中國在逐步推廣農村土地流轉,實施大范圍的機械化農業(yè),激發(fā)了業(yè)務化、精細化的農業(yè)遙感監(jiān)測需求.因此為適應農業(yè)遙感市場發(fā)展的新需求,基于目前農業(yè)遙感的發(fā)展現狀,面向業(yè)務化、小區(qū)域精細農業(yè)遙感服務的需求,分析遙感農業(yè)科技服務的內涵、服務內容、技術方法和服務現狀,探討農業(yè)遙感科技服務的未來.

1遙感農業(yè)科技服務的概念

基于遙感技術的農業(yè)信息化科技服務是指基于遙感、地理信息系統(tǒng)等信息技術,為農業(yè)生產,提供地塊級業(yè)務化農業(yè)生產輔助管理服務,實現農業(yè)生產過程的信息化管理,提高農業(yè)管理效率,降低生產成本和污染,促進農業(yè)可持續(xù)發(fā)展;提高農業(yè)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(yè)管理、農產品產量預測、病蟲害監(jiān)測、災情監(jiān)測和農業(yè)保險等服務.

2遙感農業(yè)科技服務的內容

2．1精準農業(yè)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(yǎng)分的精準監(jiān)測,實時了解作物的養(yǎng)分狀況,繪制作物的養(yǎng)分脅迫地圖,結合GPS,實現對作物養(yǎng)分缺乏區(qū)域的精準施肥,降低化肥使用量,減少環(huán)境污染和生產成本.作物養(yǎng)分遙感監(jiān)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,反演方法主要采用植被指數、紅邊指數等進行經驗回歸[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墑情和作物需水量的精準動態(tài)監(jiān)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(jié)約水資源量.干旱監(jiān)測主要有基于可見光遙感的熱慣量法、條件溫度指數法、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(jiān)測和制圖,結合GPS,采用無人機噴灑技術,實現對作物病蟲害區(qū)域的精準噴藥.此外,利用遙感技術進行病蟲害的實時動態(tài)監(jiān)測,還可以使農田管理者實時了解病蟲害的發(fā)生、發(fā)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(jiān)測主要是通過監(jiān)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(jiān)測[14,15,22].

2．2長勢監(jiān)測與產量估計

遙感監(jiān)測的植被指數可以直接反映植被的長勢、覆蓋度和動態(tài)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,采用逐年比較模型、等級模型和診斷模型等方法,可以實現對作物長勢的動態(tài)監(jiān)測[11],采用植被指數與地面實測產量的回歸模型法可以實現農作物產量的估計[25].

2．3農業(yè)保險服務

遙感技術可以從兩個方面服務于農業(yè)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(qū)域位置、耕地類型、地塊屬性進行評估驗標,并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]等自然災害范圍的監(jiān)測,同時利用遙感技術進行作物長勢的監(jiān)測,可以評估由于災情導致的量減產,從而為保險理賠提供科學數據支撐[28,29].

3遙感農業(yè)科技服務的現狀

3．1國外服務現狀

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

3．1．1數據采集和可視化服務

數據采集、管理:實時的數據采集和可視化服務,可以采集拖拉機、耕種機、播種機、噴霧器等農業(yè)機械設備的數據,以及放置在地塊的氣象站點數據,并可疊加在衛(wèi)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(jiān)控:在遙感影像地圖中實時顯示耕種過程,監(jiān)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(jiān)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,并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(jiān)測作物的長勢,幫助客戶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,幫助客戶在下季度做更出更好的決策,出具產量分析報告,便于與管理顧問分享.地塊分析:出具基于地塊的農作物表現報告,幫助客戶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(jiān)測與預防.利用持續(xù)的高質量遙感影像進行作物長勢的監(jiān)測,提前識別和預防農作物災害的發(fā)生,保護農作物產量.

3．1．3精準管理服務

為每一種作物定制一個管理計劃,通過氮元素監(jiān)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:通過基于多數據層手動腳本方式或者通過歷史現場數據,創(chuàng)建可變速率播種,結合現場測量結果,定制適合特定產量或盈利目標的種植方案.氮素監(jiān)測:通過監(jiān)測定制區(qū)域的氮元素含量,使得地塊始終處在最佳的氮素水平,發(fā)現潛在的缺陷,并輕松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(yè)逐漸向機械化、產業(yè)化方向發(fā)展,使得對基于遙感的農業(yè)服務需求越來越旺盛,相繼涌現了“佳格”和“云保天下”等遙感科技農業(yè)服務公司.這些企業(yè)主要提供地塊管理、作物管理、病蟲害防治、農業(yè)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、種類等特征,實時地確定地塊位置、識別地塊分界、測算地塊和種植面積,并在云端存儲.

3．2．2作物管理

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

3．2．3病蟲害管理

病蟲害預警:基于主要作物的病蟲害預報模型,根據實時的氣候、地塊溫度和濕度,通過云端專家知識庫,預報未來數周主要農作物病蟲害的發(fā)生概率,為更好地開展植保提供數據.植保方案:通過比較不同時期衛(wèi)星成像的作物生長狀態(tài),實時地評估作物健康,并做出植保建議.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(yè)保險服務

保險標的精準管理:以衛(wèi)星遙感和地理信息系統(tǒng)為核心,構建農業(yè)保險標的綜合管理平臺,實現行政區(qū)劃、土地歸屬人、宗地編號等多維度的地塊查詢、數據統(tǒng)計等功能.完美結合農業(yè)保險標的管理實際應用場景,促進農業(yè)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.保險費率精準厘定: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(fā)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

隨著遙感技術的發(fā)展,農業(yè)遙感技術逐步從大區(qū)域資源調查和宏觀決策支持服務,向精細化農業(yè)生產服務方向發(fā)展,如地塊級的農作物長勢監(jiān)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(yè)生產服務模式,使得農業(yè)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(yè)生產服務中發(fā)揮了越來越大的作用,并已經形成了數百億美元的巨大市場.然而,目前農業(yè)遙感服務還存在以下問題:1)主要采用可見光遙感數據,由于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(jiān)測、農作物生化組分反演等方面的應用,而衛(wèi)星高光譜遙感數據空間分辨率較低,難以適用于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云雨等天氣條件的影響,雷達遙感可以穿云透霧,但目前高空間分辨率雷達衛(wèi)星較少,且數據成本高昂,也不適用于地塊級別的應用.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.雖然基于無人機載高光譜數據的病蟲害和生化組分反演還處于應用研究階段,但該平臺是精細化農業(yè)遙感進一步發(fā)展的重要方向之一.3)農業(yè)遙感技術服務的時效性還有待提高.農情遙感監(jiān)測,特別是病蟲害、旱災等的監(jiān)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(fā)、數據處理等水平的限制,發(fā)展水平較低,還難以做到實時或準實時的應用的需求,基于GFG4號衛(wèi)星等高時空分辨率遙感技術發(fā)展實時或準實時遙感技術是發(fā)展的方向之一.4)農業(yè)遙感技術服務的費效比還有待提高.農業(yè)的每平方公里GDP產值較低,這決定了農戶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,盡量減低遙感技術服務的費用,提高農業(yè)遙感經濟服務效率,是決定農業(yè)遙感商業(yè)化應用水平的根本.目前高空間分辨率衛(wèi)星遙感和無人機遙感監(jiān)測的費用均較高,還難以滿足農業(yè)應用的低成本需求,GFG2/1等國產高空間分辨率衛(wèi)星數據是免費分發(fā)的數據,基于這些數據來提供農業(yè)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(yè)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．基于GFG1與Landsat8OLI影像的作物種植結構與產量分析[J]．農業(yè)工程學報,2017,33(11):147G156

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

[4]朱壽東,劉慧平,馮徽徽,等．基于時間序列影像的中觀尺度農作物長勢監(jiān)測采樣方法[J]．農業(yè)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(yè)工程學報,2008,24(2):290G298

[6]鄔明權,楊良闖,于博,等．基于遙感與多變量概率抽樣調查的作物種植面積測量[J]．農業(yè)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(yōu)化研究———抽樣單元[J]．北京師范大學學報(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(yè)工程學報,2012,28(10):177G184

[9]劉佳,王利民,楊福剛,等．基于HJ時間序列數據的農作物種植面積估算[J]．農業(yè)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范圍水稻種植面積[J]．農業(yè)工程學報,2010,26(7):240G244

[11]孔令寅,延昊,鮑艷松,等．基于關鍵發(fā)育期的冬小麥長勢遙感監(jiān)測方法[J]．中國農業(yè)氣象,2012,33(3):424G430

[12]孫焱鑫,王紀華,李保國,等．基于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(jiān)測研究進展[J]．農業(yè)工程學報,2012,28(20):1G11

[15]唐翠翠．基于多源遙感數據的小麥病蟲害大尺度監(jiān)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(jiān)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(yè)旱災監(jiān)測中的地表溫度遙感反演方法———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．多源衛(wèi)星遙感草原火災動態(tài)監(jiān)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(jiān)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(jiān)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]．干旱區(qū)資源與環(huán)境,2017,31(7):44G46

[26]王艷．基于多源數據的洪災區(qū)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(yè)災害監(jiān)測中的應用分析[J]．現代農業(yè)科技,2017(3):218G219

[28]蒙繼華,付偉,徐晉,等．遙感在種植業(yè)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．衛(wèi)星遙感技術在農業(yè)安全生產中的應用[J]．內蒙古科技與經濟,2012,(20):61G62

作者:姚妮 李寶龍 單位:北京農學院文法學院