遥感在农业中的应用

遥感技术在人们的生活中应用越来越多，发展迅猛，与许多学科有联系，在许多领域得到应用并且取得了非常好的效果，我将针对遥感在农业中的应用，特别是高光谱遥感对农业的发展起到的作用进行报告。农业是遥感应用中最重要和最广泛的领域之一。20世纪20年代航空遥感刚一转入民用，便被用于农业土地调查。尤其是20世纪60年代将多光谱原理应用于遥感后，人们根据各种植物和土壤的光谱反射时特性，建立了丰富的地物波谱与遥感图像解译标志，在农业资源调查与动态监测、生物产量估计、农业灾害预报与灾后评估等方面，开展了大量的和成功的应用。农作物长势是作物生育状况总体评价的综合参数。农作物长势监测指对作物的苗情、生长状况及其变化的宏观监测。我国早期的农业遥感的重点也是在估产。从“六五”计划开始，开展了农作物遥感估产研究并在区域尺度上开展估产试验。遥感技术具有客观、及时的特点，可以在短期内连续获取大范围的地面信息，用于农情监测具有得天独厚的优势。近20多年，农作物遥感监测一直是遥感应用的一个重要主题。从“七五”利用气象卫星数据进行北方十一省市小麦估产起步，经过“八五”重点产粮区主要农作物估产研究，到“九五”建立全国遥感估产系统，使我国的遥感技术在农业领域的应用不断向实用化迈进。1遥感估产的原理及农作物估产方法1.1

遥感估产的基本原理[2]

任何物体都具有吸收和反射不同波长电磁波的特性，这是物体的基本特性。人眼正是利用这一特性，在可见光范围内识别各种物体的，遥感技术也是基于同样的原理，利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波，根据地面上物体的波谱反射和辐射特性，识别地物的类型和状态。

农作物估产则是指根据生物学原理，在收集分析各种农作物不同生育期不同光谱特征的基础上，通过平台上的传感器记录的地表信息，辨别作物类型，监测作物长势，并在作物收获前，预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。1.2农作物估产的方法

农作物估产在方法上可分为传统的作物估产和遥感估产两类。

传统的作物估产基本上是农学模式和气象模式，采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高，某些因子种类往往难以定量化，不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中，常常用绿度或植被指数（由多光谱数据，经线性或非线性组合构成的对植被有一定指示意义的各种数值）作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息，各种估产模式，尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3，4]。

农作物估产中所应用的遥感资料大致可分为三类：一是气象卫星资料，主要为美国第三代业务极轨气象卫星（NOAA系列）装载的甚高分辨率辐射仪（AVHRR）资料，其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉，空间分辨率低但时间分辨率较高；二是陆地卫星(Landsat)资料，应用较多功能是专题制图仪(TM)资料，它重复周期长、价格高，但其空间分辨率高[5]；三是航空遥感和地面遥感资料，主要用于光谱特征及估产农学机理的研究中，其中高光谱数据可提供连续光谱，可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。

在遥感估产中农作物面积提取是最重要的内容。用遥感方法测算一种农作物的种植面积主要有以下几种方法[5]。1）航天遥感方法。包括卫星影像磁带数字图象处理方（一般精度较高）和绿度---面积模式。2)航空遥感方法。可进行总面积的测量、作物分类及测算分类面积。3)遥感与统计相结合的方法。此方法是由美国农业部统计局在原面积抽样统计估产的基础上发展起来的,其原理是利用遥感影像分层，再实行统计学方法抽样。4)地理信息系统(GIS)与遥感相结合方法。此方法是在地理信息系统的支持下，利用遥感信息，对不同农作物的种植面积进行获取。2国内外遥感估产的研究进展状况2.1国外遥感估产研究的进展状况

美国首先开了农作物遥感估产之先河，美国农业部、国家海洋大气管理局、宇航局和商业部合作制定了“大面积农作物估产实验(1974～1978)计划”，组织实施了小麦估产计划，应用先后发射入轨的陆地卫星1～3接收处理出的MSS图像，首先对美国大平原9个小麦生产州的面积、单产和产量做出估算;尔后对包括美国本土、加拿大和前苏联部分地区小麦面积、单产和产量做出估算;接着是对世界其它地区小麦面积、总产量进行估算。调查分析美国、原苏联、加拿大等主要产粮国的小麦播种面积、出苗状况和长势，并利用气象卫星获得的气象要素信息，结合历年统计数据进行综合分析，建立的小麦估产模型精度高达90%以上。1980～1986年，美国又制定了“农业和资源的空间遥感调查”计划,其核心内容仍是主要作物的种植面积与单产模型的研究。进行国内、世界多种粮食作物长势评估和产量预报。中国科学院自然资源综合考查委员会的陈沈斌于1992年8月在美国农业部外国农业局(负责美国以外国家的农作物估产,并建成运行系统)曾见到当月估计的中国小麦、玉米、水稻总产量与后来1993年国家统计局公布的数字差-3.53%、+0.65%和-0.66%。该项工作,为美国在世界农产品贸易中获得巨大的经济利益[2，4，7，8，9，10,11]。

此后，欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算，均取得了一定的成果。例如，欧共体用10年的时间(从1983年开始)，建成用于农业的遥感应用系统，1995年在欧共体15个国家用180景SPOT影像，结合NOAA影像在60个试验点进行了作物估产，可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产，MODIS搭载的TERRA卫星是1999年由美国(国家航空航天局)、日本(国际贸易与工业厅)和加拿大(空间局、多伦多大学)共同合作发射的，MODIS数据涉及波段范围广(36个波段)、分辨率(250,500,1000m)比NOAA-AVHRR(5个波段，分辨率为1100m)有较大的进步，这些数据均对农业资源遥感监测有较高的实用价值。ldso等曾运用500～600nm和600～700nm两个光谱区得到的反射值的转换植被指数(TV16)来估计小麦与大麦的单产,获得小麦单产与TV16之间的相关系数为0.78。同年，日本科技公司完成了“遥感估产”项目，可提高平原农业估产的精度，并着眼于对全球进行估产。而美国已经将遥感技术用于精细农业，对农作物进行区域水分分布评估、病虫害预测等，直接指导农业生产。用卫星遥感方法进行长势监测和产量估算已进行多年，方法已趋于成熟[2，4，7，8，.9，10,11，12，13]。

水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。Patel和Dash等[14]建立水稻产量和RVI的关系,试验区预报精度达到96.14%。Miller等[15]在分蘖或出穗阶段时,运用比值植被指数通过干物质和单产的关系来估计单产。但在作物灌浆与成熟阶段,由于反射率与总生物量之间并不相关,比值植被指数无法预测水稻的冠层生物量。Wiegand,SSRay认为借助于归一化植被指数NDVI｛(NIR-R)/(NIR+R)｝可以很好地预测产量[16，17]。2.2

国内遥感估产研究进展情况

从“六五”开始，我国试用卫星遥感进行农作物产量预报的研究，并在局部地区开展产量估算试验。“七五”期间，国家气象局于1987年开展了北方11省市小麦气象卫星综合测产，探索运用周期短、价格低的卫星进行农作物估产的新方法。该项目中，主要是以长期的气象资料为基础，以遥感信息为检验手段，建立了不同地区的遥感参数-作物产量的一阶回归模型。1985～1989年，此项目为中央和地方提供了165次不同时空尺度的产量预报，为国家减少粮食损失达33万t以上，累计经济效益达20亿元。“八五”期间，国家将遥感估产列为攻关课题，由中国科学院主持，联合农业部等40个单位，开展了对小麦、玉米和水稻大面积遥感估产试验研究，建成了大面积“遥感估产试验运行系统”，并完成了全国范围的遥感估产的部分基础工作。通过1993～1996年4年试验运行,分别对四省两市(河北、山东、河南、安徽北部和北京市、天津市)的小麦,湖北、江苏和上海市的水稻;吉林省的玉米种植面积、长势和产量的监测和预报,在指导农业生产及农业决策中发挥了重要作用。特别是解决了一些关键技术问题，为进一步开展全国性的卫星遥感估产提供了重要保证。1995年以信息系统及农情速报，建立全国资源环境数据库;中国科学院、气象局及多家高等院校、研究所致力于遥感估产技术的研究，并在浙江、江西、江苏各省及华北、东北、江汉平原等地区对冬小麦、玉米、水稻、糜子等作物进行遥感估产，在遥感信息源选取、作物识别、面积提取、模型构建、系统集成等各个技术环节有了大幅的进步。李哲、张军涛提出的基于遗传算法与人工神经网络相结合的玉米估产方法;侯英雨等提出的基于作物植被指数和温度的产量估算模型;江东博士提出的基于人工神经网络的农作物遥感估产模型;王人潮教授等提出的高光谱遥感估算模型和水稻双向反射模型等等，这些模型汲取了以前模型的优点，模型因子的选择更加合理，可操作性更强，精确程度更高。随后，遥感估产方法已日趋成熟起来[4，7]。古书琴[18]等借助植被建立了水稻单产的预报模式、遥感估算水稻种植面积，表明利用遥感手段对水稻进行估产的精度高于常规农业气象模式，还可提高预报时效；黄敬峰，杨忠恩[19]等在1999年以NOAA-AVHRR资料为主,利用GIS技术提取水稻可能种植区域,在此基础上计算各区和各县的比值植被指数和归一化植被指数,提出的水稻遥感估产比值模型和回归模型,预报浙江省的水稻总产,1998年的拟合精度和1999年的预报精度都达到95%以上；黄敬峰，王人潮[20]等综合冬小麦各种参数及资料,证明地面光谱植被指数与冬小麦密度、生物量、叶面积指数关系密切,建立了密度与生物量的光谱监测模型,进而建立了北疆试验区各层冬小麦种植面积估算和产量预报卫星遥感模型,辅以冬小麦产量农业气象预报模型、农学模型及模拟模型,自1994年投入应用以来的结果表明,这套模型预报精度高、效果很好；李建龙,蒋平，戴若兰[21]利用1991～1996年在新疆天山北坡不同草地类型上各种资料,使用3S集成系统进行了多重相关分析和遥感估产技术的深入研究,实现了遥感大面积估产目标和草地生态学意义及3S与草地专家系统一体化集成的应用。农作物遥感估产虽然具有客观、定量、准确的优点,而且可以同时获取单产、面积、总产资料,在小区试验已取得较高的精度,但其大面积估产还不能满足专业化要求。农作物产量气象预报模型和农学预报模型预报精度较高,但缺乏长势监测和面积资料。模拟模型机理明确,小区试验效果也很好,但这类模型需要大量的田间试验观测和取样分析来确定模型参数,大面积应用难度很大。因此,在专业服务中,仍然需要综合使用各种模型；在水稻、小麦遥感估产，方法已比较成熟，并仍在发展；棉花遥感正在被广泛的研究，而在其他作物估产方面还需进一步扩展；农业遥感与信息技术的基础研究、应用研究和成果转化之间有很大的脱节现象；发展3S三位一体的估产方法成为今后估产的趋势。2．高光谱遥感在精准农业中的应用

现代的高光谱遥感技术发展很快，已经能够动态、快速、准确、及时地提供各种对地观测数据。精准农业要求生产和资源利用上的“精”和管理发展上的“准”。包含遥感技术在内的3S技术正是它的一个重要组成部分。高光谱遥感从信息获取技术和处理分析到应用模型研究，都取得了重大进展。高光谱遥感在农业科研和应用技术上有以下的相关工作：

（1）作物个体生长状况与作物叶片光谱关系的研究，群体高光谱研究很少，其中包括植被生长状况与植被的环境胁迫关系，如水分胁迫、虫害胁迫、营养胁迫等；红边位置与植被叶绿素浓度的关系等。

应用遥感技术监测作物的养分供应状况，对于及时了解作物的长势，采取有效的增产措施均具有积极的意义。作物养分失调的形态诊断和化学分析适用于有限面积的作物及土壤的诊断和分析。

（2）利用多时相的高光谱数据提取出光谱特征对不同植被和作物进行识别和分类。

（3）对植被的叶面积指数、生物量、全氮量、全磷量等生物物理参数进行估算。

（4）遥感信息模型研究。如热扩散系数遥感信息模型、土壤含水量遥感信息模型、作物旱灾估算遥感信息模型、土壤侵蚀量遥感信息模型、土地生产潜力遥感信息模型等。农业、森林、土壤以及天然和人工植被方面有很好的作用。而1999年美国宇航局（NASA）发射的地球轨道一号（EO-1）高光谱卫星共有220个波段，大气校正仪LAC具有256个波段。一般星载的高光谱传感器光谱分辨率小于10nm，空间分辨率为200~1000m。用于野外的便携高光谱仪具有更多的波段数和更高的光谱分辨率。

已经或即将发射的遥感卫星构成覆盖全球的同步观测体系，高、中、低轨道结合，传感器高空间分辨率、高光谱分辨率、超多波段结合。空间分辨率达1m~5m，几十到数百个波段的高光谱、超光谱新一代卫星，为全球变化提供多层次、全天候的对地观测资料，有利于遥感定量分析能力的提高。

2．高光谱遥感在精准农业中的应用

现代的高光谱遥感技术发展很快，已经能够动态、快速、准确、及时地提供各种对地

观测数据。精准农业要求生产和资源利用上的“精”和管理发展上的“准”。包含遥感技术在内的3S技术正是它的一个重要组成部分。高光谱遥感从信息获取技术和处理分析到应用模型研究，都取得了重大进展。高光谱遥感在农业科研和应用技术上有以下的相关工作：

（1）作物个体生长状况与作物叶片光谱关系的研究，群体高光谱研究很少，其中包括植被生长状况与植被的环境胁迫关系，如水分胁迫、虫害胁迫、营养胁迫等；红边位置与植被叶绿素浓度的关系等。

应用遥感技术监测作物的养分供应状况，对于及时了解作物的长势，采取有效的增产措施均具有积极的意义。作物养分失调的形态诊断和化学分析适用于有限面积的作物及土壤的诊断和分析。

（2）利用多时相的高光谱数据提取出光谱特征对不同植被和作物进行识别和分类。

（3）对植被的叶面积指数、生物量、全氮量、全磷量等生物物理参数进行估算。

（4）遥感信息模型研究。如热扩散系数遥感信息模型、土壤含水量遥感信息模型、作物旱灾估算遥感信息模型、土壤侵蚀量遥感信息模型、土地生产潜力遥感信息模型等。

（5）利用植被指数进行地表覆盖分析或作物长势的动态监测。如利用NOAA-AVHRA数据，通过归一化植被指数NDVI，建立地表覆盖指数模型，反映出地表覆盖的遥感区域分异情况及其随季节变化的规律。

（6）农作物长势监测。基于遥感生成的巨量数据，利用先进的计算机及网络技术，建立服务于多领域的遥感信息系统，对农作物长势的定期监测和提前预报以及主要影响区域粮食生产的水旱灾害进行快速监测评价。

3．高光谱遥感在精准农业中的发展趋势

用于精准农业的新型遥感技术仍是当前研究的主要内容之一，它还需要基础农业信息系统的设计与建立，GIS支持下农作物征兆信息提取和农业诊断系统和MIS支持下的决策支持系统模型研究。

（1）精准农业中的作物长势监测。主要利用红外波段和近红外波段遥感信息，得到的植被指数（NDVI）与作物的叶面积指数和生物量正相关。利用NDVI过程曲线，特别是后期的变化速率预测冬小麦产量的效果很好，精度较高。在精准农业的应用中，通过高空间和高光谱分辨率的航空与航天遥感，来及时(平均2天～3天一次)地提供农作物长势、水肥状况和病虫害情况，称之为“征兆图”(SymptomMaps)，供诊断、决策和估产等使用。为了实时地获取数据，需要反复利用航空遥感或利用各个小卫星建立全球数据采集网。

（2）高光谱遥感与精准农业研究的基础问题还有待解决，如环境胁迫作用下的遥感机理和遥感标志研究，遥感与GIS的集成对作物胁迫作用的诊断理论以及作物生长环境和收获产量实际分布的空间差异性机理和环境胁迫作用与产量形成的遥感定量关系。为了解决上面的理论和应用问题，需要抓住高光谱、高分辨率、雷达遥感等技术手段和“三S”集成技术等关键技术。

（3）对植被的叶面积指数、生物量、全氮量、全磷量等生物物理参数进行分析和估算。在精准农业研究中，高光谱遥感具有广阔的应用前景。比如可以从遥感数据中提取生物物理和生物化学的参数，就是用高空的高光谱遥感数据对一些重要的生物和农学参数的反演。这种研究可以用来研究生态系统过程，如光合作用、C、N循环等，也可以用来对生态系统进行描述和模拟。

（4）最具潜力和效益的应用前景就是研究作物的光谱特征农学遥感机理，将其应用于遥感估产，做到对农作物生长势的动态监测、病虫害的早期诊断和产量的早期预报。可以用于农业自然灾害（水、旱、火、虫、病等）的遥感实时动态监测和损失评估，主要农作物的长势、播种面积的监测和产量预报以及草地估产、草畜平衡估算，进行农业自然资源与环境的动态监测与评估，进行全国耕地变化的遥感动态监测。4．遥感信息定量化是当前的重点研究方向

为实现精准农业作为大农业的发展要求，高光谱遥感的发展趋势就是遥感信息定量化和“定性”、“定位”一体化快速遥感技术。

（1）遥感信息定量化

将遥感信息定量化，实现全球海量观测数据的定量管理、分析和预测、模拟是当前重要的发展方向之一。遥感技术的发展，最终目标是解决实际应用问题。遥感信息定量化使高光谱遥感信息的定量分析与应用成为现实。高光谱遥感器的光谱分表率已达数纳米，空间分辨率仅几米，对应图像任一像元反演的地物光谱，可与地面实测值相比拟，这将便于实验室地物光谱分析模型直接应用到高光谱遥感的处理和分析研究，以及利用计算机自动进行地物的光谱分类和匹配识别研究。

遥感信息定量化，将使不同种类光学遥感数据的信息复合技术发生质的飞跃，使复合后的信息不仅达到空间分辨率的归一化，而且其辐射值仍保持着目标结构和成分的物理信息，这将在全球变化和全球资源环境状况监测和调查等应用研究中具有重要意义。

通过遥感信息的定量化，将定量反演的地物光谱与实测值相比较，可对空中遥感器性能进行校验，如波长漂移、增益、信噪比等性能，以及对遥感数据的精度进行全面的评价。

通过遥感信息的定量化，使遥感定量分析专题应用模型（如农作物估产、土壤湿度和干旱监测、初级生产力的计算等模型）具有高质量的定量遥感数据为输入参数而加以广泛地推广和应用。

（2）“定性”、“定位”一体化快速遥感技术

现在的遥感系统，主要还是单台遥感器为主，仍没有“定性”、“定位”一体化的组合遥感器。超多波段、超光谱分辨率的成像光谱仪在目标识别方面具有更强的能力，但目标图象的“定位”问题却留给信息处理阶段。高光谱遥感应用的不断深入，在“动态监测”越来越成为人们共识的情况下，发展提高效率的快速遥感技术就成为必须考虑的问题。为此，利用高光谱成像仪目标识别能力很强的同时，快速实现图象的同步“定位”，赋予三维坐标，形成“定性”、“定位”一体化快速遥感技术。该技术有以下特点：

a．星-机-地一体化的技术体系，实现不同波谱范围、高空间分辨率、高光谱分辨率等多种遥感数据的信息融合，提高识别精度。

b．三维成像仪与地学编码图像的准确匹配、同步生成。

c．无控制或极少控制点实现遥感图像的准确定位。

d．高效率，缩短遥感作业周期。

参考文献[1]梅安新等.遥感导论.北京:高等教育出版社,2001,7.[2]江东,王乃斌,杨小唤.我国粮食作物卫星遥感估产的研究.自然杂志,21(6),351-355.[3]吕庆吉吉..农作物遥感估产方法介绍(上).中国统计,2001(5):56-57.[4]阎雨,陈圣波,田静,等.卫星遥感估产技术的发展与展望.吉林农业大学学报2004,26(2):187-196.[5]吕庆吉吉.

.农作物遥感估产方法介绍(下).中国统计,2001,6:55-56.[6]申广荣，王人潮.植被高光谱遥感的应用研究综述.上海交通大学学报,2001,19(4):315-321.[7]陈沈斌.种植业可持续发展的支持系统——农作物卫星遥感估产.地理科学进展,1998,17(2):71-77.[8]戴昌达.卫星遥感在农业中的应用与展望.中国航天,1995(5):3-7.[9]赵庚星,余松烈.冬小麦遥感估产研究进展.山东农业大学学报(自然科学版),2001,32(1):107-111.[10]孙九林.中国农作物遥感动态监测与估产总论.北京:中国科学技术出版社，1996.[11]王乃斌.中国小麦遥感动态监测与估产.北京:中国科学技术出版社，1996.[12]IdosSBPinterPJ,JrJacksonRD,etal.EstimationofGrainYieldsRemoteSenescence