农作物种植面积“一张图”遥感监测业务设计及应用

【目的】农作物种植面积遥感监测是世界农业大国农情遥感监测业务的主要内容,监测结果也是政府宏观监测与生产管理的重要依据。所以农作物种植面积"一张图"遥感监测业务的设计及应用为农业生产定量化管理提供进一步服务。【方法】文章在农作物种植面积"一张图"概念定义的基础上,提出了基于低、中高空间分辨率2种数据源的"一张图"遥感监测技术方案,并采用EOS/MODIS、GF-1/WFV数据实现了全球、中国大陆区域冬小麦空间分布"一张图"的监测方案应用。【结果】农作物种植面积"一张图"概念的提出,是从监测范围与监测内容上对农作物种植面积遥感监测业务的规范,对遥感监测技术从基础研究向实际应用具有推动作用。【结论】现有遥感数据、分类识别技术能够保证"一张图"遥感监测业务方案的实施与实现。限制遥感数据向"一张图"成果转化的技术瓶颈,是遥感监测自动识别技术的精度与能力。在今后较长一个时期内,从全球及国家尺度出发,开展作物光谱分布规律研究,进而提出普适性较高的算法,是提高全球、国家尺度农作物种植面积"一张图"遥感监测业务效率的主要途径。     

农业土地资源遥感研究动态评述

【目的】作为地球陆地系统最重要的组成部分,农业土地系统对于确保国家粮食安全与资源安全,科学理解人—地耦合关系具有重要作用。【方法】文章从农业土地系统科学视角出发,系统梳理了农业土地资源遥感的总体框架,围绕4个核心内容的研究现状、进展和存在问题进行了深入论述。【结果】农业土地资源遥感包括资源调查和变化监测两个主要任务,其核心内容包括:耕地资源的数量和空间分布调查、农作物种植结构调查、农业土地集约化利用监测、农业土地利用时空变化监测等。【结论】面向当前和今后相当长时间内智慧农业、农业高质量与绿色发展的迫切需求,农业土地资源遥感需要从系统性和整体性的科学视角来开展综合研究,天空地一体化、多源数据、多时空尺度和多技术方法的综合集成将是未来农业土地资源遥感研究的重点发展方向。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

无人机遥感的农作物精细分类研究进展

【目的】农作物精细分类是面积估算、长势监测、产量预测及灾害评估的重要前提和基 础。近年来，无人机低空遥感技术因其操作成本低、空间分辨率高、灵活性强等优势，成为田 块尺度下农作物精细分类的重要工具。【方法】文章系统总结了国内外近10 余年无人机遥感在 农作物分类领域的研究进展，介绍了目前常用的无人机平台和传感器，归纳了农作物分类特征 及算法的使用情况，指出了无人机遥感农作物精细分类研究存在的问题。【结果】当前无人机 遥感农作物精细分类研究存在一些不足之处：（1）无人机遥感监测面积小，无法在较大尺度区 域实现农作物精准监测。（2）适用于无人机遥感的农作物分类特征仍需进一步挖掘，面向高光 谱影像的农作物分类特征及特征组合尚需进一步明确。（3）分类器使用单一，分类算法的普适性 和稳定性不强。【结论】无人机遥感农作物精细分类研究的发展趋势主要包括3 个方面：（1）无人 机遥感影像与星载遥感数据的高效融合，拓宽无人机的监测范围。（2）面向无人机遥感影像 的农作物分类特征提取与优化研究。（3）适合无人机遥感的农作物分类算法改进。     

遥感技术在农业科技服务领域的应用

【目的】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。【方法】在阐述了地块级、业务化的农业遥感服务概念和内容的基础上,分析了国内外地块级、业务化的农业遥感服务现状。【结果】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,对地块级遥感监测的需求不大等原因,使得中国地块级、业务化的农业遥感服务尚处于起步阶段。【结论】随着中国逐步推广农村土地流转,实施大范围的机械化农业,业务化、精细化的农业遥感监测具有广阔的前景。     

农业干旱遥感监测的原理、方法与应用

【目的】干旱遥感监测是卫星遥感技术的重要应用和研究方向之一,是对气象、地面调查等技术手段开展农作物干旱监测的重要补充和参考。【方法】在总结国内外目前主要的干旱遥感监测方法基础上,将农业干旱遥感监测方法概括为7个大类,即基于热惯量、冠层温度、作物长势状况、综合冠层温度与作物长势、蒸发(腾)、微波、作物生长模型的干旱遥感监测方法,并对各类方法的主要形式进行了系统性总结。【结果】同前主要的干旱遥感监测方法中,除作物生长模型的反演的监测是土壤含水量外,其他方法大多数是基于遥感度量的干旱程度指标,需要结合地面水分观测值等的标定转化为土壤的水分含量。【结论】从监测原理上看,农业干旱可以认为是光照条件、土壤质地、作物长势、冠层温度4个物理量的函数。在自然条件下,当某个或几个物理量相对一致时,就可以将该理论模型进行简化,使用特定的干旱指数形式对干旱进行量度,这也是当前遥感监测技术监测作物干旱的主要思路。同时,该文对当前国内和国际上的主要干旱遥感监测业务化运行系统进行了介绍,并在此基础上,结合当前遥感监测方法区域适用能力存在的局限性,提出模型区域适应性改进是当前旱情遥感监测业务应用的关键点。同时,随着中高分辨率遥感数据的日益增多,利用中高分辨率卫星数据进行定量化干旱遥感监测技术也是当前干旱遥感监测的重要趋势。此外,干旱遥感监测的不确定性研究也是业务化应用中需要加强的一个方向。     

中国农作物长势遥感监测研究综述

农作物长势监测的目的是为早期估产提供依据,同时为田间管理提供及时的信息。笔者总结了中国农作物长势监测的研究进展、研究方法,指出用于长势监测的遥感数据空间分辨率较低,常用的监测指标具有局限性,监测精度有待提高。“3S”技术的集成发展,进一步实现一体化应用于该领域仍是今后的发展方向。随着农作物长势运行化监测系统的进一步完善,对田间管理的诊断需求会日益加剧,因此作物长势的诊断将成为今后的研究重点。     

热红外遥感及其在农业旱情监测中的应用研究进展

【目的】梳理目前热红外遥感研究进展,探讨热红外遥感技术在农业旱情监测方面的应用现状,为热红外遥感技术在土壤水分反演和旱情监测方面的应用探明发展道路。【方法】文章通过系统梳理和总结国内外热红外遥感及其在农业旱情监测中的应用研究进展,分析了目前研究存在的问题,并对未来热红外遥感在农业旱灾监测中的应用进行了展望。【结果】热红外遥感已经形成多源遥感数据和多时空分辨率数据并存的局面,地表温度遥感定量反演和地表蒸散发遥感估算已经取得较大进展,但热红外遥感数据产品系统生产仍然面临许多问题,尤其是时空尺度、云影响、像元间可比性和反演精度等问题,仍然需要开展深入的研究;目前农业旱情遥感监测已经取得了较大进展,国内外学者提出了多种不同的表征指数监测方法,但由于热红外遥感存在的许多固有问题,农业旱情遥感监测仍面临许多挑战,尤其是从热红外遥感前沿问题出发开展农业旱情遥感监测模型研究。【结论】在对地观测大数据时代背景下,热红外遥感及其在农业旱情遥感监测中的应用,迫切需要进一步深入研究全天候高精度地表温度遥感反演、高精度农田蒸散遥感定量估算、时空尺度转换与多尺度监测、旱情监测机理模型构建等前沿学术问题,同时,这些问题也是农业旱情遥感监测获得突破性进展的重要方向。热红外遥感理论与方法的发展,将有力地推动我国农业旱情监测精度的提高,为现代精准农业发展保驾护航。     

多源遥感数据支撑的耕地质量监测与评价

【目的】耕地质量监测与评价可为土地整治、占补平衡、新增耕地质量评估和基本农田管护提供科学依据,多源遥感为实现长时序大范围的耕地质量监管提供了数据基础和技术支撑。【方法】文章从耕地质量的定义出发,研究了基于遥感技术耕地质量监测与评价的两种策略:(1)从地学特征、土壤特性、环境状况、建设水平和生物多样性等5个维度表达耕地质量的科学内涵,构建以多源遥感数据为基础的耕地质量监测与评价指标体系,并梳理利用遥感技术获取各关键指标因素的方法;(2)从系统思维的角度,利用长时间序列遥感数据监测作物长势间接反映耕地质量综合状况。【结果】以多源遥感支撑的耕地质量监测与评价体系可实现耕地质量信息的实时、大范围获取,对耕地质量监测与评价工作具有重要意义;遥感技术支撑的耕地质量监测与评价,逐渐向更高精度、更多样化和更融合的方向发展。【结论】该研究结果可为耕地质量的实时大范围监管和耕地资源的"三位一体"管护提供参考。     

阿克苏流域表层土壤湿度指数反演研究

【目的】为研究国产高分一号(GF-1)遥感影像在绿洲地区农情基础数据有效采集的可行性,对土壤湿度实施大范围区域监测。【方法】以新疆阿克苏流域为研究区,基于GF-1 WFV影像以及研究区63个土壤表层湿度的实测样点数据,对垂直干旱指数(PDI)和植被调整垂直干旱指数(VAPDI)的土壤湿度监测效果进行比较和验证。【结果】(1)PDI和VAPDI与土壤湿度实测值的决定系数分别为0.589和0.735,各模型满足监测精度要求;(2)在植被覆盖较高的阿克苏绿洲,VAPDI指数模型监测精度高于PDI;(3)从反演的土壤湿度空间分布格局来看,VAPDI对土壤湿度变化更敏感,更能反映出不同植被覆盖程度下土壤湿度的实际水平。【结论】基于GF-1 WFV影像进行流域尺度的土壤湿度监测具有可行性。相比PDI指数模型,VAPDI通过对遥感影像中混合像元进行不同程度的分解,监测精度更高。研究结果能为阿克苏流域表层土壤湿度数据快速有效地采集和动态监测提供理论支持和验证。     

融合气象与遥感数据的农作物台风灾情快速评估方法研究

【目的】 通过多尺度数据融合技术结合两种方法的优点,提出一种空间覆盖完整同时分辨率较高的大范围农田台风灾情快速评估方法。【方法】 文章基于2010 —2019年对中国沿海地区农作物损害较大的25个台风样本的省级受灾面积与气象再分析数据（ECMWF Reanalysis v5,ERA5）,对农作物的脆弱性模型进行中国区域的参数较准,用以估计粗分辨率（25 km）农田受损率;然后通过遥感数据计算灾害植被损害指数（Disaster Vegetation Damage Index,DVDI）刻画细分辨率的灾情空间细节,并基于该指标对气象数据驱动的脆弱性模型估算受灾率结果进行空间降尺度,最终得到250 m分辨率的农作物灾情评估结果。【结果】 中国区域参数较准的脆弱性曲线模型可以用于评估大尺度上农作物台风灾情的空间分布,其估算的省级受灾面积与统计资料一定程度上相关（R²=0.38）;通过融合遥感DVDI数据对该模型受损率估计结果进行降尺度后,进一步增强灾情评估结果的空间细节,与高分影像目视判读对比显示,融合结果的空间分布细节与实际受灾情况具备较好的一致性。【结论】 该文提出的适用于大区域高分辨率的农作物台风灾情快速评估方法有潜力应用于台风农田灾情的快速全面评估。     

基于深度学习服务的遥感影像农作物分类系统设计

【目的】深度学习在图像分类方面效果显著,但对机器的硬件配置要求高,将深度学习的技术应用于作物分类的同时,降低客户端的IT成本,开发基于深度学习服务的遥感影像农作物分类系统。【方法】系统采用C/S架构,服务器端部署Caffe的深度学习框架,通过PaaS提供计算服务,统一处理客户端模型训练、影像分类等任务;客户端提供用户界面,负责数据输入、结果解析和可视化操作;客户端和服务器之间通过异步RPC实现网络通信,利用FTP进行数据的上传和下载;考虑到农作物分类在实际应用中的时效性,系统还提供了一个简化的Alexnet模型,在保证分类精度的前提下加速了模型的收敛速度。【结果】通过对采集的428144个农作物样本数据集的应用表明,服务器训练的时间比单机训练缩短了近3倍,该系统不仅能够快速地完成深度学习模型训练的任务,还能实时准确得到遥感影像的农作物分类结果。【结论】该研究进一步推动了深度学习在农业分类方面的应用,同时为遥感技术在农业应用中的发展、农作物面积统计工作和对农业资源进行优化配置提供了重要的科学指导。     

基于条件随机场的高光谱遥感影像农作物精细分类

【目的】农作物精细分类对于农作物长势监测、产量预估、灾害评估、保障国家粮食安全具有重要意义。高光谱遥感影像具有丰富的光谱波段,能够探测到各类农作物之间细微差别,已逐渐成为分类的理想数据源。【方法】研究以由AVIRIS传感器收集的美国加利福尼亚州南部萨利纳斯山谷的农作物区域的高光谱数据为数据源,提出了一种基于条件随机场的高光谱遥感农作物精细分类方法,利用SVM分类器计算各类地物的概率,并定义为条件随机场的一元势函数以融合空间特征信息;将空间平滑项和局部类别标签成本项加入到二元势函数中,以考虑空间背景信息,并保留各类别中的详细信息。最后与传统的最小距离法和SVM算法进行比较。【结果】文章提出的方法较最小距离分类法、SVM传统方法相比,整体精度分别提高了16%和2%,除了C15类(葡萄园3)精度为72.32%与74.11%外,各类地物精度均在94%以上,各种"椒盐"噪声与分类混淆现象得到了改善。【结论】实验结果表明,该方法在农作物精细分类应用中具有较大优势。     

黑龙江垦区主要农作物遥感监测系统的设计与开发

以遥感数据为基础,基于ENVI/IDL与ArcGIS Engine一体化集成技术,进行黑龙江垦区主要农作物遥感监测系统的设计与开发。系统主要分为系统设置、数据处理、种植面积提取、长势监测、灾害监测、产量预测等模块;该系统能够实现主要农作物遥感业务处理流程化,为农业结构调整和粮食产能工程提供技术支持。     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

基于空间信息的农作物苗情监测系统

以大面积、无损的农作物苗情监测为目标,采用GIS、RS、GPS等空间信息技术,结合计算机技术、网络技术设计开发了基于空间信息的农作物苗情监测系统。在前人研究基础上,筛选了能够表征作物长势、产量和品质的农学参量及遥感植被指数,提供自定义监测预报模型的方式实现对农作物长势、产量及品质监测。最终,以2012年北京地区冬小麦长势监测为例,展示了农作物长势分析过程,获得了同实际情况相吻合的监测结果。     

基于高分三号卫星数据的水体自动提取及应用

【目的】高分三号(GF-3)卫星具有全天时、全天候对地观测能力,基于高分三号雷达数据开展水体自动提取及业务运行研究,是洪涝监测、旱情监测等水资源管理的技术支撑。【方法】文章提出了一种基于阈值自动分割的水体自动化提取算法,通过影像直方图分布特征自动确定分割阈值,自动化提取水体。针对全国大范围业务监测需求,设计提出数据订阅接收、数据预处理、水体提取、后处理和产品入库、数据分析和产品展示的全流程业务运行系统。【结果】以云南省阳宗海、江苏省洪泽湖、北京市密云水库等3个典型水体验证算法的有效性,比较了不同极化数据水体提取结果。(1)直方图呈现典型的双峰特征分布,水体和背景像元被自动化寻找的阈值有效分割;(2)水体提取的精度对极化方式的选取并不敏感。【结论】采用GF-3卫星数据进行水体自动提取,能有效监测水资源,为洪涝、旱情等农田水利管理提供数据支持。     

植被物候参数遥感提取研究进展评述

【目的】遥感方法提取植被物候具有宏观、高效、便捷的特点,利用遥感提取植被物候结果可以从较大尺度上研究整个植被生态系统的物候特征。【方法】文章以植被物候遥感提取的过程为线索,采用文献综述法,对植被物候参数遥感提取的各个方面进行阐述。【结果】系统描述了植被物候提取的遥感数据资源,包括遥感专题指数和遥感数据来源;归纳了植被物候遥感提取的技术方法,包括时序植被指数重构技术和植被物候参数提取方法;总结了植被物候遥感提取结果验证途径和误差来源,地面物候观测数据和模型模拟数据是直接验证的途径,他人研究成果和植物生理参量的地面观测数据提供间接验证的途径,误差来源于遥感数据的时间和空间分辨率以及植被物候提取技术方法。最后,针对当前植被物候遥感提取存在的主要问题及未来的发展趋势,从研究对象、数据来源、技术方法和结果验证这4个方面进行了探讨。【结论】尽管植被物候遥感提取的大量研究在理论、技术方法和应用方面都取得明显进展,但在研究对象、数据来源、技术方法和结果验证这些方面仍然存在着一些关键科学问题,需要进一步进行深入研究。     

基于植被供水指数的藏北地区土壤湿度反演研究

【目的】利用光学遥感数据获取的植被供水指数来反演西藏那曲地区的土壤湿度,结合高分辨率的遥感数据(GF-1)和中低分辨率的遥感数据(Landsat、MODIS)分别建立土壤湿度反演模型,通过比较不同空间尺度反演模型的精度和适用性,拓宽国产高分遥感数据在农牧业信息定量获取等方面的应用范围,为"天地网一体化"的现代农业信息获取和农情信息遥感监测提供理论基础。【方法】以西藏那曲地区为研究区,以代表高、中、低分辨率卫星数据的高分一号(GF-1)、Landsat-8及MODIS影像数据和土壤湿度实测数据为数据源,利用植被供水指数(Vegetation Supply Water Index,VSWI)构建土壤湿度反演模型,比较3种遥感影像在反演土壤湿度方面的差异。【结果】(1)VSWI反演土壤湿度的最佳深度为10 cm左右;(2)基于GF-1、Landsat-8和MODIS构建的反演模型得到的土壤湿度预测值与实测值的均方根误差分别为5.145、5.227和6.298,可见GF-1和Landsat-8的反演效果相当,均优于MODIS的反演效果;GF-1土壤反演模型的拟合效果最佳;(3)研究区土壤湿度在空间上呈东南向西北递减的趋势,与实地采样点的土壤湿度分布趋势一致,说明利用高分辨率遥感数据监测土壤湿度是可行的。【结论】利用GF-1遥感数据和植被供水指数可以实现对藏北地区的土壤湿度反演,研究结果可以为干旱或者半干旱地区大范围的土壤墒情监测提供理论依据和实践参考。     

基于无人机载LiDAR数据的玉米涝灾灾情评估

【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。