农作物遥感识别与单产估算研究综述

遥感凭借其快速、宏观、无损及客观等特点，在快速获取与解析作物类型、种植面积、产量等信息方面具有独特优势。遥感提取和解译的作物空间分布图、种植面积、产量信息可以服务于农业资源监管、农业信息普查、农业保险、农业投资、精准农业等方面。本文分别就农作物遥感识别与农作物单产遥感估算的研究现状、面临的问题、潜在研究方向进行了总结概述。首先总结了农作物遥感识别特征与分类模型的研究现状，针对遥感识别特征与作物类型缺乏知识关联的核心问题，提出利用深度学习方法协同学习作物生长过程中的“时-空-谱”特征，并构建面向农作物遥感识别的知识图谱，从而解决当前农作物遥感识别在识别精度和识别效率方面的问题。然后，分别从经验统计模型、遥感光合模型、作物生长模型方面对当前作物单产遥感估算进行分析总结，提出随着高空间分辨率、高光谱分辨率、高时间分辨率数据的普及和深度学习技术发展，未来应充分利用作物生长模型机理性强、深度学习对复杂问题建模能力强的特点，使用作物生长模型进行点位尺度模拟以驱动深度学习完成复杂场景下的建模学习，最终实现以机理做约束、以深度学习做空间外推的单产估算模式。

Review on Crop Type Identification and Yield Forecasting Using Remote Sensing