遙感技術(shù)在作物生長監(jiān)測(cè)與估產(chǎn)中的應(yīng)用分析

[摘要]遙感技術(shù)在我國作物高質(zhì)高產(chǎn)栽培中的應(yīng)用較為廣泛，特別是在生長過程檢測(cè)和產(chǎn)量估計(jì)項(xiàng)目中發(fā)揮著重要作用，能夠促進(jìn)農(nóng)業(yè)現(xiàn)代化、精細(xì)化的發(fā)展。通過精確獲取不同作物的生長特性等數(shù)據(jù)，借助高光譜成像系統(tǒng)、低空遙感技術(shù)為技術(shù)人員提供田間信息，采用人工管控的措施對(duì)作物進(jìn)行調(diào)控，并有效估計(jì)最終產(chǎn)量，推動(dòng)了農(nóng)業(yè)科技的極大進(jìn)步。

[關(guān)鍵詞]遙感技術(shù);作物生長監(jiān)測(cè);產(chǎn)量估計(jì)

中圖分類號(hào)：P237? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? DOI：10.16465/j.gste.cn431252ts.20190529

衛(wèi)星遙感技術(shù)已經(jīng)普遍應(yīng)用于軍事、自然勘察等領(lǐng)域中，當(dāng)前，為了促進(jìn)農(nóng)業(yè)科技的發(fā)展，遙感技術(shù)也廣泛用于作物生長狀況的實(shí)時(shí)監(jiān)測(cè)和估產(chǎn)。利用衛(wèi)星資料對(duì)作物進(jìn)行規(guī)?；膭?dòng)態(tài)監(jiān)測(cè)，主要包括苗情、營養(yǎng)供給與作物勢(shì)能的關(guān)系、葉表面積指數(shù)、產(chǎn)量等。針對(duì)不同的監(jiān)測(cè)指標(biāo)安裝了不同的感應(yīng)器，如葉片葉綠色的含量、自然光吸收率等，幫助種植人員判斷田間作物的長勢(shì)[1-2]。

1? 遙感技術(shù)在作物生長監(jiān)測(cè)中的應(yīng)用

遙感技術(shù)是近現(xiàn)代逐漸興起的一種探測(cè)技術(shù)，基于電磁波物理理論，通過各類感應(yīng)器對(duì)遠(yuǎn)距離目標(biāo)所產(chǎn)生的反射波進(jìn)行搜集、處理，最終在電子計(jì)算機(jī)上形成影響，從而顯示地面不同物體的具體分布狀況。任何物體都有光譜特性，農(nóng)作物也不例外，在農(nóng)業(yè)領(lǐng)域中，遙感技術(shù)主要是對(duì)地表特征、田間作物進(jìn)行信息獲取，通過不同波段的反射光，向技術(shù)人員實(shí)時(shí)提供監(jiān)測(cè)范圍內(nèi)田間作物的生長狀況。其影像信息還能從宏觀的角度判斷作物在一定時(shí)間內(nèi)的發(fā)育勢(shì)能，幫助栽培人員更好地判斷作物種植時(shí)間和收成時(shí)間，改變生產(chǎn)模式。目前，經(jīng)過信息分析或者編輯，構(gòu)建不同條件下的生長模型、估產(chǎn)模式，能夠模擬特定作物的栽培過程，為農(nóng)業(yè)種植提供數(shù)字化信息和圖像依據(jù)[3-4]。

我國運(yùn)用遙感技術(shù)起步較早，初步形成了一系列作物生長遙感技術(shù)和監(jiān)測(cè)方法，構(gòu)建了有利于作物培育研究的業(yè)務(wù)系統(tǒng)，取得了較好的效果。例如中國科學(xué)院建成的“水稻遙感估產(chǎn)集成系統(tǒng)”“水稻衛(wèi)星遙感估產(chǎn)運(yùn)行系統(tǒng)”等，實(shí)現(xiàn)了對(duì)單位面積水稻生長勢(shì)能和單產(chǎn)、總產(chǎn)的精確預(yù)估。此外，“中國農(nóng)情遙感速報(bào)系統(tǒng)”能夠?qū)θ珖秶鷥?nèi)的農(nóng)作物進(jìn)行實(shí)施監(jiān)測(cè)和估計(jì)，對(duì)農(nóng)業(yè)科技化的發(fā)展具有重要意義[5-6]。

國內(nèi)非常重視高光譜遙感技術(shù)的研究和應(yīng)用，因其具有較多優(yōu)勢(shì)。一是可以精確及時(shí)獲取田間作物的生長狀態(tài)信息;二是可以獲取葉表面積指數(shù)，用于合理密植、水肥控制等過程;三是可以定時(shí)監(jiān)測(cè)葉片葉綠素及其他色素的含量和植被紅邊特性等;四是可以快速監(jiān)測(cè)作物的有機(jī)物積累量，用于區(qū)分優(yōu)勢(shì)作物品種;五是可以快速監(jiān)測(cè)出葉片的碳氮比狀況，有助于實(shí)施生長診斷和調(diào)控，達(dá)到高質(zhì)高產(chǎn)的目的。我國很多農(nóng)業(yè)生產(chǎn)研究都是通過遙感技術(shù)進(jìn)行產(chǎn)量和長勢(shì)推算，研究表明，遙感植被資源的最佳波段為0.45～0.52 μm，對(duì)葉綠素和葉紅素的濃度敏感波段為0.63～0.69 μm，對(duì)植被茂密程度敏感波段為1.55～1.75 μm，對(duì)植物葉片水分敏感波段為2.08～2.35 μm。隨著信息技術(shù)和計(jì)算機(jī)技術(shù)的不斷革新，作物遙感監(jiān)測(cè)系統(tǒng)正朝著空間、時(shí)間分辨率的方向發(fā)展。傳統(tǒng)寬波段遙感在進(jìn)行生長監(jiān)測(cè)時(shí)，經(jīng)常因波段少、光譜分辨率的問題難以真正發(fā)揮作用，無法準(zhǔn)確反映田間作物固有的光譜特性，受自然環(huán)境的影響較大，如植被覆蓋率、土壤顏色等?；诖耍吖庾V遙感技術(shù)進(jìn)行了改革，以高分辨率和超多波段的成像技術(shù)解決了常規(guī)遙感技術(shù)的問題，能更加準(zhǔn)確地反映出作物生長態(tài)勢(shì)。高光譜遙感技術(shù)在田間監(jiān)測(cè)的指標(biāo)有葉綠素、生物量、生化參數(shù)、葉面積指數(shù)、有機(jī)物含量等。監(jiān)測(cè)時(shí)間跨度較大，一般可從作物的生長早期到成熟期，7月中旬是遙感系統(tǒng)監(jiān)測(cè)的最佳季節(jié)，監(jiān)測(cè)結(jié)果可靠性最高[7]。

為了使遙感技術(shù)在作物生長監(jiān)測(cè)中的作用更加明顯，一些學(xué)者提出作物生長模型的構(gòu)建，通過遙感技術(shù)與生長模型的聯(lián)合，實(shí)現(xiàn)數(shù)據(jù)結(jié)果的準(zhǔn)確性。例如水稻形態(tài)鐘模型，以O(shè)RYZA為基礎(chǔ)，對(duì)灌溉水稻的發(fā)育和生長進(jìn)行了模擬，按照一定的規(guī)則和數(shù)學(xué)理論優(yōu)化程序，在田間進(jìn)行模型試驗(yàn)，生成元函數(shù)，并模擬氮在土壤中的傳輸軌跡。遙感技術(shù)與生物模型的結(jié)合應(yīng)用，能夠動(dòng)態(tài)模擬作物的生長狀態(tài)，預(yù)測(cè)總產(chǎn)量。作物模型也能測(cè)算潛在生產(chǎn)力，分析田間實(shí)際生產(chǎn)力與預(yù)測(cè)生產(chǎn)力的差距，從而尋找限制產(chǎn)量的主要因素，為人工決策提供建議和方法指導(dǎo)?？紤]到遙感技術(shù)難以揭示農(nóng)作物生長的內(nèi)在規(guī)律，作物模型則可以在初始階段便獲取作物的各項(xiàng)參數(shù)，兩者互補(bǔ)能完善作物栽培的諸多環(huán)節(jié)。為了提高作物生長監(jiān)測(cè)的有效性，需要借助一套完整的遙感+模型方法，對(duì)作物的生理參數(shù)進(jìn)行定量推演，可以根據(jù)作物的實(shí)際生長指標(biāo)構(gòu)建模型，利用系統(tǒng)化、程序化的思想進(jìn)行苗情診斷和發(fā)育調(diào)控[8-9]。

2? 遙感技術(shù)在作物估產(chǎn)中的應(yīng)用

為了解決傳統(tǒng)生長模型無法真正監(jiān)測(cè)田間作物實(shí)際產(chǎn)量的難題，可以利用遙感技術(shù)估算種植區(qū)域的冠層溫度、水分脅迫系數(shù)，近似模擬各類型作物的營養(yǎng)需求量和產(chǎn)量。冠層溫度和自然溫度之差是判斷作物葉片氣孔開閉程度的重要參數(shù)，不僅反映了作物對(duì)土壤的適應(yīng)性，還反映了其他因素對(duì)作物生長的影響。在分析遙感估產(chǎn)項(xiàng)目中應(yīng)用了數(shù)值模擬估產(chǎn)的方法，借助遙感與農(nóng)業(yè)氣象數(shù)值模擬技術(shù)的融合對(duì)大面積的作物進(jìn)行產(chǎn)量估計(jì)，如小麥、水稻、玉米等，其估算結(jié)果與實(shí)際生產(chǎn)量相符。遙感估產(chǎn)技術(shù)包括數(shù)據(jù)搜集和整理、模型篩選與膨化、單點(diǎn)模擬與實(shí)驗(yàn)、空間外推等。國內(nèi)應(yīng)用較為廣泛的遙感估產(chǎn)模型主要有以下四個(gè)。

2.1? 水稻作物氣候產(chǎn)量預(yù)報(bào)模型

這類估產(chǎn)模型需通過大量的田間實(shí)驗(yàn)和取樣分析才能確定模型構(gòu)建的主要參數(shù)，對(duì)于水稻的生長勢(shì)能、葉表面積指數(shù)、干物質(zhì)存儲(chǔ)量等進(jìn)行判斷分析，結(jié)合遙感光譜技術(shù)分析得到與農(nóng)業(yè)生產(chǎn)相關(guān)的參數(shù)，減少了人工勞動(dòng)量，優(yōu)化了種植效率，但遙感估產(chǎn)模型中的光譜信息還需進(jìn)一步開發(fā)和利用。

2.2? 遺傳算法結(jié)合神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)是信息分析技術(shù)中的高效模式，可以最大程度模仿人類神經(jīng)網(wǎng)絡(luò)對(duì)行為特征進(jìn)行調(diào)控，處理外界信息。兩者相互結(jié)合突破了遺傳算法的誤差，經(jīng)過檢驗(yàn)其計(jì)算值與實(shí)際值非常接近，并且效果比灰色理論模型要好得多，但這個(gè)模型也有一個(gè)缺點(diǎn)，即無法準(zhǔn)確得到相對(duì)誤差與年份的關(guān)系。

2.3? 人機(jī)交互反演模型

在研究產(chǎn)量與氣候關(guān)系的過程中，建立的一種便捷、簡單的遙感估產(chǎn)模型，主要是計(jì)算小麥的片區(qū)產(chǎn)量，計(jì)算公式為成熟期田間作物干物質(zhì)重量×收貨指數(shù)。此模型的核心是利用作物抽穗期的遙感影像反算出作物各個(gè)長勢(shì)指標(biāo)，并通過計(jì)算機(jī)模擬運(yùn)行軌跡加以修正，改變了單一回歸模型帶來的數(shù)據(jù)偏差，應(yīng)用方便簡單，且結(jié)果可靠，具有推廣意義。其缺點(diǎn)為受抽穗期和成熟期的水肥技術(shù)影響，個(gè)別樣點(diǎn)可能會(huì)出現(xiàn)偏差，對(duì)此，在應(yīng)用模型之前需要對(duì)不同區(qū)域的水肥技術(shù)進(jìn)行甄別，從而矯正模型計(jì)算結(jié)果[10]。

2.4? 雷達(dá)遙感估產(chǎn)模型

我國大規(guī)模的糧食種植區(qū)主要分布在華東、華南地區(qū)，這些地區(qū)的氣候溫暖濕潤，使用遙感系統(tǒng)無法獲得較高分辨率的光圖像。為了解決這一問題，微波遙感技術(shù)應(yīng)運(yùn)而生，加之合成孔徑雷達(dá)的研發(fā)有效提升了微波遙感空間的分辨率，數(shù)據(jù)收集的過程不受不良天氣的影響，還可以實(shí)現(xiàn)不同波段SAR數(shù)據(jù)的組合。實(shí)踐表明，雷達(dá)遙感估產(chǎn)模型能夠準(zhǔn)確識(shí)別作物的種類和生長形態(tài)，受限因素較少，但新理論的提出也存在很大的改進(jìn)空間，例如輔助氣象數(shù)據(jù)模擬模型等。

3? 結(jié)? 論

“三農(nóng)”問題是制約我國現(xiàn)代化社會(huì)發(fā)展的主要障礙，要破除這一障礙，實(shí)現(xiàn)作物增產(chǎn)、農(nóng)民增收，就要以遙感技術(shù)為基礎(chǔ)，逐步完善農(nóng)田監(jiān)測(cè)圖像，促使其向著高分辨率、高光譜的方向發(fā)展。同時(shí)，要善于借助自動(dòng)化技術(shù)、計(jì)算機(jī)技術(shù)、智能化技術(shù)、地理空間信息技術(shù)等開發(fā)全新的作物生長監(jiān)測(cè)和估產(chǎn)平臺(tái)，真正把土壤性能感知、自然環(huán)境條件感知與作物生長研究聯(lián)系起來，通過建立智能搜索引擎完善作物監(jiān)控系統(tǒng)，優(yōu)化估產(chǎn)模型，解決農(nóng)業(yè)智能化發(fā)展的各項(xiàng)難題，為作物精準(zhǔn)管理提供理論依據(jù)。

參考文獻(xiàn)

[1]胡楠，矯亮，李黎，等.遙感技術(shù)在玉米估產(chǎn)中的應(yīng)用與研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2011（1）：35-37.

[2]陳勁松，黃健熙，林琿，等.基于遙感信息和作物生長模型同化的水稻估產(chǎn)方法研究[J].中國科學(xué)：信息科學(xué)，2010（S1）：173-183.

[3]劉雪麗，付友生，劉丹，王銳，李模其.遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用[J].現(xiàn)代化農(nóng)業(yè)，2018（10）：67-68.

[4]田萍，周博，王濤，等.遙感技術(shù)及其在精確施肥技術(shù)方面的應(yīng)用研究[J].楊凌職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2006（2）：15-18.

[5]趙光軍，張艷飛，張玉增，等.GPS技術(shù)及其在農(nóng)業(yè)裝備中的應(yīng)用研究[J].糧食科技與經(jīng)濟(jì)，2019（2）：123-124+168.

[6]史莉娟.啟航大田智慧農(nóng)業(yè)：稻谷全產(chǎn)業(yè)鏈大數(shù)據(jù)平臺(tái)[J].糧食科技與經(jīng)濟(jì)，2019（1）：12.

[7]劉忠，萬煒，黃晉宇，等.基于無人機(jī)遙感的農(nóng)作物長勢(shì)關(guān)鍵參數(shù)反演研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2018（24）：60-71.

[8]宋茜.農(nóng)作物空間分布信息提取及其時(shí)空格局變化分析研究[D].北京：中國農(nóng)業(yè)科學(xué)院，2018.

[9]李素，郭兆春，王聰，等.信息技術(shù)在農(nóng)作物病蟲害監(jiān)測(cè)預(yù)警中的應(yīng)用綜述[J].江蘇農(nóng)業(yè)科學(xué)，2018（22）：1-6.

[10]葉滿珠，廖世芳.高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用[J].農(nóng)業(yè)工程，2018（10）：38-40.

收稿日期：2019-03-14

作者簡介：孟穎晨，男，本科，助理工程師，研究方向?yàn)榈乩硇畔⑾到y(tǒng)及農(nóng)業(yè)遙感應(yīng)用。