田塊尺度水稻農情遙感監(jiān)測平臺設計與試驗

摘要：為解決我國水稻種植過程中由于藥肥施用不當和缺乏系統(tǒng)化管理所導致的單產低、農業(yè)面源污染嚴重等問題，并針對現有農情系統(tǒng)數據源單一的現狀，以多源數據的協(xié)同監(jiān)測為核心，基于WebGIS和Ant Design搭建前端框架，整合多源時空地理數據和分布式數據存儲方法，采用Python、HTML、Javascript+CSS、ArcGIS Server、Mapbox Studio以及PostgreSQL等技術，構建一個前后端分離（F/B Separation）、云端實時更新的田塊尺度水稻農情監(jiān)測平臺，以實現水稻生長參數反演、產量預估、田塊參數查詢、時空數據可視化與統(tǒng)計分析等功能。以江西興橋鎮(zhèn)與井岡山國家農業(yè)科技園為試驗區(qū)，應用該系統(tǒng)的案例分析表明2022年興橋鎮(zhèn)水稻田塊分布破碎，且鎮(zhèn)內東北區(qū)域水稻產量高于西南，水稻田產量介于6 750～8 250 kg/hm2；同時發(fā)現試驗區(qū)內田塊水稻的長勢與歷史藥肥施用量存在明顯關聯(lián)，藥肥施用策略顯著影響田塊水稻長勢。綜上，本平臺在多源數據協(xié)同作用下，能較好地滿足大區(qū)域下田塊水稻監(jiān)測所要求的準確性、全面性，并在一定程度上實現水稻長勢與產量的歸因分析，可作為實現田塊尺度水稻農情多源精細監(jiān)測的有效示例。

關鍵詞：水稻；遙感；農情監(jiān)測；多源異構數據；WebGIS

中圖分類號：S126" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2024） 10?0233?08

Development and application of a field?scale rice crop remote sensing monitoring platform

Zou Yaopeng1， Pei Jie1， 2， Liu Yibo1， Fang Huajun3， 4， Fang Zhichen1， Yi Qiliang1

（1. School of Geospatial Engineering and Science， Sun Yat?sen University， Zhuhai， 519082， China; 2. Key Laboratory of Natural Resources Monitoring in Tropical and Subtropical Area of South China， Ministry of Natural Resources， Zhuhai， 519082， China; 3. Key Laboratory of Ecosystem Network Observation and Modeling， Institute of Geographical Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing， 100101， China;

4. The Zhongke?Ji'an Institute for Eco?Environmental Sciences， Ji'an， 343000， China）

Abstract： To address the pressing challenges associated with inadequate fertilizer and pesticide application， as well as the absence of systematic management， resulting in low yield per unit area and agricultural non?point source pollution in rice cultivation in China， this study focuses on the integration of multi?source data through collaborative monitoring. A frontend?backend decoupled， cloud?based， real?time， field?level rice crop monitoring platform was constructed， based on WebGIS technology and the Ant Design front?end framework. The platform construction incorporated heterogeneous spatiotemporal geospatial data from multiple sources and utilized a distributed data storage architecture， employing techniques such as Python， HTML， JavaScript+CSS， ArcGIS Server， Mapbox Studio web services， and the PostgreSQL database. Consequently， the platform offered a myriad of functionalities， including rice growth parameter inversion， yield prediction， plot parameter query， as well as spatiotemporal data visualization and statistical analysis， among other functionalities. The system was tested in two experimental areas： Xingqiao Town and Jinggangshan National Agricultural Science and Technology Park in Jiangxi Province. The visual analysis of the platform indicates that the distribution of rice fields in Xingqiao Town in 2022 was fragmented， with higher rice yields in the northeastern region compared to the southwest. The rice yields in the town ranged between 6 750 kg/hm2 and 8 250 kg/hm2. The study also found a significant correlation between rice growth in the experimental area and the historical application of pesticides and fertilizers， indicating that application strategies have a considerable impact on rice growth. In conclusion， this platform， through the collaborative integration of multiple data sources， can effectively fulfill the accuracy and comprehensiveness requirements for rice monitoring at a large regional scale. It also enables attribution analysis of rice growth and yield to some extent. This platform serves as an effective example of fine?grained， multi?source monitoring of rice farming at the field scale.

Keywords： rice; remote sensing;crop condition monitoring; multiple heterogeneous data; WebGIS

0 引言

水稻作為中國最重要的糧食作物之一，播種面積占全國糧食作物的1/3，其產量對我國和世界的糧食安全都有重要意義[1， 2]。然而，水稻種植在我國仍存在肥料施用不當、系統(tǒng)化管理不足，導致其面臨著單產低、農業(yè)面源污染嚴重等問題[3]。為提高糧食產量并減少對進口糧的依賴，中央一號文件《中共中央國務院關于做好2023年全面推進鄉(xiāng)村振興重點工作的意見》明確指出，發(fā)展智慧農業(yè)、數字農業(yè)的重要性，對作物生長監(jiān)測的需求趨于實時化、智能化、系統(tǒng)化、精細化。

在互聯(lián)網技術快速普及的背景下，國內外研究者開始嘗試將新型技術應用于傳統(tǒng)農業(yè)生產。1988年，歐盟啟動了MARS（Monitoring Agriculture with Remote Sensing）項目，利用GIS技術構建農情遙感監(jiān)測系統(tǒng)[4， 5]；2016年，歐空局推出了農業(yè)監(jiān)測項目Sen2-Agri，項目利用Sentinel-2衛(wèi)星數據，結合地面觀測數據和農業(yè)模型，提供高分辨率的農業(yè)監(jiān)測和信息服務[6]；在國內，王耀武[7]利用移動互聯(lián)網及Android移動終端系統(tǒng)硬件優(yōu)勢，開發(fā)基于3G和WebGIS的基層農情管理信息系統(tǒng)；魯旭濤等[8]利用傳感器數據與作物模型結合Labview+Matlab的技術路線，構建智慧農業(yè)水田作物網絡化精準灌溉系統(tǒng)。相比于國外農情系統(tǒng)的發(fā)展進程，我國起步慢但發(fā)展迅速。近年來，基于HTTP協(xié)議的農情監(jiān)測系統(tǒng)的研發(fā)逐漸成為主流，此類系統(tǒng)普遍基于WebGIS技術（一種基于網絡和地理信息系統(tǒng)技術的應用，具有高度可定制性與高度靈活性，能較好地滿足我國農業(yè)生產與監(jiān)控信息化的需求）。同時，作為農業(yè)大國，我國積累了大量如土地利用、土壤肥力等歷史基礎數據，對此類數據的合理利用將有助于實現更準確的農情監(jiān)測。然而，現有的農情監(jiān)測平臺大多僅基于衛(wèi)星影像[9， 10]或物聯(lián)網數據[11， 12]，導致大量農情相關數據未能被整合利用，從而未能充分發(fā)揮其價值。因此，在面向精細化農情監(jiān)測需求時，上述監(jiān)測平臺常面臨以下問題：（1）僅基于衛(wèi)星遙感進行監(jiān)測往往受限于分辨率，難以達到田塊尺度的精細監(jiān)測，并且在南方地區(qū)多云雨天氣條件下，無法滿足水稻長勢的連續(xù)監(jiān)測需求[13]；（2）僅基于物聯(lián)網傳感器雖能獲取農田點位尺度的實時環(huán)境信息，但無法獲取作物冠層光譜信息，難以對水稻長勢實現直接監(jiān)測[14， 15]。在當前農業(yè)精細化治理需求日益增大的背景下，將高分辨率遙感數據、精細尺度的物聯(lián)網數據和監(jiān)測地區(qū)歷史農情數據相結合，能夠解決現存的農情監(jiān)測數據源單一和監(jiān)測方式片面的核心問題，從而實現信息的互補，將有助于更準確地監(jiān)測水稻長勢。

結合氣象站、田間傳感器和遙感影像等多源異構數據（指來自不同來源、具有不同特點的數據集合），前端以Ant Design為基礎框架，后端采用MapBox、ArcGIS Server服務和PostgreSQL數據庫以實現云平臺的數據實時更新與存儲，針對水稻的生長關鍵期與關鍵參數，構建一個基于WebGIS技術的田塊尺度水稻農情監(jiān)測平臺，實現多源數據協(xié)同下的田塊尺度上藥肥施用情況、實時溫濕度和像素級別的水稻生長參數等農情數據精細監(jiān)測，助力推動農情監(jiān)測在多數據協(xié)同與精細化上的發(fā)展。

1 總體設計

1.1 平臺設計

本平臺開發(fā)主體分為數據獲取、后端數據存儲、前端展示和功能應用4個模塊。平臺首先通過多途徑手段獲取多源異構數據，然后對所獲取的數據進行分類處理與存儲。其中，地理空間數據利用ArcGIS Server和Mapbox Studio構建多級索引，以實現快速存儲與調用，而氣象數據、田間傳感器數據等文本數據通過HTTP協(xié)議實時傳輸并存儲于PostgreSQL數據庫。后端通過API接口調用數據庫，獲取環(huán)境溫濕度、植被參數等與水稻生長相關的數據，并基于上述數據構建模型以反演相應的水稻生長參數（如SPAD、LAI）。隨后，利用TCP/IP 協(xié)議將各類數據傳入前端各個預設頁面，為用戶提供水稻產量預估、水稻參數的空間可視化與藥肥施用查詢等功能（圖1）。

1.2 支撐數據

1.2.1 系統(tǒng)數據

研究以江西省興橋鎮(zhèn)（114.79°E～114.96°E， 27.08°N～27.21°N）與鎮(zhèn)內井岡山農業(yè)科技園試驗田為示例區(qū)，構建了田塊尺度水稻農情遙感監(jiān)測平臺。該平臺以多源異構數據的協(xié)同監(jiān)測為核心，所使用數據包括但不限于遙感影像，田塊、實地采樣數據，氣象數據和田塊矢量數據。

1） 遙感數據。機載數據：本研究采用大疆精靈4多光譜版無人機（Phantom4-M），該無人機涵蓋藍、綠、紅、紅邊和近紅外五個波段。研究于水稻孕穗期（2022年6月10日）、抽穗期（2022年7月5日）、成熟期（2022年10月23日）進行數據采集，采集時無人機飛行高度為50 m，影像分辨率達到2.7 cm/像素，航向重疊率和旁向重疊率分別為70%和60%。同時，對無人機影像進行拼接、輻射定標及波段合成等處理，最終得到試驗田無人機多光譜影像。星載數據：本研究衛(wèi)星為Sentinel-2多光譜成像衛(wèi)星，在水稻孕穗期、抽穗期、成熟期（與無人機數據在時間上大體保持一致）獲取研究區(qū)域內藍、綠、紅、紅邊和近紅外五個波段的數據，其中藍、綠、紅、近紅外波段的空間分辨率為10 m，紅邊波段原始分辨率為20 m，使用雙線性插值法將紅邊波段分辨率統(tǒng)一到10 m，再對數據進行輻射定標、大氣校正、波段合成和裁剪等預處理操作，最終得到研究區(qū)星載多光譜影像。

2） 實地采集數據。試驗區(qū)域內設置了共96個地面采樣點（圖2），并利用ASD FieldSpec 4地面光譜儀實地采集了試驗田內點位區(qū)域的水稻冠層和葉片高光譜數據。采集日期與機載數據一致，且測量時間為晴朗、無云的正午時段。各點所獲取數據波段范圍均為350～2 500 nm，計2 151個波段。數據采集完成后，對原始數據進行了輻射校正和異常值剔除等預處理，以確保數據的準確性和質量。

3） 田塊矢量數據。本研究通過對研究區(qū)域的高分辨率遙感影像進行人機交互的矢量化處理。具體而言，使用ArcMap中的面矢量構建功能，在人工目視判別的基礎上確定遙感影像上的田塊區(qū)域，進行人工勾勒，最終成功解譯共27 533塊田塊（圖3）。由于本研究的田塊矢量數據通過人工勾勒并經過無重疊拓撲驗證的，因此可以確認其具有較高精度，適用于后續(xù)的精細化田塊數據監(jiān)測與反演工作。

4） 其他數據。除以上數據，平臺還囊括了近實時環(huán)境數據、試驗田處理方法文本數據、過去20年間研究區(qū)土地利用柵格數據和歸一化差異植被指數（NDVI）柵格數據、試驗田水稻產量數據、試驗田水稻長勢實地照片集等。

1.2.2 SPAD和LAI反演數據

水稻葉片SPAD和葉面積指數LAI均為水稻生長期內體現水稻長勢和產量的重要參數[16]，這兩個指標均對水稻的生長狀態(tài)具有定量表征能力。

本平臺在后端集成了水稻各生長期的SPAD和LAI空間數據生產流程。該數據生產方法如下：（1）通過實地采樣獲取參數的真值；（2）通過無人機和ASD地面高光譜數據組合成若干植被指數（NDVI、EVI、RVI、PanNDVI等）；（3）構建五個機器學習模型（SVM、RF、ELM、GLM、MLSR），利用相同的植被指數組合在相同的流程下反演得到水稻長勢空間分布結果，同時對結果進行精度驗證；（4）在多個模型中，選擇精度最高、誤差最小的模型用于反演水稻各生育期的SPAD和LAI數據。

1.2.3 數據入庫與管理

農情監(jiān)測平臺主要使用兩種數據類型：地理空間數據和數值文本數據。與傳統(tǒng)農情監(jiān)測平臺集中存儲數據的方式不同，本平臺采用了不同的數據入庫和管理方法，以適應不同類型數據的需求。針對文本數據，平臺采用Python+PostgreSQL結合的方式實現數據儲存和前后端連接，用以接收田間傳感器實時返回的農情數據，并滿足實時更新與管理需求。地理空間數據包括研究區(qū)各波段無人機光譜數據、田塊矢量數據、植被參數柵格數據等多種類型，其中分為無需額外處理的遙感地理產品與待處理的原始遙感數據。針對前者，數據通過HTTP協(xié)議直接上傳至Mapbox Studio或ArcGIS Server中，而對于待處理的原始數據，開發(fā)者需將數據導入至預設好的處理程序中，程序完成數據處理后，將數據自動傳輸至Mapbox Studio或ArcGIS Server中，并對傳入的數據根據其所屬的不同頁面進行分類管理。這種數據入庫與管理模式能更好地適應當下農業(yè)數據趨向多源的需求，提高數據的調用與平臺頁面的加載速度。

1.3 功能設計

1.3.1 地圖顯示與數據加載

地圖數據顯示服務是指通過Web技術將信息豐富的地圖與數據發(fā)布到平臺上，能使用戶更快速、更直觀地理解數據內容。通常，在線平臺的數據加載方式僅限于單一網絡服務，并且一般基于HTTP協(xié)議進行前后端傳輸。而本平臺在底圖加載模塊中采用MapBox和ArcGIS Server雙網絡服務的模式，通過獲取底圖服務的URL在前端進行加載，并對底圖添加必要的適應性修改。此外，柵格和矢量數據的加載是通過將數據上傳至MapBox Studio或ArcGIS Server，生成相應的URL，并在前端建立圖層渲染器，其中上傳至Mapbox Studio的GeoJSON數據在后端自適應構建矢量切片（MapBox Vector Tile），從而提高部分復雜數據的渲染效率。該流程（圖4）實現了對水稻各類參數與生長環(huán)境等地理數據的前端網頁貼圖，達到可視化展示的目的。

1.3.2 田塊參數監(jiān)測與查詢

田塊參數（包括但不限于溫濕度、離子含量以及二氧化碳濃度等）涵蓋了對水稻生長和發(fā)育具有直接或間接影響的田間環(huán)境因素。針對此類參數的實時監(jiān)測，對于精準農業(yè)的實踐具有重要意義。此外，獲取水稻的冠層和葉片尺度光譜反射率數據可以輔助分析水稻植株的生長狀況和營養(yǎng)狀況。

針對田塊參數與稻田反射率數據的利用，以實現監(jiān)測與可視化的技術路線詳見圖5。平臺通過架設于試驗田間的傳感器實時獲取田塊參數數據，利用地面高光譜儀采集田塊水稻的冠層和葉片尺度光譜反射率數據，然后將兩類數據存儲在后端的PostgreSQL數據庫中。在前端平臺開發(fā)中，結合田塊矢量和數據訪問技術，在TCP/IP協(xié)議下將獨立田塊與后端數據庫相連接以添加多項屬性。完成連接后，利用Mapbox中Popup功能，將田塊所連接數據在PC端實現可視（圖6）。

1.3.3 空間時序數據的可視分析

NDVI作為一種廣泛使用的植被指標，能夠定量評價植被覆蓋和生長活力[17]。土地利用數據包括耕地數據，可反映某地區(qū)的農耕情況[18]。通過分析年際耕地與年內月際NDVI的空間時序變化，可以得到耕地、NDVI二者的變化趨勢，進而為水稻農情的年際變化提供重要的歸因分析。

針對監(jiān)測區(qū)域的多年NDVI和土地利用數據，平臺進行空間時序數據的可視化分析。具體的實現流程如圖7所示，將研究區(qū)域內多年土地利用和年內月際NDVI空間數據進行集合，以時間作為關鍵屬性，通過Time Slider功能實現空間數據的動態(tài)顯示，通過空間數據的動態(tài)顯示和交互功能，用戶可以直觀地觀察土地利用類型和NDVI值的空間分布及變化趨勢。同時，利用圖表和統(tǒng)計分析等方式，為水稻農情監(jiān)測提供輔助分析，以支持水稻農情的深入分析和決策制定，具體頁面呈現效果如圖8和圖9所示。

1.3.4 水稻長勢參數的空間可視和藥肥施用查詢

水稻參數SPAD和LAI是水稻生長的重要指標，能夠準確地反映水稻的生長狀態(tài)。然而，這些參數會在較大程度上受到藥肥施用策略的影響。因此，在農情平臺的構建過程合理地利用水稻參數和藥肥施用數據，探究水稻長勢與藥肥施用策略之間的規(guī)律，能為農業(yè)管理者提供決策支持，幫助優(yōu)化藥肥施用策略，最大程度地提高水稻生產效益。

針對水稻長勢參數和藥肥施用數據的空間可視化和查詢，提供一種具體技術路線以實現數據的展示和分析（圖10）。平臺在后端通過預設程序對光譜數據組合構建植被指數，自主構建多個機器學習模型（SVM、RF、ELM、GLM、MLSR），如2.1.2節(jié)所述，基于反演結果進行自適應切片數據的構建。針對不同尺度的切片數據，采用多層次索引策略，通過頁面左下角的數據選擇，快速切換至所需的不同尺度的數據層，以期實現快速多尺度空間數據可視化（圖11）。借助展示結果，查看不同尺度的田塊水稻參數空間分布情況。同時，通過人工記錄田塊的藥肥施用數據，并將記錄數據實時存儲到云端，用戶可以點擊相應的田塊矢量，訪問云端數據，以查看該水稻田塊的歷史藥肥施用情況（圖12），進而了解該田塊的藥肥使用情況，再結合對應田塊的長勢參數對藥肥施用策略的合理性進行有效判別。

1.3.5 數據下載

為了滿足農情數據共享和多樣化數據展示的需求，農情平臺應提供數據下載功能，允許用戶下載田塊藥肥施用歷史和實時生長報告等數據。該功能實現技術路線見圖13，用戶可以在前端頁面設置篩選條件并發(fā)出數據訪問請求，此類條件傳入PostgreSQL數據庫中，對數據進行相應地篩選。隨后，用戶點擊“導出數據”或“導出表格”等指令，經過篩選后的數據以文本形式向用戶提供下載服務。

2 平臺應用場景

選取江西省興橋鎮(zhèn)與井岡山農業(yè)科技園試驗田作為案例區(qū)，綜合運用遙感和地面觀測等多種技術手段獲取研究區(qū)域內多源異構數據，并在該區(qū)域實現平臺的搭建。從水稻產量空間分布、生長參數與藥肥施用的關系分析兩方面重點分析多源數據協(xié)同下的農情平臺的應用潛力。

2.1 研究區(qū)概況

江西位于我國東南部，地處長江中下游以南，地形以山地、丘陵為主，地處亞熱帶，季風氣候顯著，四季變化分明，紅壤為省內分布最廣、面積最大的地帶性土壤，適宜的氣候條件和大面積的耕地分布使江西成為我國重要的水稻產區(qū)[19]。研究區(qū)位于江西省吉安市興橋鎮(zhèn)（114.79°E～114.96°E， 27.08°N～27.21°N），涵蓋兩個田塊尺度的區(qū)域，如圖14所示：其中一個區(qū)域是位于井岡山國家農業(yè)科技園內的試驗田，地處興橋鎮(zhèn)核心區(qū)，占地約4 200 m2，由48個6 m×13 m大小的田塊組成，種植水稻品種為井岡軟占，利用不同的施肥減氮方式進行培育。另一個區(qū)域包括全域的所有田塊，通過人機交互解譯得到田塊矢量化邊界，該區(qū)域內主要為個體農戶種植，不同農戶種植水稻的品種與措施存在較大差異。分析江西省生產總體現狀，認為其生產水平不高，并存在管理技術不成熟、藥肥施用不合理等問題[20]，但水稻種植發(fā)展?jié)摿Υ?，因此亟需構建田塊尺度精細監(jiān)測平臺，探索合理的水稻生長管理和藥肥施用方法。

2.2 興橋鎮(zhèn)水稻產量空間分布

在對某一區(qū)域作物進行研究之前，了解其空間分布和平均產量情況至關重要。利用2022年試驗田水稻單產數據作為模型真值，并將試驗田內各個田塊在重要生育期（如孕穗期、抽穗期等）的水稻植被指數（如NDVI、EVI等）進行聚合，作為獲得模型的自變量，從而完成模型的構建。隨后，獲取與試驗田數據在相同時間段的衛(wèi)星影像，構建水稻植被指數，并利用興橋鎮(zhèn)的田塊矢量（共計27 533塊）數據將其聚合到田塊尺度。在平臺的后端，將聚合數據作為自變量輸入到SVM模型（模型選擇方式參考文中1.2.2節(jié)的方法流程）進行反演，最終獲得興橋鎮(zhèn)全域田塊尺度的水稻產量空間分布數據（圖15），由于支持向量機在解決小樣本、非線性及高維模式識別中的優(yōu)秀表現以及因子變量與產量間的高相關性，認為反演結果具有代表性，能較好地應用于作物參數的空間預測。而后通過將后端程序反演所得數據傳入前端即可實現興橋鎮(zhèn)水稻產量空間分布可視化。從圖15可以看出，興橋鎮(zhèn)田塊分布相對破碎，鎮(zhèn)內東北區(qū)域水稻產量高于西南區(qū)域，目視解譯發(fā)現多數田塊產量處于6 750～8 250 kg/hm2，占總田塊數量比例可達到45%以上。

通過產量分布圖16驗證了目視結果，發(fā)現單產分布在7 500 kg/hm2附近，與目視結果存在一致性。對于地處亞熱帶季風性濕潤氣候的江西省，興橋鎮(zhèn)存在40%以上的田塊單產低于中國水稻產量的平均水平（7 155 kg/hm2）[21]。

由此可以預見該地區(qū)水稻種植可能存在藥肥施用不合理和管理技術不成熟的問題。因此，本平臺通過多源數據反演得到的產量空間數據能更好地總結水稻生長過程中的相關規(guī)律，探究問題來源，為上述問題提供有效可行的解決方案，優(yōu)化田塊尺度的水稻種植策略。

2.3 水稻生長參數與藥肥施用的關系分析

肥料的作用在于提供植物生長所需的養(yǎng)分，可促進水稻的生長并提高產量。肥料施用方式與水稻生長間存在復雜的作用關系，必須根據土壤質量、水稻品種與生長階段等因素來確定肥料的施用種類和施用量，使其能發(fā)揮作用達到最大化。

田塊尺度精細化的水稻農情平臺應具備探究藥肥施用與水稻生長之間關系的能力。為驗證平臺的此項性能，研究在試驗田內采用不同的肥料施用方法，并在水稻生長關鍵期分別測量田塊的SPAD與LAI值，基于本文1.2.2節(jié)中水稻參數反演模型構建流程，選擇最優(yōu)反演模型以實現對不同生育期水稻SPAD、LAI數據進行建模與驗證，在確認模型構建無誤后將對應田塊的水稻參數反演結果與肥料施用歷史數據相連接并可視于PC網頁端。

以平臺可視內容中SPAD參數反演為例，不同模型精度驗證結果如圖17所示。

結果表明，SVM與MLSR模型在本試驗區(qū)域中均具有較高精度，其中MLSR在孕穗期有著更好的精度表現，而SVM在抽穗期和成熟期精度更高，故這兩個模型均可作為本研究參數反演的備選模型。然而，將MLSR應用于水稻參數空間反演制圖時發(fā)現反演結果出現大量的低值低估和高值高估現象，該現象出現的原因是由于MLSR模型在擬合過程中對某些極端值或離群值非常敏感，導致模型對特定情況過度反應所造成的。因此本研究選擇SVM作為最優(yōu)反演模型，并于本平臺后端基于最優(yōu)模型SVM自適應反演不同物候期內田塊尺度的SPAD和LAI空間數據。

基于上述孕穗期和抽穗期的反演結果（圖18），可以觀察到，在缺乏氮肥的①號田中，不論是孕穗期還是抽穗期，水稻葉片的葉綠素含量都顯著低于實地記錄數據的平均水平（孕穗期為33.5，抽穗期為33.6）。相比之下，緩施氮肥的③號田在孕穗期也缺乏氮元素，但是隨著不斷補充氮肥，水稻葉片的生長被促進，穗數和籽粒數都有所增加。因此，在抽穗期③號田的SPAD值得到迅速增加，增長幅度為16.2%，高于不施氮肥的①號田在兩時期間的SPAD增量12.7%。而對于②號田，其采用的策略——輪作綠肥，是一種綠色且高效的用肥策略，能較好提高土壤肥力和改善土壤結構。因此在兩個時期，其水稻長勢都顯著優(yōu)于其余兩個田塊，其SPAD持續(xù)保持較高水平。結果表明本研究所設計平臺能合理的利用各類數據實現對水稻長勢參數的有效反演，并用于探究藥肥施用與水稻生長之間關系的能力，并且能協(xié)助農戶進行藥肥施用策略的制定與完善。

3 結論

1） 基于WebGIS技術和Ant Design框架，利用Python、HTML、JavaScript+CSS語言，結合Mapbox、ArcGIS Server云端數據更新與發(fā)布服務與PostgreSQL數據庫技術，構建一個前后端分離、云端實時更新的農情監(jiān)測平臺，并于后端構建多級索引，以分布式存儲技術管理多源異構數據。相比傳統(tǒng)的關系型數據庫，本系統(tǒng)能更快速、高效地存儲和查詢大量數據，對水稻農情實現實時、準確且高效的監(jiān)測。

2） 平臺在前端網頁設計主頁、氣象預報、植被參數、試驗田估產等共計12個頁面，前后端協(xié)同合作實現地圖顯示、田塊參數查詢、水稻參數的空間可視和藥肥施用查詢等功能，有助于為水稻生產制定更加精細的農業(yè)生產計劃和管理策略，并且多源數據互補下的多功能實現，保證本平臺在不同地區(qū)均具有泛用性，具有較高推廣價值，同時可為同領域研究者提供參考。

3） 在興橋鎮(zhèn)水稻種植區(qū)域，利用本平臺對其水稻空間分布和農肥施用策略進行案例分析。結果表明：鎮(zhèn)內水稻田塊分布破碎，多數田塊水稻單產水平處于6 750～8 250 kg/hm2；在試驗田中采用合理藥肥施用策略的田塊水稻長勢顯著優(yōu)于缺肥與過量施肥田塊，進一步驗證所構建的水稻農情監(jiān)測平臺可以快速利用多種數據相結合以實現對區(qū)域水稻生長情況的可視分析，助力水稻種植的管理策略制定。

參 考 文 獻

[ 1 ] Chen L， Chang J， Wang Y， et al. Disclosing the future food security risk of China based on crop production and water scarcity under diverse socioeconomic and climate scenarios [J]. Science of the Total Environment， 2021， 790： 148110.

[ 2 ] Chen A， He H， Wang J， et al. A study on the arable land demand for food security in China [J]. Sustainability， 2019， 11（17）： 4769.

[ 3 ] 武奕， 易龍， 曾維. 我國水稻生產現狀及發(fā)展對策研究[J]. 農業(yè)與技術， 2015， 35（18）： 143.

[ 4 ] Fritz S， See L， Bayas J C L， et al. A comparison of global agricultural monitoring systems and current gaps [J]. Agricultural Systems， 2019， 168： 258-272.

[ 5 ] 吳炳方， 蒙繼華， 李強子， 等. “全球農情遙感速報系統(tǒng)（CropWatch）”新進展[J]. 地球科學進展， 2010， 25（10）： 1013-1022.

[ 6 ] Defourny P， Bontemps S， Bellemans N， et al. Near real?time agriculture monitoring at national scale at parcel resolution： Performance assessment of the Sen2-Agri automated system in various cropping systems around the world [J]. Remote Sensing of Environment， 2019， 221： 551-568.

[ 7 ] 王耀武. 基于3G和WebGIS的基層農情管理信息系統(tǒng)[D]. 北京： 中國農業(yè)科學院，" 2012.

[ 8 ] 魯旭濤， 張麗娜， 劉昊， 等. 智慧農業(yè)水田作物網絡化精準灌溉系統(tǒng)設計[J]. 農業(yè)工程學報， 2021， 37（17）： 71-81.

Lu Xutao， Zhang Lina， Liu Hao， et al. Design of the networked precision irrigation system for paddy field crops in intelligent agriculture [J]. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（17）： 71-81.

[ 9 ] 蒙繼華， 程志強， 董文全， 等.面向精準農業(yè)的農田信息遙感獲取系統(tǒng)[J]. 高技術通訊， 2018， 28（6）： 477-487.

[10] Rajalakshmi P， Mahalakshmi S D. IOT based crop?field monitoring and irrigation automation [C]. 2016 10th International Conference on Intelligent Systems and Control （ISCO）. IEEE， 2016： 1-6.

[11] 廖建尚. 基于物聯(lián)網的溫室大棚環(huán)境監(jiān)控系統(tǒng)設計方法[J]. 農業(yè)工程學報， 2016， 32（11）： 233-243.

Liao Jianshang. Design of agricultural greenhouse environment monitoring system based on internet of things [J]. Transactions of the Chinese Society of Agricultural Engineering， 2016， 32（11）： 233-243.

[12] 朱霏雨， 劉木華， 袁海超， 等. 基于物聯(lián)網的菜田土壤溫濕度監(jiān)測系統(tǒng)設計[J]. 中國農機化學報， 2022， 43（6）： 190-198.

Zhu Feiyu， Liu Muhua， Yuan Haichao， et al. Design of soil temperature and moisture monitoring system for vegetable field based on the Internet of Things [J]. Journal of Chinese Agricultural Mechanization， 2022， 43（6）： 190-198.

[13] 何志文， 吳峰， 張會娟， 等. 我國精準農業(yè)概況及發(fā)展對策[J]. 中國農機化， 2009（6）： 23-26.

He Zhiwen， Wu Feng， Zhang Huijuan， et al. General situation and development of precision agriculture in our country [J]. Journal of Chinese Agricultural Mechanization， 2009（6）： 23-26.

[14] Sangjan W， Carter A H， Pumphrey M O， et al. Development of a raspberry pi?based sensor system for automated in?field monitoring to support crop breeding programs [J]. Inventions， 2021， 6（2）： 42.

[15] 閻曉軍， 王維瑞， 梁建平. 北京市設施農業(yè)物聯(lián)網應用模式構建[J]. 農業(yè)工程學報， 2012， 28（4）： 149-154.

Yan Xiaojun， Wang Weirui， Liang Jianping. Application mode construction of internet of things （IOT） for facility agriculture in Beijing [J]. Transactions of the Chinese Society of Agricultural Engineering， 2012， 28（4）： 149-154.

[16] 謝曉金， 申雙和， 李映雪， 等. 高溫脅迫下水稻紅邊特征及SPAD和LAI的監(jiān)測[J]. 農業(yè)工程學報， 2010， 26（3）： 183-190.

[17] 涂又， 姜亮亮， 劉睿， 等. 1982—2015年中國植被NDVI時空變化特征及其驅動分析[J]. 農業(yè)工程學報， 2021， 37（22）： 75-84.

Tu You， Jiang Liangliang， Liu Rui， et al. Spatiotemporal changes of vegetation NDVI and its driving forces in China during 1982—2015 [J]. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（22）： 75-84.

[18] 錢鳳魁， 王賀興， 項子璇. 基于潛在土地利用沖突識別的主城區(qū)周邊耕地保護[J]. 農業(yè)工程學報， 2021， 37（19）： 267-275.

Qian Fengkui， Wang Hexing， Xiang Zixuan. Cultivated land protection in the periphery of the main urban areas based on potential land use conflict identification [J]. Transactions of the Chinese Society of Agricultural Engineering， 2021， 37（19）： 267-275.

[19] 余永琦， 余艷鋒， 彭柳林， 等. 江西省水稻生產結構的年際波動特征與趨勢分析——基于水稻內部結構調整的視角[J]. 江西農業(yè)學報， 2020， 32（11）： 130-138.

[20] 周泉， 黃國勤. 江西省水稻綠色生產的問題與對策研究[J]. 中國農業(yè)資源與區(qū)劃， 2020， 41（2）： 9-15.

[21] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒[M].北京： 中國統(tǒng)計出版社， 2022.