蒙繼華，吳炳方，杜 鑫，張飛飛，張 淼，董泰峰

遙感在精準農業(yè)中的應用進展及展望

蒙繼華1，2，吳炳方1，杜 鑫1，張飛飛1，張 淼1，董泰峰1

(1.中國科學院遙感應用研究所，北京 100101;2.中國科學院中國新農村信息化研究中心，合肥 230031)

精準農業(yè)是現(xiàn)代農業(yè)的重要組成部分，它通過各種技術手段獲取農田內不同單元小區(qū)農作物的生長環(huán)境信息，并由此實現(xiàn)整個生產過程的精細化、準確化的農業(yè)微觀經(jīng)營管理。由于遙感技術能在不同的電磁譜段內周期性地采集地表信息，因此隨著遙感技術的發(fā)展，其在精準農業(yè)領域開始發(fā)揮越來越大的作用，并在指導農田灌溉、施肥、病蟲害防治、雜草控制及收獲等方面均已有很多成功的應用。為使人們對遙感在精準農業(yè)中的應用有一總體了解，在概述遙感技術在精準農業(yè)領域應用進展的基礎上，對其研究現(xiàn)狀進行了分析總結，還對其發(fā)展進行了展望，并指出了技術方法的改進、新數(shù)據(jù)的應用、多源數(shù)據(jù)整合、遙感數(shù)據(jù)與農學/作物模型的整合以及監(jiān)測技術的系統(tǒng)化是促進遙感技術在精準農業(yè)中發(fā)揮更大作用的主要研究內容。

遙感;精準農業(yè);應用進展;展望

0 引言

精準農業(yè)(Precision Agriculture or Precision Farming or Precision Crop Management)又稱精細農業(yè)、精確農業(yè)、精準農作和處方農業(yè)。精準農業(yè)基于農田作物和環(huán)境的空間差異性，是通過各種技術手段來獲取農田內不同單元的農田信息，并由此利用變量技術來進行農田優(yōu)化管理，以便實現(xiàn)生產過程精細化、準確化的農業(yè)經(jīng)營管理系統(tǒng)［1］。

在精準農業(yè)的框架下，可以根據(jù)地塊土壤、水肥、作物病蟲害、雜草及產量等在時間與空間上的差異，來進行相適宜地耕種、施肥、灌溉、用藥及收獲，其目的是以合理的投入來獲得最好的經(jīng)濟效益，并保護環(huán)境，以確保農業(yè)的可持續(xù)發(fā)展。鑒于我國及全球人口不斷增長和土地資源減少的矛盾不可逆轉，精準農業(yè)在減少投入、降低成本、減輕環(huán)境污染、農產品可控化、標準化和批量化等方面均有積極的作用和意義。

在精準農業(yè)中，田塊內的作物狀態(tài)及其生長環(huán)境的空間差異是進行農業(yè)精準管理的關鍵。遙感可在不同的電磁譜段內周期性地收集地表信息，已成為人們研究、識別地球和環(huán)境的主要方法。遙感信息為精準農業(yè)所需空間信息差異參數(shù)的快速、準確、動態(tài)獲取提供了重要的技術手段［2］。

早期由于受分辨率、時間周期、地理、空域、氣象條件、監(jiān)測成本高及遙感技術發(fā)展水平等因素的限制，遙感技術在農業(yè)領域的應用只局限于服務區(qū)域的重大決策。20世紀70年代，遙感開始進入一個高速發(fā)展的階段［3］，并廣泛地應用于農業(yè)生產監(jiān)測，在作物識別、面積估算、長勢監(jiān)測、旱情監(jiān)測、災害評估和作物產量估計等方面，均取得了較大的成績［4］，然而遙感信息在時空分辨率及所提供信息的精度和豐度還不能滿足精準農業(yè)對農田信息的需求。近15 a來，隨著遙感技術的發(fā)展，遙感技術在精準農業(yè)領域開始發(fā)揮越來越大的作用，在指導農田灌溉、施肥、病蟲害防治、雜草控制、農作物收獲及災后損失評估等方面均已有很多成功的應用。

本文在理解當前遙感技術在精準農業(yè)領域應用研究進展的基礎上，通過分析存在的問題和不足，對如何更好地發(fā)展遙感技術支持下的精準農業(yè)進行了展望。

1 遙感在精準農業(yè)中的應用進展

遙感可為精準農業(yè)提供以下兩類農田與作物的空間分布信息:一類是基礎信息，這種信息在作物生育期內基本沒有變化或變化較少，主要包括農田基礎設施、地塊分布及土壤肥力狀況等信息;另一類是時空動態(tài)變化信息，包括作物產量、土壤熵情、作物養(yǎng)分狀況、病蟲害的發(fā)生/發(fā)展狀況、雜草的生長狀況以及作物物候等信息。

1.1 基礎信息獲取

(1)農田基礎設施調查。主要包括農田道路、水利設施等，是農業(yè)生產和農田管理的基礎保障。掌握區(qū)域農田基礎設施的空間分布狀況，是現(xiàn)代農業(yè)生產中充分發(fā)揮這些設施作用的前提。

使用遙感技術可以在較大范圍內實現(xiàn)農業(yè)基礎設施的快速調查。傳統(tǒng)的遙感農田道路及水利設施的信息提取主要有以下3種方法:基于像元尺度的影像自動分類技術、人機交互模式下的人工解譯提取技術及自動識別跟蹤方法。這3種方法都是對傳統(tǒng)土地利用/覆蓋遙感調查方法的繼承，其中第一種方法效率較高，但受異物同譜等因素的影響，精度較低;第二種方法精度較高，但對解譯人員有較高的要求，且效率較低;自動識別跟蹤法是介于自動與半自動之間的方法，在自動識別提取線性地物后再進行人工取舍，應用較為廣泛［5］。

目前，影像分類有了新的改進方法，面向對象的多尺度分割技術可以更加有效地利用所要提取對象的形態(tài)特征，在對道路和水渠等線性特征地物進行提取時，可取得更好的效果。如何合理地綜合利用道路和水渠等特殊地物的幾何特征、輻射特征、拓撲特征及上下文特征，以提高自動提取的效率和精度，是下一步研究的主要方向。

(2)地塊分布調查。精準農業(yè)中的變量管理技術是通過將農田分為較小的管理單元來實現(xiàn)，被定義為“農田中產量限制因子均一并且適合進行統(tǒng)一作物投入的田塊”［6］。與早期精準農業(yè)“farming by foot”的概念相比，基于管理單元進行的精準耕作更具有可操作性。

利用高分辨率遙感影像進行地塊邊界及其空間分布的提取，不僅時效性強、精度高，而且符合中國農村高度分散條件下的精準農業(yè)的實施。依靠人工數(shù)字化的方法來提取耕地地塊不僅費時費力，而且需要解譯人員必須具有豐富的經(jīng)驗，而圖像分割技術則能利用高分辨率遙感影像來自動提取耕地地塊，已經(jīng)取得了較好的效果，并逐漸成為耕地地塊遙感提取的主要方法［7］。

地塊提取的精度較大程度需依賴于數(shù)據(jù)源的選擇，所選擇的數(shù)據(jù)一方面要具有較高的空間分辨率，以確保地塊邊界的準確性;另一方面還需要有較高光譜分辨率的光譜信息，以便區(qū)分不同地塊在土壤類型和質地上的差別，新型星載遙感數(shù)據(jù)(如Rapid－Eye、WorldView－2)的出現(xiàn)將提高地塊提取的精度和效率。

(3)土壤狀況調查。土壤狀況是決定農田潛在生產力的主要因素，土壤性狀及肥力狀況信息可以為精準農田管理提供響應依據(jù)［8］。一般可以通過改進土壤肥力指標來提高作物單產，這些指標包括土壤有效氮及其他宏觀或微觀植物養(yǎng)分、地塊的相對位置和坡度以及土壤有機質含量［9］。

土壤的反射光譜主要受其物理性質、化學成分及礦物成分的影響［10］，通過地物反射光譜可以有效區(qū)分不同類型的土壤，并可用于土壤肥力狀況的調查［11］。目前，遙感技術已經(jīng)可以成功地獲取土壤的有機碳、N、P、K、Ca、鹽分以及總有機質等的含量信息，并可以對土壤的pH值等化學屬性進行估算。這些信息可以直接用于土壤肥力的評價與空間制圖。

土壤結構也是影響土壤反射光譜的因素之一［12］，近幾年，利用遙感對土壤物理性質進行監(jiān)測也在逐漸開展中，并且取得了較好的效果［13］，監(jiān)測對象包括土壤顆粒大小、質地及粘粒含量等。這些土壤結構參數(shù)對土壤水分的涵養(yǎng)及養(yǎng)分物質的遷移有重要的影響，可以用于評估土壤的排灌能力和肥料的利用效率。

土壤含水量及作物殘茬是影響監(jiān)測精度的主要因素，如何消除這些因素的影響，以便獲取準確的土壤養(yǎng)分及物理屬性信息是下一步研究的重點之一［14］。此外，利用遙感技術提取有作物覆蓋的區(qū)域的土壤光譜信息比較困難，目前主要利用作物收割后的時間開展監(jiān)測，而通過間接方法所得到的土壤屬性精度還達不到精準農業(yè)的要求。

1.2 時空動態(tài)變化信息的獲取及利用

下面從農田灌溉、施肥、病蟲害防治、雜草控制及作物收獲等5個方面對遙感技術在現(xiàn)代農業(yè)領域的應用進行說明。

(1)指導農田灌溉。精準農業(yè)可根據(jù)不同作物不同生育期的土壤墑情和作物需水量，通過實施適時適量灌溉來節(jié)約水資源，以提高水資源的生產效率。

農田尺度的作物干旱信息是實現(xiàn)精準灌溉的前提。遙感領域比較成熟的旱情監(jiān)測方法主要有熱慣量法［15］、條件溫度指數(shù)法［16］、距平植被指數(shù)法［17］、條件植被指數(shù)法［18］、作物缺水指數(shù)法［19］、供水植被指數(shù)法［20］、條件植被溫度指數(shù)法［21］、垂直干旱指數(shù)法和基于微波遙感的監(jiān)測方法［22］等。不同旱情監(jiān)測方法的應用范圍不同，熱慣量法比較適合植被覆蓋度低的地方;作物缺水指數(shù)法比較適合植被覆蓋度高的地區(qū);距平植被指數(shù)法、條件植被指數(shù)法、條件溫度指數(shù)法在植被生長茂盛階段的應用效果較好，但需要有長時間序列的遙感影像資料積累;用條件植被溫度指數(shù)方法監(jiān)測目標區(qū)域的土壤含水量，則要求獲取從植物萎蔫時的土壤含水量到田間植物持水量變化范圍的條件植被溫度指數(shù);微波遙感是進行土壤含水量監(jiān)測的一種有效方法，但如何結合作物的生長信息進行旱情評價以及如何獲取土壤較深層的熵情狀況還需要進一步的研究。如何發(fā)展一種適合農田尺度應用，并綜合考慮土壤供水和作物需水的旱情遙感監(jiān)測方法，將會成為主要的研究方向。

遙感數(shù)據(jù)與陸面能量平衡模型相結合后，可以進行農田蒸散發(fā)(ET)的準確估算［23］。ET既可以有效地反映農田的實際耗水量，又可以用于監(jiān)測一段時間內作物所受的水分脅迫，并可在指導農田灌溉中發(fā)揮重要的作用。

(2)指導施肥。農業(yè)變量施肥即根據(jù)土壤養(yǎng)分含量和作物養(yǎng)分脅迫的空間分布來精細準確地調整肥料的投入量，以獲取最大的經(jīng)濟效益和環(huán)境效益［24］，但這需要在了解土壤中各種養(yǎng)分的盈虧情況的同時，實時掌握作物的養(yǎng)分狀況，以便做到科學施肥，在減少因過量施肥而造成的環(huán)境污染的同時，降低成本。

實現(xiàn)這一目標需要土壤肥力狀況及作物養(yǎng)分兩方面的信息，通過遙感技術對作物生化參數(shù)(氮、磷、鉀等)的監(jiān)測可以提供有效的作物養(yǎng)分信息，同時通過冠層生化參數(shù)的監(jiān)測還可以為作物品質的監(jiān)測提供依據(jù)。目前對作物生化組分進行監(jiān)測主要使用統(tǒng)計回歸方法，所使用的遙感指標包括波段反射率、植被指數(shù)［25，26］、紅邊參數(shù)［27］及其他一些光譜參數(shù)［28，29］。除了統(tǒng)計的方法，還有一些神經(jīng)網(wǎng)絡類的算法在建模過程中被使用［27］。

目前高光譜在作物生化組分的反演中得到廣泛的應用，因其信息量豐富，可以獲得更高的反演精度，也將是作物養(yǎng)分監(jiān)測的主要研究方向。

(3)指導病蟲害防治。利用遙感技術進行作物病蟲害的早期識別可以降低除害成本，并可以有效地指導病蟲害的治理。遙感技術可以對病蟲害做出快速響應，并可為作物的管理提供空間化的處方圖。

基于遙感技術的監(jiān)測可以提供作物病蟲害發(fā)生、發(fā)展的定性和定量及空間分布信息，進而為生產經(jīng)營管理者在病蟲害發(fā)生早期采取措施提供數(shù)據(jù)支持，以避免病蟲害的擴大和更大的損失。遙感技術不但可以監(jiān)測病蟲害的發(fā)生和跟蹤其演變狀況，還能夠評估病蟲害對作物生長的影響和分析估算災情損失。

作物病蟲害遙感監(jiān)測主要在單葉和冠層兩個層面上展開。對單葉而言，因作物病蟲害會導致作物葉片細胞結構、色素、水分、氮素含量及外部形狀等發(fā)生變化，從而引起作物反射光譜的變化;對作物冠層來說，因病蟲害會引起作物葉面積指數(shù)、生物量、覆蓋度等的變化，故病蟲害作物的反射光譜與正常作物可見光到熱紅外波段的反射光譜有明顯差異［30］。目前在作物病蟲害監(jiān)測中主要是使用特定波段的植物光譜反射率及其所構建的對病蟲害有指示作用的各種指數(shù)，其中溫度也是一個重要的因素。應用高光譜遙感技術，通過監(jiān)測受害作物的各種生物物理和生物化學參數(shù)變化，利用由受害作物生物物理和生物化學參數(shù)的變化引起的相應的光譜特性變異信息來監(jiān)測病蟲害是當前的熱點研究課題［31］。也有學者開展了使用微波數(shù)據(jù)開展作物病蟲害監(jiān)測的研究，結果顯示，估算結果與觀測的病蟲害發(fā)生相當一致［32］。

除作物病蟲害外，作物的生理、生化參數(shù)還會受干旱、洪澇及一些不正確的農田管理措施的影響而出現(xiàn)異常，如何區(qū)分這種異常是否是受病蟲害的影響產生，是下一步研究的熱點和難點，并且已經(jīng)有學者在這個方面進行了初步的討論［33］。另一方面，如何與其他數(shù)據(jù)(如氣象數(shù)據(jù))耦合，以獲得更高的監(jiān)測精度也需要進一步的探討。

(4)指導雜草控制。根據(jù)世界糧農組織的研究，全球由雜草導致的糧食生產損失每年高達950億美元，如果考慮到農民在田地中消耗的時間有半數(shù)以上是用于除草的話，雜草造成的實際經(jīng)濟損失還要更高［34］。

遙感技術可以有效地進行農田雜草的識別，并能提供雜草分布的空間位置及密度信息。目前所發(fā)展的農田雜草遙感識別技術主要有以下兩種:一種是基于光譜的影像分類技術，是利用各種分類算法通過區(qū)分雜草與作物，或區(qū)分長有雜草或沒有長有雜草的田塊來實現(xiàn)雜草的識別［35］;另一種方法是通過作物的生長特征在反射光譜上的反映來區(qū)分受到雜草脅迫的作物［36］。前者在作物播種前、作物生長初期或雜草的冠層光譜特征明顯時，有較好的應用效果，后者則適用于作物生長茂盛，而雜草的反射光譜信號不明顯的情況下。另外，還有一些學者開展了基于手持或車載光學傳感器的雜草自動識別研究，由于平臺高度低，獲取的數(shù)據(jù)可以精細到反映作物與雜草形態(tài)的程度，因而可以同時利用形態(tài)和光譜兩類特征來進行雜草的識別，但這類方法難以用航空或衛(wèi)星平臺實現(xiàn)［37］。

如何發(fā)展更高效率的算法，同時與農業(yè)氣象信息結合來預測雜草的發(fā)展，將成為研究的重點。

(5)指導作物收獲?；谶b感數(shù)據(jù)指導作物收獲主要是通過開展作物收獲時間的預測和作物品質的監(jiān)測兩個途徑。

由于作物的收獲時間對作物的產量、品質有重要的影響［38］，因此合理地對作物收獲時間進行預測，可以有助于提高農產品的品質和產量，同時還可以指導農業(yè)機械進行合理的調度安排，這對大規(guī)模同一作物種植區(qū)域的機械化收割有重要意義。

目前對作物是否成熟的判斷主要是依據(jù)葉片的顏色、結構及冠層結構等作物特征來進行主觀的解譯，但這種方法難以在大范圍應用，而且易引入主觀判斷的誤差。遙感技術的引入解決了這一問題，目前遙感監(jiān)測作物收獲期主要有以下兩種方法:一種是使用時間序列遙感數(shù)據(jù)(如植被指數(shù))跟蹤作物的生長過程，通過作物生育末期作物生長過程的特征變化來確定作物成熟期［39］;另一種是基于作物成熟在作物水分、葉綠素含量、氮素含量等冠層生化參數(shù)變化所表現(xiàn)出的特征，通過這些特征的遙感監(jiān)測來實現(xiàn)作物生育期的預測。前者雖有較廣泛的應用，但由于該方法對時間序列遙感數(shù)據(jù)的要求高，往往在空間分辨率和預測的時效性上無法滿足要求，后者雖可以獲得較高的監(jiān)測精度，但目前該方法僅在陸基光譜設備上得到應用［40，41］，要將該方法應用于衛(wèi)星遙感還需要進一步研究和驗證。

作物品質是指作物中不同物質的含量，包括物理品質、營養(yǎng)品質和加工品質3個方面［42］，不同品質的作物收獲后的處理及用途不同。作物品質對產品的價格和用途影響很大，通過作物品質的監(jiān)測，可以指導加工企業(yè)進行相應品質作物的收獲/收購，以降低作物品質的檢測成本和輔助產品定價。

作物品質遙感監(jiān)測技術的研究主要是近十年才開始研究的方法，其監(jiān)測的對象主要包括小麥、玉米、水稻、甜菜、煙葉等。目前主要的作物品質遙感監(jiān)測方法分為以下兩類:一類是直接利用遙感獲取的作物光譜反射率，通過與作物品質指標建立模型來進行預測［43］;另一類是先研究分析植株的生理、生化參數(shù)與作物品質的關系，然后通過估算這些參數(shù)來實現(xiàn)作物品質的預測［44］。對于煙草等以葉片或植株為收獲物的作物，則不需要區(qū)分這兩類模型。

由于對作物品質進行準確的預測對獲取遙感數(shù)據(jù)的時相要求較高，因此監(jiān)測模型往往只適用于特定的物候期。另外，作物品質的形成是生育期內多種因素共同作用的結果，這些因素包括土壤狀況、作物品種、氣象要素及農田管理水平等，因此如何將這些參數(shù)與遙感數(shù)據(jù)進行耦合，以提高預測的精度是需要研究的內容。

2 存在的問題及展望

2.1 存在的問題

限制遙感技術在精準農業(yè)中進一步應用的主要因素如下:

(1)精度問題。由于受大氣狀況、數(shù)據(jù)質量以及反演模型本身的適用性等因素的影響，總體上農田尺度作物的生理參數(shù)、生化參數(shù)和環(huán)境參數(shù)的反演精度通常只能達到80% ～85%，甚至更低，這一精度無法滿足精準農業(yè)對農田信息的需求。

(2)時空精細度問題。當前主要的對地觀測數(shù)據(jù)在時空精細度上不能滿足精準農業(yè)的要求。以天或幾天為頻率對一個區(qū)域進行重訪的遙感數(shù)據(jù)(如MODIS)，其空間分辨率大都低于百米級，這一尺度遠大于中國傳統(tǒng)地塊的大小，易出現(xiàn)不同作物或耕地與非耕地的混合像元問題，更無法反映田塊內部的差異性;而擁有30 m以上空間分辨率的遙感數(shù)據(jù)(如 Landsat TM/ETM、SPOT 5、CBERS CCD)，其重訪周期大都在8～26 d，而現(xiàn)實的天氣狀況還會延長有效數(shù)據(jù)的獲取周期，使得無法動態(tài)、實時跟蹤作物的生長狀況。

(3)信息熵問題。遙感是通過獲取的地物反射波譜信息來獲取地物的特征參數(shù)，而傳統(tǒng)的遙感數(shù)據(jù)只能提供少數(shù)幾個波段的光譜信息，這樣在為精準農業(yè)提供多種農田及環(huán)境信息時就出現(xiàn)了用少量的觀測數(shù)據(jù)來估計非常復雜農田系統(tǒng)狀態(tài)的情況，從而導致出現(xiàn)病態(tài)反演問題［45］。這時由于輸入的信息熵限制了輸出的信息量，從而使得在對諸多參數(shù)進行反演時的精度和可靠性不高。

(4)農田參數(shù)信息利用問題?；谶b感技術獲取的農田參數(shù)信息通常以空間分布圖的形式提供給用戶，然而對系統(tǒng)的大多數(shù)末端用戶——農戶來說，這一信息過于復雜，且不易理解。在這一點上，由于遙感信息服務與具體的農田管理措施相脫節(jié)，從而限制了遙感信息價值的發(fā)揮。同時缺少簡單、低成本的信息送達方式，也限制了農田參數(shù)信息的利用。

(5)非技術因素。除了技術上的問題外，遙感數(shù)據(jù)獲取和分析的成本，以及遙感技術使用過程中，對使用人員的專業(yè)素養(yǎng)要求也成為限制其在精準農業(yè)領域進一步推廣的重要因素。

2.2 研究展望

針對上面幾個問題，遙感技術需要從以下幾個方面進行突破，以滿足精準農業(yè)的需求:

(1)新參數(shù)反演技術的研發(fā)。進一步推動遙感技術的發(fā)展，在農田作物及環(huán)境參數(shù)獲取上要發(fā)展新的方法與模型，另外，新的方法在提高反演精度的同時，還要考慮模型的效率和可推廣性。

(2)新數(shù)據(jù)的應用。近年來涌現(xiàn)出一批新型的遙感數(shù)據(jù)，包括米級分辨率的雷達數(shù)據(jù)，如Radar Sat－2、TerraSAR 和 CosmoSkyMed，也包括了一些具有高重訪周期的高分辨率光學遙感數(shù)據(jù)，如去年開始運行的RapidEye和今年開始分發(fā)數(shù)據(jù)的World－View－2，還包括一些高重訪周期的中分辨率數(shù)據(jù)，如HJ－1 CCD等。新型的雷達遙感包括了C和X波段，可獨立或協(xié)同獲取作物及土壤信息。這兩種新型光學遙感數(shù)據(jù)與以往定位于土地利用/覆蓋大比例尺調查的高分辨率遙感數(shù)據(jù)(QuickBird、IKONOS)不同，其在縮短重訪周期的同時，還增加了波段數(shù)，特別是專用于植被監(jiān)測的紅邊波段，可更好地用于農田尺度的作物監(jiān)測。需要開展應用研究，以發(fā)展基于新型數(shù)據(jù)的作物及環(huán)境信息的獲取方法。

(3)多源數(shù)據(jù)整合。一方面，需針對單一遙感傳感器遙感數(shù)據(jù)反演農田參數(shù)面臨的信息量不足、反演精度不高的問題，研究多星多源遙感數(shù)據(jù)協(xié)同反演農田參數(shù)的方法，并驗證反演產品的精度和分析評估多星多源遙感數(shù)據(jù)協(xié)同反演農田參數(shù)的可行性和應用潛力。將不同的遙感數(shù)據(jù)信息進行復合，使復合后的信息不僅能實現(xiàn)空間分辨率的歸一化，而且其輻射值仍保持著目標結構和成分的物理信息，這對農田參數(shù)信息的精準獲取有重要意義;另一方面要關注遙感數(shù)據(jù)與基礎地理、氣象等非遙感數(shù)據(jù)的耦合，通過信息源的豐富化提高輸入信息熵來獲取更高精度的農田信息。

(4)遙感驅動的作物模型。作物生長模型可對不同氣象、土壤、時間和品種條件下作物的發(fā)育階段、器官建成、干物質積累、產量和品質形成、土壤水分和養(yǎng)分動態(tài)進行模擬［46］，并具有機理性和預測性。使用遙感數(shù)據(jù)驅動作物模型來預測作物生長信息和利用作物空間分布的情況來進行不同管理措施的情景分析，以實現(xiàn)農田管理措施的優(yōu)化。通過作物模型來實現(xiàn)遙感監(jiān)測結果向農田精準管理措施建議的推進，以解決遙感監(jiān)測與管理措施脫節(jié)的問題。同時精準農業(yè)是一個多目標的系統(tǒng)，作物模型的合理使用可以在優(yōu)化管理措施時，考慮用戶的價值、取向以及代價［47］。然而，作物生長模型的應用還需要根據(jù)不同區(qū)域、不同作物的特點進行參數(shù)化和本地化，而發(fā)展一種快速的模型標定方法則是拓展其應用范圍的重要條件。

(5)監(jiān)測技術的系統(tǒng)化。目前中國在將遙感技術應用于精準農業(yè)領域的研究主要集中于技術方法上，還沒有形成成熟的業(yè)務系統(tǒng)，這給其應用帶來了困難。因此需要對“數(shù)據(jù)處理－信息提取－信息分析－農田管理決策”的全過程進行系統(tǒng)化集成與開發(fā)，以提高信息獲取的效率和降低信息服務的成本，同時降低對系統(tǒng)應用機構或人員的專業(yè)素養(yǎng)要求。Infoterra公司開發(fā)的FarmStar系統(tǒng)［48］提供了很好的范例，該系統(tǒng)將遙感數(shù)據(jù)與先進數(shù)據(jù)處理技術相結合，實現(xiàn)了不需要地面采樣支持的農田信息獲取，同時系統(tǒng)整合了農學數(shù)據(jù)和氣象數(shù)據(jù)，可向農田種植者和農學家提供友好的農田管理建議。中國科學院與北京仲訊雄風公司聯(lián)合研發(fā)的遙感監(jiān)測與手機信息服務相結合的信息服務系統(tǒng)在山東禹城的應用［49］就是一個好的嘗試。

3 結論

農業(yè)問題是全球可持續(xù)發(fā)展的基本問題，一直是國際上人們關注的焦點。精準農業(yè)是農業(yè)實現(xiàn)低耗、高效、優(yōu)質、環(huán)保的根本途徑，是世界和我國農業(yè)發(fā)展的最佳選擇。

遙感技術已經(jīng)在農田基礎狀況調查及指導農田灌溉、施肥、病蟲害防治、雜草控制、收獲等領域取得了成功的應用，已成為精準農業(yè)獲取時空變化的農田信息的主要手段。針對中國耕地少、水資源短缺、環(huán)境保護壓力大和農業(yè)生產高度分散的國情，遙感信息支持下的精準農業(yè)是發(fā)展方向之一，其可以在挖掘潛力、降低成本的同時，減少化肥、農藥對環(huán)境的污染，以便獲得經(jīng)濟效益、社會效益、生態(tài)效益的同步增長和持續(xù)發(fā)展。隨著監(jiān)測精度、監(jiān)測結果的時空精細程度、監(jiān)測成本等問題的進一步解決，遙感技術在精準農業(yè)中的應用將更加廣泛，并會對精準農業(yè)的信息獲取模式進行更新，以及促進精準農業(yè)的推廣和發(fā)展。

［1］ Zhang Naiqian，Wang Maohua，Wang Ning.Precision Agriculture—A WorldwideOverview［J］.Computersand Electronicsin Agriculture，2002，36(2/3):113 －132.

［2］ 蒙繼華，吳炳方，李強子，等.農田農情參數(shù)遙感監(jiān)測進展及應用展望［J］.遙感信息，2010(3):35－43.

［3］ 李德仁.攝影測量與遙感的現(xiàn)狀及發(fā)展趨勢［J］.武漢測繪科技大學學報，2000，25(1):1 －5.

［4］ 楊邦杰，裴志遠，周清波，等.我國農情遙感監(jiān)測關鍵技術研究進展［J］.農業(yè)工程學報，2002，18(3):191 －194.

［5］ 王圓圓，李 京.遙感影像土地利用/覆蓋分類方法研究綜述［J］.遙感信息，2004(1):53 －59.

［6］ Li Y，Shi Z，Li F.Delineation of Site－ Specific Management Zones Based on Temporal and Spatial Variability of Soil Electrical Conductivity［J］.Pedosphere，2007，17(2):156 － 164.

［7］ 胡潭高，朱文泉，陽小瓊，等.高分辨率遙感圖像耕地地塊提取方法研究［J］.光譜學與光譜分析，2009，29(10):2703 －2707.

［8］ Wolkowski R P，Wollenhaupt N C.Use of Row －placed Fertilizer with Corn for the Management of the Effects of Field P and K Variability［C］//Proceedings of Workshop on Site－ Specific Management.for Agriculture Systems，Minneapolis，MN，USA:Madison，1994:475 －483.

［9］ Nielsen D R，Wendroth O，Parlange M B.Opportunities for Examining on － farm SoilVariability［C］//Proceedingsof Workshop on Site － Specific Management.for Agriculture Systems，Minneapolis，MN，USA:Madison，1995:95 －132.

［10］ Galv?o L S，Vitorello I，F(xiàn)romaggio A R.Relationships of Spectral Reflectance and Color Among Surface and Subsurface Horizons of Tropical Soil Profiles［J］.Remote Sensing of Environment，1997，61(1):24－33.

［11］ Demattê J A M，Campos R C，Alves M C，et al，Visible － NIR Reflectance:a New Approach on Soil Evaluation［J］.Geoderma，2004，121(1/2):95 －112.

［12］ Daughtry C S T，Hunt E R Jr.Mitigating the Effects of Soil and Residue Water Contents on Remotely Sensed Estimates of Crop Residue Cover［J］.Remote Sensing of Environment，2008，112(4):1647－1657.

［13］ Sorensen L K，Dalsgaard S.Determination of Clay and Other Soil Properties by Near Infrared Spectroscopy［J］.Soil Science Society of America Journal，2005，69(1):159 － 167.

［14］ Serbin G，Daughtry C S T，Hunt E R Jr，et al.Effects of Soil Composition and Mineralogy on Remote Sensing of Crop Residue Cover［J］.Remote Sensing of Environment，2009，113(1):224 －238.

［15］ Murray T，Verhoef A.Moving Towards a More Mechanistic Approach in the Determination of Soil Heat Flux from Remote Measurements I:A Universal Approach to Calculate Thermal Inertia［J］.Agricultural and Forest Meteorology，2007，147(1/2):80－87.

［16］ Prasad A K，Chai L，Singh R P，et al.Crop Yield Estimation Model for Iowa Using Remote Sensing and Surface Parameters［J］.International Journal of Applied Earth Observation and Geoinformation，2006，8(1):26 －33.

［17］ Anyamba A，Tucker C J，Eastman J R.NDVI Anomaly Patterns Over Africa During the 1997/98ENSO Warm Event［J］.International Journal of Remote Sensing，2001，22(10):1847 －1859.

［18］ Kogan F N.Remote Sensing of Weather Impacts on Vegetation in Non － homogenous Areas［J］.International Journal of Remote Sensing，1990，11(8):1405 －1419.

［19］ Boken V K.Improving a Drought Early Warning Model for an Arid Region Using a Soil Moisture Index［J］.Applied Geography，2009，29(3):402－408.

［20］ Lambin E F，Ehrlich D.Combing Vegetation Indices and Surface Temperature for Land Cover Mapping at Broad Spatial Scales［J］.International Journal of Remote Sensing，1995，16(3):573 －579.

［21］ Wan Z，Wang P，Li X.Using MODIS Land Surface Temperature and Normalized Difference Vegetation Index Products for Monitoring Drought in the Southern Great Plains，USA［J］.International Journal of Remote Sensing，2004，25(1):61 －72.

［22］ Qin Q，Ghulam A，Zhu L，et al.Evaluation of MODIS Derived Perpendicular Drought Index for Estimation of Surface Dryness Over Northwestern China［J］.International Journal of Remote Sensing，2007，29(7):1983 －1995.

［23］ Folhes M T，Rennó C D，Soares J V.Remote Sensing for Irrigation Water Management in the Semi － arid Northeast of Brazil［J］.Agricultural Water Management，2009，96(10):1398 －1408.

［24］ Stone M L，Solie J B，Raun W R，et al.Use of Spectral Radiance for Correcting In－season Fertilizer Nitrogen Deficiencies in Winter Wheat［J］.Transactions of the ASAE，1996，39(5):1623 －1631.

［25］ Daughtry C S T，Walthall C L，Kim M S，et al.Estimating Corn Leaf Chlorophyll Concentration from Leaf and Canopy Reflectance［J］.Remote Sensing of Environment，2000，74(2):229 － 239.

［26］ Li F，Gnyp M L，Jia L L，et al.Estimating N Status of Winter Wheat Using a Handheld Spectrometer in the North China Plain［J］.Field Crops Research，2008，106(1):77 －85.

［27］孫焱鑫，王紀華，李保國，等.基于BP和GRNN神經(jīng)網(wǎng)絡的冬小麥冠層葉綠素高光譜反演建模研究［J］.遙感技術與應用，2007，22(4):492 －496.

［28］ Ayala－ Silva T，Beyl C A.Changes in Spectral Reflectance of Wheat Leaves in Response to Specific Macronutrient Deficiency［J］.Advances in Space Research，2005，35(2):305 －317.

［29］ Curran P J，Dungan J L，Macler B A，et al.Reflectance Spectroscopy of Fresh Whole Leaves for the Estimation of Chemical Concentration［J］.Remote Sensing of Environment，1992，39(2):153－166.

［30］ 陳 兵，李少昆，王克如，等.作物病蟲害遙感監(jiān)測研究進展［J］.棉花學報，2007，19(1):57 －63.

［31］陳鵬程，張建華，雷勇輝，等.高光譜遙感監(jiān)測農作物病蟲害研究進展［J］.中國農學通報，2006，22(2):388 －391.

［32］ Singh D，Sao R，Singh K P.A Remote Sensing Assessment of Pest Infestation on Sorghum［J］.Advances in Space Research，2007，39(1):155－163.

［33］ Daughtry C S T，Hunt E R Jr，McMurtrey J E.Assessing Crop Residue Cover Using Shortwave infrared Reflectance［J］.Remote Sensing of Environment，2004，90(1):126 －134.

［34］ Xinhua.FAO Expert Says Weed Lurking Menace in Farming［EB/OL］.http://english.peopledaily.com.cn/90001/90777/90856/6726756.html，2009.

［35］ Jurado － Expp?sito M，López － Granados F，Atenciano S，et al.Discrimination of Weed Seedlings，Wheat(Triticum aestivum)Stubble and Sunflower(Helianthus annuus)by Near－infrared Reflectance Spectroscopy(NIRS)［J］.Crop Protection，2003，22(10):1177－1180.

［36］ Goel P K，Prasher S O，Patel R M，et al.Classification of Hyperspectral Data byDecision Trees and ArtificialNeural Networks to Identify Weed Stress and Nitrogen Status of Corn［J］.Computers and Electronics in Agriculture，2003，39(2):67 －93.

［37］ Gée C，Bossu J，Jones G，et al.Crop/Weed Discrimination in Perspective Agronomic Images［J］.Computers and Electronics in Agriculture，2008，60(1)，49 －59.

［38］ Ierna A.Influence of Harvest Date on Nitrate Contents of Three Potato Varieties for Off－ season Production［J］.Journal of Food Composition and Analysis，2009，22(6):551 －555.

［39］ Sakamoto T，Yokozawa M，Toritani H，et al.A Crop Phenology Detection Method Using Time － series MODIS Data［J］.Remote Sensing of Environment，2005，96(3/4)，366 －374.

［40］ Francois I M，Mari?n E，Brijsk，et al.The Use of Vis/NIR Spectroscopy to Predict the Optimal Root Harvesting Date of Chicory(Cichorium intybus L)［J］.Postharvest Biology and Technology，2009，53(1/2):77 －83.

［41］ Peirs A，Schenk A，Nicolai B M.Effect of Natural Variability Among Apples on the Accuracy of VIS－NIR Calibration Models for Optimal Harvest Date Predictions［J］.Postharvest Biology and Technology，2005，35(1):1 －13.

［42］陳國梁，張金文，梁慧光，等.RNAi技術在作物品質改良中的應用［J］.中國生物工程雜志，2008，28(1):91 －96.

［43］ Xue L，Cao W，Yang L.Predicting Grain Yield and Protein Content in Winter Wheat at Different N Supply Levels Using Canopy Reflectance Spectra［J］.Pedosphere，2007，17(5):646 －653.

［44］ Zhao C，Liu L，Wang J，et al.Predicting Grain Protein Content of Winter Wheat Using Remote Sensing Data Based on Nitrogen Status and Water Stress［J］.International Journal of Applied Earth Observation and Geoinformation，2005，7(1):1 －9.

［45］李小文.地球表面時空多變要素的定量遙感項目綜述［J］.地球科學進展，2006，21(8):771 －780.

［46］李衛(wèi)國，趙春江，王紀華，等.遙感和生長模型相結合的小麥長勢監(jiān)測研究現(xiàn)狀與展望［J］.國土資源遙感，2007(2):6－9.

［47］ Jones D，Barnes E M.Fuzzy Composite Programming to Combine Remote Sensing and Crop Models for Decision Support in Precision Crop Management［J］.Agricultural Systems，2000，65(3):137 －158.

［48］ Infoterra.Farm Management Services － FarmStar［EB/OL］.http://www.infoterra.co.uk/applications_land_farmstar.php，2010.

［49］ Wu B，Meng J，Zhang F，et al.Applying Remote Sensing in Precision Farming－ a Case Study in Yucheng［C］//Proceedings of the IEEE International Conference on Computer and Computing Technology Applications in Agriculture，Piscataway，NJ，USA:IEEE Xplore，2009.

A Review and Outlook of Applying Remote Sensing to Precision Agriculture

MENG Ji－ hua1，2，WU Bing － fang1，DU Xin1，ZHANG Fei－ fei1，ZHANG Miao1，DONG Tai－ feng1
(1.Institute of Remote Sensing Applications，Chinese Academy of Sciences，Beijing 100101，China;2.Research Center for Informationization of Chinese New Countryside，Chinese Academy of Sciences，Hefei 230031，China)

Precision－farming is an essential part of modern agriculture.Precise management could be achieved by acquiring the field information on crops and their growing environment.Field management such as seeding，fertilizing，irrigating and harvesting could be optimized according to the spatial and temporal difference in crop and soil status.Along with the fast development of remote sensing technology，this technology has become an essential component part of precise farming and has been widely used in providing guidance for irrigation，fertilization，weed control，pest control and harvest.Remote sensing can be used to provide basic information of the field(field infrastructure and plot distribution)for farming management as well as to monitor dynamics of crop growing and such relevant environment factors as soil nutrition，soil moisture，crop nutrition and crop pest status in the field.The advances in applying remote sensing in these fields were reviewed and commented in this paper.Based on a review of the current application of remote sensing in precision farming，this paper describes in brief its research situation and gives a vista of its development.It is pointed out that improving the monitoring method，applying new data，integrating multi－source remote sensing data，integrating remote sensing data with agro and crop models and systemization are the key points in this field.Further researches on this field will promote the application of remote sensing in precision farming.

Remote sensing;Precision farming;Review;Outlook

TP 79:S 127

A

1001－070X(2011)03－0001－07

2010－12－22;

2011－03－28

中國科學院知識創(chuàng)新工程重大項目(編號:KSCX1－YW－09－01，KSCX1－YW－09－06)及國家青年自然科學基金項目(編號:NSFC40801144)。

蒙繼華(1977－)，2006年于中國科學院遙感應用研究所獲地圖學與地理信息系統(tǒng)專業(yè)博士學位，現(xiàn)為中國科學院遙感應用研究所副研究員，碩士研究生導師，主要從事農作物遙感監(jiān)測及其在精準農業(yè)領域的應用研究。

(責任編輯:丁 群)