遥感技术在作物生长监测与估产中的应用分析
来源:用户上传
作者:
[摘要]遥感技术在我国作物高质高产栽培中的应用较为广泛，特别是在生长过程检测和产量估计项目中发挥着重要作用，能够促进农业现代化、精细化的发展。通过精确获取不同作物的生长特性等数据，借助高光谱成像系统、低空遥感技术为技术人员提供田间信息，采用人工管控的措施对作物进行调控，并有效估计最终产量，推动了农业科技的极大进步。
[关键词]遥感技术;作物生长监测;产量估计
中图分类号：P237 文献标识码：A DOI：10.16465/j.gste.cn431252ts.20190529
卫星遥感技术已经普遍应用于军事、自然勘察等领域中，当前，为了促进农业科技的发展，遥感技术也广泛用于作物生长状况的实时监测和估产。利用卫星资料对作物进行规模化的动态监测，主要包括苗情、营养供给与作物势能的关系、叶表面积指数、产量等。针对不同的监测指标安装了不同的感应器，如叶片叶绿色的含量、自然光吸收率等，帮助种植人员判断田间作物的长势[1-2]。
1 遥感技术在作物生长监测中的应用
遥感技术是近现代逐渐兴起的一种探测技术，基于电磁波物理理论，通过各类感应器对远距离目标所产生的反射波进行搜集、处理，最终在电子计算机上形成影响，从而显示地面不同物体的具体分布状况。任何物体都有光谱特性，农作物也不例外，在农业领域中，遥感技术主要是对地表特征、田间作物进行信息获取，通过不同波段的反射光，向技术人员实时提供监测范围内田间作物的生长状况。其影像信息还能从宏观的角度判断作物在一定时间内的发育势能，帮助栽培人员更好地判断作物种植时间和收成时间，改变生产模式。目前，经过信息分析或者编辑，构建不同条件下的生长模型、估产模式，能够模拟特定作物的栽培过程，为农业种植提供数字化信息和图像依据[3-4]。
我国运用遥感技术起步较早，初步形成了一系列作物生长遥感技术和监测方法，构建了有利于作物培育研究的业务系统，取得了较好的效果。例如中国科学院建成的“水稻遥感估产集成系统”“水稻卫星遥感估产运行系统”等，实现了对单位面积水稻生长势能和单产、总产的精确预估。此外，“中国农情遥感速报系统”能够对全国范围内的农作物进行实施监测和估计，对农业科技化的发展具有重要意义[5-6]。
国内非常重视高光谱遥感技术的研究和应用，因其具有较多优势。一是可以精确及时获取田间作物的生长状态信息;二是可以获取叶表面积指数，用于合理密植、水肥控制等过程;三是可以定时监测叶片叶绿素及其他色素的含量和植被红边特性等;四是可以快速监测作物的有机物积累量，用于区分优势作物品种;五是可以快速监测出叶片的碳氮比状况，有助于实施生长诊断和调控，达到高质高产的目的。我国很多农业生产研究都是通过遥感技术进行产量和长势推算，研究表明，遥感植被资源的最佳波段为0.45～0.52 μm，对叶绿素和叶红素的浓度敏感波段为0.63～0.69 μm，对植被茂密程度敏感波段为1.55～1.75 μm，对植物叶片水分敏感波段为2.08～2.35 μm。随着信息技术和计算机技术的不断革新，作物遥感监测系统正朝着空间、时间分辨率的方向发展。传统宽波段遥感在进行生长监测时，经常因波段少、光谱分辨率的问题难以真正发挥作用，无法准确反映田间作物固有的光谱特性，受自然环境的影响较大，如植被覆盖率、土壤颜色等。基于此，高光谱遥感技术进行了改革，以高分辨率和超多波段的成像技术解决了常规遥感技术的问题，能更加准确地反映出作物生长态势。高光谱遥感技术在田间监测的指标有叶绿素、生物量、生化参数、叶面积指数、有机物含量等。监测时间跨度较大，一般可从作物的生长早期到成熟期，7月中旬是遥感系统监测的最佳季节，监测结果可靠性最高[7]。
为了使遥感技术在作物生长监测中的作用更加明显，一些学者提出作物生长模型的构建，通过遥感技术与生长模型的联合，实现数据结果的准确性。例如水稻形态钟模型，以ORYZA为基础，对灌溉水稻的发育和生长进行了模拟，按照一定的规则和数学理论优化程序，在田间进行模型试验，生成元函数，并模拟氮在土壤中的传输轨迹。遥感技术与生物模型的结合应用，能够动态模拟作物的生长状态，预测总产量。作物模型也能测算潜在生产力，分析田间实际生产力与预测生产力的差距，从而寻找限制产量的主要因素，为人工决策提供建议和方法指导。考虑到遥感技术难以揭示农作物生长的内在规律，作物模型则可以在初始阶段便获取作物的各项参数，两者互补能完善作物栽培的诸多环节。为了提高作物生长监测的有效性，需要借助一套完整的遥感+模型方法，对作物的生理参数进行定量推演，可以根据作物的实际生长指标构建模型，利用系统化、程序化的思想进行苗情诊断和发育调控[8-9]。
2 遥感技术在作物估产中的应用
为了解决传统生长模型无法真正监测田间作物实际产量的难题，可以利用遥感技术估算种植区域的冠层温度、水分脅迫系数，近似模拟各类型作物的营养需求量和产量。冠层温度和自然温度之差是判断作物叶片气孔开闭程度的重要参数，不仅反映了作物对土壤的适应性，还反映了其他因素对作物生长的影响。在分析遥感估产项目中应用了数值模拟估产的方法，借助遥感与农业气象数值模拟技术的融合对大面积的作物进行产量估计，如小麦、水稻、玉米等，其估算结果与实际生产量相符。遥感估产技术包括数据搜集和整理、模型筛选与膨化、单点模拟与实验、空间外推等。国内应用较为广泛的遥感估产模型主要有以下四个。
2.1 水稻作物气候产量预报模型
这类估产模型需通过大量的田间实验和取样分析才能确定模型构建的主要参数，对于水稻的生长势能、叶表面积指数、干物质存储量等进行判断分析，结合遥感光谱技术分析得到与农业生产相关的参数，减少了人工劳动量，优化了种植效率，但遥感估产模型中的光谱信息还需进一步开发和利用。 2.2 遗传算法结合神经网络模型
人工神经网络是信息分析技术中的高效模式，可以最大程度模仿人类神经网络对行为特征进行调控，处理外界信息。两者相互结合突破了遗传算法的误差，经过检验其计算值与实际值非常接近，并且效果比灰色理论模型要好得多，但这个模型也有一个缺点，即无法准确得到相对误差与年份的关系。
2.3 人机交互反演模型
在研究产量与气候关系的过程中，建立的一种便捷、简单的遥感估产模型，主要是计算小麦的片区产量，计算公式为成熟期田间作物干物质重量×收货指数。此模型的核心是利用作物抽穗期的遥感影像反算出作物各个长势指标，并通过计算机模拟运行轨迹加以修正，改变了单一回归模型带来的数据偏差，应用方便简单，且结果可靠，具有推廣意义。其缺点为受抽穗期和成熟期的水肥技术影响，个别样点可能会出现偏差，对此，在应用模型之前需要对不同区域的水肥技术进行甄别，从而矫正模型计算结果[10]。
2.4 雷达遥感估产模型
我国大规模的粮食种植区主要分布在华东、华南地区，这些地区的气候温暖湿润，使用遥感系统无法获得较高分辨率的光图像。为了解决这一问题，微波遥感技术应运而生，加之合成孔径雷达的研发有效提升了微波遥感空间的分辨率，数据收集的过程不受不良天气的影响，还可以实现不同波段SAR数据的组合。实践表明，雷达遥感估产模型能够准确识别作物的种类和生长形态，受限因素较少，但新理论的提出也存在很大的改进空间，例如辅助气象数据模拟模型等。
3 结 论
“三农”问题是制约我国现代化社会发展的主要障碍，要破除这一障碍，实现作物增产、农民增收，就要以遥感技术为基础，逐步完善农田监测图像，促使其向着高分辨率、高光谱的方向发展。同时，要善于借助自动化技术、计算机技术、智能化技术、地理空间信息技术等开发全新的作物生长监测和估产平台，真正把土壤性能感知、自然环境条件感知与作物生长研究联系起来，通过建立智能搜索引擎完善作物监控系统，优化估产模型，解决农业智能化发展的各项难题，为作物精准管理提供理论依据。
参考文献
[1]胡楠，矫亮，李黎，等.遥感技术在玉米估产中的应用与研究[J].农业网络信息，2011（1）：35-37.
[2]陈劲松，黄健熙，林珲，等.基于遥感信息和作物生长模型同化的水稻估产方法研究[J].中国科学：信息科学，2010（S1）：173-183.
[3]刘雪丽，付友生，刘丹，王锐，李模其.遥感技术在农业中的应用[J].现代化农业，2018（10）：67-68.
[4]田萍，周博，王涛，等.遥感技术及其在精确施肥技术方面的应用研究[J].杨凌职业技术学院学报，2006（2）：15-18.
[5]赵光军，张艳飞，张玉增，等.GPS技术及其在农业装备中的应用研究[J].粮食科技与经济，2019（2）：123-124+168.
[6]史莉娟.启航大田智慧农业：稻谷全产业链大数据平台[J].粮食科技与经济，2019（1）：12.
[7]刘忠，万炜，黄晋宇，等.基于无人机遥感的农作物长势关键参数反演研究进展[J].农业工程学报，2018（24）：60-71.
[8]宋茜.农作物空间分布信息提取及其时空格局变化分析研究[D].北京：中国农业科学院，2018.
[9]李素，郭兆春，王聪，等.信息技术在农作物病虫害监测预警中的应用综述[J].江苏农业科学，2018（22）：1-6.
[10]叶满珠，廖世芳.高光谱技术在农业遥感中的应用[J].农业工程，2018（10）：38-40.
收稿日期：2019-03-14
作者简介：孟颖晨，男，本科，助理工程师，研究方向为地理信息系统及农业遥感应用。
转载注明来源:https://www.xzbu.com/1/view-14941848.htm
