遥感在农业中的作用与发展范文

本站小编为你精心准备了遥感在农业中的作用与发展参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1农作物估产

遥感(RemoteSensing)即遥远的感知,指在一定距离上,应用探测仪器不直接接触目标物体,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。遥感与其他技术结合,在农业应用中具有科学、快速、及时的特点。这对于充分利用农业资源、指导农业生产、农产品供需平衡等方面有着重要的意义。

2遥感估产的原理及农作物估产方法

2.1遥感估产的基本原理[2]

任何物体都具有吸收和反射不同波长电磁波的特性,这是物体的基本特性。人眼正是利用这一特性,在可见光范围内识别各种物体的。遥感技术也是基于同样的原理,利用搭载在各种遥感平台(地面、气球、飞机、卫星等)上的传感器(照相机、扫描仪等)接收电磁波,根据地面上物体的波谱反射和辐射特性,识别地物的类型和状态。农作物估产则是指根据生物学原理,在收集分析各种农作物不同生育期不同光谱特征的基础上,通过平台上的传感器记录的地表信息,辨别作物类型,监测作物长势,并在作物收获前,预测作物的产量的一系列方法。它包括作物识别和播种面积提取、长势监测和产量预报两项重要内容。

2.2农作物估产的方法

农作物估产在方法上可分为传统的作物估产和遥感估产两类。传统的作物估产基本上是农学模式和气象模式,采用人工区域调查方法。它们把作物生长与主要制约和影响产量的农学因子或气候因子之间用统计分析的方式建立起关系。这类模式计算繁杂、速度慢、工作量大、成本高,某些因子种类往往难以定量化,不易推广应用。遥感估产则是建立作物光谱与产量之间联系的一种技术,它是通过光谱来获取作物的生长信息。在实际工作中,常常用绿度或植被指数(由多光谱数据,经线性或非线性组合构成的对植被有一定指示意义的各种数值)作为评价作物生长状况的标准。植被指数中包括了作物长势和面积两方面的信息,各种估产模式,尤其是光谱模式中植被指数是一个极为重要的参数。根据传感器从地物中获得的光谱特征进行估产具有宏观、快速、准确、动态的优点[3,4]。

农作物估产中所应用的遥感资料大致可分为3类:一是气象卫星资料,主要为美国第三代业务极轨气象卫星(NOAA系列)装载的甚高分辨率辐射仪(AVHRR)资料,其资料特点是周期短、覆盖面积大、资料易获取、实时性强、价格低廉,空间分辨率低但时间分辨率较高;二是陆地卫星(Landsat)资料,应用较多功能是专题制图仪(TM)资料,它重复周期长、价格高,但其空间分辨率高[5];三是航空遥感和地面遥感资料,主要用于光谱特征及估产农学机理的研究中,其中高光谱数据可提供连续光谱,可消除一些外部条件的影响而成为遥感数据处理、地面测量、光谱模型和应用的强有力的工具[6]。在遥感估产中农作物面积提取是最重要的内容。用遥感方法测算一种农作物的种植面积主要有以下几种方法[5]。1)航天遥感方法。包括卫星影像磁带数字图象处理方法(一般精度较高)和绿度———面积模式。2)航空遥感方法。可进行总面积的测量、作物分类及测算分类面积。3)遥感与统计相结合的方法。此方法是由美国农业部统计局在原面积抽样统计估产的基础上发展起来的,其原理是利用遥感影像分层,再实行统计学方法抽样。4)地理信息系统(GIS)与遥感相结合方法。此方法是在地理信息系统的支持下,利用遥感信息,对不同农作物的种植面积进行获取。

3国内外遥感估产的研究进展状况

3.1国外遥感估产研究的进展状况

美国首先开了农作物遥感估产之先河,美国农业部、国家海洋大气管理局、宇航局和商业部合作制定了“大面积农作物估产实验(1974～1978)计划”,组织实施了小麦估产计划,应用先后发射入轨的陆地卫星1～3接收处理出的MSS图像,首先对美国大平原9个小麦生产州的面积、单产和产量做出估算;尔后对包括美国本土、加拿大和前苏联部分地区小麦面积、单产和产量做出估算;接着是对世界其它地区小麦面积、总产量进行估算。调查分析美国、原苏联、加拿大等主要产粮国的小麦播种面积、出苗状况和长势,并利用气象卫星获得的气象要素信息,结合历年统计数据进行综合分析,建立的小麦估产模型精度高达90%以上。1980～1986年,美国又制定了“农业和资源的空间遥感调查”计划,其核心内容仍是主要作物的种植面积与单产模型的研究。进行国内、世界多种粮食作物长势评估和产量预报。中国科学院自然资源综合考查委员会的陈沈斌于1992年8月在美国农业部外国农业局(负责美国以外国家的农作物估产,并建成运行系统)曾见到当月估计的中国小麦、玉米、水稻总产量与后来1993年国家统计局公布的数字差-3.53%、+0.65%和-0.66%。

该项工作,为美国在世界农产品贸易中获得巨大的经济利益[2,4,7,8,9,10,11]。此后,欧共体、俄罗斯、法国、日本和印度等国也都应用卫星遥感技术进行农作物长势监测和产量测算,均取得了一定的成果。例如,欧共体用10年的时间(从1983年开始),建成用于农业的遥感应用系统,1995年在欧共体15个国家用180景SPOT影像,结合NOAA影像在60个试验点进行了作物估产,可精确到地块和作物种类。2002年美国航空航天局与美国农业部合作在贝兹维尔、马里兰用MODIS数据代替NOAA-AVHRR进行遥感估产,MODIS搭载的TERRA卫星是1999年由美国(国家航空航天局)、日本(国际贸易与工业厅)和加拿大(空间局、多伦多大学)共同合作发射的,MODIS数据涉及波段范围广(36个波段)、分辨率(250,500,1000m)比NOAA-AVHRR(5个波段,分辨率为1100m)有较大的进步,这些数据均对农业资源遥感监测有较高的实用价值。ldso等曾运用500～600nm和600～700nm两个光谱区得到的反射值的转换植被指数(TV16)来估计小麦与大麦的单产,获得小麦单产与TV16之间的相关系数为0.78。同年,日本科技公司完成了“遥感估产”项目,可提高平原农业估产的精度,并着眼于对全球进行估产。

而美国已经将遥感技术用于精细农业,对农作物进行区域水分分布评估、病虫害预测等,直接指导农业生产。用卫星遥感方法进行长势监测和产量估算已进行多年,方法已趋于成熟[2,4,7,8,.9,10,11,12,13]。水稻遥感估产以亚洲水稻主要生产国为先行和先进。中国、印度、日本等国家都进行过遥感估产研究且取得较好的效果。Patel和Dash等[14]建立水稻产量和RVI的关系,试验区预报精度达到96.14%。Miller等[15]在分蘖或出穗阶段时,运用比值植被指数通过干物质和单产的关系来估计单产。但在作物灌浆与成熟阶段,由于反射率与总生物量之间并不相关,比值植被指数无法预测水稻的冠层生物量。Wiegand,SSRay认为借助于归一化植被指数NDVI{(NIR-R)/(NIR+R)}可以很好地预测产量[16,17]。

3.2国内遥感估产研究进展情况

从“六五”开始,我国试用卫星遥感进行农作物产量预报的研究,并在局部地区开展产量估算试验。“七五”期间,国家气象局于1987年开展了北方11省市小麦气象卫星综合测产,探索运用周期短、价格低的卫星进行农作物估产的新方法。该项目中,主要是以长期的气象资料为基础,以遥感信息为检验手段,建立了不同地区的遥感参数-作物产量的一阶回归模型。1985～1989年,此项目为中央和地方提供了165次不同时空尺度的产量预报,为国家减少粮食损失达33万t以上,累计经济效益达20亿元。“八五”期间,国家将遥感估产列为攻关课题,由中国科学院主持,联合农业部等40个单位,开展了对小麦、玉米和水稻大面积遥感估产试验研究,建成了大面积“遥感估产试验运行系统”,并完成了全国范围的遥感估产的部分基础工作。通过1993～1996年4年试验运行,分别对四省两市(河北、山东、河南、安徽北部和北京市、天津市)的小麦,湖北、江苏和上海市的水稻;吉林省的玉米种植面积、长势和产量的监测和预报,在指导农业生产及农业决策中发挥了重要作用。特别是解决了一些关键技术问题,为进一步开展全国性的卫星遥感估产提供了重要保证。

1995年以信息系统及农情速报,建立全国资源环境数据库;中国科学院、气象局及多家高等院校、研究所致力于遥感估产技术的研究,并在浙江、江西、江苏各省及华北、东北、江汉平原等地区对冬小麦、玉米、水稻、糜子等作物进行遥感估产,在遥感信息源选取、作物识别、面积提取、模型构建、系统集成等各个技术环节有了大幅的进步。李哲、张军涛提出的基于遗传算法与人工神经网络相结合的玉米估产方法;侯英雨等提出的基于作物植被指数和温度的产量估算模型;江东博士提出的基于人工神经网络的农作物遥感估产模型;王人潮教授等提出的高光谱遥感估算模型和水稻双向反射模型等等,这些模型汲取了以前模型的优点,模型因子的选择更加合理,可操作性更强,精确程度更高。随后,遥感估产方法已日趋成熟起来[4,7]。古书琴[18]等借助植被建立了水稻单产的预报模式、遥感估算水稻种植面积,表明利用遥感手段对水稻进行估产的精度高于常规农业气象模式,还可提高预报时效;黄敬峰,杨忠恩[19]等在1999年以NOAA-AVHRR资料为主,利用GIS技术提取水稻可能种植区域,在此基础上计算各区和各县的比值植被指数和归一化植被指数,提出的水稻遥感估产比值模型和回归模型,预报浙江省的水稻总产,1998年的拟合精度和1999年的预报精度都达到95%以上;黄敬峰,王人潮[20]等综合冬小麦各种参数及资料,证明地面光谱植被指数与冬小麦密度、生物量、叶面积指数关系密切,建立了密度与生物量的光谱监测模型,进而建立了北疆试验区各层冬小麦种植面积估算和产量预报卫星遥感模型,辅以冬小麦产量农业气象预报模型、农学模型及模拟模型,自1994年投入应用以来的结果表明,这套模型预报精度高、效果很好;李建龙,蒋平,戴若兰[21]利用1991～1996年在新疆天山北坡不同草地类型上各种资料,使用3S集成系统进行了多重相关分析和遥感估产技术的深入研究,实现了遥感大面积估产目标和草地生态学意义及3S与草地专家系统一体化集成的应用。

农作物遥感估产虽然具有客观、定量、准确的优点,而且可以同时获取单产、面积、总产资料,在小区试验已取得较高的精度,但其大面积估产还不能满足专业化要求。农作物产量气象预报模型和农学预报模型预报精度较高,但缺乏长势监测和面积资料。模拟模型机理明确,小区试验效果也很好,但这类模型需要大量的田间试验观测和取样分析来确定模型参数,大面积应用难度很大。因此,在专业服务中,仍然需要综合使用各种模型;在水稻、小麦遥感估产,方法已比较成熟,并仍在发展;棉花遥感正在被广泛的研究,而在其他作物估产方面还需进一步扩展;农业遥感与信息技术的基础研究、应用研究和成果转化之间有很大的脱节现象;发展3S三位一体的估产方法成为今后估产的趋势。