物联传媒 旗下网站
登录 注册
RFID世界网 >  新闻中心  >  物联网新闻  >  正文

遥感技术在农业上的应用

作者:本站采编
来源:新三农研究
日期:2016-12-15 09:26:45
摘要:由于遥感技术具有覆盖面积大、重访周期短的特点,因此主要应用于大面积农业生产的调查、评价、监测和管理,其在农业中的应用按内容归纳为下列4类。
关键词:遥感技术

  一、什么是遥感?

  遥感(remotesensing)是指一种非接触的、远距离的探测技术。是通过人造地球卫星上的遥测仪器把对地球表面实施感应遥测和资源管理的监视(如树木、草地、土壤、水、矿物、农家作物、鱼类和野生动物等的资源管理)结合起来的一种新技术。遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势,对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。

  二、农业遥感的发展

  从20世纪70年代出现民用资源卫星后,农业成为遥感技术最先投入应用和收益显著的领域。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现,农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破。农业遥感监测主要以作物、土壤为对象,利用地物的光谱特性,被用来进行作物长势、作物品质、作物病虫害等方面的监测。

  由于遥感技术具有覆盖面积大、重访周期短的特点,因此主要应用于大面积农业生产的调查、评价、监测和管理,其在农业中的应用按内容归纳为下列4类:

  1、农业资源调查。包括耕地资源、土壤资源 等现状资源的调查,以及土地荒漠化和盐渍、农田环境污染、水土流失等动态监测,提供各类资源的数量、分布和变化情况,以及基于调查的各类资源评价 ,提出应该采取的对策 ,用于农业生产的组织、管理和决策。

  2、农作物估产。包括小麦、玉米、水稻、棉花等大宗农作物的长势监测和产量预测,也包括牧草地产草量估测、果树长势监测等。

  3、农业灾害预报。包括农作物病虫害、冷冻害、洪涝旱灾、干热风等动态监测,以及灾后农田损毁、作物减产等损失调查和评估。

  4、精准农业。主要是利用高空间分辨率的卫星数据进行农田面积和分布的现状调查,以及针对农田精准化施肥、施药和灌溉进行的农田尺度的作物长势、病虫害和土壤水分等信息的监测。

  5、针对不同的应用,不同空间分辨率的光学遥感与微波遥感优势各异。如高空间分辨率的遥感数据主要应用田间尺度的精确农业,而高时间分辨率广覆盖遥感数据主要应用于大面积农作物长势监测。根据各类遥感数据的特点,其主要应用领域如表 1 所示。

  三、农业遥感技术的发展趋势

  1,新一代农业无人机技术应用

  无人机( Unmanned aerial vehicle,UAV) 作为一种由动力驱动、机上无人驾驶、可重复使用的新型遥感平台,具有优于其他遥感平台的灵活性、实时性等特点。特别是随着可见-近红外航空成像光谱仪、航空CCD数字相机的小型化,使得随时获取厘米级空间分辨率的可见-近红外图像成为可能, 所以无人机遥感系统目前在环保、农业、救灾等应用领域得到了迅速的拓展。

  农业卫星遥感技术受到天气、轨道周期、空间分辨率等的影响,对田间尺度的农情监测还存在很多不足,往往很难及时提供高质量的遥感数据,无人机遥感可以与大面积卫星遥感相互配合,形成多尺度的农情信息监测网。无人机遥感可以发挥在农田精细尺度和动态连续监测的优势,应用于农田地块边界和面积调查、农作物种类识别和统计、农作物长势分析、农作物养分和土壤水分监测等,特别在农业灾后快速评估方面,无人机遥感技术将发挥独特的作用。

  2,农业地面传感网与遥感技术结合

  目前,基于有线和无线传感器的各类地基观测技术和组网建设逐步发展和完善,为卫星遥感的地表参量反演、模型同化和耦合、精度验证等工作提供了重要的真实性信息。在农业领域,基于现代物联网技术的农业地面传感网在智能温室与大田精准作业管理方面得到了快速应用。特别是各类自动采集作物叶面到冠层、土壤表层到剖面理化信息,以及农田气温、湿度、光照等环境信息的传感器不断出现 , 加上无线传输网和智能控制系统,使得农田信息地面采集的便捷性、精确性、时效性得到了显著的提高。

  3,农业专业模型与遥感技术的耦合

  遥感技术的优势在于多尺度、多波段、多实相地提供大范围的对地观测数据,能够及时获取地表特征信息如植被指数、亮度指数和地表辐射温度等,并通过定量反演,进一步获取地表特征参数如地表反射率、叶面积指数、土壤水分含量等。但是农业遥感特别是农作物遥感监测,作物高度、叶面积、生物量等关键属性在生育期是连续变化的动态过程,单靠遥感数据很难保证观测的连续性。因此,大量的研究是将各种农业专业模型如作物生长模型、地表能量平衡模型等与遥感数据进行耦合或同化,来弥补遥感观测时间分辨率的缺陷。

  新的发展趋势一是提高传统农业专业模型的适用性,克服模型完全以农田小区试验为样本,较少考虑地物空间异质性的缺点; 二是发挥星地多源数据的优势,结合地面传感网提高信息采集的周期性; 三是重视遥感数据产品的标准化和业务化,如 MODIS 系列数据产品,可以业务化提供8 d 植被指数、叶面积等数据产品,使得传统农学家更容易将遥感数据引入到各类农业专业模型中。