本站小編為你精心準備了遙感在農業中的作用與發展參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1農作物估產

遙感(RemoteSensing)即遙遠的感知,指在一定距離上,應用探測儀器不直接接觸目標物體,從遠處把目標的電磁波特性記錄下來,通過分析,揭示出物體的特征性質及其變化的綜合性探測技術[1]。攝影照相便是一種最常見的遙感,照相機并不接觸被攝目標,而是相隔一定的距離,通過鏡頭把被攝目標的影像記錄在底片上,經過化學處理,相片便重現被攝目標的圖像。從拍攝目標到再現目標所用的手段,便是一種遙感技術。遙感與其他技術結合,在農業應用中具有科學、快速、及時的特點。這對于充分利用農業資源、指導農業生產、農產品供需平衡等方面有著重要的意義。

2遙感估產的原理及農作物估產方法

2.1遙感估產的基本原理[2]

任何物體都具有吸收和反射不同波長電磁波的特性,這是物體的基本特性。人眼正是利用這一特性,在可見光范圍內識別各種物體的。遙感技術也是基于同樣的原理,利用搭載在各種遙感平臺(地面、氣球、飛機、衛星等)上的傳感器(照相機、掃描儀等)接收電磁波,根據地面上物體的波譜反射和輻射特性,識別地物的類型和狀態。農作物估產則是指根據生物學原理,在收集分析各種農作物不同生育期不同光譜特征的基礎上,通過平臺上的傳感器記錄的地表信息,辨別作物類型,監測作物長勢,并在作物收獲前,預測作物的產量的一系列方法。它包括作物識別和播種面積提取、長勢監測和產量預報兩項重要內容。

2.2農作物估產的方法

農作物估產在方法上可分為傳統的作物估產和遙感估產兩類。傳統的作物估產基本上是農學模式和氣象模式,采用人工區域調查方法。它們把作物生長與主要制約和影響產量的農學因子或氣候因子之間用統計分析的方式建立起關系。這類模式計算繁雜、速度慢、工作量大、成本高,某些因子種類往往難以定量化,不易推廣應用。遙感估產則是建立作物光譜與產量之間聯系的一種技術,它是通過光譜來獲取作物的生長信息。在實際工作中,常常用綠度或植被指數(由多光譜數據,經線性或非線性組合構成的對植被有一定指示意義的各種數值)作為評價作物生長狀況的標準。植被指數中包括了作物長勢和面積兩方面的信息,各種估產模式,尤其是光譜模式中植被指數是一個極為重要的參數。根據傳感器從地物中獲得的光譜特征進行估產具有宏觀、快速、準確、動態的優點[3,4]。

農作物估產中所應用的遙感資料大致可分為3類:一是氣象衛星資料,主要為美國第三代業務極軌氣象衛星(NOAA系列)裝載的甚高分辨率輻射儀(AVHRR)資料,其資料特點是周期短、覆蓋面積大、資料易獲取、實時性強、價格低廉,空間分辨率低但時間分辨率較高;二是陸地衛星(Landsat)資料,應用較多功能是專題制圖儀(TM)資料,它重復周期長、價格高,但其空間分辨率高[5];三是航空遙感和地面遙感資料,主要用于光譜特征及估產農學機理的研究中,其中高光譜數據可提供連續光譜,可消除一些外部條件的影響而成為遙感數據處理、地面測量、光譜模型和應用的強有力的工具[6]。在遙感估產中農作物面積提取是最重要的內容。用遙感方法測算一種農作物的種植面積主要有以下幾種方法[5]。1)航天遙感方法。包括衛星影像磁帶數字圖象處理方法(一般精度較高)和綠度———面積模式。2)航空遙感方法?？蛇M行總面積的測量、作物分類及測算分類面積。3)遙感與統計相結合的方法。此方法是由美國農業部統計局在原面積抽樣統計估產的基礎上發展起來的,其原理是利用遙感影像分層,再實行統計學方法抽樣。4)地理信息系統(GIS)與遙感相結合方法。此方法是在地理信息系統的支持下,利用遙感信息,對不同農作物的種植面積進行獲取。

3國內外遙感估產的研究進展狀況

3.1國外遙感估產研究的進展狀況

美國首先開了農作物遙感估產之先河,美國農業部、國家海洋大氣管理局、宇航局和商業部合作制定了“大面積農作物估產實驗(1974～1978)計劃”,組織實施了小麥估產計劃,應用先后發射入軌的陸地衛星1～3接收處理出的MSS圖像,首先對美國大平原9個小麥生產州的面積、單產和產量做出估算;爾后對包括美國本土、加拿大和前蘇聯部分地區小麥面積、單產和產量做出估算;接著是對世界其它地區小麥面積、總產量進行估算。調查分析美國、原蘇聯、加拿大等主要產糧國的小麥播種面積、出苗狀況和長勢,并利用氣象衛星獲得的氣象要素信息,結合歷年統計數據進行綜合分析,建立的小麥估產模型精度高達90%以上。1980～1986年,美國又制定了“農業和資源的空間遙感調查”計劃,其核心內容仍是主要作物的種植面積與單產模型的研究。進行國內、世界多種糧食作物長勢評估和產量預報。中國科學院自然資源綜合考查委員會的陳沈斌于1992年8月在美國農業部外國農業局(負責美國以外國家的農作物估產,并建成運行系統)曾見到當月估計的中國小麥、玉米、水稻總產量與后來1993年國家統計局公布的數字差-3.53%、+0.65%和-0.66%。

該項工作,為美國在世界農產品貿易中獲得巨大的經濟利益[2,4,7,8,9,10,11]。此后,歐共體、俄羅斯、法國、日本和印度等國也都應用衛星遙感技術進行農作物長勢監測和產量測算,均取得了一定的成果。例如,歐共體用10年的時間(從1983年開始),建成用于農業的遙感應用系統,1995年在歐共體15個國家用180景SPOT影像,結合NOAA影像在60個試驗點進行了作物估產,可精確到地塊和作物種類。2002年美國航空航天局與美國農業部合作在貝茲維爾、馬里蘭用MODIS數據代替NOAA-AVHRR進行遙感估產,MODIS搭載的TERRA衛星是1999年由美國(國家航空航天局)、日本(國際貿易與工業廳)和加拿大(空間局、多倫多大學)共同合作發射的,MODIS數據涉及波段范圍廣(36個波段)、分辨率(250,500,1000m)比NOAA-AVHRR(5個波段,分辨率為1100m)有較大的進步,這些數據均對農業資源遙感監測有較高的實用價值。ldso等曾運用500～600nm和600～700nm兩個光譜區得到的反射值的轉換植被指數(TV16)來估計小麥與大麥的單產,獲得小麥單產與TV16之間的相關系數為0.78。同年,日本科技公司完成了“遙感估產”項目,可提高平原農業估產的精度,并著眼于對全球進行估產。

而美國已經將遙感技術用于精細農業,對農作物進行區域水分分布評估、病蟲害預測等,直接指導農業生產。用衛星遙感方法進行長勢監測和產量估算已進行多年,方法已趨于成熟[2,4,7,8,.9,10,11,12,13]。水稻遙感估產以亞洲水稻主要生產國為先行和先進。中國、印度、日本等國家都進行過遙感估產研究且取得較好的效果。Patel和Dash等[14]建立水稻產量和RVI的關系,試驗區預報精度達到96.14%。Miller等[15]在分蘗或出穗階段時,運用比值植被指數通過干物質和單產的關系來估計單產。但在作物灌漿與成熟階段,由于反射率與總生物量之間并不相關,比值植被指數無法預測水稻的冠層生物量。Wiegand,SSRay認為借助于歸一化植被指數NDVI{(NIR-R)/(NIR+R)}可以很好地預測產量[16,17]。

3.2國內遙感估產研究進展情況

從“六五”開始,我國試用衛星遙感進行農作物產量預報的研究,并在局部地區開展產量估算試驗?！捌呶濉逼陂g,國家氣象局于1987年開展了北方11省市小麥氣象衛星綜合測產,探索運用周期短、價格低的衛星進行農作物估產的新方法。該項目中,主要是以長期的氣象資料為基礎,以遙感信息為檢驗手段,建立了不同地區的遙感參數-作物產量的一階回歸模型。1985～1989年,此項目為中央和地方提供了165次不同時空尺度的產量預報,為國家減少糧食損失達33萬t以上,累計經濟效益達20億元?！鞍宋濉逼陂g,國家將遙感估產列為攻關課題,由中國科學院主持,聯合農業部等40個單位,開展了對小麥、玉米和水稻大面積遙感估產試驗研究,建成了大面積“遙感估產試驗運行系統”,并完成了全國范圍的遙感估產的部分基礎工作。通過1993～1996年4年試驗運行,分別對四省兩市(河北、山東、河南、安徽北部和北京市、天津市)的小麥,湖北、江蘇和上海市的水稻;吉林省的玉米種植面積、長勢和產量的監測和預報,在指導農業生產及農業決策中發揮了重要作用。特別是解決了一些關鍵技術問題,為進一步開展全國性的衛星遙感估產提供了重要保證。

1995年以信息系統及農情速報,建立全國資源環境數據庫;中國科學院、氣象局及多家高等院校、研究所致力于遙感估產技術的研究,并在浙江、江西、江蘇各省及華北、東北、江漢平原等地區對冬小麥、玉米、水稻、糜子等作物進行遙感估產,在遙感信息源選取、作物識別、面積提取、模型構建、系統集成等各個技術環節有了大幅的進步。李哲、張軍濤提出的基于遺傳算法與人工神經網絡相結合的玉米估產方法;侯英雨等提出的基于作物植被指數和溫度的產量估算模型;江東博士提出的基于人工神經網絡的農作物遙感估產模型;王人潮教授等提出的高光譜遙感估算模型和水稻雙向反射模型等等,這些模型汲取了以前模型的優點,模型因子的選擇更加合理,可操作性更強,精確程度更高。隨后,遙感估產方法已日趨成熟起來[4,7]。古書琴[18]等借助植被建立了水稻單產的預報模式、遙感估算水稻種植面積,表明利用遙感手段對水稻進行估產的精度高于常規農業氣象模式,還可提高預報時效;黃敬峰,楊忠恩[19]等在1999年以NOAA-AVHRR資料為主,利用GIS技術提取水稻可能種植區域,在此基礎上計算各區和各縣的比值植被指數和歸一化植被指數,提出的水稻遙感估產比值模型和回歸模型,預報浙江省的水稻總產,1998年的擬合精度和1999年的預報精度都達到95%以上;黃敬峰,王人潮[20]等綜合冬小麥各種參數及資料,證明地面光譜植被指數與冬小麥密度、生物量、葉面積指數關系密切,建立了密度與生物量的光譜監測模型,進而建立了北疆試驗區各層冬小麥種植面積估算和產量預報衛星遙感模型,輔以冬小麥產量農業氣象預報模型、農學模型及模擬模型,自1994年投入應用以來的結果表明,這套模型預報精度高、效果很好;李建龍,蔣平,戴若蘭[21]利用1991～1996年在新疆天山北坡不同草地類型上各種資料,使用3S集成系統進行了多重相關分析和遙感估產技術的深入研究,實現了遙感大面積估產目標和草地生態學意義及3S與草地專家系統一體化集成的應用。

農作物遙感估產雖然具有客觀、定量、準確的優點,而且可以同時獲取單產、面積、總產資料,在小區試驗已取得較高的精度,但其大面積估產還不能滿足專業化要求。農作物產量氣象預報模型和農學預報模型預報精度較高,但缺乏長勢監測和面積資料。模擬模型機理明確,小區試驗效果也很好,但這類模型需要大量的田間試驗觀測和取樣分析來確定模型參數,大面積應用難度很大。因此,在專業服務中,仍然需要綜合使用各種模型;在水稻、小麥遙感估產,方法已比較成熟,并仍在發展;棉花遙感正在被廣泛的研究,而在其他作物估產方面還需進一步擴展;農業遙感與信息技術的基礎研究、應用研究和成果轉化之間有很大的脫節現象;發展3S三位一體的估產方法成為今后估產的趨勢。