遥感在精准农业中的应用进展及展望

蒙继华，吴炳方，杜 鑫，张飞飞，张 淼，董泰峰

遥感在精准农业中的应用进展及展望

蒙继华1，2，吴炳方1，杜 鑫1，张飞飞1，张 淼1，董泰峰1

(1.中国科学院遥感应用研究所，北京 100101;2.中国科学院中国新农村信息化研究中心，合肥 230031)

精准农业是现代农业的重要组成部分，它通过各种技术手段获取农田内不同单元小区农作物的生长环境信息，并由此实现整个生产过程的精细化、准确化的农业微观经营管理。由于遥感技术能在不同的电磁谱段内周期性地采集地表信息，因此随着遥感技术的发展，其在精准农业领域开始发挥越来越大的作用，并在指导农田灌溉、施肥、病虫害防治、杂草控制及收获等方面均已有很多成功的应用。为使人们对遥感在精准农业中的应用有一总体了解，在概述遥感技术在精准农业领域应用进展的基础上，对其研究现状进行了分析总结，还对其发展进行了展望，并指出了技术方法的改进、新数据的应用、多源数据整合、遥感数据与农学/作物模型的整合以及监测技术的系统化是促进遥感技术在精准农业中发挥更大作用的主要研究内容。

遥感;精准农业;应用进展;展望

0 引言

精准农业(Precision Agriculture or Precision Farming or Precision Crop Management)又称精细农业、精确农业、精准农作和处方农业。精准农业基于农田作物和环境的空间差异性，是通过各种技术手段来获取农田内不同单元的农田信息，并由此利用变量技术来进行农田优化管理，以便实现生产过程精细化、准确化的农业经营管理系统［1］。

在精准农业的框架下，可以根据地块土壤、水肥、作物病虫害、杂草及产量等在时间与空间上的差异，来进行相适宜地耕种、施肥、灌溉、用药及收获，其目的是以合理的投入来获得最好的经济效益，并保护环境，以确保农业的可持续发展。鉴于我国及全球人口不断增长和土地资源减少的矛盾不可逆转，精准农业在减少投入、降低成本、减轻环境污染、农产品可控化、标准化和批量化等方面均有积极的作用和意义。

在精准农业中，田块内的作物状态及其生长环境的空间差异是进行农业精准管理的关键。遥感可在不同的电磁谱段内周期性地收集地表信息，已成为人们研究、识别地球和环境的主要方法。遥感信息为精准农业所需空间信息差异参数的快速、准确、动态获取提供了重要的技术手段［2］。

早期由于受分辨率、时间周期、地理、空域、气象条件、监测成本高及遥感技术发展水平等因素的限制，遥感技术在农业领域的应用只局限于服务区域的重大决策。20世纪70年代，遥感开始进入一个高速发展的阶段［3］，并广泛地应用于农业生产监测，在作物识别、面积估算、长势监测、旱情监测、灾害评估和作物产量估计等方面，均取得了较大的成绩［4］，然而遥感信息在时空分辨率及所提供信息的精度和丰度还不能满足精准农业对农田信息的需求。近15 a来，随着遥感技术的发展，遥感技术在精准农业领域开始发挥越来越大的作用，在指导农田灌溉、施肥、病虫害防治、杂草控制、农作物收获及灾后损失评估等方面均已有很多成功的应用。

本文在理解当前遥感技术在精准农业领域应用研究进展的基础上，通过分析存在的问题和不足，对如何更好地发展遥感技术支持下的精准农业进行了展望。

1 遥感在精准农业中的应用进展

遥感可为精准农业提供以下两类农田与作物的空间分布信息:一类是基础信息，这种信息在作物生育期内基本没有变化或变化较少，主要包括农田基础设施、地块分布及土壤肥力状况等信息;另一类是时空动态变化信息，包括作物产量、土壤熵情、作物养分状况、病虫害的发生/发展状况、杂草的生长状况以及作物物候等信息。

1.1 基础信息获取

(1)农田基础设施调查。主要包括农田道路、水利设施等，是农业生产和农田管理的基础保障。掌握区域农田基础设施的空间分布状况，是现代农业生产中充分发挥这些设施作用的前提。

使用遥感技术可以在较大范围内实现农业基础设施的快速调查。传统的遥感农田道路及水利设施的信息提取主要有以下3种方法:基于像元尺度的影像自动分类技术、人机交互模式下的人工解译提取技术及自动识别跟踪方法。这3种方法都是对传统土地利用/覆盖遥感调查方法的继承，其中第一种方法效率较高，但受异物同谱等因素的影响，精度较低;第二种方法精度较高，但对解译人员有较高的要求，且效率较低;自动识别跟踪法是介于自动与半自动之间的方法，在自动识别提取线性地物后再进行人工取舍，应用较为广泛［5］。

目前，影像分类有了新的改进方法，面向对象的多尺度分割技术可以更加有效地利用所要提取对象的形态特征，在对道路和水渠等线性特征地物进行提取时，可取得更好的效果。如何合理地综合利用道路和水渠等特殊地物的几何特征、辐射特征、拓扑特征及上下文特征，以提高自动提取的效率和精度，是下一步研究的主要方向。

(2)地块分布调查。精准农业中的变量管理技术是通过将农田分为较小的管理单元来实现，被定义为“农田中产量限制因子均一并且适合进行统一作物投入的田块”［6］。与早期精准农业“farming by foot”的概念相比，基于管理单元进行的精准耕作更具有可操作性。

利用高分辨率遥感影像进行地块边界及其空间分布的提取，不仅时效性强、精度高，而且符合中国农村高度分散条件下的精准农业的实施。依靠人工数字化的方法来提取耕地地块不仅费时费力，而且需要解译人员必须具有丰富的经验，而图像分割技术则能利用高分辨率遥感影像来自动提取耕地地块，已经取得了较好的效果，并逐渐成为耕地地块遥感提取的主要方法［7］。

地块提取的精度较大程度需依赖于数据源的选择，所选择的数据一方面要具有较高的空间分辨率，以确保地块边界的准确性;另一方面还需要有较高光谱分辨率的光谱信息，以便区分不同地块在土壤类型和质地上的差别，新型星载遥感数据(如Rapid－Eye、WorldView－2)的出现将提高地块提取的精度和效率。

(3)土壤状况调查。土壤状况是决定农田潜在生产力的主要因素，土壤性状及肥力状况信息可以为精准农田管理提供响应依据［8］。一般可以通过改进土壤肥力指标来提高作物单产，这些指标包括土壤有效氮及其他宏观或微观植物养分、地块的相对位置和坡度以及土壤有机质含量［9］。

土壤的反射光谱主要受其物理性质、化学成分及矿物成分的影响［10］，通过地物反射光谱可以有效区分不同类型的土壤，并可用于土壤肥力状况的调查［11］。目前，遥感技术已经可以成功地获取土壤的有机碳、N、P、K、Ca、盐分以及总有机质等的含量信息，并可以对土壤的pH值等化学属性进行估算。这些信息可以直接用于土壤肥力的评价与空间制图。

土壤结构也是影响土壤反射光谱的因素之一［12］，近几年，利用遥感对土壤物理性质进行监测也在逐渐开展中，并且取得了较好的效果［13］，监测对象包括土壤颗粒大小、质地及粘粒含量等。这些土壤结构参数对土壤水分的涵养及养分物质的迁移有重要的影响，可以用于评估土壤的排灌能力和肥料的利用效率。

土壤含水量及作物残茬是影响监测精度的主要因素，如何消除这些因素的影响，以便获取准确的土壤养分及物理属性信息是下一步研究的重点之一［14］。此外，利用遥感技术提取有作物覆盖的区域的土壤光谱信息比较困难，目前主要利用作物收割后的时间开展监测，而通过间接方法所得到的土壤属性精度还达不到精准农业的要求。

1.2 时空动态变化信息的获取及利用

下面从农田灌溉、施肥、病虫害防治、杂草控制及作物收获等5个方面对遥感技术在现代农业领域的应用进行说明。

(1)指导农田灌溉。精准农业可根据不同作物不同生育期的土壤墒情和作物需水量，通过实施适时适量灌溉来节约水资源，以提高水资源的生产效率。

农田尺度的作物干旱信息是实现精准灌溉的前提。遥感领域比较成熟的旱情监测方法主要有热惯量法［15］、条件温度指数法［16］、距平植被指数法［17］、条件植被指数法［18］、作物缺水指数法［19］、供水植被指数法［20］、条件植被温度指数法［21］、垂直干旱指数法和基于微波遥感的监测方法［22］等。不同旱情监测方法的应用范围不同，热惯量法比较适合植被覆盖度低的地方;作物缺水指数法比较适合植被覆盖度高的地区;距平植被指数法、条件植被指数法、条件温度指数法在植被生长茂盛阶段的应用效果较好，但需要有长时间序列的遥感影像资料积累;用条件植被温度指数方法监测目标区域的土壤含水量，则要求获取从植物萎蔫时的土壤含水量到田间植物持水量变化范围的条件植被温度指数;微波遥感是进行土壤含水量监测的一种有效方法，但如何结合作物的生长信息进行旱情评价以及如何获取土壤较深层的熵情状况还需要进一步的研究。如何发展一种适合农田尺度应用，并综合考虑土壤供水和作物需水的旱情遥感监测方法，将会成为主要的研究方向。

遥感数据与陆面能量平衡模型相结合后，可以进行农田蒸散发(ET)的准确估算［23］。ET既可以有效地反映农田的实际耗水量，又可以用于监测一段时间内作物所受的水分胁迫，并可在指导农田灌溉中发挥重要的作用。

(2)指导施肥。农业变量施肥即根据土壤养分含量和作物养分胁迫的空间分布来精细准确地调整肥料的投入量，以获取最大的经济效益和环境效益［24］，但这需要在了解土壤中各种养分的盈亏情况的同时，实时掌握作物的养分状况，以便做到科学施肥，在减少因过量施肥而造成的环境污染的同时，降低成本。

实现这一目标需要土壤肥力状况及作物养分两方面的信息，通过遥感技术对作物生化参数(氮、磷、钾等)的监测可以提供有效的作物养分信息，同时通过冠层生化参数的监测还可以为作物品质的监测提供依据。目前对作物生化组分进行监测主要使用统计回归方法，所使用的遥感指标包括波段反射率、植被指数［25，26］、红边参数［27］及其他一些光谱参数［28，29］。除了统计的方法，还有一些神经网络类的算法在建模过程中被使用［27］。

目前高光谱在作物生化组分的反演中得到广泛的应用，因其信息量丰富，可以获得更高的反演精度，也将是作物养分监测的主要研究方向。

(3)指导病虫害防治。利用遥感技术进行作物病虫害的早期识别可以降低除害成本，并可以有效地指导病虫害的治理。遥感技术可以对病虫害做出快速响应，并可为作物的管理提供空间化的处方图。

基于遥感技术的监测可以提供作物病虫害发生、发展的定性和定量及空间分布信息，进而为生产经营管理者在病虫害发生早期采取措施提供数据支持，以避免病虫害的扩大和更大的损失。遥感技术不但可以监测病虫害的发生和跟踪其演变状况，还能够评估病虫害对作物生长的影响和分析估算灾情损失。

作物病虫害遥感监测主要在单叶和冠层两个层面上展开。对单叶而言，因作物病虫害会导致作物叶片细胞结构、色素、水分、氮素含量及外部形状等发生变化，从而引起作物反射光谱的变化;对作物冠层来说，因病虫害会引起作物叶面积指数、生物量、覆盖度等的变化，故病虫害作物的反射光谱与正常作物可见光到热红外波段的反射光谱有明显差异［30］。目前在作物病虫害监测中主要是使用特定波段的植物光谱反射率及其所构建的对病虫害有指示作用的各种指数，其中温度也是一个重要的因素。应用高光谱遥感技术，通过监测受害作物的各种生物物理和生物化学参数变化，利用由受害作物生物物理和生物化学参数的变化引起的相应的光谱特性变异信息来监测病虫害是当前的热点研究课题［31］。也有学者开展了使用微波数据开展作物病虫害监测的研究，结果显示，估算结果与观测的病虫害发生相当一致［32］。

除作物病虫害外，作物的生理、生化参数还会受干旱、洪涝及一些不正确的农田管理措施的影响而出现异常，如何区分这种异常是否是受病虫害的影响产生，是下一步研究的热点和难点，并且已经有学者在这个方面进行了初步的讨论［33］。另一方面，如何与其他数据(如气象数据)耦合，以获得更高的监测精度也需要进一步的探讨。

(4)指导杂草控制。根据世界粮农组织的研究，全球由杂草导致的粮食生产损失每年高达950亿美元，如果考虑到农民在田地中消耗的时间有半数以上是用于除草的话，杂草造成的实际经济损失还要更高［34］。

遥感技术可以有效地进行农田杂草的识别，并能提供杂草分布的空间位置及密度信息。目前所发展的农田杂草遥感识别技术主要有以下两种:一种是基于光谱的影像分类技术，是利用各种分类算法通过区分杂草与作物，或区分长有杂草或没有长有杂草的田块来实现杂草的识别［35］;另一种方法是通过作物的生长特征在反射光谱上的反映来区分受到杂草胁迫的作物［36］。前者在作物播种前、作物生长初期或杂草的冠层光谱特征明显时，有较好的应用效果，后者则适用于作物生长茂盛，而杂草的反射光谱信号不明显的情况下。另外，还有一些学者开展了基于手持或车载光学传感器的杂草自动识别研究，由于平台高度低，获取的数据可以精细到反映作物与杂草形态的程度，因而可以同时利用形态和光谱两类特征来进行杂草的识别，但这类方法难以用航空或卫星平台实现［37］。

如何发展更高效率的算法，同时与农业气象信息结合来预测杂草的发展，将成为研究的重点。

(5)指导作物收获。基于遥感数据指导作物收获主要是通过开展作物收获时间的预测和作物品质的监测两个途径。

由于作物的收获时间对作物的产量、品质有重要的影响［38］，因此合理地对作物收获时间进行预测，可以有助于提高农产品的品质和产量，同时还可以指导农业机械进行合理的调度安排，这对大规模同一作物种植区域的机械化收割有重要意义。

目前对作物是否成熟的判断主要是依据叶片的颜色、结构及冠层结构等作物特征来进行主观的解译，但这种方法难以在大范围应用，而且易引入主观判断的误差。遥感技术的引入解决了这一问题，目前遥感监测作物收获期主要有以下两种方法:一种是使用时间序列遥感数据(如植被指数)跟踪作物的生长过程，通过作物生育末期作物生长过程的特征变化来确定作物成熟期［39］;另一种是基于作物成熟在作物水分、叶绿素含量、氮素含量等冠层生化参数变化所表现出的特征，通过这些特征的遥感监测来实现作物生育期的预测。前者虽有较广泛的应用，但由于该方法对时间序列遥感数据的要求高，往往在空间分辨率和预测的时效性上无法满足要求，后者虽可以获得较高的监测精度，但目前该方法仅在陆基光谱设备上得到应用［40，41］，要将该方法应用于卫星遥感还需要进一步研究和验证。

作物品质是指作物中不同物质的含量，包括物理品质、营养品质和加工品质3个方面［42］，不同品质的作物收获后的处理及用途不同。作物品质对产品的价格和用途影响很大，通过作物品质的监测，可以指导加工企业进行相应品质作物的收获/收购，以降低作物品质的检测成本和辅助产品定价。

作物品质遥感监测技术的研究主要是近十年才开始研究的方法，其监测的对象主要包括小麦、玉米、水稻、甜菜、烟叶等。目前主要的作物品质遥感监测方法分为以下两类:一类是直接利用遥感获取的作物光谱反射率，通过与作物品质指标建立模型来进行预测［43］;另一类是先研究分析植株的生理、生化参数与作物品质的关系，然后通过估算这些参数来实现作物品质的预测［44］。对于烟草等以叶片或植株为收获物的作物，则不需要区分这两类模型。

由于对作物品质进行准确的预测对获取遥感数据的时相要求较高，因此监测模型往往只适用于特定的物候期。另外，作物品质的形成是生育期内多种因素共同作用的结果，这些因素包括土壤状况、作物品种、气象要素及农田管理水平等，因此如何将这些参数与遥感数据进行耦合，以提高预测的精度是需要研究的内容。

2 存在的问题及展望

2.1 存在的问题

限制遥感技术在精准农业中进一步应用的主要因素如下:

(1)精度问题。由于受大气状况、数据质量以及反演模型本身的适用性等因素的影响，总体上农田尺度作物的生理参数、生化参数和环境参数的反演精度通常只能达到80% ～85%，甚至更低，这一精度无法满足精准农业对农田信息的需求。

(2)时空精细度问题。当前主要的对地观测数据在时空精细度上不能满足精准农业的要求。以天或几天为频率对一个区域进行重访的遥感数据(如MODIS)，其空间分辨率大都低于百米级，这一尺度远大于中国传统地块的大小，易出现不同作物或耕地与非耕地的混合像元问题，更无法反映田块内部的差异性;而拥有30 m以上空间分辨率的遥感数据(如 Landsat TM/ETM、SPOT 5、CBERS CCD)，其重访周期大都在8～26 d，而现实的天气状况还会延长有效数据的获取周期，使得无法动态、实时跟踪作物的生长状况。

(3)信息熵问题。遥感是通过获取的地物反射波谱信息来获取地物的特征参数，而传统的遥感数据只能提供少数几个波段的光谱信息，这样在为精准农业提供多种农田及环境信息时就出现了用少量的观测数据来估计非常复杂农田系统状态的情况，从而导致出现病态反演问题［45］。这时由于输入的信息熵限制了输出的信息量，从而使得在对诸多参数进行反演时的精度和可靠性不高。

(4)农田参数信息利用问题。基于遥感技术获取的农田参数信息通常以空间分布图的形式提供给用户，然而对系统的大多数末端用户——农户来说，这一信息过于复杂，且不易理解。在这一点上，由于遥感信息服务与具体的农田管理措施相脱节，从而限制了遥感信息价值的发挥。同时缺少简单、低成本的信息送达方式，也限制了农田参数信息的利用。

(5)非技术因素。除了技术上的问题外，遥感数据获取和分析的成本，以及遥感技术使用过程中，对使用人员的专业素养要求也成为限制其在精准农业领域进一步推广的重要因素。

2.2 研究展望

针对上面几个问题，遥感技术需要从以下几个方面进行突破，以满足精准农业的需求:

(1)新参数反演技术的研发。进一步推动遥感技术的发展，在农田作物及环境参数获取上要发展新的方法与模型，另外，新的方法在提高反演精度的同时，还要考虑模型的效率和可推广性。

(2)新数据的应用。近年来涌现出一批新型的遥感数据，包括米级分辨率的雷达数据，如Radar Sat－2、TerraSAR 和 CosmoSkyMed，也包括了一些具有高重访周期的高分辨率光学遥感数据，如去年开始运行的RapidEye和今年开始分发数据的World－View－2，还包括一些高重访周期的中分辨率数据，如HJ－1 CCD等。新型的雷达遥感包括了C和X波段，可独立或协同获取作物及土壤信息。这两种新型光学遥感数据与以往定位于土地利用/覆盖大比例尺调查的高分辨率遥感数据(QuickBird、IKONOS)不同，其在缩短重访周期的同时，还增加了波段数，特别是专用于植被监测的红边波段，可更好地用于农田尺度的作物监测。需要开展应用研究，以发展基于新型数据的作物及环境信息的获取方法。

(3)多源数据整合。一方面，需针对单一遥感传感器遥感数据反演农田参数面临的信息量不足、反演精度不高的问题，研究多星多源遥感数据协同反演农田参数的方法，并验证反演产品的精度和分析评估多星多源遥感数据协同反演农田参数的可行性和应用潜力。将不同的遥感数据信息进行复合，使复合后的信息不仅能实现空间分辨率的归一化，而且其辐射值仍保持着目标结构和成分的物理信息，这对农田参数信息的精准获取有重要意义;另一方面要关注遥感数据与基础地理、气象等非遥感数据的耦合，通过信息源的丰富化提高输入信息熵来获取更高精度的农田信息。

(4)遥感驱动的作物模型。作物生长模型可对不同气象、土壤、时间和品种条件下作物的发育阶段、器官建成、干物质积累、产量和品质形成、土壤水分和养分动态进行模拟［46］，并具有机理性和预测性。使用遥感数据驱动作物模型来预测作物生长信息和利用作物空间分布的情况来进行不同管理措施的情景分析，以实现农田管理措施的优化。通过作物模型来实现遥感监测结果向农田精准管理措施建议的推进，以解决遥感监测与管理措施脱节的问题。同时精准农业是一个多目标的系统，作物模型的合理使用可以在优化管理措施时，考虑用户的价值、取向以及代价［47］。然而，作物生长模型的应用还需要根据不同区域、不同作物的特点进行参数化和本地化，而发展一种快速的模型标定方法则是拓展其应用范围的重要条件。

(5)监测技术的系统化。目前中国在将遥感技术应用于精准农业领域的研究主要集中于技术方法上，还没有形成成熟的业务系统，这给其应用带来了困难。因此需要对“数据处理－信息提取－信息分析－农田管理决策”的全过程进行系统化集成与开发，以提高信息获取的效率和降低信息服务的成本，同时降低对系统应用机构或人员的专业素养要求。Infoterra公司开发的FarmStar系统［48］提供了很好的范例，该系统将遥感数据与先进数据处理技术相结合，实现了不需要地面采样支持的农田信息获取，同时系统整合了农学数据和气象数据，可向农田种植者和农学家提供友好的农田管理建议。中国科学院与北京仲讯雄风公司联合研发的遥感监测与手机信息服务相结合的信息服务系统在山东禹城的应用［49］就是一个好的尝试。

3 结论

农业问题是全球可持续发展的基本问题，一直是国际上人们关注的焦点。精准农业是农业实现低耗、高效、优质、环保的根本途径，是世界和我国农业发展的最佳选择。

遥感技术已经在农田基础状况调查及指导农田灌溉、施肥、病虫害防治、杂草控制、收获等领域取得了成功的应用，已成为精准农业获取时空变化的农田信息的主要手段。针对中国耕地少、水资源短缺、环境保护压力大和农业生产高度分散的国情，遥感信息支持下的精准农业是发展方向之一，其可以在挖掘潜力、降低成本的同时，减少化肥、农药对环境的污染，以便获得经济效益、社会效益、生态效益的同步增长和持续发展。随着监测精度、监测结果的时空精细程度、监测成本等问题的进一步解决，遥感技术在精准农业中的应用将更加广泛，并会对精准农业的信息获取模式进行更新，以及促进精准农业的推广和发展。

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

［2］ 蒙继华，吴炳方，李强子，等.农田农情参数遥感监测进展及应用展望［J］.遥感信息，2010(3):35－43.

［3］ 李德仁.摄影测量与遥感的现状及发展趋势［J］.武汉测绘科技大学学报，2000，25(1):1 －5.

［4］ 杨邦杰，裴志远，周清波，等.我国农情遥感监测关键技术研究进展［J］.农业工程学报，2002，18(3):191 －194.

［5］ 王圆圆，李 京.遥感影像土地利用/覆盖分类方法研究综述［J］.遥感信息，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，阳小琼，等.高分辨率遥感图像耕地地块提取方法研究［J］.光谱学与光谱分析，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］ Galvão L S，Vitorello I，Fromaggio 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］孙焱鑫，王纪华，李保国，等.基于BP和GRNN神经网络的冬小麦冠层叶绿素高光谱反演建模研究［J］.遥感技术与应用，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］ 陈 兵，李少昆，王克如，等.作物病虫害遥感监测研究进展［J］.棉花学报，2007，19(1):57 －63.

［31］陈鹏程，张建华，雷勇辉，等.高光谱遥感监测农作物病虫害研究进展［J］.中国农学通报，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 － Exppösito 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，Mariën 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］陈国梁，张金文，梁慧光，等.RNAi技术在作物品质改良中的应用［J］.中国生物工程杂志，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.地球表面时空多变要素的定量遥感项目综述［J］.地球科学进展，2006，21(8):771 －780.

［46］李卫国，赵春江，王纪华，等.遥感和生长模型相结合的小麦长势监测研究现状与展望［J］.国土资源遥感，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

中国科学院知识创新工程重大项目(编号:KSCX1－YW－09－01，KSCX1－YW－09－06)及国家青年自然科学基金项目(编号:NSFC40801144)。

蒙继华(1977－)，2006年于中国科学院遥感应用研究所获地图学与地理信息系统专业博士学位，现为中国科学院遥感应用研究所副研究员，硕士研究生导师，主要从事农作物遥感监测及其在精准农业领域的应用研究。

(责任编辑:丁 群)