农业遥感研究进展与展望

唐华俊

（中国农业科学院，北京100081）

0 引言

中国农业遥感经历了20世纪70年代的引进学习阶段[1]，80—90年代中期的技术攻关阶段[2]，90年代后期—2010年监测应用阶段以及2010年至今全面深化研究与应用阶段[3]。40余年来，国内农业遥感科学家紧密结合农业生产的实际需求，不断攻克技术难关，使得农业遥感技术研究和应用从深度和广度上都得到长足发展，取得众多成果。笔者旨在回顾农业遥感研究的百年发展历程，分析农业遥感发展不同阶段的特点，归纳总结一批近年来国内农业遥感研究取得的成就及重要成果、重要人物以及农业遥感发展的国际前沿情况，展望未来发展前景和趋势。

1 回顾农业遥感研究的发展历程

现代遥感技术可以从1915年世界上第一台航空摄影相机的出现作为开始。第二次世界大战期间，彩色摄影、红外摄影、雷达技术、多光谱摄影、扫描技术，以及运载工具和判读成图设备等被广泛应用于军事目标探测，随后逐步扩展应用到测绘、土地、林业和农业等领域[4]。20世纪中期，随着无线电电子技术、光学技术、计算机技术和信息技术的发展，遥感技术迅速发展。遥感器的搭载平台从飞机发展为卫星、宇宙飞船和航天飞机等，遥感从航空摄影技术为主的遥感进入到卫星遥感时代。遥感谱段从可见光发展到红外、微波，遥感信息的记录和传输从胶片成像、图像直接传送发展到非图像的无线传输，探测地物的能力和应用范围得到了极大地拓展[5-6]。遥感技术的不断发展为其在农业上的应用奠定了强大基础。

作为遥感科学的重要分支，农业遥感伴随着遥感技术的发展而发展。农业遥感指利用装载在航天、航空及地面等不同遥感平台上的传感器，获取农业对象目标的电磁波波谱信号，利用计算机、地理学、农学等多学科的理论和技术方法，揭示农业地物、生态环境和生产过程的数量、属性及其时空变化特征。1972年，美国成功发射第一颗陆地资源卫星对农业遥感发展意义重大，为农业遥感应用提供了持续稳定的遥感数据源。1974年，美国开始采用卫星遥感技术建立大范围的农作物面积监测和估产系统(LACIE)，随后开展的AgRISTARS计划成为美国农业遥感监测的业务系统，不但服务于美国国内农业的实际生产，同时也开展了全球粮食生产信息监测[7-8]。1988年，欧盟利用遥感技术建立了农业遥感监测系统MARS，监测欧盟成员国农业生产情况，核查补贴发放。MARS系统的监测范围后来扩展到全球主要农业区，监测信息服务于欧盟的农业对外援助与国际合作[9]。20世纪90年代开始，很多国家或国际组织纷纷建立农业遥感监测业务系统，服务农业生产管理、防灾减灾、粮食安全以及国际合作[10-11]。2011年，20国集团(G20)成员发起全球农业监测计划(GeoGLAM)，整合多个国家与国际组织的区域以及全球农业遥感监测系统，通过数据与信息共享，实现对全球农业的遥感监测。这一阶段的主要发展特点是利用遥感技术监测农业生产信息，监测范围从单个国家、局部区域不断扩展到全球范围。

近10年来，随着各类高空间、时间、光谱分辨率民用卫星的出现，定量遥感技术的进一步发展，农业遥感与地理信息系统、全球导航技术及物联网等技术不断融合，遥感在农业领域的应用广度和深度不断扩展，在农业资源调查、生物产量估计、农业灾害监测等方面发挥了重要作用。农业遥感发展特点从获取传统的总产、面积、单产三要素向更多监测要素深入，如土壤湿度、作物健康、作物品质、物候、病虫害等。在农业遥感应用的学科领域，也从传统的资源、环境向植保、农学等方向扩展，农业遥感正逐步成为农业科学的基础关键技术[3,12-13]。

2 中国农业遥感研究取得的成就及重要成果

2.1 农情遥感领域

从20世纪90年代开始，国内农业遥感研究优势单位围绕“农作物空间信息获取—信息分析—信息应用与服务”的主线，创建了适合于农作物遥感监测的理论、方法和技术体系。中国农业科学院农业资源与农业区划研究所建立的国家农作物遥感监测系统(CHARMS)稳定运行超过10年，成为国际地球观测组织(GEO)向全球推广的农业遥感监测系统之一。中国科学院遥感应用研究所建立的全球农情遥感速报系统(Crop Watch)在全球尺度提供农情遥感监测信息[14]。中国气象局研制了气象卫星农业遥感估产信息的提取、加工和处理技术，开创了国内以应用气象卫星为主的大面积遥感综合估产的先例。这期间，先后涌现出了孙九林、童庆禧、李小文、唐华俊、郭德友、吴炳方、顾行发、李召良、王长耀、周清波、毛留喜等一批农情遥感领域的著名专家。

总的来说，取得的创新性突破为：（1）创建了多源多尺度农情遥感监测技术体系。突破了国内独特复杂种植条件下农作物精细识别、农作物长势和土壤墒情多源遥感协同监测、产量多模型估测等技术瓶颈；建立了业务化运行的全国农作物种植面积、长势、土壤墒情及产量的遥感监测。（2）创建了天（遥感）地（地面）网（无线传感网）一体化的农情信息获取技术。解决了以往基于单一遥感信息的农作物监测数据时空不连续的关键难点，大范围农田信息获取成本较传统人工地面采集方式节约了90%以上；发展了多源遥感数据组网、空间尺度转换、海量农业遥感数据处理技术，大大提高了国内农情信息快速、高效、经济获取的能力。（3）研制了面向农作物遥感监测的光谱响应诊断技术，研发了全面覆盖农作物和农田环境参数的定量反演算法和模型。作物生化参数高光谱反演的研究，开辟了无损条件下获取田间农作物品质及养分等诊断信息的新途径；研发了作物物候期、叶面积指数、光合有效辐射等关键参数的遥感定量反演算法和模型，提高了区域农作物和农田环境参数遥感反演精度。

2.2 农业灾害遥感领域

21世纪以来，中国农业自然灾害发生频率加快、范围加大、危害加重。及时、准确获取多尺度农业旱涝灾害信息成为农业主管部门的迫切需求。中国农业科学院农业资源与农业区划研究所紧扣“理论创新—技术突破—应用服务”的研究主线，创建了国内首个精度高、尺度大和周期短的国家农业旱涝灾害遥感监测系统。中国科学院遥感应用所建立了主要农作物病虫害遥感监测系统，开展了业务化运行。这些农业灾害遥感监测系统广泛应用于农业部、国家防汛抗旱总指挥部、中国气象局和国家减灾中心等部门的全国农业防灾减灾工作。先后涌现出了陈述彭、徐冠华、徐希孺、周成虎、唐华俊、李召良、黄诗峰、赵春江、黄文江、黄敬峰等一批农业灾害遥感领域做出突出贡献的专家。

取得的创新性突破为：（1）创新了面向农业旱涝灾害遥感监测的理论体系。构建了以地表蒸散发参数为核心的农业干旱遥感定量反演理论和农业干旱参数遥感反演的空间尺度效应解析理论体系，实现了全国尺度地表蒸散发等干旱核心参数的全遥感反演。提出农业洪涝灾害全过程数值解析理论，精确解析了农业洪涝灾害发生的全过程及其对作物生长过程的影响机理，奠定洪涝灾害作物灾损定量评估的理论基础。（2）突破了农业旱涝灾害遥感监测精度低、时效差的技术难题，实现了高精度、短周期和多尺度的农业旱涝灾害遥感监测信息服务与决策支持。建立了“星—机—地”多平台一体化的农业灾害信息快速获取技术，实现不同尺度旱涝灾情信息获取时间缩短到24 h以内。创建了多模型整合的土壤墒情监测技术，建立了全波段和主被动遥感协同的微波全天候水体识别技术，实现区域洪涝灾害监测保证率90%以上。研制了面向作物全生育期的旱涝灾害损失遥感评估技术，实现了针对不同农作物和发育期的受损面积和受损程度快速评估。实现了信息采集、数据处理、灾情解析、灾损评估和信息发布等农业旱涝灾害遥感监测规范化和流程化。（3）建立了全国尺度作物病虫害遥感监测和预测系统。明确了小麦、水稻、玉米等主要作物病虫害光谱特征和敏感波段，实现了不同病虫害胁迫类型及病虫害胁迫与养分、水分等胁迫的区分；建立了“作物病虫害遥感监测与预测系统”，实现了作物长势及生境参量反演、病虫害发生发展状况的高效遥感监测与预测。

2.3 农业资源环境遥感领域

先后搭建了农业环境要素监测网络，形成了耕地、草原、渔业等农业资源遥感监测业务体系，突破了信息提取、参数反演、模型构建和精度检验等一系列技术难题。取得的重要成果包括：（1）中国1:100000比例尺耕地资源现状遥感监测数据库及基于国产高分数据的作物一张图数据。以遥感影像为主要数据源，经过多年的积累建立了从20世纪80年代末期开始，每5年一期的覆盖全国陆地区域的多时相1:100000比例尺土地利用现状数据库。其中的耕地资源包括熟耕地、新开荒地、休闲地、轮歇地、草田轮作物地，种植农作物为主的农果、农桑、农林用地，及耕种3年以上的滩地和海涂等[15]。近年来，攻克了基于国产高分卫星数据的冬小麦自动识别的技术瓶颈，获得了全国第一张16 m空间分辨率冬小麦种植区空间分布图[16]。叶嘉安、杨士中、刘纪远、刘明亮、张增祥、庄大方等在耕地资源遥感监测领域贡献突出。（2）创建了草原产草量、草畜平衡状况遥感监测的新方法和模型库，实现了全国天然草原产草量的动态定量监测。提出了像元尺度阈值参数和判定准则，实现了对中国牧区和半牧区268个县（旗）草畜平衡的每年定期监测和优化管理，建成了高效稳定的草原植被遥感监测业务化信息系统，实现了中国草原植被快速遥感监测、草畜平衡动态评估和草原资源数字化的高效管理。李博、史培军、李建龙、方精云、辛晓平、徐斌、陶伟国等科学家在中国北方草地资源遥感监测及草畜平衡评估遥感监测方面贡献突出。（3）构建了水产养殖遥感监测及渔场渔情分析预报业务化应用体系。遥感在渔场渔情信息服务、水产养殖规划及评估、渔业资源管理、渔船监控与管理等方面形成特色[17]，开发了一系列具有自主知识产权的海洋渔业应用软件系统（北太平洋鱿鱼渔场渔情预测系统、大洋金枪鱼渔场渔情分析速预报系统等），能为国内远洋主要作业渔场提供海洋遥感环境参数信息、历史作业渔场查询和渔场预报等信息。潘德炉、陈雪忠、陈新军、程家骅等在渔业遥感领域贡献突出。

3 农业遥感研究发展的国际前沿

3.1 农业定量遥感

农业定量遥感是农业遥感的理论基础。过去由于数据和技术的限制，遥感和农业遥感的定量化程度不高，以类型判别（如作物遥感识别与分类、土地利用与覆盖变化遥感监测）或指数分析占主导，限制了遥感技术在农业科研与生产上发挥更大作用。近年来由于传感器技术不断提升，越来越多高质量的遥感数据获取成为可能，如高光谱遥感、多角度遥感、微波遥感、热红外遥感、激光雷达遥感等[18]，同时定量遥感理论也不断进步，遥感反演模型精度不断提高，遥感获取参数种类也不断增加。特别是人工智能与数据同化技术的发展[19-20]，也为农业定量遥感技术发展提供了新的生长点[21-22]。

3.2 无人机遥感

农业由于较强的季节性、地域性特征，对遥感数据的时效要求较高。卫星遥感数据受天气、轨道周期、分辨率等的影响，往往很难及时获取满足监测条件的高质量卫星遥感数据，无人机航空遥感正在成为农业遥感数据获取的重要组成部分，目前国内外无人机遥感呈现爆发式发展，在农田地块边界和作物面积等农情遥感，在农业灾害的动态连续监测及农业灾后快速评估方面，在土壤污染、农业设施、渔场渔情资源调查方面正发挥其独特的优势。

3.3 作物表型遥感

作物表型遥感是近年来农业遥感技术与作物遗传育种学科交叉产生的新兴研究领域。在作物遗传育种作物表型传统研究中一般采用人工取样，费时费力，且对样品具有损伤。近年来农业遥感传感技术与数据处理技术的发展，可以使用搭载在近地平台或低空遥感平台的遥感器快速准确获取与分析作物表型参数、测试环境参数，大大提高了效率。作物表型遥感是农业遥感的研究热点，具有旺盛的生命力和良好的发展前景[23-24]。

4 未来发展前景与趋势

“十三五”及未来10年，随着“高分辨率对地观测系统”重大专项的进一步深入实施以及国家空间基础设施建设的推进，中国将拥有更多的国产卫星。随着传感器、物联网、互联网+、大数据、人工智能等技术的发展，以及现代农业发展的需求，国内农业遥感技术的研究与应用将进一步深入发展。

4.1 天空地一体化的农业遥感大数据获取

目前天空地协同观测对农业资源环境监测应用的满足度还不高，卫星和传感器参数设计没有充分体现农业特有需求。关键作物生长期与关键农事管理节点需要微波遥感全天候遥感观测数据的获取；土壤定量遥感、作物品种与品质监测、病虫害遥感监测等需要高光谱遥感数据；作物生理与生长状态监测需要荧光遥感、偏振遥感等新型遥感器应用；天空地多源观测数据的融合与同化理论和技术方法需要加强[24]。

4.2 人工智能与大数据等的信息智能提取和挖掘技术应用

无论是土地利用类型、作物种类的分类识别，还是作物生长状态和环境要素的定量遥感，都是非常复杂的认知过程。由于遥感数据本身波段间的相关性，遥感器设计波段的有限性，以及地物同物异谱、异物同谱的光谱复杂性，遥感信息提取和智能挖掘具有病态问题，存在很多不确定性。人工智能与大数据技术的发展，为农业资源环境信息反演、提取与应用提供了崭新的技术途径。

4.3 农业遥感的应用范围和应用领域的拓宽

遥感观测与导航定位、互联网、物联网、大数据等技术的融合，与农学领域的其他学科交叉结合，可以从方法学上推动自身学科发展，同时跨学科应用也将拓展应用领域。需要进一步建立天空地一体化的农业管理系统，推进天空地协同遥感观测在精准/智慧农业、作物育种表型、农业保险监测与评估、农业绿色发展、农业政策效果评估等方面的应用深度发展。

[1]张宏名.农业遥感的发展[J].世界农业,1982(11):47-48.

[2]郭德友,吕耀昌,彭德福,等.农业遥感:农作物估产的理论与方法[M].北京:科学出版社,1986:100-200.

[3]陈仲新,任建强,唐华俊,等.中国农业遥感研究应用进展与展望[J].遥感学报,2016,20(5):748-765.

[4]彭望琭,白振平,刘湘南,等.遥感概论[M].北京:高等教育出版社,2002:9-15.

[5]孙家抦.遥感原理与应用[M].武汉:武汉大学出版社,2013:24-52.

[6]王纪华,赵春江,黄文江,等.农业定量遥感基础与应用[M].北京:科学出版社,2008:259-276.

[7]Boryan C,Yang Z,Di L,et al.A new automatic stratification method for U.S.agricultural area sampling frame construction based on the cropland data layer[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(11):4317-4327.

[8]周清波.国内外农情遥感现状与发展趋势[J].中国农业资源与区划,2004,25(5):9-14

[9]林文鹏,王长耀.大尺度作物遥感监测方法与应用[M].北京:科学出版社,2010:7-19.

[10]Atzberger C.Advances in remote sensing of agriculture:context description,existing operational monitoring systems and major information needs[J].Remote Sensing,2013,5:949-981.

[11]Thenkabail Prasad S.Global Croplands and their Importance for Water and Food Security in the Twenty-first Century:Towards an Ever Green Revolution that Combines a Second Green Revolution with a Blue Revolution[J].Remote Sensing,2010,2(9):2305-2312.

[12]唐华俊,吴文斌,杨鹏,等.农作物空间格局遥感监测研究进展[J].中国农业科学,2010,43(14):2879-2888.

[13]史舟,梁宗正,杨媛媛,等.农业遥感研究现状与展望[J].农业机械学报,2015,45(2):247-260.

[14]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):122-127.

[15]刘纪远,匡文慧,张增祥,等.20世纪80年代末以来中国土地利用变化的基本特征与空间格局[J].地理学报,2014,69(1):3-13.

[16]唐华俊,周清波,刘佳,等.中国农作物空间分布遥感制图——小麦篇[M].北京:科学出版社,2015:10-50.

[17]刘婷,苏伟,王成,等.基于机载LiDAR数据的玉米叶面积指数反演[J].中国农业大学学报,2016,21:104-111.

[18]陈雪忠.渔业遥感应用理论与技术[M].北京:科学出版社,2015:10-27.

[19]杨鹏,吴文斌,周清波,等.基于作物模型与叶面积指数遥感同化的区域单产估测研究[J].农业工程学报,2007,23(9):130-136.

[20]Jiang Z,Chen Z,Chen J,et al.The Estimation of Regional Crop Yield Using Ensemble-Based Four-Dimensional Variational Data Assimilation[J].Remote Sensing,2014,6(4):2664-2681.

[21]Tang H,Li Z.Quantitative Remote Sensing in Thermal Infrared:Theory andApplications[J].Springer Berlin Heidelberg,2014.

[22]Deery D,Jimenez-Berni J,Jones H,et al.Proximal Remote Sensing Buggies and Potential Applications for Field-Based Phenotyping[J].Agronomy,2014,4(3):349-379.

[23]刘建刚,赵春江,杨贵军,等.无人机遥感解析田间作物表型信息研究进展[J].农业工程学报,2016,43(24):98-106.

[24]朱建章,石强,陈凤娥,等.遥感大数据研究现状与发展趋势[J].中国图像图形学报,2016,21(11):1425-1439.