摘要：在精準(zhǔn)農(nóng)業(yè)的框架下，可以根據(jù)地塊土壤、水肥、作物長(zhǎng)勢(shì)、產(chǎn)量等在時(shí)間與空間上的差異，來進(jìn)行相適宜的變量管理。近15年來，遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)領(lǐng)域開始發(fā)揮越來越大的作用，在指導(dǎo)農(nóng)田灌溉、施肥、農(nóng)作物收獲及災(zāi)后損失評(píng)估等方面均取得了很多成功的應(yīng)用。在長(zhǎng)期研究的基礎(chǔ)上，對(duì)面向農(nóng)業(yè)生產(chǎn)管理過程優(yōu)化的農(nóng)田信息遙感獲取技術(shù)進(jìn)行了集成化開發(fā)，建成了“面向精準(zhǔn)農(nóng)業(yè)的農(nóng)田信息遙感獲取系統(tǒng)”，該系統(tǒng)以衛(wèi)星遙感數(shù)據(jù)為主要數(shù)據(jù)源，具備遙感數(shù)據(jù)預(yù)處理、長(zhǎng)勢(shì)監(jiān)測(cè)、單產(chǎn)預(yù)測(cè)、土壤養(yǎng)分監(jiān)測(cè)、播種期與成熟期預(yù)測(cè)等功能，主要指標(biāo)的預(yù)測(cè)與監(jiān)測(cè)精度達(dá)到85%～90%，可在作物生育期連續(xù)提供定量化的農(nóng)田空間差異信息，為農(nóng)田播種、施肥、收割等生產(chǎn)管理活動(dòng)的優(yōu)化提供支撐。文章對(duì)該系統(tǒng)的結(jié)構(gòu)、功能、模型方法以及應(yīng)用案例進(jìn)行了全面介紹，總結(jié)了系統(tǒng)特點(diǎn)，并對(duì)系統(tǒng)下一步發(fā)展需要解決的問題進(jìn)行了展望。

　　關(guān)鍵詞：精準(zhǔn)農(nóng)業(yè)，遙感，系統(tǒng)，設(shè)計(jì)與開發(fā)，監(jiān)測(cè)方法

　　0引言

　　精準(zhǔn)農(nóng)業(yè)(precisionagriculture，precisionfarming，precisioncropmanagement)又稱精細(xì)農(nóng)業(yè)、精確農(nóng)業(yè)、精準(zhǔn)農(nóng)作和處方農(nóng)業(yè)。精準(zhǔn)農(nóng)業(yè)基于農(nóng)田作物和環(huán)境的空間差異性，通過各種技術(shù)手段來獲取農(nóng)田內(nèi)不同單元的農(nóng)田信息，并由此利用變量技術(shù)來進(jìn)行農(nóng)田優(yōu)化管理，以便實(shí)現(xiàn)生產(chǎn)過程精細(xì)化、準(zhǔn)確化的農(nóng)業(yè)經(jīng)營(yíng)管理系統(tǒng)［1］。鑒于我國(guó)及全球人口不斷增長(zhǎng)和土地資源減少的矛盾不可逆轉(zhuǎn)，精準(zhǔn)農(nóng)業(yè)在減少投入、降低成本、減輕環(huán)境污染、農(nóng)產(chǎn)品可控化、標(biāo)準(zhǔn)化和批量化等方面均有積極的作用和意義。

　　1系統(tǒng)結(jié)構(gòu)功能設(shè)計(jì)

　　1．1需求分析

　　根據(jù)遙感技術(shù)、數(shù)據(jù)本身的特點(diǎn)，以及大田作物種植管理優(yōu)化對(duì)農(nóng)田空間差異信息的需求，系統(tǒng)應(yīng)滿足以下幾個(gè)方面的要求。

　　數(shù)據(jù)選擇:使用遙感數(shù)據(jù)開展面向精準(zhǔn)農(nóng)業(yè)的信息服務(wù)，首先就是要進(jìn)行合理的數(shù)據(jù)選擇，特別是遙感數(shù)據(jù)的分辨率。根據(jù)目標(biāo)區(qū)域的農(nóng)田景觀與空間異質(zhì)性，選擇合適空間分辨率遙感數(shù)據(jù)開展監(jiān)測(cè)，可以避免因選擇數(shù)據(jù)空間分辨率過低而不能反映田塊間或農(nóng)田內(nèi)部差異，或分辨率過高而使監(jiān)測(cè)成本大幅上升的問題［10］。并可決定是否需要通過時(shí)空或光譜融合等技術(shù)手段來提供滿足農(nóng)田尺度動(dòng)態(tài)監(jiān)測(cè)需要的遙感數(shù)據(jù)［11］。

　　1．2結(jié)構(gòu)功能設(shè)計(jì)

　　面向精準(zhǔn)耕作的農(nóng)田信息遙感獲取系統(tǒng)構(gòu)架如圖1所示。

　　系統(tǒng)總體采用客戶機(jī)/服務(wù)器模式(Client/Server，C/S)共存架構(gòu)，邏輯上可分為4層:即數(shù)據(jù)層、數(shù)據(jù)處理層、參數(shù)反演層和專題應(yīng)用層。

　　數(shù)據(jù)層:主要為農(nóng)田信息遙感獲取系統(tǒng)提供數(shù)據(jù)支持，主要包括:(1)多源遙感影像數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)、地面觀測(cè)與驗(yàn)證數(shù)據(jù)及氣象數(shù)據(jù)等;(2)支持用戶管理和系統(tǒng)維護(hù)管理的用戶數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、日志數(shù)據(jù)、歷史數(shù)據(jù)等數(shù)據(jù)。

　　2系統(tǒng)方法

　　從空間變異尺度分析、多源數(shù)據(jù)融合、作物參數(shù)反演、農(nóng)田播種適宜性評(píng)估、作物長(zhǎng)勢(shì)評(píng)價(jià)、土壤養(yǎng)分狀況遙感監(jiān)測(cè)、作物成熟期預(yù)測(cè)以及作物單產(chǎn)估算等8個(gè)方面對(duì)系統(tǒng)所采用的方法進(jìn)行詳細(xì)的說明。

　　2．1農(nóng)田空間變異尺度分析

　　系統(tǒng)通過空間異質(zhì)性的量化來確定所需要遙感數(shù)據(jù)的空間分辨率。空間異質(zhì)性是指區(qū)域化變量在不同空間位置上存在明顯差異的屬性，其包括空間結(jié)構(gòu)和空間變異兩方面的內(nèi)容。空間異質(zhì)性的定量描述是基于數(shù)據(jù)類型的，變異函數(shù)(或半方差函數(shù))是刻畫區(qū)域化變量的結(jié)構(gòu)性和隨機(jī)性的有效方法和手段之一［21］，因此我們選擇變異函數(shù)來分析農(nóng)田的空間變異尺度，變異函數(shù)定義為

　　γ(h)=12E［Z(x)－Z(x+h)］2

　　其中，γ(h)為變異函數(shù);Z(x)為系統(tǒng)某屬性Z在空間位置x處的值，Z(x+h)是Z在x+h處的值;E［Z(x)－Z(x+h)］2是抽樣間隔為h時(shí)的樣本值方差的數(shù)學(xué)期望。根據(jù)Nyquist-Shannon采樣定理，當(dāng)采樣間隔小于權(quán)重變程的1/2時(shí)，則該景觀的平均自相關(guān)范圍將能被探測(cè)到［21，22］，也就是說該景觀的空間異質(zhì)性可以區(qū)分，因此可以作為遙感監(jiān)測(cè)的空間分辨率要求。

　　2．2多源遙感數(shù)據(jù)融合

　　根據(jù)目前兩類主流算法的特點(diǎn)與應(yīng)用情況(基于變換的方法和基于像元重構(gòu))［23］，系統(tǒng)選擇使用時(shí)空自適應(yīng)性反射率融合模型(spatio-temporaladaptivereflectivityfusionmodel，STAＲFM)［24］及其改進(jìn)模型［12］開展數(shù)據(jù)融合。STAＲFM方法的理論基礎(chǔ)是在忽略空間定位誤差與大氣糾正誤差的前提下，低分辨率遙感數(shù)據(jù)的像元值可以用同期高分辨率遙感數(shù)據(jù)像元值的面積比例的加權(quán)平均來計(jì)算，在權(quán)重計(jì)算上，由窗口中心的預(yù)測(cè)像元與窗口中其他像元(包括多時(shí)相數(shù)據(jù))的光譜距離、時(shí)間距離與空間距離來決定，對(duì)包括作物生長(zhǎng)在內(nèi)的地表漸變過程有較好的應(yīng)用。

　　2．3作物理化參數(shù)估算

　　選擇作物葉面積指數(shù)、冠層葉綠素與水分含量3種生理、生化參數(shù)作為基本作物參數(shù)進(jìn)行遙感估算。估算采用兩種方法，一種是在有地面觀測(cè)數(shù)據(jù)支持的情況下，開展所估算參數(shù)與對(duì)應(yīng)敏感遙感指數(shù)的統(tǒng)計(jì)回歸分析，建立統(tǒng)計(jì)回歸模型，并利用模型進(jìn)行估算［13，28］;另一種是利用作物冠層輻射傳輸模型，建立查找表，采取模型反演的方法進(jìn)行估算［29］，物理模型采用PＲOSAIL前向模型，在分析生理、生化參數(shù)對(duì)模型的全局敏感性的基礎(chǔ)上，基于查找表算法反演冠層葉面積指數(shù)與葉綠素含量。經(jīng)驗(yàn)?zāi)Ｐ途哂泻?jiǎn)單易用的特點(diǎn)，但需要地面觀測(cè)數(shù)據(jù)做支撐;物理模型方面估算精度較穩(wěn)定，但在運(yùn)行時(shí)也需要收集一定數(shù)量的作物特性參數(shù)［30］。以LAI為例，統(tǒng)計(jì)模型的精度可以80%以上，機(jī)理模型的精度可以達(dá)到75%～80%［28］。

　　2．4農(nóng)田播種適宜性評(píng)價(jià)

　　作物播種時(shí)需要適宜的溫度、土壤濕度、日照時(shí)數(shù)和降水量等，在一些特定的地區(qū)，還需要考慮融凍層厚度是否滿足作物生長(zhǎng)的需求，因此首先需要進(jìn)行農(nóng)田環(huán)境信息的獲取。這些環(huán)境信息中，對(duì)于土壤凍融狀況，首先需要監(jiān)測(cè)農(nóng)田積雪融化狀況，考慮到數(shù)據(jù)的可獲得性與成本等問題，系統(tǒng)選擇光學(xué)遙感中應(yīng)用廣泛的歸一化積雪指數(shù)［31］(normalizeddifferencesnowindex，NDSI)，開展農(nóng)田積雪融化順序遙感監(jiān)測(cè)［32］，在此基礎(chǔ)上利用凍土和未凍土在介電常數(shù)上存在明顯的差異［33］，在微波數(shù)據(jù)的支持下進(jìn)行制圖，并估算凍融層厚度。土壤濕度過低或過高都不利于作物出苗，而且土壤濕度過大時(shí)不利于大型機(jī)械進(jìn)入農(nóng)田播種，系統(tǒng)提供利用光學(xué)指數(shù)(nomalizeddifferencewaterindex，NDWI)和主動(dòng)微波技術(shù)兩種方法開展土壤表層含水量估算［34］。對(duì)于地表溫度，由于所需尺度監(jiān)測(cè)的對(duì)地觀測(cè)數(shù)據(jù)多只具備一個(gè)熱紅外通道，因此提供單窗算法［35］的農(nóng)田地表溫度反演。

　　3系統(tǒng)實(shí)施

　　3．1系統(tǒng)開發(fā)平臺(tái)搭建

　　系統(tǒng)基于局域網(wǎng)環(huán)境下的客戶機(jī)/服務(wù)器模式(C/S結(jié)構(gòu))進(jìn)行設(shè)計(jì)，采用IDL+ArcGISEngine+．NETFramework的模式進(jìn)行開發(fā)平臺(tái)搭建。IDL(interactivedatalanguage)是一種面向矩陣的新一代語言，提供了強(qiáng)大的數(shù)據(jù)處理能力，還為數(shù)據(jù)分析和結(jié)果的可視化提供了完整的編程環(huán)境，適合于遙感數(shù)據(jù)計(jì)算與可視化;ArcGISEngine是ESＲI在ArcGIS9版本才開始推出的新產(chǎn)品，矢量與柵格數(shù)據(jù)的顯示及地圖制作提供了方便的接口;C#是面向?qū)ο蟮木幊陶Z言，可以快速地編寫各種基于Microsoft．Net平臺(tái)的應(yīng)用程序。IDL在界面設(shè)計(jì)開發(fā)方面明顯不具備優(yōu)勢(shì)，而．NETFramework和ArcGISEngine恰好在界面設(shè)計(jì)方面的能力突出，因此，系統(tǒng)在實(shí)施過程中綜合考慮各軟件平臺(tái)、開發(fā)語言的優(yōu)缺點(diǎn)，取長(zhǎng)補(bǔ)短。利用．NETFramework3．5和ArcGISEngine10．1搭建系統(tǒng)各功能模塊界面，負(fù)責(zé)模型計(jì)算參數(shù)的設(shè)定以及計(jì)算結(jié)果包括矢量和柵格數(shù)據(jù)的顯示，IDL語言實(shí)現(xiàn)具體功能算法，負(fù)責(zé)遙感影像運(yùn)算及具體模塊的算法運(yùn)行，以C#做為系統(tǒng)界面與IDL處理算法及數(shù)據(jù)庫(kù)的交互語言搭建了系統(tǒng)。

　　3．2系統(tǒng)實(shí)施

　　開發(fā)分模塊進(jìn)行，模塊間保持高內(nèi)聚、低耦合的關(guān)系。系統(tǒng)于2014年完成首版的開發(fā)，此后持續(xù)對(duì)新的數(shù)據(jù)和新的技術(shù)方法研究成果進(jìn)行集成。

　　系統(tǒng)主界面如圖2所示。系統(tǒng)服務(wù)器端采用SQLServer數(shù)據(jù)庫(kù)。客戶端應(yīng)用系統(tǒng)通過ODBC進(jìn)行數(shù)據(jù)庫(kù)的訪問，服務(wù)器端支持多用戶訪問。選擇SQLServer主要是因?yàn)槠浒踩⒎€(wěn)定、存儲(chǔ)效率高，同時(shí)兼容性好，可運(yùn)行于多種平臺(tái)，易于操作和使用。

　　系統(tǒng)在開發(fā)完成后在Windows平臺(tái)下運(yùn)行，需要IDL運(yùn)行時(shí)環(huán)境(IDLＲE)、ArcGISEngineＲuntime、．NetFramwork3種環(huán)境的支持。目前系統(tǒng)已經(jīng)在黑龍江、山東、安徽等省進(jìn)行了應(yīng)用。

　　4系統(tǒng)特點(diǎn)

　　4．1技術(shù)原創(chuàng)性

　　系統(tǒng)所采用的監(jiān)測(cè)技術(shù)多為自主研發(fā)，原創(chuàng)性地提出利用遙感技術(shù)評(píng)價(jià)農(nóng)田播種適宜性并預(yù)測(cè)作物成熟期，在播種與收割2個(gè)環(huán)節(jié)，實(shí)現(xiàn)利用衛(wèi)星遙感技術(shù)優(yōu)化作業(yè)時(shí)間與作業(yè)順序，拓展了遙感在精準(zhǔn)農(nóng)業(yè)領(lǐng)域的應(yīng)用范圍。

　　在其他幾個(gè)傳統(tǒng)應(yīng)用專題上，也通過方法創(chuàng)新提高了監(jiān)測(cè)能力。在農(nóng)作物長(zhǎng)勢(shì)評(píng)估上，同時(shí)將作物生長(zhǎng)的個(gè)體與群體特征考慮進(jìn)來，進(jìn)行農(nóng)作物長(zhǎng)勢(shì)綜合評(píng)價(jià)，同時(shí)考慮物候差異的影響，實(shí)現(xiàn)了長(zhǎng)勢(shì)監(jiān)測(cè)與評(píng)估的物候修正;在農(nóng)作物單產(chǎn)估算上，將光能利用率模型和作物模型進(jìn)行耦合，在兼顧運(yùn)行效率的同時(shí)提高了算法的可擴(kuò)展性，并可更好地適應(yīng)極端天氣條件下的模型應(yīng)用;在土壤速效養(yǎng)分遙感監(jiān)測(cè)上，提出了將作物模型與時(shí)間序列遙感數(shù)據(jù)同化相結(jié)合實(shí)現(xiàn)土壤速效養(yǎng)分反演的新思路，解決了傳統(tǒng)光譜特征手段難以解決的土壤速效養(yǎng)分獲取難題。

　　4．2集成化

　　集成化是系統(tǒng)的主要特點(diǎn)之一。以往的農(nóng)情遙感監(jiān)測(cè)系統(tǒng)在部分?jǐn)?shù)據(jù)處理環(huán)節(jié)上往往依賴一些遙感圖像處理軟件(如EＲDAS或ENVI)，在信息提取方面又依賴于一些地理信息系統(tǒng)軟件(如ArcGIS)，這樣就出現(xiàn)兩個(gè)問題，一方面系統(tǒng)在使用時(shí)用戶必須購(gòu)買和安裝這些系統(tǒng)，增加了系統(tǒng)的使用成本;另一方面也要求用戶掌握(或部分掌握)這些軟件的使用，提高了系統(tǒng)推廣應(yīng)用的技術(shù)門檻。

　　結(jié)論與展望

　　面向農(nóng)業(yè)生產(chǎn)管理優(yōu)化，以農(nóng)業(yè)生產(chǎn)的主要管理環(huán)節(jié)為對(duì)象，研究團(tuán)隊(duì)對(duì)近10余年的研究成果進(jìn)行了系統(tǒng)化集成，設(shè)計(jì)開發(fā)了面向精準(zhǔn)農(nóng)業(yè)的農(nóng)田信息遙感獲取系統(tǒng)。該系統(tǒng)以遙感數(shù)據(jù)為主要數(shù)據(jù)源，具體包括遙感數(shù)據(jù)分辨率需求分析、多源遙感數(shù)據(jù)融合、作物生理生化參數(shù)遙感估算、農(nóng)田播種適宜性評(píng)價(jià)、作物長(zhǎng)勢(shì)評(píng)估、作物單產(chǎn)估算、土壤速效養(yǎng)分遙感監(jiān)測(cè)、作物成熟期遙感預(yù)測(cè)。

　　參考文獻(xiàn)

　　［1］ZhangNQ，WangMH，WangN．Precisionagriculture:aworldwideoverview［J］．ComputersandElectronicsinAgriculture，2002，36(2-3):113-132

　　［2］蒙繼華，吳炳方，李強(qiáng)子，等．農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測(cè)進(jìn)展及應(yīng)用展望［J］．遙感信息，2010(3):122-128

　　［3］李德仁．?dāng)z影測(cè)量與遙感的現(xiàn)狀及發(fā)展趨勢(shì)［J］．武漢測(cè)繪科技大學(xué)學(xué)報(bào)，2000，25(1):1-6

　　［4］楊邦杰，裴志遠(yuǎn)，周清波，等．我國(guó)農(nóng)情遙感監(jiān)測(cè)關(guān)鍵技術(shù)研究進(jìn)展［J］．農(nóng)業(yè)工程學(xué)報(bào)，2002，18(3):191-194

　　①蒙繼華②程志強(qiáng)董文全徐晉王一明游行至