智慧农业（卫星遥感技术）

智慧农业（卫星遥感应用技术）

专题产品制作是卫星遥感在农业应用服务的关键。不同专题产品的生产采用不同的技术路线与模型算法。

1. 农业用地监测

随着我国城镇化进程的不断加快，农业用地不断减少，粮食安全受到一定威胁。利用遥感技术进行农业用地监测、摸清“家底”，意义重大。

农业用地遥感监测的技术路线为：基于Landsat8 OL1、高分一号WFV等多源多时相数据，采用监督分类中的最大似然分类方法对土地覆盖信息进行分类，在GIS空间分析技术支持下，利用土地利用转移矩阵计算土地转换的净变化量、交换变化量和总变化量，分析土地变化及转换关系，从而实现农用地动态调查与评估、可耕地退化态势、土地流转等的监测。

农业用地遥感监测主要利用了土地覆盖信息分类及土地覆盖变化分析两个关键技术：

1. 土地覆盖信息分类

在经过预处理的遥感影像基础上，提取归一化植被指数NDVI、改进的归一化差异水体指数MNDWI、归一化建筑指数NDBI，形成特征组合，提高分类精度。

NDVI=(）/(),式中 为近红波段反射率， 为红光波段反射率。

MNDWI=()/(),式中（）为近红波段反射率，（）为红光波段反射率。

NDBI=（）/(),式中（）为中红外波段反射率，（）为近红外波段反射率。

分类流程图如图所示

「」

1. 土地覆盖变化分析

土地利用转移矩阵可以既全面又具体地分析区域土地利用变化的数量结构

(土地覆盖信息)

特征。一般土地利用矩阵中Rij为T1到T2期间i类土地转换为j 类土地面积占土地总面积的百分比；Rii为T1到T2期间i类土地保持不变的面积百分比。Ri +为T1时i类土地面积总百分比。R+j 为T2时类土地总面积百分比。Ri +Rii 为T1-T2期间i 类土地面积减少的百分比；R+j-Rjj 为T1-T2期间j类土地面积增加的百分比。

土地覆盖净变化量Pj =MAX(Rj +-Rjj ,R+j -Rjj)-MIN(Rj+-Rjj),,R+j-Rjj

土地覆盖交换变化量 Rj=2*MIN(Rj+-Rjj,R+j-Rjj)

土地覆盖总变化量 Zj=Pj+Rj=MAX(Rj+-Rjj,R+j-Rj)+MIN(Rj+-Rjj,R+j-Rj)

1. 作物识别与估产

能够及时准确地了解主要农作物各自的种植面积以及产量信息，对于制定粮食政策、优化种植结构及农业生产销售企业在粮食贸易中争取主动权有着非常重要的意义。

作物识别与估产的技术路线为：基于Landsat、哨兵二号、高分一号、高分 六号、RapidEye 等多源遥感数据，在深入分析小麦、玉米、大豆、棉花、水稻、油菜、甘蔗、烟叶、茶叶等多类典型作物光谱与纹理特征的基础上，选用归一化植被指数（NDVI）时间序列数据、红边波段上的光谱信息及近红外波段上的纹理信息作为特征识别的依据，利用决策分类的方法提取目标作物；利用GIS空间分析统计功能，获取该作物种植面积；然后，对历史年份中作物关键生育期的NDVI累积值与当年作物单产进行回归分析，建立冬小麦单产预测模型；单产预估值乘以面积，完成估产。

（作物识别与估产处理流程）

1. 土壤墒情监测

土壤水分在地一气界面间物质、能量交换中起着重要的作用，是农作物生产发育的基本条件。大范围的土壤墒情监测是农业生产指导、农业过程研究和环境因子评价的重要组成部分。目前土壤水分监测方法主要有地面观测、水文模拟及遥感反演三种。田间实测精度较高，但只能反映测量点附近数平方米范围的信息，代表范围有限，很难表现土壤水分空间变异格局，且耗费大量人力物力。水文模拟方法有助于获取大范围长时间序列的土壤水分数据，但涉及参数较多，受环境影响较大，制约了模拟结果的可信度。遥感技术具有大面积同步观测，时效性、经济性强的特点，为大面积高动态监测土壤水分提供了可能。

遥感监测土壤墒情的原理是：在地表土壤水分变化不太大的情况下，地表温度（LST）与植被指数（VI）存在明显的负相关关系，即以LST和VI为坐标轴形成散点图呈一条斜线。当研究区域的地表土壤水分变化范围较大时，不同斜率的直线形成了一个三角形空间，称作温度一植被指数特征空间（LST-VISPace）,其中每一条斜线代表了不同的土壤水分状况。因此，地表温度与植被指数相结合可以表征土壤墒情，该指示性参数即为温度植被干旱指数（TVDI）,其计算公式如下

TVDI=T₃ -（VIc+d）/ (VIa+b)-(VIc+d)

其中，TS为任意像元的地表温度，VI为植被指数（可选用归一植被指数NDVI、增强型植被指数EVI或山地植被NDMVI等）；a、b、c、d 分别为干边、湿边拟合方程的系数，干边即存在某一VI值所对应的最高温度，湿边与之相反。TVDI范围在0-1之间，TVDI值越大，区域越干旱，土壤水分含量越低。遥感监测土壤墒情的技术路线为：利用每日中低分辨率的极轨卫星数据的热 红外波段进行地表温度LST的反演；为了消除和减弱高程和地形起伏的影响，还需引入DEM对LST反演结果予以地形修正；利用红光波段和近红外波段计算植被指数VI；然后建立LST-VI特征空间并进行线性拟合分析，得到干、湿边拟合方程系数，求解TVDI，得到TVDI的空间分布图；结合地面实测站点的地表土壤水分含量数据，建立TVDI与实测土壤水分含量数学模型，最终生产处地表土壤水分含量数据日产品（空间分辨率Ikm）,与此同时，还可以按照行业标准将研究区域划分为潮湿、湿润、正常、干旱与重旱，并在此基础之上分析其空间分异格局，形成专题图报。

（农业灾害监测）

农业生产受气象条件影响很大，气象灾害的出现常常会影响农业经济发展，干旱、洪涝、病虫害、风雹等都会对农业造成巨大损失。遥感技术应用于农业灾害监测有很大优势，如信息综合、时效性强、可实现大范围同步监测和动态监测等。

农业灾害监测主要针对多种农业灾害，监测受灾面积、评估受灾程度。不同的农业灾害其遥感监测方法也不同。针对不同农业灾害类型，首先需要分析图像特征和生境特征

适宜特征进行遥感解释。

（表格）

以病虫为例

病虫害期间，植物特征吸收曲线特别是红色区和红外区的光谱特性会发生相应变化，因此可以选择适宜时间分辨率的多光谱或高光谱遥感影像数据的红边波段进行监测，结合实测叶绿素含量、叶面积指数。建立叶片叶绿素含量估算模型，提取病虫害信息。技术路线如（病虫害监测流程图）