中国农情遥感速报系统的发展与未来

结合中国农情遥感监测技术的发展, 重点介绍了“中国农情遥感速报系统”的建设背景、监测范围、监测内容、技术革新及其在农情遥感监测领域内的技术引领作用, 说明了系统运行监测结果在中国粮食决策关键期所发挥的作用, 并对粮食生产能力、精准农业及农情信息在线服务等3 个“中国农情遥感速报系统”的重点发展方向进行了展望。     

全球农情遥感速报系统20年

面向国家粮食安全的重大战略需求,1998年中国科学院建立了"中国农情遥感速报系统"(CropWatch),持续运行20年后,现已发展成为"全球农情遥感速报系统"(CropWatch)。本文重点论述了2013年建立参与式全球农情遥感监测云平台(CropWatch-Cloud)以来,所采用的农情监测体系、可定制的农情监测云平台理念以及CropWatch-Cloud在国内外的应用推广情况,介绍了技术方法与农情信息服务方式的创新与进步带来的国际影响力的提升。系统总结了全球农情遥感速报系统发展的农情监测指标、农情预警能力、作物长势综合监测方法以及众源数据支持的作物面积监测方法,论文进一步阐述了CropWatch未来的发展方向,借助众源地理信息、大数据技术等的发展,打通从地块—村—镇—县—市—省—国家—全球的体系化全链条监测,满足从农户到政府决策部门对农情信息的差异化需求。     

农情遥感监测云服务平台建设框架

准确及时的农情信息是国家与地方政府保障粮食安全与社会稳定的必要条件。云计算的出现为这一需求的实现提供了契机。本文阐述了农情遥感监测云服务平台建设的重要意义、设计思想、总体架构、组成部分以及建设内容。在此基础上,以农情遥感监测产品信息服务为例,开发了一个农情遥感监测信息在线原型系统。该系统是农情遥感监测云服务平台的重要组成部分,负责多尺度时间序列农情遥感监测结果与信息的管理、存储和维护,并且向用户提供查询与下载服务。农情遥感监测云服务平台建设框架的设计为全面整合专家智慧、IT技术、数据资源、服务方式以及平台的实现提供理论指导与建设依据。该平台的建立,将深刻改变农情遥感应用的模式,推动农情遥感的广泛应用与产业化发展。     

大数据时代的农情监测与预警

农情信息是世界粮农组织、各国政府、粮食贸易企业以及农场管理迫切需要掌握的信息。大数据时代的农情监测与预警正在由模型驱动向数据驱动转变,大数据正逐渐成为监测与预警的核心驱动力。伴随着农情监测与预警大数据的爆炸式增长,大数据与云计算技术的发展为农情监测与预警提供了全新的技术手段。2013年以来,全球农情遥感速报系统(CropWatch)已逐步引入聚类分析、时间序列分析、关联分析、时空变化异常诊断等大数据分析方法,并应用于业务化运行的农情监测与预警中。大数据技术提升了CropWatch的数据挖掘能力,对CropWatch农情监测与预警时空尺度的拓展以及农情监测内容的精细化起到推动作用,促进了面向需求的CropWatch农情信息与预警精准云服务的发展,促成了大数据时代CropWatch农情监测与预警技术体系的升级。未来,大数据时代的农情监测与预警将逐渐向全自动化监测、实时化精准农业管理与智能化信息服务方向发展;通过众源采集技术高效低廉的获取农情观测大数据将成为未来的发展趋势;大数据技术跨领域数据挖掘的能力,使得丰富多元化的跨界信息服务将成为大数据时代农情监测与预警的主流发展方向。大数据时代的CropWatch正在向基于大数据的农情监测与预警系统全速迈进。     

封面说明 全球主要农业生产国最佳植被状况指数与耕地种植状况

<正>封面图片为全球农情遥感速报系统CropWatch生成的全球主要农业生产国2014年7月至10月最佳植被状况指数图(a)与耕地种植状况图(b),反映出作物长势与耕地利用状况的空间分布特征。CropWatch系统由中国科学院遥感与数字地球所创建,该系统以遥感数据为主要数据源,结合有限的地面观测数据,构建了不同时空尺度的农情遥感监测多层次技术体系,可实现全球尺度,洲际主产区、31个主要农业生产国以及9个大国的省/州的农情监测与产量预测。依托地面实测数据,CropWatch系统可对其指标和方法进行系统验证,以保障全球大范围的作物生产形势监测结果与分析结     

信息广场

我首次发布全球农业生产遥感监测评估 中国科学院遥感与数字地球研究所11月20日向全球首次发布了《全球农情遥感速报》（中、英版）,为全球粮食贸易提供了重要而透明的农情信息。该报告评估了全球粮食主产区和主要产粮国2012—2013年小麦、玉米、大豆与水稻的产量,并对粮食主产区与主产国的环境和生产要素进行了细致分析。     

农作物分类成数的精度检验

选择山西太谷一个 5km× 5km的实验区 ,利用样条采样框架结合GVG农情采样系统调查农作物分类成数。同时借助QuickBird甚高分辨率遥感影像进行地面作物种植地块勾绘 ,并派出地面调查队伍进行作物填图 ,统计汇总出的农作物分类成数的真实值。然后将两种不同方法得出的分类成数进行对比 ,发现利用样条采样框架和GVG农情采样系统对于大宗粮食作物分类成数的调查相对误差在 3%以内 ,能够满足中国农情遥感速报系统的运行需要。而对于小成数作物的调查精度较低 ,且存在漏采现象 ,不能满足需求 ,同时也由于漏采现象的存在和图片判读的主观性。利用样条采样框架和GVG农情采样系统获取的大宗作物分类成数略大于真实值 ,存在少量的系统误差 ,需要进行地面验证并加以克服。     

基于遥感的大宗农产品优势产区监测研究

以HJ1卫星数据为实验数据,通过运用遥感处理技术、地理信息技术,完成实验区遥感反演作物长势指标体系研究,并将农情监测数据进行web发布。为高分数据迅速投入使用和生产提供理论基础与实现途径,同时为农作物估产的运行化遥感提供了标准、快速的农情监测方法。     

期刊博览

<正> 农田农情参数遥感监测进展及应用展望农情参数是指反映作物生长过程及其产生的状态指标,关键农情参数主要包括作物长势、单产、物候和旱情等,可用于指导农田的生产管理。遥感是关键农情参数获取的有效手段,然而目前农情参数的遥感监测大多停留在大尺度、宏观监测的层面上,由于缺乏共时空分辨率、高准确度、低成本的农田信息获取技术,业务化的农田尺度农情参数获取都受到了诸多因素的制约与限制。导致难以为农田生产管理提供及肘的信息支持,这已经影响到精准耕作的发展与应用。文章在总结目前长势、单产、物候和旱情等几个主要农情参数遥感监测研究进展的基础上,分析了这些技术在农田尺度应用的瓶颈,并从新数据源和农情参数监测新模型两个角度出发,对农田尺度农情参数的获取进行了展望。     

农作物长势综合监测——以印度为例

提出农作物长势综合监测方法,利用卫星遥感得到的NDVI时间序列数据,综合采用实时监测、过程监测和时间序列聚类监测方法,明确不同方法适用的监测尺度及监测目的,对不同范围农作物长势进行监测。改进了Crop Watch全球农情遥感速报系统运行化作物长势监测方法,克服了原有作物长势监测中实时监测方法无法反映相同区域苗情在整个生长过程中的连续变化情况的缺点。实现对相同区域作物长势连续变化的定量描述,可对作物长势进行更准确的判断。利用官方发布的作物单产变幅数据,对单产变幅较大的12个作物主产省区作物长势监测结果的准确性进行判断,结果表明:6个邦的实时监测和聚类监测方法所得结果一致,都符合作物单产变化的实际状况;4个邦的聚类监测方法所得结果对作物长势监测更为准确,更符合该区域作物单产的实际变化;1个邦实时监测结果对作物长势监测比聚类监测方法更为准确;只有1个邦采用两种方法对作物长势的监测存在误差,聚类监测方法在对农作物生长过程的连续监测及空间分布的定量化表述方面,比实时监测更为准确。3种方法可以综合使用,实现业务化运行的农作物长势监测。     

Remote sensing-based global crop monitoring: experiences with China's CropWatch system

Monitoring the production of main agricultural crops is important to predict and prepare for disruptions in food supply and fluctuations in global crop market prices. China's global crop-monitoring system (CropWatch) uses remote sensing data combined with selected field data to determine key crop production indicators: crop acreage, yield and production, crop condition, cropping intensity, crop-planting proportion, total food availability, and the status and severity of droughts. Results are combined to analyze the balance between supply and demand for various food crops and if needed provide early warning about possible food shortages. CropWatch data processing is highly automated and the resulting products provide new kinds of inputs for food security assessments. This paper presents a comprehensive overview of CropWatch as a remote sensing-based system, describing its structure, components, and monitoring approaches. The paper also presents examples of monitoring results and discusses the strengths and limitations of the CropWatch approach, as well as a comparison with other global crop-monitoring systems.     

基于两个独立抽样框架的农作物种植面积遥感估算方法

通过分析遥感技术在中国农作物种植面积估算中所遇到的难点 ,针对运行化的农作物遥感估产系统对主要农作物种植面积估算的需求 ,提出在农作物种植结构区划的基础上 ,采用整群抽样和样条采样技术相结合的方法 ,进行农作物种植面积估算。整群抽样技术利用遥感影像估算农作物总种植成数 ,样条采样是一种适合中国农作物种植结构特征的采样技术 ,用于调查不同农作物类别在所有播种作物中的分类成数。在中国现有的耕地数据库基础上 ,根据两次抽样获得的成数 ,计算得到具体某一种农作物类别的种植面积。最后给出了 2 0 0 3年早稻种植面积估算的实例。     

Crop yield estimation model for Iowa using remote sensing and surface parameters

Numerous efforts have been made to develop various indices using remote sensing data such as normalized difference vegetation index (NDVI), vegetation condition index (VCI) and temperature condition index (TCI) for mapping and monitoring of drought and assessment of vegetation health and productivity. NDVI, soil moisture, surface temperature and rainfall are valuable sources of information for the estimation and prediction of crop conditions. In the present paper, we have considered NDVI, soil moisture, surface temperature and rainfall data of Iowa state, US, for 19 years for crop yield assessment and prediction using piecewise linear regression method with breakpoint. Crop production environment consists of inherent sources of heterogeneity and their non-linear behavior. A non-linear Quasi-Newton multi-variate optimization method is utilized, which reasonably minimizes inconsistency and errors in yield prediction.     

农作物长势综合遥感监测方法

作物收获之前进行大范围作物生长状况评价 ,可以尽早的获得有关作物产量信息。介绍了中国农情遥感监测系统的综合作物长势监测方法。以遥感数据标准化处理、云标识、云污染去除和非耕地去除为基础 ,生成质量一致的遥感数据产品集 ,提取区域作物生长过程。作物长势监测分为实时作物长势监测和作物生长趋势分析。实时的作物长势监测可以定性和定量地在空间上分析作物生长状况 ,分级显示作物生长状况 ,分区域统计水田和旱地中不同长势占的比重。作物生长趋势分析可以进行年际间的生长过程对比 ,从时间轴上反映作物持续生长的差异性 ,统计全国、主产区、省和区划单元 4个尺度的耕地、水田、旱地作物生长过程曲线年际间差异 ,从而为早期的产量预测提供信息。通过处理流程的系统化 ,建设了运行化的作物长势遥感监测分析系统 ,为用户构建了综合的作物实时生长状况 ,苗情的生长趋势分析环境。同时可以依据野外地面实测信息对遥感监测结果进行标定和检验。 1998年以来 ,系统在满足日常运行的前提下 ,技术方法逐渐改进和完善 ,监测结果的精度和可靠性不断得到提高。     

农情遥感信息与其他农情信息的对比分析

农情信息多种多样 ,来源不同 ,分散于各个部门或单位 ,缺乏相互交换与验证 ,综合分析与集成不够 ,特别是遥感信息为经济领域决策服务的渠道不通畅。为更好地应用各种信息 ,必须加强信息综合分析。对耕地面积、作物面积、作物单产、作物长势、粮食产量等几种农情信息中不同来源的信息进行了初步对比分析 ,肯定了遥感监测农情信息在客观性、时空连续性、可对比与可预测、低成本等几个方面的优势 ,同时也分析了遥感信息的不足和局限。认为遥感信息与其他信息不是互相替代的关系 ,而是互相补充、互相验证的关系。只有通过多源农情信息的综合分析和集成 ,才能更全面准确地反映农情。     

复种指数遥感监测方法

复种指数是反映水土光与自然资源利用程度的指标 ,其实质是沿时间序列 ,反映某一种植制度对耕地的利用程度。联系复种指数与时间序列NDVI曲线的纽带是农作物年内的循环规律。时间序列的NDVI值蕴涵着植被的生长和枯萎的年循环节律 ,经时间序列谐函数分析法 (HarmonicAnalysisofTimeSeries ,HANTS)重构的NDVI曲线 ,可以准确地反映农作物的出苗、拔节、抽穗、收获等物理过程。因此 ,根据时间序列的NDVI曲线的周期性 ,可以反向捕捉到耕地农作物动态的信息 ,进而得到耕地的复种指数。本文依据上述原理 ,提出复种指数遥感监测的方法 ,然后用 1999年至 2 0 0 2年 4年的VGT(SPOT4卫星vegetation数据 )旬合成NDVI时间序列数据集提取了复种指数 ,并利用地面样区观测结果和统计数据进行检验 ,取得很高的精度。