农业遥感研究应用进展与展望

得益于中国自主遥感卫星、无人机遥感和物联网等技术的发展,中国农业遥感研究与应用在过去20年取得了显著进步,中国农业遥感信息获取呈现出天地网一体化的趋势;农业定量遥感在关键参数遥感反演技术方法与应用方面取得进展;作物面积、长势、产量、灾害遥感监测的理论与技术方法取得突破,农业遥感技术应用领域不断拓展。本文从农业遥感信息获取、农业定量遥感、农业灾害遥感、作物遥感识别与制图、作物长势遥感监测与产量预测、农业土地资源遥感等方面对中国农业遥感科研与应用进行了总结综述。     

基于ElasticSearch全文检索的农业地理信息大数据平台设计与实现

针对目前农业大数据平台地理要素纳入不足、研究尺度受限、搜索功能相对薄弱等问题,本文充分发挥了测绘部门自然地理要素数据精细、农业遥感监测数据精准、野外全景采样数据完整的优势,基于ElasticSearch搜索引擎,利用网络技术、电子地图技术与空间数据库技术设计并实现了全文检索的农业地理信息大数据平台,多角度、多维度、多层次精确地展示数据信息内容,为农业大数据的规律寻找、价值挖掘与有效利用提供了有力支撑.     

关于时空大数据助力乡村振兴的思考

数字乡村建设既是乡村振兴的战略方针,也是数字中国建设的重要内容。本文围绕“时空”联动“三农”,在如何利用时空信息技术帮助全国农村振兴、服务数字农业和数字乡村建设等方面,进行思考与探讨,旨在利用时空数据优势,通过实时发布处理的遥感影像资料、气象资料等多源时空数据,变时空信息技术大数据为农村振兴的“新基础设施”与基石;通过强化整合人工智能算法、作物模型等遥感应用,构建起农业农村大数据服务平台,进行正向思维,推进数据开放、实时共享,围绕精准农业、数字田地、智能监管等乡村振兴所需内容,积极推动形成多效合一的时空大数据基础基地,赋能农业农村发展,实现时空数字链接、自动化管理、农业农村农民智能增效,助力中国乡村振兴战略提速。     

卫星遥感大数据赋能农业金融

我国是农业大国,农业问题对于我国国民经济发展举足轻重。农业信贷由于存在体系不健全、信贷风险大、效率低成本高等问题,成为制约涉农金融发展的重要因素。新时代背景下全面推进乡村振兴,加快农业现代化的任务势在必行。近年来,人工智能和卫星遥感技术迅猛发展,为农业金融振兴乡村赋能。因此,详细探讨了卫星遥感大数据及智能技术在金融服务农业领域的创新应用场景及关键技术发展情况;重点介绍了作者将卫星遥感空间大数据运用到实现精准智慧金融需要的农作物长势监测及作物估产,农业灾害监测、预测和预警,作物智能识别等领域的若干前沿研发成果。最后,对更多的3S及大数据智能技术在农业金融场景的融合应用提出了展望。     

作物遥感分类研究进展

农作物精细分类是农业资源与环境监测的重要环节,提取不同作物种植信息能够为我国农业生产提供基础数据支撑.本文旨在梳理作物遥感分类关键技术的发展脉络,重点评述了分类特征、尺度问题以及分类方法3个方面的情况,最后讨论和展望了今后作物遥感分类研究的发展方向,希望提供现阶段作物遥感分类研究进展,为作物遥感研究方法的创新和改善提供理论支撑,为后续农业遥感应用提供参考.     

遥感大数据服务平台设计与实现

越来越多的国产遥感卫星影像不断投入使用,对新一代遥感数据服务提出新的要求。针对目前遥感数据资源共享不足、专题信息自动提取等问题,急需构建遥感大数据服务平台。本文重点对该平台的框架设计、系统的功能进行了详细阐述,并简单地说明了生态环境因子自动提取技术,为进一步提升遥感数据服务提供了平台。     

贵阳市低效作物调减大数据平台建设与应用

将地理信息技术、大数据技术与网络通信技术等应用于贵阳市低效作物调减工作,构建了作物调减大数据平台,为每块待调减地块建档立卡,做到调减一块、验收一块,实现了基于地块级别的调减管控.这是地理信息技术在智慧农业上的有效利用,具有一定推广使用价值.     

高精度作物分布图制作

中国自然条件复杂 ,农业种植结构多样 ,地块小而分散 ,利用遥感影像制作作物分布图的精度很难满足农业遥感估产的需求。该文利用目前最高分辨率的商用遥感卫星 (QuickBird)影像 ,采用面向对象的影像分析方法提取耕地种植地块图 ,结合详细的地面调查制作高精度的作物分布图 ,为农业遥感估产服务。     

时空遥感云计算平台PIE-Engine Studio的研究与应用

随着遥感大数据时代的到来,为快速处理和分析海量遥感数据,国内外涌现了众多遥感云计算平台,使得全球尺度、长时间序列遥感数据的快速分析和应用成为可能。本文在分析国内外遥感云计算平台现状的基础上,针对大数据时代国内缺少功能完备的遥感云计算平台,且国外遥感云计算平台对国产卫星数据支持不足等问题,基于容器云技术,构建了包含国产卫星数据且集数据、算力和技术于一体的时空遥感云计算平台PIE（Pixel Information Expert）-Engine Studio,实现了脚本驱动的遥感数据的按需获取以及海量数据的快速处理。采用Landsat 8数据,以生长季植被指数NDVI（Normalized Difference Vegetation Index）的计算为例,对比了本平台与GEE（Google Earth Engine）的数据处理能力。结果表明,由于计算资源的限制,本平台的计算和导出时间均比GEE稍长,但计算结果的空间分布一致,其中近68%的值均分布在（0.48,0.77）,且二者差值的95.33%集中在（-0.13,0.13）,结果较为可信。因此,本文构建的基于共享、开放的中国自主遥感云计算平台PIE-Engine Studio,可为地球科学领域的研究提供数据和算力支持,将有助于推进中国遥感云计算平台的发展进程,推动国产卫星数据在云计算平台上的应用。     

遥感大数据智能监测平台研究及应用

如何融合云计算、大数据、人工智能等先进技术手段,开展对遥感大数据的研究,进行遥感影像智能化处理,为空间智能应用提供更加精准、高效的数据支撑已成为必然,并具有广泛的应用前景。本文介绍了遥感大数据基本特征及研究现状,并运用深度神经网络等算法进行特征提取和目标识别,提出一种基于遥感大数据的智能监测方法,该方法结合了遥感技术和人工智能算法,通过对地表和大气信息的获取、分类和分析,实现了对城市环境、自然资源和生态系统的全面监测和管理。此外,开发了一套基于云计算和分布式处理的智能监测平台,该平台支持灵活的数据集成、可视化展示和实时预警功能,并已成功应用于城市的监测和管理任务中。