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。     

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。     

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。     

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。     

作物种植成数的遥感监测精度评价

以河南开封和山西太谷地区作为研究区域 ,选用LandsatTM作为农作物种植面积遥感监测的数据源。利用LandsatTM提取河南开封实验区 2 0 0 1年的夏季作物和山西太谷地区 2 0 0 3年秋季作物的作物种植成数。同时 ,利用IKONOS ,QuickBird高分辨率遥感影像 ,通过地面调查进行了地面作物填图和分类 ,同样得到实验区的农作物种植成数。最后通过两种结果对比 ,表明开封实验区夏季作物的监测精度达到 99%以上 ,太谷实验区秋季作物的监测精度达到 97%以上 ,由此推断 ,表明利用LandsatTM监测农作物种植成数的精度能够满足中国农情遥感监测的运行化要求     

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。     

用遥感技术“武装”农业

禾讯科技的业务是利用卫星遥感技术,掌握全球耕地分布,监测大宗作物的长势与估产。它的主要客户是农产品期货公司等,大宗作物的产量是这些公司的命根子。以往的情形是,相隔上万里的期货公司获得的信息并不客观,禾讯科技研发的“全球在线农情监测系统”能够更新数据,并通过自己建立的分析平台得知农作物的长势与产量情况。     

未种植耕地动态变化遥感识别——以阿根廷为例

连续多年的高强度耕作会导致耕地层土壤养分、土壤有机质等逐渐下降,在作物收获之后作物秸秆还田量较少的情况下尤其突出,而对耕地利用状况动态变化(种植耕地与未种植耕地的动态变化)的识别,能够有效地反映出不同作物的轮作模式以及耕地种植强度的变化。本文以阿根廷3大农业主产省份(布宜诺斯艾利斯省、科尔多瓦省以及圣太菲省)为研究区,利用中分辨率成像光谱仪(MODIS)16天合成的归一化植被指数(NDVI)数据产品,在分析不同地物类型、不同耕作模式下的NDVI动态变化过程的基础上,结合地面样本数据统计获得有作物种植农田与无作物种植农田的识别阈值,综合利用阈值法和植被指数动态变化过程分析法对阿根廷3大主产省份开展了耕地利用状况动态变化遥感识别,实现了不同年份的耕地利用状况动态变化识别。地面观测数据验证结果表明,在阿根廷3大主产省内有作物种植耕地和未种植耕地的总体识别精度高于97%,但在不同的作物生长阶段,未种植耕地识别结果的精度差异较明显,在作物生长季内作物生长较为茂盛的时期,有作物种植耕地和未种植耕地的识别精度几乎达到99%,但在双季或多季作物种植区,作物轮作期间的耕地利用状况识别精度相对偏低,总体精度在95%左右,主要是受16天合成NDVI数据的最大值合成法限制。     

汶川地震灾后农田和森林植被恢复遥感监测

2008年汶川8.0级特大地震对当地的生态系统造成了极大的破坏,为了评估5年来灾区农田和森林植被的恢复情况,利用逐年机载高分辨率遥感影像,结合星载遥感数据和地面调查数据,开展了灾区农林植被恢复状况监测。在农田恢复监测方面,结合2008年地震发生后以及2013年5月中旬的机载高分辨率遥感数据,采用目视解译的方式对汶川地震中受损农田的恢复状况进行监测与评估,同时利用GVG(GPS、Video和GIS)农情采样系统的作物种植成数调查结果,分析了灾后作物种植结构的变化。结果表明,灾区1592 ha受损农田,5年后仅有约17.5%得到了恢复和耕种使用。就耕地利用强度而言,重灾区耕地利用率较高,作物种植结构没有发生重大变化。在森林恢复状况监测方面,对典型区(岷江干旱河谷区和盆周山地区的3个重点区域)采用目视解译方式识别出森林变化,并结合大区域尺度规一化植被指数(NDVI)时间序列变化分析,对整个灾区的森林损毁和恢复情况做出评价。监测结果显示,汶川县、什邡市和绵竹市的森林植被恢复情况总体较好,但是一些坡度较大的损毁区、次生灾害频发区的森林尚未恢复,大区域尺度的统计结果显示,地震重灾区的46381 ha重度损毁森林植被和177025 ha中度损毁森林植被区域,完全恢复的区域占13.52%和25.84%,部分恢复的区域都占到50%。在自然恢复较为困难的区域,如汶川县中部和东北部、都江堰市北部、彭州市北部、什邡市北部、绵竹市北部、安县北部及北川县南部等,需要加强人工干预。遥感监测方法既适用于震后的农田和森林恢复状况动态监测,也适用于其他自然灾害发生时对灾区农田和森林植被破坏状况进行应急监测,具有实际应用价值和良好的发展前景。     

中国农情遥感速报系统

介绍了中国农情遥感速报系统的建设情况 ,系统内容包括农作物长势监测、农作物种植面积监测、农作物单产预测与粮食产量估算、作物时空结构监测和粮食供需平衡预警等。简要介绍了 1998年以来中国农情遥感速报系统在监测内容与监测范围、监测频率、技术发展以及质量控制与过程检验体系建立等方面的进展 ,并就中国农情遥感速报系统的发展方向提出了展望。     

基于物候信息的山东省冬小麦长势遥感监测

作物长势监测是农情监测的核心内容之一,处在不同生育期的作物长势存在显著差异。为了提高大范围作物长势遥感监测的精度,利用2001―2015年间获取的MOD09A1数据,以山东省冬小麦为研究对象,在逐年提取冬小麦抽穗期基础上,探讨研究区近15 a间冬小麦抽穗期长势时空格局。研究表明,与归一化差值植被指数(normalized difference vegetation index,NDVI)相比,基于增强型植被指数(enhanced vegetation index,EVI)提取的冬小麦抽穗期与地面观测数据有更好的一致性。研究区冬小麦抽穗期主要集中在4月中、下旬,并从南向北、自西向东逐渐推迟;与NDVI,EVI和归一化差值红外指数(normalized difference infrared index,NDII)相比,产品改进–NDVI(product improve–NDVI,PI_NDVI)更能反映冬小麦的实际长势。基于该指数监测冬小麦长势,2001―2015年间山东省冬小麦抽穗期长势整体呈上升趋势;但年际间波动较大,相同年份不同区域的冬小麦长势存在明显差异;而大部分区域长势状况比较一致,与多年平均状况持平。研究结果与已有的相关研究较为一致,基于遥感进行大范围和长时间作物长势监测的思路可以为以后研究提供一定的参考。     

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。     

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。     

MODIS植被指数的美国玉米单产遥感估测

针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。     

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.     

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。     

蝗虫遥感监测预警研究现状与展望

气候变化背景下全球蝗灾日益肆虐,为支撑虫害及时精准防控,迫切需要开展大面积蝗虫动态监测预警研究。本文从蝗虫生境遥感监测、蝗虫发生动态遥感预警,以及蝗灾遥感损失评估3个方面介绍了当前研究现状,并指出当前存在的问题主要包括3个方面：蝗虫监测预警的时空分辨率较粗,无法精准定位虫害热点发生区和重点危害区;遥感虫害响应机制与虫害生物学扩散模型耦合度较低,导致模型时空普适性较差;缺乏高时空精度的虫害监测预警空间信息服务产品。因此,当前急需发展面向全球、洲际、全国、区域的多尺度、长时序、高精度虫害精准监测预警平台。通过建立时空精细尺度的虫害监测预警指标体系,研制遥感机制与虫害生物学机理深度耦合的高精度预测预报模型,发布多尺度高时频的虫害监测预警空间信息产品和服务,以实现海量数据的自动入库和智能存储、多层次模型的快速调用和高性能计算、虫害测报产品的在线生产和可视化服务。建立从数据到模型到产品服务的全链路,从而切实提升全球应对重大迁飞性虫害的智能化水平,为保障粮食安全、维护区域稳定和可持续发展提供科技支撑。