遙感在農(nóng)業(yè)中的應(yīng)用

遙感技術(shù)在人們的生活中應(yīng)用越來越多，發(fā)展迅猛，與許多學(xué)科有聯(lián)系，在許多領(lǐng)域得到應(yīng)用并且取得了非常好的效果，我將針對遙感在農(nóng)業(yè)中的應(yīng)用，特別是高光譜遙感對農(nóng)業(yè)的發(fā)展起到的作用進行報告。農(nóng)業(yè)是遙感應(yīng)用中最重要和最廣泛的領(lǐng)域之一。20世紀20年代航空遙感剛一轉(zhuǎn)入民用，便被用于農(nóng)業(yè)土地調(diào)查。尤其是20世紀60年代將多光譜原理應(yīng)用于遙感后，人們根據(jù)各種植物和土壤的光譜反射時特性，建立了豐富的地物波譜與遙感圖像解譯標志，在農(nóng)業(yè)資源調(diào)查與動態(tài)監(jiān)測、生物產(chǎn)量估計、農(nóng)業(yè)災(zāi)害預(yù)報與災(zāi)后評估等方面，開展了大量的和成功的應(yīng)用。農(nóng)作物長勢是作物生育狀況總體評價的綜合參數(shù)。農(nóng)作物長勢監(jiān)測指對作物的苗情、生長狀況及其變化的宏觀監(jiān)測。我國早期的農(nóng)業(yè)遙感的重點也是在估產(chǎn)。從“六五”計劃開始，開展了農(nóng)作物遙感估產(chǎn)研究并在區(qū)域尺度上開展估產(chǎn)試驗。遙感技術(shù)具有客觀、及時的特點，可以在短期內(nèi)連續(xù)獲取大范圍的地面信息，用于農(nóng)情監(jiān)測具有得天獨厚的優(yōu)勢。近20多年，農(nóng)作物遙感監(jiān)測一直是遙感應(yīng)用的一個重要主題。從“七五”利用氣象衛(wèi)星數(shù)據(jù)進行北方十一省市小麥估產(chǎn)起步，經(jīng)過“八五”重點產(chǎn)糧區(qū)主要農(nóng)作物估產(chǎn)研究，到“九五”建立全國遙感估產(chǎn)系統(tǒng)，使我國的遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用不斷向?qū)嵱没~進。1遙感估產(chǎn)的原理及農(nóng)作物估產(chǎn)方法1.1

遙感估產(chǎn)的基本原理[2]

任何物體都具有吸收和反射不同波長電磁波的特性，這是物體的基本特性。人眼正是利用這一特性，在可見光范圍內(nèi)識別各種物體的，遙感技術(shù)也是基于同樣的原理，利用搭載在各種遙感平臺(地面、氣球、飛機、衛(wèi)星等)上的傳感器(照相機、掃描儀等)接收電磁波，根據(jù)地面上物體的波譜反射和輻射特性，識別地物的類型和狀態(tài)。

農(nóng)作物估產(chǎn)則是指根據(jù)生物學(xué)原理，在收集分析各種農(nóng)作物不同生育期不同光譜特征的基礎(chǔ)上，通過平臺上的傳感器記錄的地表信息，辨別作物類型，監(jiān)測作物長勢，并在作物收獲前，預(yù)測作物的產(chǎn)量的一系列方法。它包括作物識別和播種面積提取、長勢監(jiān)測和產(chǎn)量預(yù)報兩項重要內(nèi)容。1.2農(nóng)作物估產(chǎn)的方法

農(nóng)作物估產(chǎn)在方法上可分為傳統(tǒng)的作物估產(chǎn)和遙感估產(chǎn)兩類。

傳統(tǒng)的作物估產(chǎn)基本上是農(nóng)學(xué)模式和氣象模式，采用人工區(qū)域調(diào)查方法。它們把作物生長與主要制約和影響產(chǎn)量的農(nóng)學(xué)因子或氣候因子之間用統(tǒng)計分析的方式建立起關(guān)系。這類模式計算繁雜、速度慢、工作量大、成本高，某些因子種類往往難以定量化，不易推廣應(yīng)用。遙感估產(chǎn)則是建立作物光譜與產(chǎn)量之間聯(lián)系的一種技術(shù),它是通過光譜來獲取作物的生長信息。在實際工作中，常常用綠度或植被指數(shù)（由多光譜數(shù)據(jù)，經(jīng)線性或非線性組合構(gòu)成的對植被有一定指示意義的各種數(shù)值）作為評價作物生長狀況的標準。植被指數(shù)中包括了作物長勢和面積兩方面的信息，各種估產(chǎn)模式，尤其是光譜模式中植被指數(shù)是一個極為重要的參數(shù)。根據(jù)傳感器從地物中獲得的光譜特征進行估產(chǎn)具有宏觀、快速、準確、動態(tài)的優(yōu)點[3，4]。

農(nóng)作物估產(chǎn)中所應(yīng)用的遙感資料大致可分為三類：一是氣象衛(wèi)星資料，主要為美國第三代業(yè)務(wù)極軌氣象衛(wèi)星（NOAA系列）裝載的甚高分辨率輻射儀（AVHRR）資料，其資料特點是周期短、覆蓋面積大、資料易獲取、實時性強、價格低廉，空間分辨率低但時間分辨率較高；二是陸地衛(wèi)星(Landsat)資料，應(yīng)用較多功能是專題制圖儀(TM)資料，它重復(fù)周期長、價格高，但其空間分辨率高[5]；三是航空遙感和地面遙感資料，主要用于光譜特征及估產(chǎn)農(nóng)學(xué)機理的研究中，其中高光譜數(shù)據(jù)可提供連續(xù)光譜，可消除一些外部條件的影響而成為遙感數(shù)據(jù)處理、地面測量、光譜模型和應(yīng)用的強有力的工具[6]。

在遙感估產(chǎn)中農(nóng)作物面積提取是最重要的內(nèi)容。用遙感方法測算一種農(nóng)作物的種植面積主要有以下幾種方法[5]。1）航天遙感方法。包括衛(wèi)星影像磁帶數(shù)字圖象處理方（一般精度較高）和綠度---面積模式。2)航空遙感方法?？蛇M行總面積的測量、作物分類及測算分類面積。3)遙感與統(tǒng)計相結(jié)合的方法。此方法是由美國農(nóng)業(yè)部統(tǒng)計局在原面積抽樣統(tǒng)計估產(chǎn)的基礎(chǔ)上發(fā)展起來的,其原理是利用遙感影像分層，再實行統(tǒng)計學(xué)方法抽樣。4)地理信息系統(tǒng)(GIS)與遙感相結(jié)合方法。此方法是在地理信息系統(tǒng)的支持下，利用遙感信息，對不同農(nóng)作物的種植面積進行獲取。2國內(nèi)外遙感估產(chǎn)的研究進展狀況2.1國外遙感估產(chǎn)研究的進展狀況

美國首先開了農(nóng)作物遙感估產(chǎn)之先河，美國農(nóng)業(yè)部、國家海洋大氣管理局、宇航局和商業(yè)部合作制定了“大面積農(nóng)作物估產(chǎn)實驗(1974～1978)計劃”，組織實施了小麥估產(chǎn)計劃，應(yīng)用先后發(fā)射入軌的陸地衛(wèi)星1～3接收處理出的MSS圖像，首先對美國大平原9個小麥生產(chǎn)州的面積、單產(chǎn)和產(chǎn)量做出估算;爾后對包括美國本土、加拿大和前蘇聯(lián)部分地區(qū)小麥面積、單產(chǎn)和產(chǎn)量做出估算;接著是對世界其它地區(qū)小麥面積、總產(chǎn)量進行估算。調(diào)查分析美國、原蘇聯(lián)、加拿大等主要產(chǎn)糧國的小麥播種面積、出苗狀況和長勢，并利用氣象衛(wèi)星獲得的氣象要素信息，結(jié)合歷年統(tǒng)計數(shù)據(jù)進行綜合分析，建立的小麥估產(chǎn)模型精度高達90%以上。1980～1986年，美國又制定了“農(nóng)業(yè)和資源的空間遙感調(diào)查”計劃,其核心內(nèi)容仍是主要作物的種植面積與單產(chǎn)模型的研究。進行國內(nèi)、世界多種糧食作物長勢評估和產(chǎn)量預(yù)報。中國科學(xué)院自然資源綜合考查委員會的陳沈斌于1992年8月在美國農(nóng)業(yè)部外國農(nóng)業(yè)局(負責(zé)美國以外國家的農(nóng)作物估產(chǎn),并建成運行系統(tǒng))曾見到當(dāng)月估計的中國小麥、玉米、水稻總產(chǎn)量與后來1993年國家統(tǒng)計局公布的數(shù)字差-3.53%、+0.65%和-0.66%。該項工作,為美國在世界農(nóng)產(chǎn)品貿(mào)易中獲得巨大的經(jīng)濟利益[2，4，7，8，9，10,11]。

此后，歐共體、俄羅斯、法國、日本和印度等國也都應(yīng)用衛(wèi)星遙感技術(shù)進行農(nóng)作物長勢監(jiān)測和產(chǎn)量測算，均取得了一定的成果。例如，歐共體用10年的時間(從1983年開始)，建成用于農(nóng)業(yè)的遙感應(yīng)用系統(tǒng)，1995年在歐共體15個國家用180景SPOT影像，結(jié)合NOAA影像在60個試驗點進行了作物估產(chǎn)，可精確到地塊和作物種類。2002年美國航空航天局與美國農(nóng)業(yè)部合作在貝茲維爾、馬里蘭用MODIS數(shù)據(jù)代替NOAA-AVHRR進行遙感估產(chǎn)，MODIS搭載的TERRA衛(wèi)星是1999年由美國(國家航空航天局)、日本(國際貿(mào)易與工業(yè)廳)和加拿大(空間局、多倫多大學(xué))共同合作發(fā)射的，MODIS數(shù)據(jù)涉及波段范圍廣(36個波段)、分辨率(250,500,1000m)比NOAA-AVHRR(5個波段，分辨率為1100m)有較大的進步，這些數(shù)據(jù)均對農(nóng)業(yè)資源遙感監(jiān)測有較高的實用價值。ldso等曾運用500～600nm和600～700nm兩個光譜區(qū)得到的反射值的轉(zhuǎn)換植被指數(shù)(TV16)來估計小麥與大麥的單產(chǎn),獲得小麥單產(chǎn)與TV16之間的相關(guān)系數(shù)為0.78。同年，日本科技公司完成了“遙感估產(chǎn)”項目，可提高平原農(nóng)業(yè)估產(chǎn)的精度，并著眼于對全球進行估產(chǎn)。而美國已經(jīng)將遙感技術(shù)用于精細農(nóng)業(yè)，對農(nóng)作物進行區(qū)域水分分布評估、病蟲害預(yù)測等，直接指導(dǎo)農(nóng)業(yè)生產(chǎn)。用衛(wèi)星遙感方法進行長勢監(jiān)測和產(chǎn)量估算已進行多年，方法已趨于成熟[2，4，7，8，.9，10,11，12，13]。

水稻遙感估產(chǎn)以亞洲水稻主要生產(chǎn)國為先行和先進。中國、印度、日本等國家都進行過遙感估產(chǎn)研究且取得較好的效果。Patel和Dash等[14]建立水稻產(chǎn)量和RVI的關(guān)系,試驗區(qū)預(yù)報精度達到96.14%。Miller等[15]在分蘗或出穗階段時,運用比值植被指數(shù)通過干物質(zhì)和單產(chǎn)的關(guān)系來估計單產(chǎn)。但在作物灌漿與成熟階段,由于反射率與總生物量之間并不相關(guān),比值植被指數(shù)無法預(yù)測水稻的冠層生物量。Wiegand,SSRay認為借助于歸一化植被指數(shù)NDVI｛(NIR-R)/(NIR+R)｝可以很好地預(yù)測產(chǎn)量[16，17]。2.2

國內(nèi)遙感估產(chǎn)研究進展情況

從“六五”開始，我國試用衛(wèi)星遙感進行農(nóng)作物產(chǎn)量預(yù)報的研究，并在局部地區(qū)開展產(chǎn)量估算試驗?！捌呶濉逼陂g，國家氣象局于1987年開展了北方11省市小麥氣象衛(wèi)星綜合測產(chǎn)，探索運用周期短、價格低的衛(wèi)星進行農(nóng)作物估產(chǎn)的新方法。該項目中，主要是以長期的氣象資料為基礎(chǔ)，以遙感信息為檢驗手段，建立了不同地區(qū)的遙感參數(shù)-作物產(chǎn)量的一階回歸模型。1985～1989年，此項目為中央和地方提供了165次不同時空尺度的產(chǎn)量預(yù)報，為國家減少糧食損失達33萬t以上，累計經(jīng)濟效益達20億元?！鞍宋濉逼陂g，國家將遙感估產(chǎn)列為攻關(guān)課題，由中國科學(xué)院主持，聯(lián)合農(nóng)業(yè)部等40個單位，開展了對小麥、玉米和水稻大面積遙感估產(chǎn)試驗研究，建成了大面積“遙感估產(chǎn)試驗運行系統(tǒng)”，并完成了全國范圍的遙感估產(chǎn)的部分基礎(chǔ)工作。通過1993～1996年4年試驗運行,分別對四省兩市(河北、山東、河南、安徽北部和北京市、天津市)的小麥,湖北、江蘇和上海市的水稻;吉林省的玉米種植面積、長勢和產(chǎn)量的監(jiān)測和預(yù)報,在指導(dǎo)農(nóng)業(yè)生產(chǎn)及農(nóng)業(yè)決策中發(fā)揮了重要作用。特別是解決了一些關(guān)鍵技術(shù)問題，為進一步開展全國性的衛(wèi)星遙感估產(chǎn)提供了重要保證。1995年以信息系統(tǒng)及農(nóng)情速報，建立全國資源環(huán)境數(shù)據(jù)庫;中國科學(xué)院、氣象局及多家高等院校、研究所致力于遙感估產(chǎn)技術(shù)的研究，并在浙江、江西、江蘇各省及華北、東北、江漢平原等地區(qū)對冬小麥、玉米、水稻、糜子等作物進行遙感估產(chǎn)，在遙感信息源選取、作物識別、面積提取、模型構(gòu)建、系統(tǒng)集成等各個技術(shù)環(huán)節(jié)有了大幅的進步。李哲、張軍濤提出的基于遺傳算法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的玉米估產(chǎn)方法;侯英雨等提出的基于作物植被指數(shù)和溫度的產(chǎn)量估算模型;江東博士提出的基于人工神經(jīng)網(wǎng)絡(luò)的農(nóng)作物遙感估產(chǎn)模型;王人潮教授等提出的高光譜遙感估算模型和水稻雙向反射模型等等，這些模型汲取了以前模型的優(yōu)點，模型因子的選擇更加合理，可操作性更強，精確程度更高。隨后，遙感估產(chǎn)方法已日趨成熟起來[4，7]。古書琴[18]等借助植被建立了水稻單產(chǎn)的預(yù)報模式、遙感估算水稻種植面積，表明利用遙感手段對水稻進行估產(chǎn)的精度高于常規(guī)農(nóng)業(yè)氣象模式，還可提高預(yù)報時效；黃敬峰，楊忠恩[19]等在1999年以NOAA-AVHRR資料為主,利用GIS技術(shù)提取水稻可能種植區(qū)域,在此基礎(chǔ)上計算各區(qū)和各縣的比值植被指數(shù)和歸一化植被指數(shù),提出的水稻遙感估產(chǎn)比值模型和回歸模型,預(yù)報浙江省的水稻總產(chǎn),1998年的擬合精度和1999年的預(yù)報精度都達到95%以上；黃敬峰，王人潮[20]等綜合冬小麥各種參數(shù)及資料,證明地面光譜植被指數(shù)與冬小麥密度、生物量、葉面積指數(shù)關(guān)系密切,建立了密度與生物量的光譜監(jiān)測模型,進而建立了北疆試驗區(qū)各層冬小麥種植面積估算和產(chǎn)量預(yù)報衛(wèi)星遙感模型,輔以冬小麥產(chǎn)量農(nóng)業(yè)氣象預(yù)報模型、農(nóng)學(xué)模型及模擬模型,自1994年投入應(yīng)用以來的結(jié)果表明,這套模型預(yù)報精度高、效果很好；李建龍,蔣平，戴若蘭[21]利用1991～1996年在新疆天山北坡不同草地類型上各種資料,使用3S集成系統(tǒng)進行了多重相關(guān)分析和遙感估產(chǎn)技術(shù)的深入研究,實現(xiàn)了遙感大面積估產(chǎn)目標和草地生態(tài)學(xué)意義及3S與草地專家系統(tǒng)一體化集成的應(yīng)用。農(nóng)作物遙感估產(chǎn)雖然具有客觀、定量、準確的優(yōu)點,而且可以同時獲取單產(chǎn)、面積、總產(chǎn)資料,在小區(qū)試驗已取得較高的精度,但其大面積估產(chǎn)還不能滿足專業(yè)化要求。農(nóng)作物產(chǎn)量氣象預(yù)報模型和農(nóng)學(xué)預(yù)報模型預(yù)報精度較高,但缺乏長勢監(jiān)測和面積資料。模擬模型機理明確,小區(qū)試驗效果也很好,但這類模型需要大量的田間試驗觀測和取樣分析來確定模型參數(shù),大面積應(yīng)用難度很大。因此,在專業(yè)服務(wù)中,仍然需要綜合使用各種模型；在水稻、小麥遙感估產(chǎn)，方法已比較成熟，并仍在發(fā)展；棉花遙感正在被廣泛的研究，而在其他作物估產(chǎn)方面還需進一步擴展；農(nóng)業(yè)遙感與信息技術(shù)的基礎(chǔ)研究、應(yīng)用研究和成果轉(zhuǎn)化之間有很大的脫節(jié)現(xiàn)象；發(fā)展3S三位一體的估產(chǎn)方法成為今后估產(chǎn)的趨勢。2．高光譜遙感在精準農(nóng)業(yè)中的應(yīng)用

現(xiàn)代的高光譜遙感技術(shù)發(fā)展很快，已經(jīng)能夠動態(tài)、快速、準確、及時地提供各種對地觀測數(shù)據(jù)。精準農(nóng)業(yè)要求生產(chǎn)和資源利用上的“精”和管理發(fā)展上的“準”。包含遙感技術(shù)在內(nèi)的3S技術(shù)正是它的一個重要組成部分。高光譜遙感從信息獲取技術(shù)和處理分析到應(yīng)用模型研究，都取得了重大進展。高光譜遙感在農(nóng)業(yè)科研和應(yīng)用技術(shù)上有以下的相關(guān)工作：

（1）作物個體生長狀況與作物葉片光譜關(guān)系的研究，群體高光譜研究很少，其中包括植被生長狀況與植被的環(huán)境脅迫關(guān)系，如水分脅迫、蟲害脅迫、營養(yǎng)脅迫等；紅邊位置與植被葉綠素濃度的關(guān)系等。

應(yīng)用遙感技術(shù)監(jiān)測作物的養(yǎng)分供應(yīng)狀況，對于及時了解作物的長勢，采取有效的增產(chǎn)措施均具有積極的意義。作物養(yǎng)分失調(diào)的形態(tài)診斷和化學(xué)分析適用于有限面積的作物及土壤的診斷和分析。

（2）利用多時相的高光譜數(shù)據(jù)提取出光譜特征對不同植被和作物進行識別和分類。

（3）對植被的葉面積指數(shù)、生物量、全氮量、全磷量等生物物理參數(shù)進行估算。

（4）遙感信息模型研究。如熱擴散系數(shù)遙感信息模型、土壤含水量遙感信息模型、作物旱災(zāi)估算遙感信息模型、土壤侵蝕量遙感信息模型、土地生產(chǎn)潛力遙感信息模型等。農(nóng)業(yè)、森林、土壤以及天然和人工植被方面有很好的作用。而1999年美國宇航局（NASA）發(fā)射的地球軌道一號（EO-1）高光譜衛(wèi)星共有220個波段，大氣校正儀LAC具有256個波段。一般星載的高光譜傳感器光譜分辨率小于10nm，空間分辨率為200~1000m。用于野外的便攜高光譜儀具有更多的波段數(shù)和更高的光譜分辨率。

已經(jīng)或即將發(fā)射的遙感衛(wèi)星構(gòu)成覆蓋全球的同步觀測體系，高、中、低軌道結(jié)合，傳感器高空間分辨率、高光譜分辨率、超多波段結(jié)合?？臻g分辨率達1m~5m，幾十到數(shù)百個波段的高光譜、超光譜新一代衛(wèi)星，為全球變化提供多層次、全天候的對地觀測資料，有利于遙感定量分析能力的提高。

2．高光譜遙感在精準農(nóng)業(yè)中的應(yīng)用

現(xiàn)代的高光譜遙感技術(shù)發(fā)展很快，已經(jīng)能夠動態(tài)、快速、準確、及時地提供各種對地

觀測數(shù)據(jù)。精準農(nóng)業(yè)要求生產(chǎn)和資源利用上的“精”和管理發(fā)展上的“準”。包含遙感技術(shù)在內(nèi)的3S技術(shù)正是它的一個重要組成部分。高光譜遙感從信息獲取技術(shù)和處理分析到應(yīng)用模型研究，都取得了重大進展。高光譜遙感在農(nóng)業(yè)科研和應(yīng)用技術(shù)上有以下的相關(guān)工作：

（1）作物個體生長狀況與作物葉片光譜關(guān)系的研究，群體高光譜研究很少，其中包括植被生長狀況與植被的環(huán)境脅迫關(guān)系，如水分脅迫、蟲害脅迫、營養(yǎng)脅迫等；紅邊位置與植被葉綠素濃度的關(guān)系等。

應(yīng)用遙感技術(shù)監(jiān)測作物的養(yǎng)分供應(yīng)狀況，對于及時了解作物的長勢，采取有效的增產(chǎn)措施均具有積極的意義。作物養(yǎng)分失調(diào)的形態(tài)診斷和化學(xué)分析適用于有限面積的作物及土壤的診斷和分析。

（2）利用多時相的高光譜數(shù)據(jù)提取出光譜特征對不同植被和作物進行識別和分類。

（3）對植被的葉面積指數(shù)、生物量、全氮量、全磷量等生物物理參數(shù)進行估算。

（4）遙感信息模型研究。如熱擴散系數(shù)遙感信息模型、土壤含水量遙感信息模型、作物旱災(zāi)估算遙感信息模型、土壤侵蝕量遙感信息模型、土地生產(chǎn)潛力遙感信息模型等。

（5）利用植被指數(shù)進行地表覆蓋分析或作物長勢的動態(tài)監(jiān)測。如利用NOAA-AVHRA數(shù)據(jù)，通過歸一化植被指數(shù)NDVI，建立地表覆蓋指數(shù)模型，反映出地表覆蓋的遙感區(qū)域分異情況及其隨季節(jié)變化的規(guī)律。

（6）農(nóng)作物長勢監(jiān)測?；谶b感生成的巨量數(shù)據(jù)，利用先進的計算機及網(wǎng)絡(luò)技術(shù)，建立服務(wù)于多領(lǐng)域的遙感信息系統(tǒng)，對農(nóng)作物長勢的定期監(jiān)測和提前預(yù)報以及主要影響區(qū)域糧食生產(chǎn)的水旱災(zāi)害進行快速監(jiān)測評價。

3．高光譜遙感在精準農(nóng)業(yè)中的發(fā)展趨勢

用于精準農(nóng)業(yè)的新型遙感技術(shù)仍是當(dāng)前研究的主要內(nèi)容之一，它還需要基礎(chǔ)農(nóng)業(yè)信息系統(tǒng)的設(shè)計與建立，GIS支持下農(nóng)作物征兆信息提取和農(nóng)業(yè)診斷系統(tǒng)和MIS支持下的決策支持系統(tǒng)模型研究。

（1）精準農(nóng)業(yè)中的作物長勢監(jiān)測。主要利用紅外波段和近紅外波段遙感信息，得到的植被指數(shù)（NDVI）與作物的葉面積指數(shù)和生物量正相關(guān)。利用NDVI過程曲線，特別是后期的變化速率預(yù)測冬小麥產(chǎn)量的效果很好，精度較高。在精準農(nóng)業(yè)的應(yīng)用中，通過高空間和高光譜分辨率的航空與航天遙感，來及時(平均2天～3天一次)地提供農(nóng)作物長勢、水肥狀況和病蟲害情況，稱之為“征兆圖”(SymptomMaps)，供診斷、決策和估產(chǎn)等使用。為了實時地獲取數(shù)據(jù)，需要反復(fù)利用航空遙感或利用各個小衛(wèi)星建立全球數(shù)據(jù)采集網(wǎng)。

（2）高光譜遙感與精準農(nóng)業(yè)研究的基礎(chǔ)問題還有待解決，如環(huán)境脅迫作用下的遙感機理和遙感標志研究，遙感與GIS的集成對作物脅迫作用的診斷理論以及作物生長環(huán)境和收獲產(chǎn)量實際分布的空間差異性機理和環(huán)境脅迫作用與產(chǎn)量形成的遙感定量關(guān)系。為了解決上面的理論和應(yīng)用問題，需要抓住高光譜、高分辨率、雷達遙感等技術(shù)手段和“三S”集成技術(shù)等關(guān)鍵技術(shù)。

（3）對植被的葉面積指數(shù)、生物量、全氮量、全磷量等生物物理參數(shù)進行分析和估算。在精準農(nóng)業(yè)研究中，高光譜遙感具有廣闊的應(yīng)用前景。比如可以從遙感數(shù)據(jù)中提取生物物理和生物化學(xué)的參數(shù)，就是用高空的高光譜遙感數(shù)據(jù)對一些重要的生物和農(nóng)學(xué)參數(shù)的反演。這種研究可以用來研究生態(tài)系統(tǒng)過程，如光合作用、C、N循環(huán)等，也可以用來對生態(tài)系統(tǒng)進行描述和模擬。

（4）最具潛力和效益的應(yīng)用前景就是研究作物的光譜特征農(nóng)學(xué)遙感機理，將其應(yīng)用于遙感估產(chǎn)，做到對農(nóng)作物生長勢的動態(tài)監(jiān)測、病蟲害的早期診斷和產(chǎn)量的早期預(yù)報?？梢杂糜谵r(nóng)業(yè)自然災(zāi)害（水、旱、火、蟲、病等）的遙感實時動態(tài)監(jiān)測和損失評估，主要農(nóng)作物的長勢、播種面積的監(jiān)測和產(chǎn)量預(yù)報以及草地估產(chǎn)、草畜平衡估算，進行農(nóng)業(yè)自然資源與環(huán)境的動態(tài)監(jiān)測與評估，進行全國耕地變化的遙感動態(tài)監(jiān)測。4．遙感信息定量化是當(dāng)前的重點研究方向

為實現(xiàn)精準農(nóng)業(yè)作為大農(nóng)業(yè)的發(fā)展要求，高光譜遙感的發(fā)展趨勢就是遙感信息定量化和“定性”、“定位”一體化快速遙感技術(shù)。

（1）遙感信息定量化

將遙感信息定量化，實現(xiàn)全球海量觀測數(shù)據(jù)的定量管理、分析和預(yù)測、模擬是當(dāng)前重要的發(fā)展方向之一。遙感技術(shù)的發(fā)展，最終目標是解決實際應(yīng)用問題。遙感信息定量化使高光譜遙感信息的定量分析與應(yīng)用成為現(xiàn)實。高光譜遙感器的光譜分表率已達數(shù)納米，空間分辨率僅幾米，對應(yīng)圖像任一像元反演的地物光譜，可與地面實測值相比擬，這將便于實驗室地物光譜分析模型直接應(yīng)用到高光譜遙感的處理和分析研究，以及利用計算機自動進行地物的光譜分類和匹配識別研究。

遙感信息定量化，將使不同種類光學(xué)遙感數(shù)據(jù)的信息復(fù)合技術(shù)發(fā)生質(zhì)的飛躍，使復(fù)合后的信息不僅達到空間分辨率的歸一化，而且其輻射值仍保持著目標結(jié)構(gòu)和成分的物理信息，這將在全球變化和全球資源環(huán)境狀況監(jiān)測和調(diào)查等應(yīng)用研究中具有重要意義。

通過遙感信息的定量化，將定量反演的地物光譜與實測值相比較，可對空中遙感器性能進行校驗，如波長漂移、增益、信噪比等性能，以及對遙感數(shù)據(jù)的精度進行全面的評價。

通過遙感信息的定量化，使遙感定量分析專題應(yīng)用模型（如農(nóng)作物估產(chǎn)、土壤濕度和干旱監(jiān)測、初級生產(chǎn)力的計算等模型）具有高質(zhì)量的定量遙感數(shù)據(jù)為輸入?yún)?shù)而加以廣泛地推廣和應(yīng)用。

（2）“定性”、“定位”一體化快速遙感技術(shù)

現(xiàn)在的遙感系統(tǒng)，主要還是單臺遙感器為主，仍沒有“定性”、“定位”一體化的組合遙感器。超多波段、超光譜分辨率的成像光譜儀在目標識別方面具有更強的能力，但目標圖象的“定位”問題卻留給信息處理階段。高光譜遙感應(yīng)用的不斷深入，在“動態(tài)監(jiān)測”越來越成為人們共識的情況下，發(fā)展提高效率的快速遙感技術(shù)就成為必須考慮的問題。為此，利用高光譜成像儀目標識別能力很強的同時，快速實現(xiàn)圖象的同步“定位”，賦予三維坐標，形成“定性”、“定位”一體化快速遙感技術(shù)。該技術(shù)有以下特點：

a．星-機-地一體化的技術(shù)體系，實現(xiàn)不同波譜范圍、高空間分辨率、高光譜分辨率等多種遙感數(shù)據(jù)的信息融合，提高識別精度。

b．三維成像儀與地學(xué)編碼圖像的準確匹配、同步生成。

c．無控制或極少控制點實現(xiàn)遙感圖像的準確定位。

d．高效率，縮短遙感作業(yè)周期。

參考文獻[1]梅安新等.遙感導(dǎo)論.北京:高等教育出版社,2001,7.[2]江東,王乃斌,楊小喚.我國糧食作物衛(wèi)星遙感估產(chǎn)的研究.自然雜志,21(6),351-355.[3]呂慶吉吉..農(nóng)作物遙感估產(chǎn)方法介紹(上).中國統(tǒng)計,2001(5):56-57.[4]閻雨,陳圣波,田靜,等.衛(wèi)星遙感估產(chǎn)技術(shù)的發(fā)展與展望.吉林農(nóng)業(yè)大學(xué)學(xué)報2004,26(2):187-196.[5]呂慶吉吉.

.農(nóng)作物遙感估產(chǎn)方法介紹(下).中國統(tǒng)計,2001,6:55-56.[6]申廣榮，王人潮.植被高光譜遙感的應(yīng)用研究綜述.上海交通大學(xué)學(xué)報,2001,19(4):315-321.[7]陳沈斌.種植業(yè)可持續(xù)發(fā)展的支持系統(tǒng)——農(nóng)作物衛(wèi)星遙感估產(chǎn).地理科學(xué)進展,1998,17(2):71-77.[8]戴昌達.衛(wèi)星遙感在農(nóng)業(yè)中的應(yīng)用與展望.中國航天,1995(5):3-7.[9]趙庚星,余松烈.冬小麥遙感估產(chǎn)研究進展.山東農(nóng)業(yè)大學(xué)學(xué)報(自然科學(xué)版),2001,32(1):107-111.[10]孫九林.中國農(nóng)作物遙感動態(tài)監(jiān)測與估產(chǎn)總論.北京:中國科學(xué)技術(shù)出版社，1996.[11]王乃斌.中國小麥遙感動態(tài)監(jiān)測與估產(chǎn).北京:中國科學(xué)技術(shù)出版社，1996.[12]IdosSBPinterPJ,JrJacksonRD,etal.EstimationofGrainYieldsRemoteSenescence