中國是世界上農業災害最嚴重的傳統農業大國之一。農業災害主要包括病蟲害、洪水、干旱、冰雹、冷凍等。嚴重的農業災害不僅會導致作物產量大幅減少,農業經濟運行混亂,還會威脅到人民的生產、生活質量和生命財產安全。
傳統的農業災害監測方法主要是現場定點監測和隨機調查。傳統的方法在具體操作上更準確,但如果進行大規模監測,則非常耗時、費力、低效。此外,一些農業災害(如病蟲害等)在早期無法用肉眼識別,特別是在大規模監測中,傳統的監測方法容易造成較大的誤差。
農業災害遙感監測主要包括以下幾個方面:
一是采用多傳感器、多時相、多分辨率數據相結合的監測方法,收集國內外多源衛星遙感圖像,分析災前災后情況;
二是根據衛星圖像、歷史資料和現場調查信息,確定受災范圍,包括識別受災對象、提取作物分布地塊、計算受災面積、匹配土地確認數據,確定不同經營者種植區的受災情況;
三是結合環境、土壤、氣象等信息,分析災害因素,模擬和預測災害發展趨勢;
四是計算災害程度,如評估災后作物生長情況,計算產量損失率;
五是對救災工作和災后重建提出生產經營建議,如根據災區氣候條件判斷作物是否適合種植保險。
基于衛星遙感預測農業干旱有兩種方法。一種方法是在干旱監測的基礎上,通過干旱時空預測模型模擬未來農業干旱;另一種方法是在作物生長模型的基礎上改進水脅迫模塊,構建作物干旱監測模型,將遙感觀測作為同化干旱脅迫的中間變量,結合短、中、長期氣象數據預測農業干旱。
1.衛星的遙感干旱指數對預測農業,是否干旱有著重大研究價值。以時間序列遙感干旱指數為輸入數據,并根據時間序列分析預測未來農業干旱變化。歷史上干旱數據具有大數據特征。人工智能算法可以有效地挖掘歷史年份的數據特征,進一步提高農業干旱預測的準確性。近年來,研究人員開始根據神經網絡和深度學習方法進行干旱預測,并取得了良好的效果。隨著遙感技術的快速發展,反復遙感表面的干旱指數本身具有空間大數據的特點。此外,隨著多衛星傳感器的結合,遙感干旱指數的時間維度也越來越高。目前,基于機器學習算法的農業干旱預測研究較少,這將是未來研究的熱點。
2.農業干旱預測的立足點是預測干旱對作物生長的影響。從這個角度來看,基于作物生長模式的農業干旱預測方法具有重要的研究價值。作物生長模式由氣象數據驅動。通過引入未來一段時間的氣象預測數據,可以有效模擬作物未來的生長狀態,預測作物的干旱脅迫狀態。此外,將作物生長模擬與農業干旱監測相結合,完善作物生長模式,實現農業干旱監測預警。
衛星遙感技術的快速發展使得針對衛星數據的農業干旱監測研究不斷深入,同時也促使基于衛星遙感數據的農業干旱監測逐步市場化。對海量遙感數據源,將深度學習技術和作物生長模型有機結合起來,基于數據同化思想,深入探索衛星遙感在農業干旱動態遙感監測方面的潛力,可進一步推動智慧農業的發展。