摘要:引用格式:赵柄婷, 华传海, 叶晨洋, 熊育春, 钱涛, 程涛, 姚霞, 郑恒彪, 朱艳, 曹卫星, 江冲亚. 水稻生产遥感监测与智慧决策研究进展[J]. 智慧农业(中英文), 2025, 7(2): 57-72.
引用格式:赵柄婷, 华传海, 叶晨洋, 熊育春, 钱涛, 程涛, 姚霞, 郑恒彪, 朱艳, 曹卫星, 江冲亚. 水稻生产遥感监测与智慧决策研究进展[J]. 智慧农业(中英文), 2025, 7(2): 57-72.
DOI: 10.12133/j.smartag.SA202501002
ZHAO Bingting, HUA Chuanhai, YE Chenyang, XIONG Yuchun, QIAN Tao, CHENG Tao, YAO Xia, ZHENG Hengbiao, ZHU Yan, CAO Weixing, JIANG Chongya. Research Progress on Remote Sensing Monitoring and Intelligent Decision-Making Algorithms for rice Production[J]. Smart Agriculture, 2025, 7(2): 57-72.
官网全文免费阅读
水稻生产遥感监测与智慧决策研究进展
赵柄婷1,2,3,4, 华传海1,2,3,4, 叶晨洋1,2,3,4, 熊育春1,2,3,4, 钱涛1,2,3,4, 程涛1,2,3,4,5, 姚霞1,2,3,4,5, 郑恒彪1,2,3,4,5, 朱艳1,2,3,4,5, 曹卫星1,2,3,4,5, 江冲亚1,2,3,4*(1.南京农业大学国家信息农业工程技术中心,江苏南京210095,中国; 2.智慧农业教育部工程研究中心,江苏南京210095,中国; 3.农业农村部农作物系统分析与决策重点实验室,江苏南京210095,中国; 4.江苏省信息农业重点实验室,江苏南京210095,中国; 5.现代作物生产省部共建协同创新中心,江苏南京210095,中国)
摘要:
[目的/意义]总结叙述水稻生产遥感监测及智慧决策算法的研究进展,剖析面临的挑战,展望未来方向。
[进展]首先介绍了遥感手段在时空尺度上如何监测水稻生长,其次剖析了遥感在水稻种植分布、生育期监测、长势监测和产量品质估算等方面的应用;最后阐述了水稻生产智能决策算法与遥感耦合的潜力。
[结论/展望]指出了遥感手段在水稻生产监测与人工智能耦合的应用与机遇,提出了大尺度、实时监测水稻生长的挑战与展望。本文可为水稻生产遥感监测相关深入研究提供参考,推动水稻精准生产和农业可持续发展。
关键词: 水稻生产;遥感;产量模拟;决策算法;智慧农业
以下为文章内容精炼
水稻是世界三大粮食作物之一,其生产监测对粮食安全至关重要。传统监测手段效率低、破坏性大,而遥感技术凭借覆盖广、周期短、成本低等优势,成为水稻监测的核心技术。本文综述了遥感在水稻生产全流程监测中的应用进展,分析了智能决策算法的融合潜力,并展望了未来发展方向。
一、水稻生产遥感监测技术应用
遥感技术已全面覆盖水稻种植分布、生育期、长势、灾害及产量品质等监测环节。在种植分布识别方面,光学遥感利用植被指数(如 NDVI、EVI)和水体指数(LSWI)的时序变化,结合物候特征构建分类模型;SAR 遥感则通过 VH 波段后向散射系数的 “V” 型特征识别水稻移栽期和营养生长期。两者融合可提升复杂地形区的识别精度,如结合地形和水文数据可将识别准确率提高 30% 以上。
生育期监测主要依赖经验阈值法、形状模型法和机器学习法。经验阈值法通过设定植被指数阈值判断关键生育节点(如抽穗期、成熟期),但易受年际气候影响;形状模型法利用多年平均植被指数曲线消除异常值,提升了跨年度监测稳定性;机器学习方法(如 SVM、随机森林)结合高分辨率影像,可通过表型特征(如稻穗形态)精确识别分蘖期和抽穗期,深度学习模型(如卷积神经网络)进一步将识别精度提升至 90% 以上。
长势监测通过反演叶面积指数(LAI)、地上生物量、叶绿素含量等参数实现。经验模型利用线性回归或机器学习建立光谱特征与生理参数的统计关系,如 RF 算法在叶片含氮量反演中精度比传统回归高 25%;物理模型(如 PROSAIL 辐射传输模型)通过模拟光与冠层的相互作用反演参数,结合查找表算法可实现区域尺度 LAI 估算;无人机凭借高分辨率多光谱影像,可实时监测叶绿素荧光和光合作用效率,为精准施肥提供数据支撑。
灾害监测涵盖倒伏、旱涝、冷热胁迫和病虫害。SAR 对水稻几何结构敏感,后向散射系数骤降可识别倒伏;旱涝灾害通过 LSWI 和 NDVI 变化评估,如 LSWI 低于阈值 0.3 时提示干旱风险;冷热胁迫需结合累积效应,高温胁迫模型利用多光谱影像估算受灾等级,准确率达 85%;病虫害监测中,深度学习模型通过高光谱影像识别稻瘟病叶片的红边移动特征,结合温湿度数据可预测稻飞虱扩散趋势。
产量与品质估算依赖作物模型与机器学习融合。卫星遥感结合 CERES-Rice 等模型可实现区域产量预测,但小尺度精度不足;无人机通过孕穗期光谱特征预测生产力变化,结合卷积神经网络可将田块尺度产量预测误差控制在 5% 以内。品质方面,高光谱影像与机器学习模型(如层次线性模型)可估算直链淀粉和蛋白质含量,相关系数达 0.8 以上。
二、水稻生产智慧决策算法整合
智能决策算法贯穿种植规划、施肥、灌溉和喷药等环节。种植规划中,GIS 与多准则评价结合,综合地形、土壤、气象等因子生成适宜性地图,如最大熵模型可识别影响水稻分布的主导因子(贡献率 > 60%);农场尺度通过遥感估产差异优化品种选择和密度设计,无人机数苗算法已实现移栽密度误差
追肥决策以氮素管理为核心,实地氮肥管理法(SSNM)结合产量目标与土壤氮测试,追氮量误差
灌溉决策通过土壤湿度阈值和蒸散发(ET)模型实现节水。干湿交替灌溉可减少 22% 用水量和甲烷排放,基于 WEAP 模型耦合区域供水与作物需水,可模拟不同气候情景下的灌溉需求,如 IPCC 预测显示 2050 年水稻灌溉量可能增加 10%-15%。
喷药决策利用无人机遥感生成处方图,通过 k-means 聚类和 SVM 模型区分水稻与空白区,结合病虫害光谱特征(如稻瘟病叶片近红外反射率下降 20%)实现精准施药,农药使用量减少 30% 以上,同时深度学习模型可实时识别害虫种类,指导药剂选择。
三、挑战与未来方向
当前研究面临四大挑战:多源数据融合难(时空分辨率差异、地形干扰)、种植制度复杂导致先验知识获取困难、模型区域适应性不足、技术落地成本高。未来需从六方面突破:
1. 技术创新:构建 “空 - 天 - 地” 一体化监测网络,开发自适应融合算法(如光学 - SAR 特征级融合),解决多云多雨区数据缺失问题。
2. 智能算法:探索迁移学习、元学习等技术,提升模型跨区域泛化能力,如知识引导机器学习可减少 50% 数据依赖。
3. 尺度扩展:建立全球长时序监测基准,开发 “气候 - 作物 - 管理” 耦合模型,评估极端气候对产量的影响(如高温使单产下降 10%-20%)。
4. 应用推广:降低无人机设备成本(预计 2030 年成本下降 40%),开展农民技术培训,缩小技术应用与生产需求的差距。
5. 标准制定:建立国际统一的监测指标与算法规范,如植被指数阈值和模型参数标准化。
6. 系统集成:融合数字孪生与 5G 技术,构建 “感知 - 决策 - 执行” 闭环系统,实现从种植到收获的全流程智能化管理。
四、结论
遥感技术与智能决策算法的深度融合,为水稻精准生产提供了技术体系。未来需通过多学科协同创新,突破数据融合、模型泛化和成本控制等瓶颈,推动遥感技术在智慧农业中的规模化应用,为全球粮食安全和可持续农业发展提供核心支撑。
文章图片
图1 水稻生产遥感监测技术路线图
Fig. 1 Technical roadmap for remote sensing monitoring of
rice production
图2 稻麦轮作植被指数变化序列图
Fig. 2 Sequence diagram of vegetation index changes in rice-wheat rotation
图3 水稻各物候期后向散射系数变化
Fig. 3 Changes in backscattering coefficient during different phenological stages of rice
图4 水稻生产智慧决策算法技术路线图
Fig. 4 Roadmap for intelligent decision making algorithm technology in rice production
通信作者介绍
江冲亚 教授
江冲亚,男,南京农业大学智慧农业系教授、博导,南京农业大学智慧农业研究院副院长。2014年于中国科学院地理科学与资源研究所获博士学位,2014–2017年于韩国首尔国立大学担任博士后研究员,2018–2023年于美国伊利诺伊大学厄巴纳-香槟分校先后担任博士后研究员、研究科学家和研究助理教授。长期从事植被遥感研究,发表SCI研究论文五十余篇,其中近五年以第一或通讯作者在Remote Sensing of Environment、Global Change Biology、Environmental Science & Technology、Earth System Science Data等期刊发表高水平论文9篇。主持或共同主持美国国家航空航天局等项目五项,参与美国农业部、美国能源部和美国国家科学基金会等项目十余项。回国后研究方向为农情遥感监测。现主持“十四五”国家重点研发计划项目课题一项,海南省国际科技合作研发项目一项。入选国家高层次青年人才计划和江苏省特聘教授计划。
转载请联系编辑部授权
本期支持单位
潍柴雷沃智慧农业科技股份有限公司
为方便农业科学领域读者、作者和审稿专家学术交流,促进智慧农业发展,为更好地服务广大读者、作者和审稿人,编辑部建立了微信交流服务群,有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法:加小编微信17346525780,备注:姓名、单位、研究方向,小编拉您进群,机构营销广告人员勿扰。
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
来源:智慧农业资讯一点号