農作物長勢遙感監(jiān)測需求、系統(tǒng)框架及業(yè)務應用*

王利民，劉 佳※，唐鵬欽，姚保民，劉榮高

（1. 中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所，北京100081；2. 中國科學院地理科學與資源研究所，北京100101）

0 引言

農作物長勢是指導農業(yè)生產管理，評估產量最為重要的農情要素之一。農作物長勢即作物生長的狀況與趨勢［1］，長勢監(jiān)測可以為田間管理、早期產量估算提供快速、宏觀的信息，具有十分重要的意義［2］。農作物長勢遙感調查的方法主要有常規(guī)地面調查與遙感監(jiān)測兩種，地面調查的特點是直觀性強、樣點尺度觀測的準確性高，遙感監(jiān)測的特點是范圍廣、區(qū)域代表性大，二者互補共同構成了長勢監(jiān)測業(yè)務體系。自20世紀90年代農作物生產過程遙感監(jiān)測受到重視以來，長勢監(jiān)測就成為農業(yè)遙感研究的重要內容［3］。長勢遙感監(jiān)測可以分為關鍵技術研究與監(jiān)測應用兩個方面，比較常用的長勢遙感監(jiān)測方法又可以歸納為植被指數關聯(lián)法和作物生長模型方法這兩個大類；監(jiān)測應用則主要以世界各國農情遙感監(jiān)測業(yè)務體系中的農作物長勢遙感監(jiān)測應用最為典型。

遙感指數關聯(lián)方法主要利用遙感影像獲取與作物生長密切相關的植被指數，并構建植被指數與長勢之間的相互關系，從而反演地面作物的生長情況，常用到的遙感指數包括LAI、NDVI、VCI、NDWI等，常用的技術方法包括長勢直接關聯(lián)監(jiān)測法、同期對比監(jiān)測法、生長過程監(jiān)測法等方法。直接關聯(lián)監(jiān)測法主要通過建立遙感指數與作物長勢之間的相關關系，從而直接將遙感指數轉換為對應的長勢指標［4-9］。同期對比監(jiān)測方法主要利用實時NDVI圖像值與上年或多年平均值的對比，反應當時作物生長情況的變化情況，并對差異情況進行統(tǒng)計分級，從而判斷作物的長勢情況［10-13］。生長過程長勢監(jiān)測方法的原理是，作物不同發(fā)育階段與最終產量的關系不同，據此可以根據不同階段長勢指標的權重不同對長勢進行監(jiān)測［14-18］。

農作物長勢遙感監(jiān)測結果有利于提前掌握糧食生產動態(tài)，發(fā)達國家一直都很重視建設各自的長勢監(jiān)測業(yè)務系統(tǒng)。從20世紀70年代開始，美國農業(yè)部（USDA），國家海洋大氣管理局（NOAA）、美國宇航局（NASA）和商業(yè)部合作主持，先后開展了“大面積農作物估產實驗（LACIE）”、“農業(yè)和資源的空間遙感調查計劃（AGRISTTARS計劃）”等項目，實現(xiàn)了美國本土及全球重點國家的主要農作物的長勢評估和產量預報，形成了美國農業(yè)部的遙感監(jiān)測業(yè)務系統(tǒng)。隨后，歐盟通過實施“遙感農業(yè)監(jiān)測項目”（MARS計劃）也成功地建成了歐盟區(qū)域的農作物估產系統(tǒng)，聯(lián)合國糧農組織（FAO）通過“全球糧食和農業(yè)信息及早期預警系統(tǒng)”（Global Information and Early Warning System on food and agriculture，GIEWS）進行全球農作物長勢的遙感監(jiān)測，俄羅斯農業(yè)部也于2003年建設了全國農業(yè)監(jiān)測系統(tǒng)，以MODIS為主要數據源，結合氣象數據開展作物單產預測。在中國，中國農業(yè)農村部、國家氣象局、國家統(tǒng)計局、中國科學院都針對不同的需要，建立了各自的農情遙感監(jiān)測業(yè)務系統(tǒng)［2，19-22］。其中，中國農業(yè)農村部系統(tǒng)的長勢遙感監(jiān)測結果是直接服務于國家農業(yè)政策宏觀決策，是與美國農業(yè)部、歐盟MARS計劃并列的全球三大農情系統(tǒng)。

盡管農作物長勢遙感監(jiān)測研究較為深入，甚至進入了業(yè)務化運行的水平，但從目前文獻研究來看，技術研究領域更多是注重于不同方法的優(yōu)劣比較研究，業(yè)務系統(tǒng)領域更多注重的是監(jiān)測結果宣傳，對農作物長勢遙感監(jiān)測需求分析、系統(tǒng)架構以及技術指標分析方面的研究反而很少見到報道，而這方面的內容恰恰又是關鍵技術可行性、業(yè)務系統(tǒng)運行水平的標志。針對上述研究不足，文章在農作物長勢遙感監(jiān)測需求分析基礎上，提出了中國農業(yè)農村部農作物長勢遙感監(jiān)測系統(tǒng)的業(yè)務流程，并以全球冬小麥長勢遙感監(jiān)測業(yè)務為例進行了具體應用。

1 農作物長勢遙感監(jiān)測業(yè)務需求

農作物長勢遙感監(jiān)測需求可以歸納為服務對象、作物類型、空間范圍、地面尺度、監(jiān)測周期等5個方面的需求。服務對象是指對長勢監(jiān)測有需求的政府、糧食企業(yè)及種植大戶等具體對象。這3者的需求是有差異的，政府需求重點是對行政區(qū)域內農作物長勢整體狀況的了解，根據長勢信息對產量趨勢進行評估，并制定相應的生產資料調度措施及貿易政策；糧食企業(yè)需求同樣是據此對產量作物評估，并制定相應的市場策略；種植大戶則根據長勢狀況對生產管理措施做出調整。作物類型需求是指長勢監(jiān)測是針對某個區(qū)域內所有作物類型開展的，由于技術條件限制可以針對某些大宗或者重要作物開展，并作為該區(qū)域內所有農作物的長勢狀況?？臻g范圍需求是指作物長勢監(jiān)測是在某個行政單元或者指定的研究區(qū)開展的，如縣級、省級及國家尺度，或者黃淮海等地理單元概念的區(qū)域。地面尺度需求是指遙感影像的空間分辨率能夠與所代表的地面作物類型相匹配，一般有像元和地塊兩個尺度；就像元尺度來講，像元內的作物類型必須是單一的而非混合像元；就地塊尺度來講，地塊內作物類型必須一致，同時長勢也應該較為均勻一致，如果不一致就應該區(qū)分為兩個地塊。監(jiān)測周期的需求是指長勢監(jiān)測必須是時間上連續(xù)的，至少應該覆蓋作物生長發(fā)育的關鍵階段。

以服務對象為牽引，農作物長勢遙感監(jiān)測5個方面的需求是相互關聯(lián)的。政府及企業(yè)對象需求在空間范圍上是以行政區(qū)劃為單元的，作物類型一般是大宗或者重要農作物類型，地面尺度以像元尺度為主，監(jiān)測周期以作物生長關鍵物候期為主。種植大戶對象在空間范圍上的要求一般是所承包的耕地范圍，作物類型是所種植的特定作物類型，可能不僅僅是大宗作物，還有可能是經濟或者特色作物，地面尺度以地塊為管理單元，監(jiān)測周期以“天”或“候”為主，以確保管理措施能夠緊密實施。政府或者企業(yè)的需求與種植大戶需求的差別，本質上是技術手段不能滿足地塊尺度單元獲取條件下造成的，如果能夠獲得行政區(qū)域內以地塊單元表達的長勢信息，則通過地塊單元的逐級匯總獲取的區(qū)域長勢信息更能夠滿足政府或者企業(yè)決策需求，在這個意義上兩者是統(tǒng)一的。

2 農作物長勢遙感監(jiān)測業(yè)務系統(tǒng)框架

2.1 農作物長勢監(jiān)測系統(tǒng)框架

農作物長勢遙感監(jiān)測業(yè)務系統(tǒng)包括數據層、方法層、結果層和服務層4個層次，4個層次的邏輯關系如圖1所示，各層次系統(tǒng)說明如下述。

圖1 農作物長勢遙感監(jiān)測業(yè)務系統(tǒng)框架Fig.1 System framework of crop growth remote sensing monitoring operation

2.2 農作物長勢遙感監(jiān)測數據分析

數據層以遙感數據為主，同時也包括作物類型空間分布數據、地面調查數據等。遙感數據作為長勢遙感監(jiān)測的數據源，考慮到監(jiān)測頻率要求，一般以低空間分辨率遙感數據為主、中高空間分辨率數據為輔。低空間分辨率遙感數據的空間分辨率一般在250～1 000 m之間，如EOS/MODIS、FY-3/MERCI、NOAA/AVHRR數據等；中高空間分辨率遙感數據的空間分辨率一般在5～30 m之間，如RapidEye、GF-1/WVF、GF-6/WFV、Landsat 8 OLI數據等。由于低空間分辨率數據混合像元問題嚴重，一般需要進行純像元篩選，以純像元長勢代表區(qū)域長勢特征。中高空間分辨率由于重訪周期較長以及云覆蓋的影響導致不能按照固定的周期進行合成晴空數據，可以作為關鍵生育期長勢監(jiān)測的補充數據。

農作物類型空間分布數據是獲取特定作物類型長勢的依據，也是長勢監(jiān)測準確性的保證，這個數據可以從長勢監(jiān)測數據本身獲取，也可以從其他影像數據獲取，基本的原則是與長勢監(jiān)測數據空間分辨率要保持一致。地面調查數據是指通過地面實際觀測的方式獲取地面長勢真實狀況的數據，通常是采用作物高度、蓋度、密度和生物量的方式表征，同時也是對遙感獲取的長勢信息進行標定的主要依據。

2.3 農作物長勢遙感監(jiān)測方法分析

農作物長勢遙感監(jiān)測方法包括長勢參數選擇、長勢指標構建、長勢指標標定等3個方面。長勢參數選擇是遙感反演的長勢參數最優(yōu)選擇的過程，當前最為常用的指數是歸一化植被指數（NDVI），其他的LAI、EVI等指數也是應用較多的參數。

長勢監(jiān)測可以統(tǒng)計模型或者作物生長模型為媒介，建立所選擇參數與長勢指標的相關關系的方法直接進行長勢監(jiān)測；但目前更多的是采用距平或者與區(qū)域平均值的差值作為監(jiān)測指標開展監(jiān)測，這樣做避免了相關關系不穩(wěn)定性帶來監(jiān)測結果的不確定性。距平的方式需要多年平均值，考慮到同一像元區(qū)域作物類型的變化，這一方法需要提取各年度農作物種植面積并求取公共區(qū)域作為監(jiān)測范圍，其實質是以多年作物類型的公共區(qū)域代表當年監(jiān)測范圍內作物的長勢，如果公共區(qū)域代表性不強則可能會造成較大的監(jiān)測誤差。在農業(yè)行業(yè)中經常會出現(xiàn)相鄰或者特定某兩年長勢相比的要求，這可以看作多年平均值用特定年份長勢代替距平值的特例。在不能獲取多年遙感數據條件下，區(qū)域平均值差值方法開展長勢遙感監(jiān)測的方式是常用的備選方法，其實質是用區(qū)域參數的平均值作為每個像元的多年平均值，忽略了不同區(qū)域長勢的差異，只有在保證同一區(qū)域內長勢影響因素較為一致的情況下才可用，否則會造成較大的誤差。

長勢指標獲取的結果就是區(qū)域長勢監(jiān)測結果，這個結果習慣上有3種更為直觀的表達方式。第一種就是對監(jiān)測結果進行分級，就是將值域范圍連續(xù)的長勢指標圖離散為特定的3～5個類別，以方便用戶使用；但這個結果沒有跟特定的地面長勢信息或者產量信息相關聯(lián)，需要使用者根據經驗轉化為農作物生長特征或者產量信息；分級的方法目前也沒有特定的研究支持，一般是認為監(jiān)測結果符合正態(tài)分布，將正態(tài)分布結果按照平均值、標準差倍數的方式分級。第二種采用地面調查的地面長勢信息對長勢指標進行標定，地面長勢指標可以是密度、蓋度、高度、作物水分、葉綠素含量、生物量、產量特征，也可以是這些特征的加權平均，這樣獲得長勢監(jiān)測結果實際上被表征為地面農學指標，更有利于田間管理。第三種是根據行政單元尺度的統(tǒng)計產量數據對長勢指標進行標定，與地面觀測值標定是同樣的道理，長勢指標被表征為產量，更有利于通過當前長勢對后期產量進行評價；由于統(tǒng)計產量是行政單元上不同作物長勢狀況及其分布面積的加權平均值，要將統(tǒng)計產量準確應用到值域范圍連續(xù)的長勢指標體系中，技術方法目前尚不成熟，一般可以采用典型像元、典型區(qū)域進行分解的方法擬合。

2.4 農作物長勢遙感監(jiān)測結果的解釋

結果層是對農作物長勢遙感監(jiān)測結果以文字、圖表形式的表達，即通過監(jiān)測報告的形式對農作物長勢分布特征進行總結，以便于政府決策者、企業(yè)經營者、生產管理者對長勢監(jiān)測信息進行應用。監(jiān)測報告一般包括全球、國家、省級以及區(qū)域等4個尺度，報告內容一般包括不同長勢等級的分布區(qū)域、分布面積、產量評估以及造成當前長勢狀況的可能影響因素以及應對策略等。

2.5 農作物長勢遙感監(jiān)測的服務能力

服務層是將長勢監(jiān)測結果、總結報告等，以逐級上報、網絡發(fā)布的形式提供給政府決策、企業(yè)經營、生產管理者。在服務層需要關注的問題是，農作物長勢監(jiān)測結果的農學意義要清晰，才能被各層次用戶所接受，這一般需要從長勢監(jiān)測報告的表達形式以及用戶對長勢的理解兩個方面加強才能達到這一效果。此外，農作物長勢遙感監(jiān)測結果的針對性要強，如面向政府決策和企業(yè)經營服務需要，服務的重點在長勢評價及可能的產量結果；面向種植大戶的生產管理需要，服務的重點在于造成目前長勢狀況的原因，是水分、是肥料，還是田間管理措施等造成的。

2.6 農作物長勢監(jiān)測系統(tǒng)指標

農作物長勢監(jiān)測系統(tǒng)指標包括監(jiān)測范圍、監(jiān)測頻率及監(jiān)測精度等3個方面。監(jiān)測范圍是指農作物長勢遙感監(jiān)測的區(qū)域，通常包括全球、國家、省級、縣級、小區(qū)域等尺度或者指定范圍，在空間上可以是連續(xù)的也可以是不連續(xù)的，但要具有針對性。監(jiān)測頻率是指系統(tǒng)開展監(jiān)測的時間間隔，通常以旬、月尺度居多，根據特定的要求可以開展天、候時間尺度的監(jiān)測。農作物長勢遙感監(jiān)測的精度是指監(jiān)測結果的精度，通常采用地面實測的方法進行驗證，需要注意的是遙感監(jiān)測結果與地面調查結果的農學意義要一致，否則精度驗證是沒有意義的。

3 農作物長勢遙感監(jiān)測業(yè)務應用實例

以中國農業(yè)農村部“國家農情遙感監(jiān)測業(yè)務運行系統(tǒng)”中的“全球冬小麥長勢遙感監(jiān)測業(yè)務”為例，說明農作物長勢遙感監(jiān)測的具體業(yè)務應用。與上述長勢監(jiān)測業(yè)務框架相一致，全球冬小麥長勢遙感監(jiān)測業(yè)務流程包括遙感數據獲取、冬小麥空間類型提取、基于距平的長勢監(jiān)測、監(jiān)測精度評價、監(jiān)測報告撰寫與提交等5個步驟，以下概要介紹遙感數據獲取、冬小麥空間分布數據獲取、基于距平算法的冬小麥長勢遙感監(jiān)測3個內容。

3.1 遙感數據獲取

全球冬小麥長勢遙感監(jiān)測業(yè)務使用的遙感數據源是500 m空間分辨率的MODIS NDVI數據，該數據是在每天500 m空間分辨率的1B數據基礎上（https：//search.earthdata.nasa.gov/），經過大氣校正、NDVI計算、8 d NDVI合成，每年共46期數據，46期數據經過平滑處理［23］。圖2給出了2018年5月1—8日期間8 d的NDVI合成圖。

圖2 全球500 m空間分辨率MODIS/NDVI合成（2018年5月1—8日）Fig.2 Global MODIS/NDVI resultant images with spatial resolution of 500 meters in May 1—8 of 2018

3.2 冬小麥空間分布數據獲取

針對NDVI譜曲線時序特征，采用面積指數的方法對全球冬小麥進行識別［24］，考慮到全球不同區(qū)域冬小麥物候差異，在應用面積指數方法時，不同區(qū)域采用差異化的季相權重值。為提高監(jiān)測精度，基于冬小麥波譜曲線自身特征對混合像元特征進行了分析，并構建了混合像元指數，提取了純度較高的像元進行長勢監(jiān)測。圖3給出了全球冬小麥空間像元中占比在30%以上的冬小麥空間分布狀況。

圖3 2017—2018年度全球冬小麥空間分布Fig.3 Global winter wheat spatial distribution from 2017 to 2018

3.3 基于距平算法的冬小麥長勢遙感監(jiān)測

采用多年距平的方法對全球冬小麥長勢進行監(jiān)測，多年平均值采用監(jiān)測年份前5年數據，選擇像元純度在60%以上的區(qū)域作為監(jiān)測區(qū)域；通過這樣方法求取的多年平均值，剔除了冬小麥分布較少像元造成的誤差，也能夠獲取歷史上較大區(qū)域的種植面積分布，使得監(jiān)測區(qū)域更大且更具有代表性。當年冬小麥像元也選擇60%以上的純度，減去對應像元的平均值即為距平。距平分級采用平均值、標準差的方式進行，共分為正常、差、好等3級；1倍標準差變化為正常，低于1倍標準差為差，高于1倍標準差為好。圖4給出了2018年5月1—8日間全球冬小麥長勢空間分布狀況。以2018年3月、4月兩個月內，中國區(qū)域內布設的200個地面網點監(jiān)測縣監(jiān)測結果對精度進行了初步驗證，選擇有效數據60個點，監(jiān)測結果完全符合的點為46個，監(jiān)測精度為76.7%。

圖4 2018年5月1—8日全球冬小麥長勢空間分布Fig.4 Global spatial distribution of winter wheat in May 1—8 of 2018

4 討論與結論

農作物長勢遙感監(jiān)測業(yè)務監(jiān)測方案是成熟的，但全球尺度農作物面積識別技術有待加強。無論是高、中、低空間分辨率的遙感數據，要實現(xiàn)全球、國家尺度的遙感監(jiān)測，首先需要解決的是遙感數據預處理問題以及區(qū)域使用能力較高的識別算法。就數據預處理方面，針對低空間分辨率遙感數據，以使用EOS/MODIS數據居多，通?？梢圆捎镁W站直接下載，但下載后的數據仍需做大量的平滑處理工作，否則對精度影響較大，該文中使用的數據就是自行處理的；針對中高空間分辨率數據，如國產GF-1/WFV數據等，目前業(yè)務應用尚不多見，作者在這方面也做出了有益探索［25-28］，以滿足省級以下尺度長勢遙感監(jiān)測的需求。就農作物面積識別方面，盡管許多研究都宣稱具有大尺度農作物面積空間分布的能力，但都沒有獲取具體的作物分布圖來證明，該文中提到的全球冬小麥遙感識別方法，應該是今后農作物面積遙感識別研究的主要方向。

針對全球、國家、省級以及縣級尺度農作物長勢遙感監(jiān)測，采用不同空間分辨率遙感數據開展監(jiān)測業(yè)務，是今后較長一個時期內農作物長勢遙感的客觀現(xiàn)狀。由于遙感數據源重訪周期、預處理技術以及農作物面積識別、地面農學參數遙感反演技術的限制，短期很難達到業(yè)務運行的要求，不同監(jiān)測范圍內采用相對比較成熟的技術開展長勢監(jiān)測將是很長時期內必須面對的事實。全球及國家范圍內的農作物長勢遙感監(jiān)測業(yè)務以低空間分辨率遙感數據為主，省級及縣級尺度以中空間分辨率遙感數據為主，縣級以下尺度的農作物長勢遙感監(jiān)測以高空間分辨率為主，采用地面調查方法對長勢等級進行確認仍然是長勢遙感等級標定的主要方案。

農作物長勢的概念有待于深入解析，這將有利于提高長勢遙感監(jiān)測的業(yè)務化能力與精度。盡管從20世紀70年代以來，農作物長勢遙感監(jiān)測已經開展了近50年，但長勢的農學意義尚沒有比較明確的理解，長勢監(jiān)測仍然停留在遙感參數比較層面，監(jiān)測結果需要由使用者自行解釋，這在很大程度上影響了長勢監(jiān)測結果的應用。從遙感參數到明確長勢監(jiān)測結果的農學意義，有兩種解決方案，一種是具有明確農作物意義的地面長勢參數的遙感反演，并能夠將地面長勢狀態(tài)與田間管理技術相關聯(lián)；一種是長勢參數與最終產量相關；兩種方案之間相互聯(lián)系，前者是過程，后者是結果。因此，與田間管理手段相關聯(lián)的，具有明確產量意義的監(jiān)測技術是今后農作物長勢遙感監(jiān)測研究的另一個主要方向。