苏州市精细果业发展中的遥感关键技术研究

方立刚

(1.苏州市职业大学 计算机工程学院，江苏 苏州 215104；2.江苏省现代企业信息化应用支撑软件工程技术研发中心，江苏 苏州 215104)

苏州市精细果业发展中的遥感关键技术研究

方立刚1，2

(1.苏州市职业大学 计算机工程学院，江苏 苏州 215104；2.江苏省现代企业信息化应用支撑软件工程技术研发中心，江苏 苏州 215104)

精细果业是实现现代农业的前提和关键.介绍国内外精细果业研究中遥感技术的现状和发展趋势，并以苏州市特色水果黄桃为例，分析精细果业中的核心技术—遥感技术，重点阐明基于光谱的果树叶片土壤养分的理论、对高光谱遥感数据的果树叶面积指数模拟进行了研究.分析结果表明，高光谱遥感技术是实现高效、生态、安全的精细果业关键技术之一，可为果农增收和果业面源污染的降低提供技术支持.

遥感；精细果业；养分；叶面积指数；高光谱

改革开放以来，中国的特色农业取得了举世瞩目的成就，但却从高投入和高资源消耗为代价，加上生产者片面追求高产，造成化肥、农药、生长调节剂等农业化学品使用过量和不合理使用.这不仅造成资源浪费，还导致土壤、地下水的污染，严重影响了农产品的质量安全[1].改善恶化的农村生态环境，减少农业化学品的使用，在提高水果单产水平的基础上确保质量安全，促进特色果业的可持续发展，是当前乃至今后特色果业的研究和发展方向.

江苏省苏州市果树栽培历史悠久，深受消费者喜爱的枇杷、杨梅等水果更具地方特色，并成为苏州市高效农业发展的首选产业之一.截止2011年底，全市果树面积10 800 hm2，比“十一五”初期增加67%.果品产量10.2×104t，总产值超过4 亿元，比五年前增加70%.特色果树种植的比较效益十分明显，如张家港市设施葡萄栽培每亩收益达1.5 万元以上，吴中区白沙枇杷每亩收益可达0.8 万元以上，张家港市凤凰水蜜桃每亩收益可达0.6 万元以上，吴江市翠冠梨每亩收益可达0.5 万元以上[2].但随着播种面积的扩大和单产的提高，提高果品的品质水平和减少环境的影响成为今后特色果业发展的重点.果树的种植面积、品质及其环境影响三者之间的协调发展成为特色果业决策的主要依据，目前这些信息的主要来源是人工的统计数据，获得数据的成本高昂，且数据更新缓慢，导致不同地区之间的信息难以共享.

江苏省正处于果业结构调整的重要时期.基于信息和知识精细化管理农业的技术和理念，应该同时扩展到更有增值潜力的设施园艺、果树栽培、动物饲养、农业系统管理等领域[3].目前，精细果业技术体系的应用成本仍然很高，而苏州市的特色果业发展良好，果园的环境问题也比较突出，因此，优先选择经济发达、富产水果的苏州市进行研究，对推动江苏省精细果业的实践和发展有着重要意义，是实现农业生产过程的信息化和标准化的重要突破口.当前，江苏省特色果业的快速发展面临农业化学品用量逐年增加和农业面临污染日益严重的威胁，迫切需要精细农业技术体系与管理模式的创新，促进遥感和计算机方面的高新技术在农业上的应用.

基于遥感技术为核心的新一代信息技术，实现果园变量施肥和果树长势监测，可提高农业化学品利用率和施肥效益，减少肥料的浪费以及多余农业化学品对环境的不良影响，促进资源与环境的协调发展.这是对以遥感技术为基础的精细农业技术服务江苏省果业现代化生产提出了新的挑战，也是信息技术发展的必然选择，更是绿色、高效果业发展的必然要求.而以高光谱遥感技术为基础的苏州市特色果业的变量施肥和长势模拟监测技术的研究，对未来江苏省果业的增产、增效和减排具有重大的经济、社会和环境效益.

1 国内外研究现状

20世纪90年代末，美国农业科研工作者首次提出精细农业“precision agriculture”的概念，而精细果业是精细农业发展到一定阶段的产物.目前，在美国中西部地区和欧洲大部区域，精细农业主要应用于甜菜、玉米和棉花等农作物的种植.例如，遥感技术与农作物模拟模型结合应用于棉花种植，可以在氮施用量减少35 kg/ha2的情况下，产量增加332 kg/ha2[4]；光谱遥感技术用于检测作物冠层的叶绿素浓度，可以在季节上控制氮肥的施用量[5]；大范围高光谱遥感数据用于监测与分析，甚至可以为区域农业提供不同水分、氮素和杂草水平的作物的精细管理[6].在谷物和豆类作物的产量预测和制图方面，精细农业技术已经发展了十几年，并且应用范围也逐步扩大[7-8].基于(多)高光谱遥感的NDVI参数与光谱混合模型的结合，通过对叶绿素a浓度估算，实现经济作物的百分比盖度和高度的较精确估算[9].精细农业的发展也经历了十几年的历程，早在1999年美国就开展过基于GPS的柑橘产量估算与制图[7].后来，Annamalail等[10]利用机器视觉原理开发了柑橘产量制图模型，从而估算了单棵橘子树和整个地块的产量.随着信息技术发展，2003年，比利时利用无线通信网络实现了自动控制的变率施肥器[11]，利用中红外光谱特征可以精确预测土壤的pH值、石灰含量、有机碳、阳离子交换量、磷和电导率等特征，利用近红外高光谱数据可以模拟土壤中的交换铝和钾的含量，实现基于高光谱遥感技术的土壤特征的评估与诊断技术[12].

国内最早推行精细农业技术的是北京和上海，自1999年起，先后筹建“精准农业示范基地”.有代表性的包括中国农业大学精细农业研究中心和北京农林科学院精细农业研究所，通过高科技农业示范工程，提高作物产量，降低能耗.黑龙江友谊农场利用美国MSR 16R型便携式光谱仪，设计并实现了作物冠层高光谱实时监测模型[13].由于该光谱仪器光谱分辨率基本覆盖了作物生理信息和生物化学信息敏感的波段，从而该监测模型能够实时模拟出作物的养分状况等生理生化参数，满足了作物长势的实时监测和预警.2004年，曲桂宝等[14]在吉林榆树市进行了精准施肥示范研究，取得了良好的效果，节省肥料15%，降低玉米生产成本20%.邝继双等[15]利用联合收割机测产系统记录的产量数据，开发了针对谷物和棉花等作物的产量分布图自动绘制系统.张淑娟等[16]基于全球定位系统和地理信息系统研究了田间土壤特性空间变异规律，为区域农田定位变量施肥和作物长势模拟提供依据.

作物长势包括群体特征和个体特征，利用遥感技术监测作物的长势包括作物的苗情、生长状况及其变化等，从中可及时获取作物产量信息[17].宏观上，农作物长势监测可以为农业政策的制订和粮食的管理提供决策依据；微观上，在田块尺度上获取作物长势是动态调整田间管理、实现精细农业的前提.叶面积指数(LAI)是对作物长势进行监测的一个主要参数，LAI的提取方法有很多，其中基于物理模型反演[18]的LAI可以比较准确地体现出作物生长过程，但物理模型的构建取决于大量农学参数，获取的困难限制了这些模型的应用.物理模型反演LAI也可以结合先验信息，称之为“基于先验知识的模型反演”[19]，该反演方法有重要的理论价值，但在实际应用中也受到先验知识难以获取的限制[20].如果能够在LAI物理模型反演方法中融合更多先验知识和实时数据，将会大大提高遥感反演LAI的可信度，为农作物生长模拟的监测提供更可信赖的依据.除了对一个地区的LAI进行大量实际调查获得有效信息外，利用高光谱遥感技术实时反演LAI信息，并将遥感观测信息与物理模型结合提取所关心的目标参数，开展遥感数据的同化研究是解决当前LAI获取精度不高问题的关键.将时序遥感观测作为观测量，而作物生长模型则无疑能描述LAI的生长演变过程，可见遥感同化技术可以完美解决时序遥感观测与作物生长模型结合的难题，可以进一步提高LAI反演精度.目前，国内外学者利用遥感观测数据与作物生长模型进行同化的研究成果已有不少，但大部分研究集中于小麦和水稻等作物的长势监测和估产方面[21-27]，果树方面鲜见研究.因此，基于LAI的果树长势遥感监测研究，可以为果树长势物理模拟模型提供同化参数和限制条件，优化果树长势物理模型的参数，提高模型的模拟精度，是实现精细果业的前提之一.

2 苏州市精细果业遥感关键技术

以苏州市的典型水果枇杷、黄桃为例，基于地理信息系统模拟、遥感观测和全球空间定位系统等3S集成技术，从土壤特征、叶片营养成分和水果内在品质的高光谱在线监测、遥感数据反演和地面长期观测数据着手，分析果园的土壤—叶片养分和叶面积指数的时空分布特征，探讨果园土壤—叶片养分、果树长势因子和水果内在品质三者之间的相关性，建立一个果园区变量施肥、长势模拟、水果品质监控等精细果业实施技术体系.在苏州市精细果业决策支持平台上，为用户提供基于果园地块的地力、长势和水果品质信息，从而进行肥力分析以及品种、灌溉、病虫害防治、作物产量和质量等方面的专家智能决策，获得对生产进行精细管理的实施方案.

2.1 黄桃果业精准变量施肥模型

近几年，高光谱测量和土壤特性测量的硬件发展很快，但目前精细果业中存在3个主要问题难以解决，限制了精细果业技术的大面积推广和应用.首先是面状遥感信息和实测点的点状光谱信息融合的尺度和精度问题；其次是土壤—叶片养分的光谱诊断模型的开发；最后是果树精准变量施肥算法的开发.精细果园土壤—叶片养分光谱诊断及其遥感研究技术框图如图1所示.苏州市精细果业精细变量施肥模型的构建需要开展以下3个方面的研究：

1)以黄桃等果园(土壤、冠层)养分的光谱探测为突破口，研究田间土壤养分采样技术和养分GIS模拟技术，结合高光谱遥感技术建立果园地面土壤和叶面碳氮养分/光谱的高光谱肥力诊断模型；

2)精细果业变量施肥系统，实现土壤—果树冠层光谱、先验知识和黄桃品质特性数据的综合分析，为果农提供专家的知识与决策；

3)变量施肥便携设备开发，实现黄桃、枇杷等重要营养期的精准施肥，节约资源、减少环境污染，提高施肥效率.

图1 精细果园土壤—叶片养分光谱诊断及其遥感研究技术框图

2.2 基于高光谱遥感数据的果树LAI模拟研究

以变分法等同化方法对同化参数(LAI信息)与果树生长模型的模拟结果进行优化反演.以基于变分和最优控制论基本原理的伴随法建立模型模拟结果与同化参数之差的目标函数，通过求解建立与生长模拟模型相对应的伴随方程.同化模型优化时，时序遥感观测则被顺序引入代价函数，遥感反演LAI信息与生长模型模拟值之间的差异加到伴随方程上作为驱动，方便计算控制参数优化下降的梯度，调整和优化模型中的控制变量，使得目标函数最小，以获得优化的控制变量和相应的状态变量，从而达到伴随同化的目的.同化模型的运行过程如图2所示.

图2 基于高光谱遥感数据的果树LAI模拟研究方法

2.3 关键技术路线的研究

充分利用遥感数据(hyperion/hymap)和农业遥感工作经验，在相应的遥感反演软件支持下，进行黄桃园养分参数的遥感反演，利用江苏省遥感基础数据库平台，在苏州市太湖常绿果树研究所已有土壤和黄桃、枇杷施肥配方成果的基础上，快速获取苏州市不同熟种黄桃识别产量、黄桃园区的变量施肥处方，为苏州市精细果业技术推广建设、果农增收和农村环境保护提供关键技术和决策信息.具体的实施过程可概括为：地面观测、遥感观测→GPS采样、GIS模拟、遥感反演→黄桃园土壤、叶片养分时空数据库(含GPS与GIS模型、光谱模型)→变量施肥处方.具体的技术框图如图3所示.

图3 苏州市精细果业遥感关键技术研究框图

3 展望

自1999年以来，精细果业的研究与实验取得了重大突破，相关的技术在发达国家得到了飞速的发展.精细果业也因此被喻为是“信息时代果树生产管理技术的革命”.进入21世纪后，发达国家不断加强农业科学技术水平的创新研究，利用生物与信息等高新技术提升农业的生产力，以期提高农产品国际市场竞争力和减少环境的影响，从而实现农业可持续发展.近几年来，随着物联网技术和云计算平台的发展和完善，智慧果园应用系统应运而生，实现了“水果生产全过程跟踪体系”的建立，满足了消费者和贸易商对农产品安全日益苛刻的新要求.因此，本研究将在以下几个方面进一步开展苏州市精细果业的深入研究，推动农业科技创新和农业高新技术的产业化和推广.

1)智能果园管理系统的设计与开发.实现果园的温度、湿度、光照、二氧化碳浓度、土壤温湿度等参数实时监控，实现长期数据的保存、统计和分析；并根据土壤温湿度参数的变化实现喷灌设备的开启与关闭.主要包括果园无线传感网节点的布置、各控制设备的安装调试、传感网节点接口开发、自动控制接口开发和智能果园管理系统开发等.

2)精细果业决策支持系统的设计与实现.基于Web GIS技术、空间数据库技术、网络技术和综合知识模型，开展精细果业应用平台的设计，其关键是精细果业决策支持系统的体系结构和组成内容设计与研究，从而建立辅助解决半结构化和非结构化问题的人机交互系统.在精细果业应用平台上为用户提供基于果园地块的实时监控获取的信息(温度、湿度、光照、二氧化碳浓度、土壤温湿度等)，结合知识模型在线进行肥力分析以及品种、灌溉、病虫害防治、作物长势和产量等方面的专家智能决策，从而实现生产过程在线精细管理.

参考文献：

[1]陆文龙. 精确农业进展及发展天津精确农业的建议[J]. 天津农业科学，2005，11(1)：50-53.

[2]徐春明，王珍. 抓住机遇开拓创新加快苏州水果产业发展步伐[J]. 中国果业信息，2008，25(11)：19-20.

[3]汪懋华. 关于精细农业试验示范与发展研究的思考[J]. 中国农业科技导报，2003，5(1)：7-12.

[4]Mckinion J M，Jenkins J N，Akins D，et al.Analysis of a precision agriculture approach to cotton production[J].Computers and Electronics in Agriculture，2001，32( 3)：213-228.

[5]Vantoai T，Major D，Mcdonald M，et al.Digital imaging and spectral techniques：applications to precision agriculture and crop physiology[M]. Madison ：American Society of Agronomy，ASA Special Publication，2003：1-66.

[6]Waheed T，Bonnell R B，Prasher S O.Measuring performance in precision agriculture：CART-A decision tree approach[J].Agricultural Water Management，2006，12：110-113.

[7]Schueller J K，Whitney J D，Wheaton T A，et al.Low-cost automatic yield mapping in hand-harvested citrus[J].Computers and Electronics in Agriculture，1999，23(2)：145-153.

[8]Yang C，Everit J H，Murden D，et al.Spatial variability in yields and profts within ten grain sorghum felds in South Texas[J].Transactions of the A SAE，2002，45 (4)：897- 906.

[9]Glenn J，Fitzgerald Paul J，Pinter Jr，et al.Multiple shadow fractions in spectral mixture analysis of a cotton canopy[J].Remote Sensing of Environment，2005，97：526- 539.

[10]Palani Annamalai，Wonsuk Lee.Citrys yield mapping system using machine vision[J].Earth Observation Magazine，2005，14(1)：14- 16.

[11]Wang Ning，Zhang Naiqian，Wang Maohua.Wireless sensors in agriculture and food industry-Recent development and future perspective[J]. Computers and Electronics in Agriculture，2005，50：1-14.

[12]Viscarrarossel R A，Walvoort T D，Mcbratney A B，et al.Skjemstad，visible，near infrared，mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties[J].Geoderma，2006，131：59- 75.

[13]李志伟，潘剑君，张佳宝. 基于GPS 的智能农机载高光谱采集系统的初步研究[J]. 光谱学与光谱分析，2005，25(6)：979- 983.

[14]曲桂宝，田耘. 变量施肥的实现过程及其发展前景[J]. 中国农机化，2005(4)：50-52.

[15]邝继双，张漫. 产量分布图生成系统的研究[J]. 中国农业大学学报，2003，8 (4)：9-13.

[16]张淑娟，何勇. 基于GPS和GIS的田间土壤特性空间变异性的研究[J]. 农业工程学报，2003，19(2)：39-45.

[17]Rao M V K，Ayyangar R S，Rao P N.Role of multispectral data in assessing crop management and crop yield[C]// Machine Processing of Remote Sensed Data Symposium，1982 ：1103-1112.

[18]Kimes D S，Knyazikllin Y，Privette L，et al.Inversion methods for physically-based models[J].Remote Sensing Review，2000，18：381-440.

[19]李小文，王锦地，胡宝新，等. 先验知识在遥感反演中的应用[J]. 中国科学D 辑：地球科学，1998，28：67-72.

[20]王锦地，李小文. 中国典型地物标准波谱数据库建设[J]. 遥感学报，2003，7：13-16.

[21]Dente L，Satalino G，Mattia F，et al.Assimilation of leaf area index derived from ASAR and MERIS data into CERES-Wheat model to map wheat yield [J].Remote Sensing of Environment，2008，112 (4)：1395-1407.

[22]闫岩，柳钦火，刘强，等. 基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究[J]. 遥感学报，2006，10 (5)：804-811.

[23]郭建茂. 基于遥感与作物生长模型的冬小麦生长模拟研究[D]. 南京：南京信息工程大学，2007.

[24]黄健熙，武思杰，刘兴权，等. 基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测[J]. 农业工程学报，2012，28(4)：142--148.

[25]刘峰，李存军，董莹莹，等. 基于遥感数据与作物生长模型同化的作物长势监测[J]. 农业工程学报，2011，27(10)：101-105.

[26]陈劲松，黄健熙，林珲，等. 基于遥感信息和作物模型同化的水稻估产方法研究[J]. 中国科学：信息科学，2010，4：173-183.

[27]Zhu Yuanli，Zhu Yan，Huang Yan，et al.Assimilation technique of remote sensing information and rice growth model based on particle swarm optimization[J].Journal of Remote Sensing，2010，14(6)：1226-1240.

(责任编辑：李 华)

Application of Remote Sensing Technology in Precision Fruit Growing in Suzhou

FANG Li-gang1，2
(1.School of Computer Engineering，Suzhou Vocational University，Suzhou 215104，China；2.Jiangsu Province Support Software Engineering R&D Center for Modern Information Technology Application in Enterprises，Suzhou 215104，China)

The study introduces the foreign and domestic status quo of“Precision fruit growing”in detail. The Yellow Peach planting in Suzhou is presented as a case study，the key remote sensing technology of “Precision fruit growing”is analyzed，and its theory and practical signifcance of spectral diagnosis of soil-leave nutrient and LAI inversion of hyper-spectral remote data are emphasized. The study shows that remote sensing technology is a key to effcient，ecological and safe precision Yellow Peach farming techniques. Remote sensing technology can provide technical support for fruit growers，contributing to an increase in income and a decrease in non-point pollution.

remote sensing；precision fruit；nutrient；LAI；hyper-spectrum

TP79

A

1008-5475(2014)03-0002-05

2014-06-03；

2014-06-20

江苏省自然科学基金资助项目(BK2012164)

方立刚(1980-)，男， 安徽歙县人，副教授，博士，主要从事遥感应用研究.