康晓丽

(山西省信息产业技术研究院有限公司，山西 太原 030012)

0 引言

追溯至20世纪70年代，人们就利用卫星遥感技术进行农业灌溉管理，美国利用Landsat卫星影像，实现了农作物的类别、范围、产量的估算，并对美国和其他国家的农作物的产量和生长过程进行了监测预估。Schutz在2000年系统阐述了卫星遥感技术在灌溉与排水中的应用，包括农作物种植结构的类别、成长周期用水量预估、土壤含水量推测等。我国卫星遥感技术经过多年的不断发展，已经建成了包括气象卫星、资源卫星、海洋卫星在内的一系列遥感卫星，在国土、自然资源、农业、水利等资源及地质灾害调查、监测与管理和城市规划中发挥了重要作用。灌区农业生态信息种类繁杂，业务关联性强，需要建立一种能够方便、高效利用包括遥感数据在内的多元数据信息进行业务监测的方式[1-2]。

1 总体设计

以卫星遥感数据为基础，结合利用天空地一体化立体观测数据，对灌区耕地、林地、水体、建成区、道路等地表覆盖信息进行全覆盖、全要素提取，并以年度为单位进行现状监测和动态更新，包括资源的数量、分布和空间变化情况，以此作为灌区农业资源评价、农业生产组织管理和相应决策分析的数据基础。运用互联网、云计算、大数据、人工智能等先进技术，构建灌区农业资源调查与监管体系，实现对灌区农业生态系统的精准化、规模化监测、监管。

2 建设方案

灌区农业生态安全监测系统包括土地利用情况监测、灌区气象监测预警、农作物盘点、土壤墒情监测、长势监测和产量预估等模块。

2.1 土地利用情况监测

将卫星遥感、无人机、物联网数据、项目统计数据等多元数据，通过采用深度学习技术，监测农业项目开工情况、工程建设进展、农田建设实施范围及内容，重点监测灌排沟渠、田间道路的建设情况，以及工程建设设施损坏、土地撂荒情况，实现农田建设工程实施情况的全面监测[3]。

通过高分辨率卫星遥感技术，按照田块形态、耕种方向、行距垄距和图像纹理等特征，自动地识别田块分界线，并对其进行分析归类、自动划分、特征提取和地块面积量算，在地图上矢量化展示区域内种植概况，主要是地块的面积、大小、分布等信息，并可在短时间内完成田块的自动识别、划分以及面积测算。在此基础上可融合农业业务系统中土地确权、土地流转、土壤成分、基本农田等业务数据，进行数据关联分析，实现对市级、乡镇级耕地资源的面积分布和地力的精准监测。在地图上展示区域耕地类型(水田、旱田)、耕地等级、耕地确权、耕地流转、土壤肥力、土壤墒情的空间分布、时间变化趋势，以便让政府部门实时掌握各区域耕地资源数量变化、面积分布、地力分布，做到耕地资源数量和质量底数清。

2.2 灌区气象监测预警

以基于遥感反演的土壤水分等参量为基础，耦合作物生长相关模型，结合水分供需关系，进行干旱风险程度的评估，具体包括干旱区域确定与影像匹配、干旱相关指标的遥感反演、农业干旱指数模型构建与计算和农业干旱风险等级评估与范围识别等功能。

结合气象观测的降雨量、蒸散发和温度等指标，对比历史数据，确定干旱预警区域。基于红外波段、雷达数据等，在“星-地”数据协同的基础上，开展土壤水分等相关指标的地块尺度定量反演。利用作物关键生长期水分需求关系，构建农业干旱指数模型，计算不同时期的农业干旱指数。结合历史旱灾数据，确定农业干旱等级划分阈值，在此基础上确定不同风险等级旱灾的区域分布，通过与历史灾情数据的对比分析，进行干旱灾害程度预警[4-5]。主要技术流程如图1所示。

图1 农业旱灾预警流程

其中，区域确定与影像匹配功能主要是结合气象实时预报信息，结合地区特征，在气象条件达到预警阈值时，结合历史旱灾预警信息，判定开展预警风险分析的区域范围。以此为基础进行中分辨率遥感影像数据的检索查询，匹配合适的影像数据，作为分析的基础数据。

农业干旱指数模型构建与计算功能主要是基于土壤水分含量、土壤质地、作物种类、降水、蒸散发等信息，利用作物关键生长期水分需求关系，构建农业干旱指数模型，计算不同时期的农业干旱指数，在这一过程中主要融合地域专家知识和历史旱灾信息。

农业干旱风险等级评估与范围识别功能主要是在农业干旱指数计算的基础上，结合历史旱灾数据，确定农业干旱风险等级划分阈值，在此基础上确定不同等级旱灾风险的区域分布和范围，作为预警发布的基础。

2.3 农作物盘点

利用时空数据分析手段，通过对高分辨率卫星遥感数据进行分析处理，实现种植面积监测、种植结构历史变迁分析、实时作物种植面积测算。通过采用深度学习技术，采用历年及最新的高分辨率卫星的遥感影像进行图像解译，按照田块的耕种作物种类、耕种方向、行距垄距和图像纹理等特征，自动识别分散田块的分界线，并对其进行精准划分和面积计算。通过对遥感影像的深度学习，构建主要农作物识别模型，实现对灌区主要农作物种类的精确识别和分类,计算和统计作物的实际种植面积及分布；实现农业产业种植面积结构空间分布及结构调整、变化幅度分析，为农业产业规划布局、产业结构调整政策的落实提供数据决策依据。

2.4 土壤墒情监测

通过对微波遥感数据以及地面物联网土壤湿度数据进行分析，对大田作物的需水和干旱情况进行不间断地的监测。通过土壤含水量、干旱指数等多个数据指标，获得需水情况的综合评估。通过地块级需水灌溉量精准的计算，为后续水肥一体化、节水灌溉等设备的精准运行提供数据依据。

2.5 长势监测

农作物长势监测是对农作物的整个生长过程进行系统监测和管理，利用多时相、长时序遥感数据实现大范围作物长势监测，技术流程图如2所示。

图2 农作物长势监测技术流程图

监测关键技术如下：

1) 监测指标

农作物长势监测原理是利用植被反射率光谱特征反演关键植被参数，通过植被参数的变化趋势来分析农作物的长势信息。在作物的长势监测中，归一化植被指数作为反映作物生长状况的良好指标，植被状态指数作为反映当地植被生长的条件指标。

2) 监测方法

农作物长势监测通过过程监测和实时监测实现。过程监测从作物生长发育的全过程来描述作物的生长；实时监测通过与之前某个时间点上的植被状态进行对比确定作物的相对长势。

农作物长势监测不仅可以为农业管理者提供主粮作物生长发育过程的健康状况和相关指数信息，便于对农作物的生长过程进行监控和管理，同时也可以实现出苗状况监测，结合气象、作物生长周期进行作物成熟期预测，并为产量预估提供基础数据。

2.6 产量预估

农作物产量遥感估算是基于农作物特有的波谱反射特征，利用卫星遥感手段对作物产量进行监测预报的一种技术。利用影像的光谱信息可以反演作物的生长信息，通过建立生长信息与产量间的关联模型，可获得作物产量信息。

3 优势分析

基于卫星遥感技术在农业灌溉的监测改变了传统农业灌溉监测管理时容易用水浪费严重的现象，因此在节水方面，基于高分系列遥感卫星的农业灌溉监测管理系统的使用效果非常明显，可以平均节水50%左右；可以实时监测并随时控制农业的灌溉方式；可以使得灌水均匀,保持土壤疏松、容量小，孔隙适中,为作物生长创造良好环境；在其他灌区信息化之后发现，对于作物增产增收效果明显；该系统能够随时控制农业的灌溉方式，远程控制阀门的开关，因此极少人就可以管理多个灌溉工作，省工省力。