技术概述
农作物生长状况遥感测定是一种利用遥感技术对农作物生长状态进行监测和评估的现代化农业技术手段。该技术通过搭载在卫星、飞机、无人机等平台上的传感器，获取农作物反射或辐射的电磁波信息，结合地面实测数据和农业气象资料，对农作物的生长状况进行定量分析和评价。
遥感测定技术具有监测范围广、获取信息快、时效性强、成本相对较低等显著优势，能够实现大面积农作物的动态监测，为农业生产管理、产量预估、灾害预警等提供科学依据。随着我国智慧农业的快速发展，农作物生长状况遥感测定技术已成为精准农业的重要组成部分。
该技术的核心原理是基于不同生长状态下的农作物具有不同的光谱特征。健康生长的农作物在可见光波段吸收较多，在近红外波段反射较强；而受到病虫害、干旱、营养缺乏等胁迫的农作物，其光谱特征会发生明显变化。通过分析这些光谱差异，可以准确判断农作物的生长状况。
农作物生长状况遥感测定技术已在国家农业遥感监测系统中得到广泛应用，形成了从数据采集、信息提取到成果应用的完整技术体系。该技术能够实现作物种植面积监测、长势评估、产量预测、灾害损失评估等多种功能，为农业主管部门和生产经营者提供决策支持。
检测样品
农作物生长状况遥感测定的检测样品主要包括各类农作物的种植区域，具体涵盖以下主要作物类型：
- 粮食作物：包括水稻、小麦、玉米、大豆、高粱、谷子等主要粮食作物的种植区域
- 经济作物：包括棉花、油菜、花生、向日葵、甘蔗、甜菜等经济作物的种植区域
- 蔬菜作物：包括设施蔬菜和露地蔬菜的种植区域，如番茄、黄瓜、辣椒、白菜等
- 果树作物：包括苹果、柑橘、葡萄、梨、桃等各类果园种植区域
- 其他作物：包括牧草、药材、茶叶等特种作物的种植区域
检测样品的选择需要考虑作物种类、生长阶段、种植模式、区域分布等因素。在进行遥感测定时，通常需要建立地面样方作为验证数据，样方的大小和数量应根据监测区域面积和精度要求确定。
地面样方的布设应遵循代表性、均匀性和可达性原则，覆盖不同的作物类型、土壤条件和管理水平。每个样方需记录作物品种、播种日期、生育期、株高、密度、叶面积指数、病虫害发生情况等信息，为遥感数据的解译提供基础数据支撑。
检测项目
农作物生长状况遥感测定涵盖多个重要的检测项目，主要包括：
- 作物种植面积监测：通过遥感影像解译，准确提取各类作物的种植面积和空间分布信息
- 作物识别与分类：基于不同作物的光谱特征和物候规律，实现作物类型的自动识别和分类
- 作物长势监测：利用归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)等指标，评估作物生长状况
- 叶面积指数测定：通过遥感反演获取作物叶面积指数，反映作物冠层结构和光合作用能力
- 叶绿素含量测定：利用光谱特征反演作物叶片叶绿素含量，评估作物营养状态
- 生物量估算：基于遥感数据和作物生长模型，估算作物地上部分生物量
- 产量预测：综合长势监测结果和历史产量数据，进行区域作物产量预测
- 干旱胁迫监测：利用地表温度和植被指数组合，监测作物水分胁迫状况
- 病虫害监测：通过分析作物光谱异常变化，识别病虫害发生区域和严重程度
- 氮素营养诊断：利用作物光谱响应特征，诊断作物氮素营养状况
- 土壤墒情监测：结合微波遥感数据，监测农田土壤水分状况
- 作物成熟度评估：基于作物成熟期的光谱变化特征，评估作物收获适期
这些检测项目相互关联，共同构成农作物生长状况遥感测定的技术体系。在实际应用中，可根据具体需求选择相应的检测项目组合，为农业生产管理提供全面的技术支撑。
检测方法
农作物生长状况遥感测定采用多源遥感数据协同分析方法，主要包括以下技术方法：
卫星遥感监测方法：利用中高分辨率卫星遥感数据开展大范围农作物监测。常用数据源包括国产高分系列卫星、资源系列卫星、环境系列卫星，以及国外的Landsat系列、Sentinel系列、MODIS等卫星数据。卫星遥感适合省级、国家级大尺度的农作物监测业务。
航空遥感监测方法：利用有人驾驶飞机或无人机搭载遥感传感器进行监测。航空遥感具有机动灵活、分辨率高的特点，适合县级、农场级中小范围的精细监测。无人机遥感可根据需要搭载多光谱相机、高光谱仪、激光雷达等传感器。
地面光谱测定方法：利用便携式光谱仪在地面进行作物冠层光谱测量，获取高精度的光谱反射率数据。地面光谱数据主要用于建立和验证遥感反演模型，也可直接用于田间尺度的作物监测。
植被指数分析方法：基于作物光谱特征构建各类植被指数，用于表征作物生长状况。常用的植被指数包括归一化植被指数(NDVI)、增强型植被指数(EVI)、比值植被指数(RVI)、差值植被指数(DVI)等，不同指数适用于不同的监测场景。
光谱混合分解方法：针对中低分辨率遥感影像中的混合像元问题，采用线性光谱混合分解模型，将混合像元分解为各组分比例，提高作物面积提取和长势监测精度。
时序分析方法：利用时间序列遥感数据分析作物全生育期生长动态，通过对比不同年份的时序曲线差异，评估作物生长状况变化，识别异常区域。
机器学习分类方法：应用支持向量机、随机森林、深度学习等机器学习算法进行作物识别和分类，提高分类精度和自动化程度。
遥感与模型耦合方法：将遥感数据与作物生长模型耦合，实现作物生长过程的动态模拟和预测，提高监测结果的机理性解释能力。
检测仪器
农作物生长状况遥感测定涉及多种类型的检测仪器和设备：
- 卫星遥感平台：包括光学卫星和微波卫星，提供多光谱、高光谱、合成孔径雷达等多种类型数据
- 无人机遥感系统：包括固定翼无人机、多旋翼无人机等飞行平台，可搭载多种传感器
- 多光谱相机：获取可见光和近红外波段的影像数据，常用的有4-6波段多光谱相机
- 高光谱成像仪：获取连续窄波段的影像数据，波段数可达数十至数百个
- 热红外相机：获取地表温度信息，用于作物水分胁迫监测
- 激光雷达系统：获取作物冠层三维结构信息，用于株高测量和生物量估算
- 合成孔径雷达：可全天候获取作物后向散射信息，用于土壤水分和生物量监测
- 便携式光谱仪：用于地面作物冠层光谱测量，波段覆盖350-2500nm
- 叶面积指数仪：用于地面测量作物叶面积指数，验证遥感反演结果
- 叶绿素测定仪：用于地面测量作物叶片叶绿素含量
- 冠层分析仪：用于测量作物冠层结构和透光率
- 全球定位系统：用于地面样方定位和几何校正
遥感图像处理软件是进行农作物生长状况分析的重要工具，主要包括ERDAS IMAGINE、ENVI、PCI Geomatica等专业遥感软件，以及ArcGIS、QGIS等地理信息系统软件。此外，还有针对农业遥感监测开发的专用软件系统，可实现作物面积提取、长势监测、产量预测等功能。
应用领域
农作物生长状况遥感测定技术具有广泛的应用领域：
农业管理部门：为农业农村部门和农业行政管理部门提供区域作物种植面积、长势状况、产量预测等信息，支撑农业生产决策、粮食安全预警和农业政策制定。遥感监测结果可纳入国家农情调度系统，实现农情信息的定期报送。
农业保险行业：为农业保险承保验标和理赔定损提供技术支撑，通过遥感快速核定受灾面积和损失程度，提高理赔效率，减少争议。在种植险、气象指数保险等产品中发挥重要作用。
农业生产经营主体：为农业企业、家庭农场、农民专业合作社等规模经营主体提供田间作物监测服务，指导灌溉施肥、病虫害防治等田间管理措施，实现精准农业管理。
农业科研院所：为农业科研机构提供作物育种材料鉴定、试验监测、产量评估等技术支持，加速育种进程，提高科研效率。
农产品加工企业：为农产品加工企业提供原料基地监测和原料品质评估服务，保障原料供应稳定，优化采购决策。
农业信息化服务：集成到农业物联网和智慧农业平台中，实现作物监测信息的在线查询、可视化和智能分析，为农业从业者提供便捷的信息服务。
- 粮食安全预警：监测粮食作物生产动态，预警粮食安全风险
- 农业灾害评估：快速评估干旱、洪涝、冻害等农业自然灾害的影响范围和程度
- 农业补贴核查：核实作物种植面积，为农业补贴发放提供依据
- 农情信息发布：定期发布作物长势、苗情、墒情等农情监测信息
- 农业区划调整：为农业种植结构调整和区域布局优化提供数据支撑
常见问题
问：农作物生长状况遥感测定的精度如何？
答：遥感测定精度受多种因素影响，包括遥感数据空间分辨率、时间分辨率、光谱分辨率，以及地面验证数据的数量和质量。一般而言，利用中高分辨率卫星数据进行作物面积提取的精度可达90%以上；作物长势监测的精度通常在85%-95%之间；产量预测的相对误差通常控制在10%以内。通过多源数据融合和模型优化，可进一步提高测定精度。
问：遥感测定能否识别作物病虫害？
答：可以识别。病虫害会导致作物叶片变色、卷曲、脱落等症状，引起光谱特征的明显变化。利用高光谱遥感可以敏感捕捉这些变化，实现对病虫害的早期监测。但病虫害的精确诊断需要结合地面调查，遥感主要用于快速锁定疑似发生区域，指导地面排查。针对不同病虫害的光谱特征差异，目前已有大量研究成果应用于实际监测。
问：阴雨天气能否进行遥感监测？
答：光学遥感受云雨天气影响较大，无法获取有效影像。此时可采用微波遥感，合成孔径雷达可全天候成像，不受云雨影响。此外，还可利用已有数据结合气象信息进行模型推演，在短期内提供参考性监测结果。我国风云气象卫星等数据源可提供较高频次的对地观测，有利于获取云窗期的有效影像。
问：多大面积的农田适合开展遥感监测？
答：遥感监测适用的空间尺度灵活，从小面积的田间试验到全国范围的农情监测均可实现。对于小面积农田（如数十亩至数百亩），建议采用无人机遥感，分辨率高、机动性强；对于中等面积（如乡镇、县域），可采用高分辨率卫星遥感；对于大面积（如省市、全国），可采用中分辨率卫星与高分辨率卫星协同监测。
问：遥感测定需要哪些配套数据？
答：遥感测定需要配套多种数据，包括：高精度地理参照数据（数字正射影像、地形图等）用于几何校正；地面样方数据用于模型建立和精度验证；农业气象数据用于辅助分析；历史作物种植分布数据用于时序对比分析；作物物候数据用于影像时相选择和特征分析。配套数据的完备程度直接影响监测结果的质量。
问：遥感监测结果如何交付？
答：监测结果通常以专题图件、统计报表、分析报告等形式交付。专题图件包括作物种植分布图、长势分级图、产量分布图等；统计报表包括各类作物的种植面积统计表、长势等级面积统计表等；分析报告包括监测方法说明、结果分析、趋势研判等内容。可根据用户需求定制成果形式和内容深度。
问：遥感测定服务的周期是怎样的？
答：监测周期取决于用户需求和数据获取情况。对于固定区域的定期监测，可在卫星过境后3-7个工作日内提交监测结果；对于应急监测（如灾害评估），可在数据获取后24-48小时内提供初步结果。全生育期监测通常按月度或关键生育期节点提交监测报告，服务周期覆盖作物整个生长季。
问：如何选择合适的遥感数据源？
答：数据源选择应综合考虑监测目的、空间尺度、时效要求、预算成本等因素。需要高精度监测时优先选择高分辨率卫星或无人机遥感；需要高频次监测时选择重访周期短的卫星数据；预算有限时选择免费的卫星数据资源。专业服务机构可根据用户需求提供数据源选择建议和方案设计。
