蔣鵬飛 姜水晶 韓雪

黨的十九大把“鄉(xiāng)村振興戰(zhàn)略”作為國(guó)家戰(zhàn)略提到黨和政府工作的重要議事日程上來(lái)，農(nóng)業(yè)是鄉(xiāng)村振興戰(zhàn)略的重要內(nèi)容之一?！懊褚允碁樘?，農(nóng)業(yè)穩(wěn)，天下穩(wěn)；農(nóng)民安，天下安”，然而重、特大自然災(zāi)害鏈對(duì)農(nóng)業(yè)生產(chǎn)和人民生活破壞極大，對(duì)我國(guó)農(nóng)業(yè)的發(fā)展造成了非常大的影響。

2017年，我國(guó)農(nóng)業(yè)自然災(zāi)害以洪澇、干旱災(zāi)害為主，風(fēng)雹、低溫冷凍、雪災(zāi)、崩塌和森林火災(zāi)等災(zāi)害也有不同程度發(fā)生。農(nóng)作物受災(zāi)面積18478.1千公頃，其中絕收1826.7千公頃；2017年，干旱災(zāi)害共造成全國(guó)農(nóng)作物受災(zāi)面積9874.8千公頃，其中絕收752.4千公頃，直接經(jīng)濟(jì)損失375億元。我國(guó)農(nóng)業(yè)的特點(diǎn)是農(nóng)業(yè)基礎(chǔ)設(shè)施總體不強(qiáng)，防災(zāi)減災(zāi)能力不足，農(nóng)業(yè)“靠天收”的格局還沒(méi)有從根本上得到改變。因此，通過(guò)新技術(shù)手段不斷提高農(nóng)業(yè)防災(zāi)減災(zāi)能力，用實(shí)實(shí)在在的舉措扎扎實(shí)實(shí)推進(jìn)農(nóng)業(yè)持續(xù)、穩(wěn)定、健康發(fā)展，顯得尤為重要。

一、國(guó)內(nèi)外的應(yīng)用現(xiàn)狀和進(jìn)展

當(dāng)前，隨著空間遙感技術(shù)的進(jìn)步，遙感數(shù)據(jù)空間分辨率、時(shí)間分辨率、光譜分辨率和輻射分辨率越來(lái)越高，數(shù)據(jù)類(lèi)型越來(lái)越豐富， 數(shù)據(jù)量也越來(lái)越大。遙感數(shù)據(jù)已經(jīng)具有了明顯的大數(shù)據(jù)特征，如大容量、高效率、多類(lèi)型、難辨識(shí)、高價(jià)值等，遙感進(jìn)入了大數(shù)據(jù)時(shí)代。同時(shí)，農(nóng)業(yè)氣象技術(shù)、大數(shù)據(jù)挖掘的迅速發(fā)展，使得農(nóng)業(yè)在防災(zāi)減災(zāi)應(yīng)用所需要的精細(xì)參數(shù)信息能夠快速、準(zhǔn)確、動(dòng)態(tài)獲取?？臻g遙感大數(shù)據(jù)技術(shù)能為農(nóng)業(yè)防災(zāi)減災(zāi)提供有效技術(shù)支持，能夠集時(shí)間、空間、地理數(shù)據(jù)和衛(wèi)星影像的存儲(chǔ)、管理、應(yīng)用和分析于一體，能夠使各種空間遙感數(shù)據(jù)圖形化、可視化，為農(nóng)業(yè)防災(zāi)減災(zāi)決策提供重要的信息參考。

基于空間遙感大數(shù)據(jù)多周期、多時(shí)相動(dòng)態(tài)監(jiān)測(cè)的特點(diǎn)，現(xiàn)今已經(jīng)有許多國(guó)家將衛(wèi)星遙感大數(shù)據(jù)技術(shù)應(yīng)用在農(nóng)業(yè)防災(zāi)減災(zāi)的項(xiàng)目中，并且日益健全和完善。為了應(yīng)對(duì)這些挑戰(zhàn)，取得在信息處理與風(fēng)險(xiǎn)預(yù)警方面的優(yōu)勢(shì)，早在20世紀(jì)70年代中期，美國(guó)率先于一些地區(qū)開(kāi)展了環(huán)境衛(wèi)星在農(nóng)業(yè)災(zāi)害方面的應(yīng)用研究（Landsat-1MSS）。20世紀(jì)90年代，美國(guó)、加拿大等國(guó)的農(nóng)業(yè)遙感監(jiān)測(cè)就進(jìn)入了實(shí)用階段。美國(guó)國(guó)防部圍繞著遙感大數(shù)據(jù)開(kāi)展了一系列的研究項(xiàng)目，包括空間遙感影像檢索與分析、洞察力、心靈之眼、數(shù)據(jù)到?jīng)Q策等大數(shù)據(jù)相關(guān)項(xiàng)目。我國(guó)空間遙感大數(shù)據(jù)技術(shù)在農(nóng)業(yè)“防災(zāi)減災(zāi)”領(lǐng)域的應(yīng)用，起步時(shí)間較晚。

二、空間遙感大數(shù)據(jù)的融合

遙感數(shù)據(jù)空間分辨率、時(shí)間分辨率、光譜分辨率以及輻射分辨率不斷提高，數(shù)據(jù)類(lèi)型也不斷增加。在農(nóng)業(yè)防災(zāi)減災(zāi)應(yīng)用中，空間遙感大數(shù)據(jù)本身具有大數(shù)據(jù)的特征。一方面，從大數(shù)據(jù)的主要特征看，其規(guī)模大、類(lèi)型多和變化快，對(duì)空間遙感大數(shù)據(jù)的實(shí)時(shí)性和可靠性有迫切需求，既包括矢量數(shù)據(jù)、影像數(shù)據(jù)、地面采樣數(shù)據(jù)、地塊土壤、水肥、作物長(zhǎng)勢(shì)、風(fēng)險(xiǎn)、病蟲(chóng)害數(shù)據(jù)、病害、降雨量、溫度等數(shù)據(jù)，又包括傳感器數(shù)據(jù)、地理數(shù)據(jù)等。另一方面，從技術(shù)處理上看，空間遙感大數(shù)據(jù)與通常的大數(shù)據(jù)也有著共同的需求，如統(tǒng)計(jì)學(xué)思維（異常分析）、精確氣象預(yù)報(bào)、農(nóng)情分析、作物產(chǎn)量分析、作物識(shí)別分析等。

空間遙感大數(shù)據(jù)不僅包括了地理空間，還包括了高維光譜與農(nóng)作物特征空間，如何通過(guò)虛擬現(xiàn)實(shí)的方式，更為有效地實(shí)現(xiàn)多維對(duì)地觀測(cè)農(nóng)業(yè)災(zāi)害數(shù)據(jù)并形成可視化，如何增強(qiáng)用戶(hù)的在減災(zāi)防災(zāi)領(lǐng)域的可用性，最終通過(guò)用戶(hù)的參與和直觀感受，深入理解空間遙感大數(shù)據(jù)中所蘊(yùn)含的信息與知識(shí)，依然是值得深入研究的問(wèn)題。

空間遙感信息因其信息量豐富、覆蓋面大、實(shí)時(shí)性和現(xiàn)實(shí)性強(qiáng)、獲取速度快、周期短和可靠準(zhǔn)確性以及省時(shí)、省力、費(fèi)用低等優(yōu)點(diǎn)，非常適用于農(nóng)業(yè)防災(zāi)減災(zāi)領(lǐng)域。

三、空間大數(shù)據(jù)的挖掘與實(shí)現(xiàn)

近年來(lái)，空間遙感大數(shù)據(jù)挖掘領(lǐng)域形成了一些較為成熟的技術(shù)?？臻g遙感大數(shù)據(jù)模型的普遍應(yīng)用，以及農(nóng)業(yè)遙感和移動(dòng)技術(shù)的顯著進(jìn)步，使人們前所未有地獲取了大量的空間科學(xué)數(shù)據(jù)。這些空間數(shù)據(jù)通常與時(shí)間序列相互關(guān)聯(lián)，并且隱含許多不易發(fā)現(xiàn)的、又潛在有用的模式。從這些非線性、海量、高維和高噪聲的時(shí)空數(shù)據(jù)中提取出有價(jià)值的信息并用于農(nóng)業(yè)防災(zāi)減災(zāi)應(yīng)用，使得時(shí)空數(shù)據(jù)挖掘具有額外的特殊性和復(fù)雜性。

為了更好地將空間遙感大數(shù)據(jù)在農(nóng)業(yè)防災(zāi)減災(zāi)領(lǐng)域快速實(shí)現(xiàn)，我們一般采用“機(jī)器學(xué)習(xí)”的人工智能方式，從大規(guī)模、高維度、高復(fù)雜度的空遙感大數(shù)據(jù)中發(fā)現(xiàn)出具有高價(jià)值的知識(shí)，實(shí)現(xiàn)分類(lèi)、識(shí)別、聚類(lèi)等任務(wù)實(shí)現(xiàn)預(yù)警評(píng)判，針對(duì)機(jī)器學(xué)習(xí)算法建模，利用數(shù)學(xué)統(tǒng)計(jì)、優(yōu)化方法對(duì)機(jī)器學(xué)習(xí)的參數(shù)優(yōu)化步驟進(jìn)行簡(jiǎn)化，使其變得相對(duì)簡(jiǎn)單，進(jìn)而加快樣本的訓(xùn)練速度，更快地將成果應(yīng)用至農(nóng)業(yè)防災(zāi)減災(zāi)中來(lái)。

四、在農(nóng)業(yè)防災(zāi)減災(zāi)中的實(shí)際應(yīng)用方向

（一）旱情遙感評(píng)估與減災(zāi)

基于多源空間遙感數(shù)據(jù)，結(jié)合農(nóng)業(yè)氣象資料，建立旱情遙感指數(shù)，結(jié)合地面調(diào)查數(shù)據(jù)的標(biāo)定及驗(yàn)證，構(gòu)建旱情遙感監(jiān)測(cè)模型，實(shí)現(xiàn)區(qū)域內(nèi)主要作物旱情發(fā)生的范圍、程度和歷時(shí)的監(jiān)測(cè)，為相關(guān)政府部門(mén)（如農(nóng)業(yè)農(nóng)村、水利、防災(zāi)等）的旱災(zāi)預(yù)警預(yù)防、受災(zāi)范圍及程度監(jiān)控、災(zāi)后損失評(píng)估等提供有效快速的信息支持。相關(guān)信息成果應(yīng)用：監(jiān)測(cè)區(qū)域旱情范圍分布、監(jiān)測(cè)區(qū)域旱情等級(jí)劃分及監(jiān)測(cè)區(qū)域受災(zāi)損失評(píng)估。

（二）病蟲(chóng)害遙感監(jiān)測(cè)與防災(zāi)預(yù)警

基于多源遙感數(shù)據(jù)，結(jié)合作物長(zhǎng)勢(shì)過(guò)程信息和農(nóng)業(yè)氣象資料，構(gòu)建敏感指示因子，對(duì)監(jiān)測(cè)區(qū)域內(nèi)農(nóng)作物發(fā)生病蟲(chóng)害的類(lèi)型、范圍和程度進(jìn)行分析評(píng)價(jià)，最終構(gòu)建模型，實(shí)現(xiàn)區(qū)域內(nèi)發(fā)生病蟲(chóng)害類(lèi)型的快速確定及其影響范圍和程度的準(zhǔn)確評(píng)估，并在此基礎(chǔ)上開(kāi)展其對(duì)于最終產(chǎn)量的影響分析，可以為區(qū)域內(nèi)病蟲(chóng)害的預(yù)防和防治提供有用的信息。相關(guān)信息成果應(yīng)用：監(jiān)測(cè)區(qū)域病蟲(chóng)害類(lèi)型、監(jiān)測(cè)區(qū)域病蟲(chóng)害發(fā)生空間分布、監(jiān)測(cè)區(qū)域病蟲(chóng)害影響程度分級(jí)及監(jiān)測(cè)區(qū)域受災(zāi)損失評(píng)估。

（三）低溫凍害遙感監(jiān)測(cè)評(píng)估與防災(zāi)預(yù)警

綜合利用多源遙感數(shù)據(jù)和農(nóng)業(yè)氣象資料，構(gòu)建作物低溫冷害評(píng)估指標(biāo)數(shù)據(jù)集，并開(kāi)展各指標(biāo)與傳統(tǒng)低溫冷害之后的相關(guān)分析，獲取敏感性指示因子，建立模型實(shí)現(xiàn)低溫凍害的快速監(jiān)測(cè)識(shí)別，同時(shí)構(gòu)建低溫凍害強(qiáng)度分級(jí)標(biāo)準(zhǔn)，進(jìn)行受災(zāi)程度的動(dòng)態(tài)評(píng)估，進(jìn)而監(jiān)測(cè)其對(duì)于最終作物產(chǎn)量的影響情況。為農(nóng)業(yè)部門(mén)的災(zāi)害預(yù)警、防治、受損評(píng)估等提供數(shù)據(jù)支持。相關(guān)信息成果應(yīng)用：監(jiān)測(cè)區(qū)域低溫凍害范圍分布、監(jiān)測(cè)區(qū)域低溫凍害等級(jí)劃分及監(jiān)測(cè)區(qū)域受災(zāi)損失評(píng)估。

（四）作物倒伏遙感監(jiān)測(cè)與預(yù)警分析

以衛(wèi)星遙感數(shù)據(jù)為主，輔助其他遙感數(shù)據(jù)與農(nóng)業(yè)氣象資料，基于圖像自動(dòng)解譯識(shí)別算法，對(duì)作物倒伏區(qū)域進(jìn)行快速提取，并根據(jù)作物長(zhǎng)勢(shì)過(guò)程信息，評(píng)估其對(duì)于最終的作物產(chǎn)量的影響程度，為農(nóng)業(yè)部門(mén)和保險(xiǎn)公司的災(zāi)后評(píng)估提供行之有效的信息支持。相關(guān)信息成果應(yīng)用：監(jiān)測(cè)區(qū)域作物倒伏范圍分布、監(jiān)測(cè)區(qū)域受災(zāi)損失評(píng)估。

（五）作物生長(zhǎng)狀態(tài)監(jiān)測(cè)及環(huán)境風(fēng)險(xiǎn)預(yù)警分析

基于時(shí)間序列遙感數(shù)據(jù)，結(jié)合農(nóng)業(yè)氣象數(shù)據(jù)和野外觀測(cè)數(shù)據(jù)，選取合適的指示因子，對(duì)主要作物生長(zhǎng)過(guò)程進(jìn)行高頻度監(jiān)測(cè)，對(duì)不同時(shí)期主要作物的長(zhǎng)勢(shì)狀況和環(huán)境因素，以及其對(duì)產(chǎn)量豐歉的指示意義進(jìn)行動(dòng)態(tài)評(píng)估，形成監(jiān)測(cè)區(qū)域主要農(nóng)作物長(zhǎng)勢(shì)分布圖、監(jiān)測(cè)區(qū)域主要農(nóng)作物生長(zhǎng)過(guò)程曲線、監(jiān)測(cè)區(qū)域主要農(nóng)作物生長(zhǎng)風(fēng)險(xiǎn)評(píng)估等信息產(chǎn)品。通過(guò)對(duì)作物生長(zhǎng)過(guò)程的長(zhǎng)期動(dòng)態(tài)監(jiān)測(cè)，可以有效地對(duì)作物生長(zhǎng)過(guò)程中受到環(huán)境變化影響所產(chǎn)生的波動(dòng)進(jìn)行跟蹤，為田間管理提供及時(shí)的決策支持信息，并為早期估測(cè)產(chǎn)量提供了依據(jù)。相關(guān)信息成果應(yīng)用： 農(nóng)作物長(zhǎng)勢(shì)分布圖、農(nóng)作物生長(zhǎng)過(guò)程曲線、農(nóng)作物生長(zhǎng)環(huán)境風(fēng)險(xiǎn)等級(jí)評(píng)估及農(nóng)作物生長(zhǎng)環(huán)境風(fēng)險(xiǎn)概率評(píng)估。

（六）作物旱情/蒸散/需水量監(jiān)測(cè)與預(yù)警分析

基于多源遙感數(shù)據(jù)，結(jié)合農(nóng)業(yè)氣象資料，建立旱情遙感指數(shù)，對(duì)區(qū)域內(nèi)主要作物旱情發(fā)生的范圍、程度和歷時(shí)進(jìn)行監(jiān)測(cè)，形成監(jiān)測(cè)區(qū)域旱情范圍分布、監(jiān)測(cè)區(qū)域旱情等級(jí)劃分、監(jiān)測(cè)區(qū)域受災(zāi)損失評(píng)估等信息產(chǎn)品。同時(shí)，結(jié)合地面調(diào)查數(shù)據(jù)的標(biāo)定及驗(yàn)證，構(gòu)建作物蒸散遙感監(jiān)測(cè)模型，計(jì)算作物不同生育期耗水量與需水量之間的差額，指導(dǎo)實(shí)施適時(shí)矢量的精準(zhǔn)灌溉，提高水資源的利用效率。相關(guān)信息成果應(yīng)用：農(nóng)作物旱情范圍分布、農(nóng)作物旱情等級(jí)劃分、農(nóng)作物受災(zāi)損失評(píng)估、農(nóng)作物耗水分布、農(nóng)作物需求分布及水分利用效率評(píng)估。

（七）作物生產(chǎn)風(fēng)險(xiǎn)評(píng)估

通過(guò)空間遙感大數(shù)據(jù)技術(shù)，基于農(nóng)作物生長(zhǎng)要素長(zhǎng)時(shí)間序列反演與波動(dòng)分析，建立典型環(huán)境要素與作物單產(chǎn)敏感性知識(shí)庫(kù)，能夠?qū)崿F(xiàn)環(huán)境因素變化的作物生長(zhǎng)風(fēng)險(xiǎn)評(píng)估。

農(nóng)業(yè)自然災(zāi)害不僅對(duì)人們的生產(chǎn)生活造成影響，同時(shí)還會(huì)惡化環(huán)境，影響經(jīng)濟(jì)發(fā)展。氣象災(zāi)害在各類(lèi)自然災(zāi)害中造成的危害是最大的，因自然災(zāi)害造成農(nóng)作物受災(zāi)面積比例占88%，而造成的直接經(jīng)濟(jì)損失比例占71%。農(nóng)業(yè)在我國(guó)國(guó)民經(jīng)濟(jì)中占有很高的地位，通過(guò)空間遙感大數(shù)據(jù)技術(shù)增強(qiáng)我國(guó)經(jīng)濟(jì)發(fā)展的強(qiáng)大動(dòng)力是提升我國(guó)農(nóng)業(yè)生產(chǎn)水平的基礎(chǔ)，利于將自然災(zāi)害對(duì)農(nóng)業(yè)生產(chǎn)的影響降到最低，促進(jìn)農(nóng)業(yè)生產(chǎn)水平的提高，促進(jìn)糧食持續(xù)增產(chǎn)、農(nóng)民持續(xù)增收。

（作者單位：北京師范大學(xué)地理科學(xué)學(xué)部）