空間遙感大數據技術在農業防災減災領域中的應用

蔣鵬飛 姜水晶 韓雪

黨的十九大把“鄉村振興戰略”作為國家戰略提到黨和政府工作的重要議事日程上來，農業是鄉村振興戰略的重要內容之一。“民以食為天，農業穩，天下穩；農民安，天下安”，然而重、特大自然災害鏈對農業生產和人民生活破壞極大，對我國農業的發展造成了非常大的影響。

2017年，我國農業自然災害以洪澇、干旱災害為主，風雹、低溫冷凍、雪災、崩塌和森林火災等災害也有不同程度發生。農作物受災面積18478.1千公頃，其中絕收1826.7千公頃；2017年，干旱災害共造成全國農作物受災面積9874.8千公頃，其中絕收752.4千公頃，直接經濟損失375億元。我國農業的特點是農業基礎設施總體不強，防災減災能力不足，農業“靠天收”的格局還沒有從根本上得到改變。因此，通過新技術手段不斷提高農業防災減災能力，用實實在在的舉措扎扎實實推進農業持續、穩定、健康發展，顯得尤為重要。

一、國內外的應用現狀和進展

當前，隨著空間遙感技術的進步，遙感數據空間分辨率、時間分辨率、光譜分辨率和輻射分辨率越來越高，數據類型越來越豐富， 數據量也越來越大。遙感數據已經具有了明顯的大數據特征，如大容量、高效率、多類型、難辨識、高價值等，遙感進入了大數據時代。同時，農業氣象技術、大數據挖掘的迅速發展，使得農業在防災減災應用所需要的精細參數信息能夠快速、準確、動態獲取。空間遙感大數據技術能為農業防災減災提供有效技術支持，能夠集時間、空間、地理數據和衛星影像的存儲、管理、應用和分析于一體，能夠使各種空間遙感數據圖形化、可視化，為農業防災減災決策提供重要的信息參考。

基于空間遙感大數據多周期、多時相動態監測的特點，現今已經有許多國家將衛星遙感大數據技術應用在農業防災減災的項目中，并且日益健全和完善。為了應對這些挑戰，取得在信息處理與風險預警方面的優勢，早在20世紀70年代中期，美國率先于一些地區開展了環境衛星在農業災害方面的應用研究（Landsat-1MSS）。20世紀90年代，美國、加拿大等國的農業遙感監測就進入了實用階段。美國國防部圍繞著遙感大數據開展了一系列的研究項目，包括空間遙感影像檢索與分析、洞察力、心靈之眼、數據到決策等大數據相關項目。我國空間遙感大數據技術在農業“防災減災”領域的應用，起步時間較晚。

二、空間遙感大數據的融合

遙感數據空間分辨率、時間分辨率、光譜分辨率以及輻射分辨率不斷提高，數據類型也不斷增加。在農業防災減災應用中，空間遙感大數據本身具有大數據的特征。一方面，從大數據的主要特征看，其規模大、類型多和變化快，對空間遙感大數據的實時性和可靠性有迫切需求，既包括矢量數據、影像數據、地面采樣數據、地塊土壤、水肥、作物長勢、風險、病蟲害數據、病害、降雨量、溫度等數據，又包括傳感器數據、地理數據等。另一方面，從技術處理上看，空間遙感大數據與通常的大數據也有著共同的需求，如統計學思維（異常分析）、精確氣象預報、農情分析、作物產量分析、作物識別分析等。

空間遙感大數據不僅包括了地理空間，還包括了高維光譜與農作物特征空間，如何通過虛擬現實的方式，更為有效地實現多維對地觀測農業災害數據并形成可視化，如何增強用戶的在減災防災領域的可用性，最終通過用戶的參與和直觀感受，深入理解空間遙感大數據中所蘊含的信息與知識，依然是值得深入研究的問題。

空間遙感信息因其信息量豐富、覆蓋面大、實時性和現實性強、獲取速度快、周期短和可靠準確性以及省時、省力、費用低等優點，非常適用于農業防災減災領域。

三、空間大數據的挖掘與實現

近年來，空間遙感大數據挖掘領域形成了一些較為成熟的技術。空間遙感大數據模型的普遍應用，以及農業遙感和移動技術的顯著進步，使人們前所未有地獲取了大量的空間科學數據。這些空間數據通常與時間序列相互關聯，并且隱含許多不易發現的、又潛在有用的模式。從這些非線性、海量、高維和高噪聲的時空數據中提取出有價值的信息并用于農業防災減災應用，使得時空數據挖掘具有額外的特殊性和復雜性。

為了更好地將空間遙感大數據在農業防災減災領域快速實現，我們一般采用“機器學習”的人工智能方式，從大規模、高維度、高復雜度的空遙感大數據中發現出具有高價值的知識，實現分類、識別、聚類等任務實現預警評判，針對機器學習算法建模，利用數學統計、優化方法對機器學習的參數優化步驟進行簡化，使其變得相對簡單，進而加快樣本的訓練速度，更快地將成果應用至農業防災減災中來。

四、在農業防災減災中的實際應用方向

（一）旱情遙感評估與減災

基于多源空間遙感數據，結合農業氣象資料，建立旱情遙感指數，結合地面調查數據的標定及驗證，構建旱情遙感監測模型，實現區域內主要作物旱情發生的范圍、程度和歷時的監測，為相關政府部門（如農業農村、水利、防災等）的旱災預警預防、受災范圍及程度監控、災后損失評估等提供有效快速的信息支持。相關信息成果應用：監測區域旱情范圍分布、監測區域旱情等級劃分及監測區域受災損失評估。

（二）病蟲害遙感監測與防災預警

基于多源遙感數據，結合作物長勢過程信息和農業氣象資料，構建敏感指示因子，對監測區域內農作物發生病蟲害的類型、范圍和程度進行分析評價，最終構建模型，實現區域內發生病蟲害類型的快速確定及其影響范圍和程度的準確評估，并在此基礎上開展其對于最終產量的影響分析，可以為區域內病蟲害的預防和防治提供有用的信息。相關信息成果應用：監測區域病蟲害類型、監測區域病蟲害發生空間分布、監測區域病蟲害影響程度分級及監測區域受災損失評估。

（三）低溫凍害遙感監測評估與防災預警

綜合利用多源遙感數據和農業氣象資料，構建作物低溫冷害評估指標數據集，并開展各指標與傳統低溫冷害之后的相關分析，獲取敏感性指示因子，建立模型實現低溫凍害的快速監測識別，同時構建低溫凍害強度分級標準，進行受災程度的動態評估，進而監測其對于最終作物產量的影響情況。為農業部門的災害預警、防治、受損評估等提供數據支持。相關信息成果應用：監測區域低溫凍害范圍分布、監測區域低溫凍害等級劃分及監測區域受災損失評估。

（四）作物倒伏遙感監測與預警分析

以衛星遙感數據為主，輔助其他遙感數據與農業氣象資料，基于圖像自動解譯識別算法，對作物倒伏區域進行快速提取，并根據作物長勢過程信息，評估其對于最終的作物產量的影響程度，為農業部門和保險公司的災后評估提供行之有效的信息支持。相關信息成果應用：監測區域作物倒伏范圍分布、監測區域受災損失評估。

（五）作物生長狀態監測及環境風險預警分析

基于時間序列遙感數據，結合農業氣象數據和野外觀測數據，選取合適的指示因子，對主要作物生長過程進行高頻度監測，對不同時期主要作物的長勢狀況和環境因素，以及其對產量豐歉的指示意義進行動態評估，形成監測區域主要農作物長勢分布圖、監測區域主要農作物生長過程曲線、監測區域主要農作物生長風險評估等信息產品。通過對作物生長過程的長期動態監測，可以有效地對作物生長過程中受到環境變化影響所產生的波動進行跟蹤，為田間管理提供及時的決策支持信息，并為早期估測產量提供了依據。相關信息成果應用： 農作物長勢分布圖、農作物生長過程曲線、農作物生長環境風險等級評估及農作物生長環境風險概率評估。

（六）作物旱情/蒸散/需水量監測與預警分析

基于多源遙感數據，結合農業氣象資料，建立旱情遙感指數，對區域內主要作物旱情發生的范圍、程度和歷時進行監測，形成監測區域旱情范圍分布、監測區域旱情等級劃分、監測區域受災損失評估等信息產品。同時，結合地面調查數據的標定及驗證，構建作物蒸散遙感監測模型，計算作物不同生育期耗水量與需水量之間的差額，指導實施適時矢量的精準灌溉，提高水資源的利用效率。相關信息成果應用：農作物旱情范圍分布、農作物旱情等級劃分、農作物受災損失評估、農作物耗水分布、農作物需求分布及水分利用效率評估。

（七）作物生產風險評估

通過空間遙感大數據技術，基于農作物生長要素長時間序列反演與波動分析，建立典型環境要素與作物單產敏感性知識庫，能夠實現環境因素變化的作物生長風險評估。

農業自然災害不僅對人們的生產生活造成影響，同時還會惡化環境，影響經濟發展。氣象災害在各類自然災害中造成的危害是最大的，因自然災害造成農作物受災面積比例占88%，而造成的直接經濟損失比例占71%。農業在我國國民經濟中占有很高的地位，通過空間遙感大數據技術增強我國經濟發展的強大動力是提升我國農業生產水平的基礎，利于將自然災害對農業生產的影響降到最低，促進農業生產水平的提高，促進糧食持續增產、農民持續增收。

（作者單位：北京師范大學地理科學學部）