农业和粮食是全球经济和社会发展的基础，联合国专门设置粮食与农业组织（FAO），以保障世界各国的粮食供给与生活水平，促进世界经济的发展，使人类免于饥饿。农业与粮食生产对全球经济的影响，随着人口的增长和全球气候的变化，已经成为科学家和公众议论的焦点。农作物生长、种植面积和产量的信息采集是国家和各级政府决策的重要依据，每年国家需要花费大量的投入开展农情信息调查。

　　农业遥感的发展与挑战

　　遥感作为地球空间技术的重要核心技术，以其快速、客观的对地观测能力，可以获得较人工调查更为准确、可靠的地面信息，在农情调查中发挥着越来越重要的作用，受到各国政府的重视。自上个世纪70年代以来，农作物遥感监测一直是遥感应用的一个重要主题，并在美国、加拿大、欧盟取得极大成功。

　　美国分别于1974和1986年实施了“大面积农作物估产实验(LACIE)”和“农业和资源的空间遥感调查（AGRISTARS）”两个大型农业遥感调查项目，其后连续攻关，目前已经在其农业部设立了专门的机构，开展全球主要国家的大宗农产品与粮食产量的运行监测。欧盟、俄罗斯、印度、巴西等也均建立了各自的农情遥感监测技术或系统，取得了不同程度的效益。

　　我国是一个传统的农业大国，农业在我国国民经济中处于基础地位。从1983年开始，通过“黄淮海平原遥感小麦估产”、“北方6省市小麦遥感估产”与“浙江杭嘉湖地区水稻估产”等国家级科技项目，在利用遥感技术监测农作物种植面积和产量等方面取得了关键性突破，并经过“八五”、“九五”的进一步努力，建成了运行于中国科学院、农业部、国家气象局等机构的运行性监测系统，监测作物种类从单一作物冬小麦估产发展到小麦、水稻和玉米等多种农作物遥感估产，监测范围从小区域到粮食主产区，目前已经具备全球主要产粮国家的大宗农作物产量遥感监测。监测内容包括农作物长势、旱情、种植面积和产量等内容，监测结果可按旬、月和季公开发布。

　　但是，遥感技术在农业监测方面也表现出明显的局限性，其主要表现在两个方面：一是对于复杂农业景观内的农作物的识别精度不够；二是农作物单产模型结构相对简单。因此，遥感技术难以准确刻画地面真实的农作物分布格局和农作物生长过程，存在较大的不确定性，只能对农作物种植和生长过程进行宏观描述，目前还难以在农业生产的精准管理方面扮演重要角色。如在农作物长势监测方面，目前还主要停留在简单的遥感指数（如归一化植被指数）统计对比（均值、累积值）层面，而遥感对农作物的识别精度还基本维持在30米尺度的简单分类，精度难以达到90%以上。单产估算还主要依靠农业气象因子和遥感参量的统计相关模型，作物生长过程的模拟和地面资料的参与程度不够，即使有一定的作物生长过程模拟，也多是国外作物生长过程模型的简单空间化处理。

　　新形势下农业遥感的新任务

　　高分辨率遥感技术发展

　　高分辨率遥感与传统的遥感技术相比，可以以一种更加精细的方式来观测地表，可以提供更为详细的地物特征，包括光谱、纹理尺寸、几何结构和空间布局等。进入21世纪，高分辨率遥感发展势头更加迅猛，主要表现在三个方面：

　　空间分辨率越来越高。从IKONOS、Quickbird、Rapideye到Orbview，空间分辨率已经细化到半米以内，我国也发射了“天绘”、“天测”、“资源三号”和“高分一号”卫星，数据空间分辨率达到将近1米水平。而无人机、平流层飞艇等遥感平台的发展，更是将空间分辨率提高到几十厘米甚至几厘米水平。

　　光谱分辨率越来越高。可以更准确地实现对地面目标的精细识别或快速诊断。美国EO-1卫星搭载的Hyperion数据可以提供242个波段，在作物内部化学成分检测与遥感精准识别方面具有相当的潜力，环境星座小卫星也提供了超光谱数据，今年国家发改委新批准立项了一颗商用的高光谱卫星。

　　时间分辨率越来越高。可以实现2～5天内对同一地区的中高分辨率覆盖，以我国的HJ-1星CCD为例，因为其具有更大的幅宽，每2～4天即可实现对地面的30米覆盖。高分一号卫星16米多光谱数据幅宽达到800km，因此同样具有3～5天重访一次的能力。

　　农业遥感的新机遇

　　高分辨率遥感技术的发展，对以往以Landsat TM、SPOT为典型数据源的遥感应用技术体系进行了根本性的撼动。对以美国为代表的农业遥感监测与评估模式同样需要重新慎重思考，确定以高分辨率遥感为支撑的农情信息遥感监测体系，以更高水平的服务内容和形式为国家、各级政府和企业提供更为精细、周到的产品服务，刺激遥感产业的发展。

　　在高分辨率遥感日渐发展的今天，农业遥感监测已经具备了在此前的农作物长势、旱情、种植面积和产量监测的基础上，向前推进到更加精细的监测和更为准确、客观的评估和预测预警。具体从两个方面入手：

　　农业生产资源精准监测与精细管理：我国目前耕地资源十分有限，如何利用有限的耕地生产出更多的农产品或粮食，是保障国家经济发展和社会稳定的关键。政府除了应该推出一系列惠农政策和补贴措施，提高农民的积极性之外，还需要进一步利用高技术手段，对现有的农业生产资源，尤其是粮食生产资源进行精细化管理，保障其具有更大的生产能力。目前可以先期开展的任务包括两项内容：

　　——耕地资源利用强度遥感监测与决策辅助。耕地资源的利用率是保证农产品生产或粮食生产的关键，我国当前较短缺的主要农产品是粮食，因此在农产品生产多样化的同时，暴露出土地的粗放管理和浪费弊端，同时由于粮食收益率下降，粮食产量出现明显降低的情况。因此，加强耕地资源利用管理势在必行。实现较大范围的耕地利用强度监测，比较好操作的是撂荒和复种两个方面。目前江苏等省份对撂荒地处以相应的经济罚款，但执行起来还有些困难，主要原因是发现难。因此需要采用遥感技术这一辅助手段，通过高分辨率的遥感把撂荒地识别出来。复种目前主要依靠中低分辨率的遥感影像，监测省级水平的复种指数，难以对政策执行提供支持，因此还需要利用高分辨率遥感数据估算耕地图斑尺度或地块尺度的复种情况，保证现有耕地不被浪费。

　　——利用高分辨率遥感实现农作物种植范围的精细化管理。耕地资源的精细化管理，还需要详细到大宗农作物的精细管理，以支持国家相关农业政策的制定。目前已有优于30米分辨率的宽幅多光谱数据，以及米级和亚米级的高分辨率遥感影像，利用这些遥感影像，结合地面抽样调查数据，可以实现至少10～30米精细水平的农作物识别，对耕地图斑，甚至图斑内部的农作物分布进行制图。有了这样精确的农作物分布图，就可以建立农作物的多行政尺度种植面积估算模型，估算省、地市、县，甚至乡、村水平的种植面积。我国正在执行全面的粮食补贴政策，而遥感监测所获得的多级行政尺度的种植面积正是粮食补贴核算的基础，在未来的国家农业发展和粮食安全保护系列措施中，可起到关键的技术支撑作用。

　　农业生产环境风险评估与农业保险支持：在全球气候变化的背景下，农作物生长的天气条件表现出更大的波动性，因而面临着更大的产量风险。如何发挥高分辨率遥感的优势，实现农作物生长环境的监测和异常分析？目前可以先期开展的任务同样包括两项内容：

　　——利用遥感数据进行农业生产的风险评估。农作物在生长过程中，光温水土资源的合理匹配才能有好的收成。因此，加强耕地资源的精细化管理，还应包括农业气象资源的遥感监测与调控。目前，中国科学院遥感与数字地球研究所、农业部遥感中心和气象局有关部门都会发布农作物长势遥感监测图，美国也有类似的监测指标，表明主要农作物的生长情况，但这些指标只限于定性或半定量水平。更需要根据农作物生长过程中的环境因素，如温度异常、水分异常等特征，建立农作物面临的减产风险，并通过生长模拟分析，确定后期补救措施。此前我国关于农作物不同生育期的地面实验已经较多，不同生育期面临不同的限制因素与产量风险的知识已经有足够的积累和模拟能力，如我国在稻、麦、棉等主要农作物气象模拟模型方面，已从理论研究进入到生产应用阶段。基于多尺度遥感影像，并结合地面农业气象观测资料与生长模型，开展农作物不同物候期的光温水生产条件评估，建立农作物产量的风险评估模型，对每次生产环境的异常变化做出产量影响分析，并分阶段提前报告农作物的预期产量。

　　——利用遥感资料为农业保险服务。我们国家目前农业险种少、主题单一，而且缺少科学可靠的核定方法。现在主要是采用农业气象方法结合地面调查核定保险服务内容和理赔额度。遥感参与精确量测承保标的面积、数量和位置，宏观确定灾害总体损失情况及空间分布，使农业保险理赔和管控更为合理可靠。在我国当前__形势下，为了降低农业风险，保证农民利益，农业指数保险亟需得到重视和推广。

　　目前国内外常用的指数保险主要包括两种，一种是天气指数保险，主要根据天气变量（如降水量、积温等）进行赔付；另一种是单位面积产量指数保险，即当平均产量低于预定产量水平时保险公司进行赔付。遥感技术，尤其是近年来高分辨率遥感技术的发展，可以提供更为准确可靠的核算技术支撑。在加拿大、西班牙等国家，天气指数保险已经开始被遥感指数保险所代替，利用农作物生长关键生育期的遥感指数代替天气指数进行保险的理赔核算。而单位面积产量指数保险方面，遥感指数与气象要素结合可以实现较大范围内更准确的单位面积产量核算。

　　面向粮食补贴的种植面积估算实践

　　粮食直接补贴政策是近年来我国最为重要的政府支农政策之一，是促进粮食增产、农业增效、农民增收的一条有效途径，极大地调动了农民种粮积极性。但从近期执行过程发现，按照耕地面积补贴一般采用各地上报或其它部门的调查结果，往往缺乏客观性，一些县市为了自身的利益，存在明显虚报现象，以致一些产粮大县的补贴额还不如普通的产粮县。利用遥感监测技术进行大宗粮食作物的种植面积监测，提供多个行政尺度的种植面积核算，可以有效地解决粮食补贴遇到的问题。

　　2012年，中国科学院遥感与数字地球研究所再生资源遥感课题组受湖南省财政厅与国土规划设计院的委托，为湖南省粮食补贴定制遥感监测方案。经过调查分析，确定了地面抽样调查与遥感影像分类相结合的技术方案。

　　该方案充分考虑我国环境一号卫星宽幅多光谱数据的特点，在早、中、晚稻生长季内实现2～3次甚至更多次的数据重复覆盖，建立了多时相数据的精确分类。考虑到遥感识别的不确定性，该方案建立了包括122个地面样方（1平方公里）和1000多公里的样线调查计划，实地填写样方内的作物分布和样线沿途的作物分布，为多时相遥感数据分类提供足够的训练样本。考虑到环境星30米多光谱数据在进行水稻分类时仍有相当一部分的混合像元，该调查方案还建立了亚像元分解模型，将分类识别提高到亚像元水平。最终估算结果与高分辨率监测结果、地面样方调查面积进行了对比验证，在样方尺度，面积估算平均相对误差约5.59%，决定系数R2达到了0.989，表明利用该方案估算县级尺度的早、中、晚稻面积基本上可以保证精度不低于95%，能够支持粮食补贴的核算需要。利用遥感监测结果与地方上报结果的对比发现，不少县市出现虚报现象，遥感监测结果较地方上报种植面积少250万亩，以双季稻每亩21.8元计算，全省节约资金5000余万元。如果考虑综合粮食补贴80.6元/亩，粮食直补13.5元/亩，遥感技术使湖南省每年节约补贴资金上亿元，这些资金如果可以重新转补于种粮大县，可以进一步提高农民的种粮积极性。随着我国粮食补贴政策的执行与发展，利用遥感开展农作物种植面积精确监测，将会产生巨大的经济社会效益。

　　作者单位：中国科学院遥感与数字地球研究所