風云衛星數據在中國農業監測中的應用進展

許淇 李啟亮 張吳平 張曄萍 張明偉 高浩 范錦龍

（1 國家衛星氣象中心，北京 100081；2 山西農業大學資源與環境學院，晉中 030800）

0 引言

我國是農業大國，及時準確的農情信息對農業生產管理、國家糧食安全政策制訂、農業可持續發展戰略規劃具有極其重要的意義。依靠人工定點觀測或抽樣調查獲取農情信息的方法具有一定的滯后性和片面性，難以滿足大范圍、宏觀和及時的基本需求，此外還需要大量的人力、物力和財力的投入。遙感技術憑借其觀測范圍大、重復觀測周期短、數據可比性較強等特點，在快速獲取作物長勢信息、作物空間分布、產量估測及作物災害調查等方面得到了廣泛應用。我國農業遙感技術的研究與應用經歷了從20世紀70年代末的技術引進、80年代到90年代中期的關鍵技術攻關、90年代中后期到現在的快速發展、業務應用幾個階段[1]。近年來，隨著我國風云氣象衛星第二代極軌衛星的發展，其上搭載的中低分辨率傳感器的數據質量得到了大幅提升，并可以近實時獲取全球數據，在全球農業監測中逐漸發揮著重要的作用。

我國第一代極軌衛星風云一號A、B、C和D星分別于1988年、1990年、1999年和2002年發射。風云三號第二代極軌衛星系列目前有4顆衛星（A星、B星、C星和D星，簡稱FY-3A、FY-3B、FY-3C、FY-3D）在軌運行，分別于2008年5月7日、2010年11月5日、2013年9月23日和2017年11月15日成功發射，星上主要搭載有中分辨率成像光譜儀（MERSI）和FY-3微波成像儀[2]，MERSI數據具有全球性、全天候、三維、定量、多光譜遙感的特點，并可免費下載使用，具有監測全球性自然災害和生態環境變化的能力，MERSI數據還擁有包括藍、綠、紅、近紅和熱紅外在內的5個250 m分辨率的波段（表1）[2]，進一步加強了對地表精細地物的觀測能力，為大面積農業遙感提供了新的遙感數據源[3]。此外，FY-3微波成像儀（表 2）以其在監測土壤水分方面的明顯優勢可為農情遙感提供監測數據。

我國在20世紀90年代就開始推動風云衛星數據在農業遙感中的應用工作[4]，隨著衛星技術水平、衛星數據處理和分發能力的提升，2008年發射第二代衛星之后，風云氣象衛星的農業遙感應用得到了快速的發展，本文將重點對我國學者利用風云衛星在作物長勢監測、作物分類與面積估計、農業氣象災害監測、草原生態監測以及數據精細化處理等方面的最新應用進行概述和總結。

表1 MERSI 250米分辨率通道特性 Table 1 MERSI 250m resolution channel characteristics

表2 FY-3微波成像儀主要系統參數 Table 2 main system parameters of FY-3 microwave imager

1 風云衛星數據的處理方法研究

遙感數據處理是數據應用前的關鍵一環。遙感數據的處理方法比較成熟，但由于FY-3/MERSI是新的衛星數據源，隨衛星工程開發的衛星監測分析與遙感應用系統（SMART）有所滯后且該系統不是專門針對數據處理的，在一定程度上影響了FY-3/MERSI L1數據的廣泛應用。遙感數據應用前的處理方法主要包括HDF5格式的數據讀取、輻射轉換、太陽高度角訂正、幾何投影變換以及大氣糾正等關鍵圖像處理步驟[3]。

為了方便使用FY-3/MERSI數據開展農業應用研究，在數據的讀取與圖像合成方面，張茂鑫等[5]針對HDF5文件格式的MERSI影像數據的讀取、圖像合成方法進行了研究，王衛東等[6]基于C++開發了風云三號衛星實時遙感數據提取和中分辨率真彩色圖像合成的方法；在數據的校正轉換方面，鄧書斌等[7]提出了將地理位置查照表（GLT）幾何校正法應用于VIRR的幾何校正，楊何群等[8]采用基于三角網的幾何校正算法實現了對研究區的全部20個通道的幾何校正，并在此基礎上利用后向映射重采樣輸出各通道圖像糾正后像元的數字值，對其進行輻射定標、太陽高度角訂正等預處理，提高了FY-3/MERSI數據的處理效率。

在數據反演方面，李聰等[9]批量處理了F Y-3A/MERSI數據，生成整個新疆的植被指數圖，節省了數據處理時間并為監測植物長勢等后續應用作好了準備，胡博等[10]利用IDL編程語言自動批量對全國數據進行處理并按旬生成NDVI和EVI兩種植被指數，提高了工作效率并方便了全國植被類型分布研究、植被長勢監測以及推動了國產數據在林業中的應用等。然而，在FY-3/MERSI的數據處理過程中發現MERSI數據的幾何定位精度還存在數個像元的誤差[11]，在開展農業遙感應用前還需要進一步進行幾何地理定位精度訂正，以保證時間序列遙感影像應用的質量。

在FY-3微波數據的處理及反演方面，楊虎等[12]根據FY-3微波成像儀傳感器參數特性借助微波地表輻射傳輸方程在10.65、18.7 GHz頻段上模擬了地表微波輻射特性并建立了地表參數反演算法，同時可以得到地表土壤水分和地表溫度參數。權維俊等[13]提出了一個適用于NOAA AVHRR和FY-3A VIRR數據的改進型Becker和Li分裂窗地表溫度反演算法，為作物的干旱監測做好了準備。

遙感影像往往會由于天氣、電磁干擾、數據傳輸故障等因素導致影像出現云遮蓋、缺值、無數據的現象，在研究使用中無法獲取覆蓋完整研究區、晴空、長時間序列、逐旬的影像以及數據處理流程不成熟、不精準而帶來較大誤差，如何應用現有的數據融合得到所需數據以及進行精細化的數據處理成為了研究難點。眾多學者針對Landsat、Sentinel、MODIS、資源一號數據的精細化處理進行了研究[14-24]。我國風云衛星精細化處理方面目前鮮有人研究，吳榮華等[25]針對FY-3A/MERSI數據進行了高精度交叉定標，洪毅等[26]通過對數據組合處理獲取云圖組合產品資料等方法，對FY-2靜止氣象衛星云圖進行了高分辨率精細化處理，以上學者均針對風云衛星數據精準處理的部分環節進行了探討，對數據的填補與融合方面還未開展。

2 風云衛星數據的農業應用

2.1 作物長勢監測

作物的生長狀況與作物的光譜反射特征密切相關，萬宗義[27]觀察發現FY-1號衛星兩個探測通道的資料合成處理后的圖像的色調差異反映了作物的長勢差異。利用FY-3衛星影像數據不同波段的組合生成的歸一化植被指數（NDVI）和增強植被指數（EVI），根據當年的植被指數與上一年或歷史多年的平均，即可判斷作物在該生育期內的長勢，也可對同一區域的植被指數進行聚合，根據多年植被指數的對比來判斷當前作物的長勢情況。很多應用研究使用的就是這個技術方法[28-29]，祝必琴等[30]、梁鳳超等[31]分別基于FY3B/MERSI數據計算所得的NDVI對水稻和棉花進行長勢監測并得到了可觀的結果，于成龍等[32]則利用EVI對水稻的關鍵生育期進行識別為長勢監測提供了方法參考。國家衛星氣象中心利用風云三號衛星的中分辨率數據構建了全球植被指數，并利用前后兩年的植被指數差異對比，實現了全球作物的長勢監測，但是作物長勢監測信息發布還是利用常規技術。未來發展趨勢是開發基于網絡平臺的系統，以便于更多的用戶及時了解和掌握關注區域的作物長勢。

2.2 作物分類與產量估算

作物的空間分布和面積統計對糧食安全、農業的可持續發展以及政府的宏觀調控有著重要意義。作物的產量與其前期的生長狀況和作物的種植面積有關，在獲取當季作物空間分布的基礎上可以由前期的植被指數及其變化與后期產量建立關系，進而對總產量進行估算。一些學者利用我國的氣象衛星數據對大宗作物和經濟作物進行了作物分類以及總產量研究，張文智[33]基于風云氣象衛星MERSI數據和作物生長模型，采用數據同化方法，在我國華北地區開展了冬小麥估產的方法研究，表明FY-3/MERSI在作物產量估算中有較大的應用潛力，王馨凝等[34]研究發現基于 250 m 分辨率的 MERSI 數據采用最小距離法和最大似然法分類效果都要好于 MODIS 數據。武永利等35]基于單時相FY-3A/MERSI采用監督分類方法對山西南部冬小麥提取得到了可靠的結果。陳興娟等[36]采用決策樹模型自動提取江西水稻總體精度達90%以上，基本滿足水稻生育期面積遙感監測與產量的需求，祝必琴等[30]研究發現FY3B/MERSI遙感影像可用于水稻苗情監測分類。李峰等[37]在菏澤市進行玉米面積提取，認為FY3等低分辨率衛星影像可以作為地面調查資料的有效補充，減少野外調查人力和物力的投入，特別是方便于進行大區域作物種植面積提取，樊香所等[38-39]利用冬季和春季早期獲取的 MERSI數據，采用分層提取的方法構建決策樹，提取的華北平原冬小麥種植區精度可達90.8%；在基于MERSI NDVI旬產品建立作物提取模型對華北平原春玉米、夏玉米及棉花進行提取研究中，總體精度也達84%以上。我國的氣象衛星數據在作物分類方面與面積估算中展現了較大的應用潛力，但多數研究還是針對大宗作物開展的研究，要進一步滿足針對不同種植模式和復雜多樣的作物進行遙感分類和面積提取的需求，還須進行更深入的研究。另外，開展業務化的作物分類工作，還需要利用部門力量加強地面樣方數據的及時獲取與處理，然后引入最新的遙感分類算法，如隨機森林，構建一套遙感影像分類技術平臺來支撐此項工作。

2.3 農業氣象災害調查

干旱是影響社會發展和農業生產的主要氣象災害之一。與地面觀測相比，借助遙感技術進行大范圍旱情動態監測具有一定的優勢[40]。MERSI數據具有5個250 m分辨率通道，可以得到250 m分辨率的干旱監測結果，有比MODIS 更為優越的應用潛力，利用FY-3/MERSI 數據對中國大面積干旱連續監測對確保干旱監測的及時性和準確性有十分重要的意義。向大亨等[41]通過對比TVDI發現FY-3A MERSI具有與MODIS數據一樣強的干旱監測能力，且在空間分辨率及光譜分辨率方面有較大的提高，武鵬飛等[42]對同一區域不同時次的FY-3A/MERSI 與MODIS 的歸一化植被指數（NDVI）和比值植被指數（RVI）進行計算，并針對地面光譜和影像數據方面分析發現FY-3A/MERSI 比MODIS 數據更敏感。朱琳等[43]和李峰等[44]利用FY-3A MERSI數據基于垂直干旱指數進行干旱情況監測，發現基于FY-3A MERSI 250 m 分辨率衛星資料計算的PDI 能夠客觀反映研究區旱情的空間分布和動態發展過程，說明利用FY-3A MERSI衛星資料進行干旱監測可行。王穎等[32]基于FY-3A/MERSI 數據建立了運用耦合干旱指數（VSWIC）評價干旱的方法，比運用VSWI指數評價干旱效果更理想。王衛東等[45]基于兩個熱紅外通道的FY-3 VIRR一級（L1）數據，采用地表溫度分裂窗反演算法反演得到的TDVI能較好的反映研究區干旱分布情況，改善了向大亨[41]、王穎[45]、李爽[47]、李峰[44]等基于MERSI單一熱紅外通道反演精度不足的問題。劉凱等[48]建立了2015—2016 年冬小麥生育期內月尺度的FY-3C/SM TVDI模型，初步實現冬小麥主要種植區內微波遙感監測10～20 cm土層旱情模型。現有的干旱監測研究大多是基于遙感指數開展的，未來應充分利用風云三號衛星的全球觀測能力，在現有數據處理的基礎上，直接生成相應的干旱指數，同時利用基于云平臺的技術，直接服務于用戶。

霜凍災害通常發生在作物的幼苗期與花期（春季）和晚熟作物灌漿成熟期（秋季），作物每個物候期的生長狀況均與其最終產量的形成密切有關[49]，幼苗期與花期、灌漿成熟期遭受霜凍災害均可能直接造成作物的減產，甚至絕產，及時準確的獲取霜情信息迫在眉睫。而依靠氣象站插值得出的霜凍災害和依靠霜凍實地調查分別具有不確定性與滯后性。劉晨晨[50]和牛新贊[51]探討了風云衛星數據在寧夏自治區霜凍災害監測的可行性和可靠性，為業務化霜凍監測提供理論和技術支持。以上學者的研究均未考慮云對監測結果的影響，并且針對試驗點的研究普適性不強。未來為了更好地滿足全國性準確的農業霜凍災害監測的需求，應充分考慮并降低遙感數據處理環節帶來的誤差并且將更多的霜凍指標與衛星數據納入監測系統。

2.4 草原生態監測

風云三號極軌氣象衛星數據的快速、覆蓋面廣、不受地面條件限制的優點為草原監測提供了可能，并且植被指數空間分辨率為250 m，比以往研究常用的1.1 km 分辨率的AVHRR 能更詳盡地反映草地的空間差異。裴浩等[52]利用第1代極軌氣象衛星資料對內蒙古烏拉蓋地區草地生產力的遙感估測研究表明運用極軌氣象衛星遙感資料可以省時省力地實現大面積草地生產力的估測任務，同時保證其時效性、動態性、客觀性和實用性。李云鵬等[53]建立了基于 MERSI NDVI估測內蒙古草原牧草產量的估測模型，并證明了將其用于遙感估測天然草地牧草產量的可行性，其精度可以滿足宏觀測產的要求，不僅適合大面積監測估產，還可用于局部地域牧草產量的定點估產。基于我國氣象衛星的草原生態監測處于初步發展階段，未來需要建立產草量估測模型和草原承載力模型，快速、準確、實時的監測草原生產力變化，對草原生態系統給予及時的健康診斷。

隨著我國氣象衛星的快速發展，未來我們將面臨的是海量的衛星數據，如何處理、管理、應用、服務將成為研究難題。云平臺已成為目前解決海量數據計算、存儲、應用、發布等問題的重要途徑。楊如軍等[54]提出了基于“混合云”架構的國土資源運輸局中心建設方案，極大地提高了數據處理和發布方面的工作效率；張樹凡等[55]設計了基于云計算的多元遙感數據服務系統，在保護源數據安全、降低數據使用成本的前提下提高了數據的共享率及用戶使用率；沈盛彧[56]針對適用于云計算的高分辨率遙感影像存儲組織結果進行了研究。未來應構建針對我國風云衛星的云平臺系統，便捷高效的方便用戶使用，推動我國風云衛星數據發揮最大效用。

3 結論與展望

農業領域是遙感技術最早開始應用和產生顯著效益的領域。與歐美同類衛星相比，我國的衛星發展較晚，其應用的廣度和深度還有限，可喜的是2008年以來在第二代極軌氣象衛星數據的支持下，在農業領域的應用得到了一定程度的促進，在大面積作物分類與估產、作物的干旱和霜凍監測、草原生態系統監測等方面開展了系列性的工作，但風云衛星遙感數據的處理、應用及方法中仍存在不足和問題。

1）完善、成熟、精準的數據處理平臺是保證數據應用研究的基礎。當前我國風云衛星數據處理的平臺還不夠成熟，在幾何訂正方面還存在較大的偏差，今后需要加強數據處理平臺的建設，提升遙感數據處理的質量，以發揮我國衛星數據的最大效用。

2）我國風云衛星數據在農業監測應用方面表現出巨大的潛力，完全實現業務化應用還需要調動各方資源繼續推動科研向業務的轉化。在農業應用方面不僅要開展針對研究區大宗作物分類、干旱、霜凍災害監測、草原生產力等研究，還應進行更廣泛的農業應用研究，尋求更有效的研究方法和思路以滿足我國地形復雜、氣候多樣、作物類型繁多的現實需求。

在遙感參數反演方面，應積極開展除了現有的植被指數、干旱指數之外的葉片含水量、葉片生化組分、土壤有機質含量等方面的研究；在作物分類方面應建立樣本數據庫，動員公眾志愿者采集和上傳樣本，降低樣本獲取的時間和費用，并在海量樣本庫的基礎上嘗試多類作物同步提取識別研究；在農業災害監測方面，在現有干旱、霜凍災害監測研究的基礎上開展洪澇、農業病蟲害研究。在此基礎上我國風云衛星數據將更全面的服務于農業領域，同時將為農業政策制訂與施用效果評估提供更完善的基礎數據。

3）未來應充分挖掘風云衛星數據的巨大的潛力，利用最新的云計算數據處理技術、基于互聯網的信息服務技術，建設風云衛星農業應用綜合平臺，面向全球農業監測，及時、高效、準確地提供全球作物生產信息，以支撐國家的糧食安全戰略和聯合國的可持續發展目標，同時，推動我國氣象衛星在農業遙感領域發揮更大的效益。