小组成员介绍戴微：对于农作物估产，我国只能用低分辨率的影像，而且是做可能性的估产，而国外已经可以通过GPS等手段，给每颗作物施肥了，我想问除了低分辨率的影像外，还有什么别的问题，是模型还是其它方面的制约？此外：针对我国农业遥感现状，对遥感技术在该领域的“投入”与“回报”的问题，以及遥感技术在农业方面的产业化问题作相关评论。问题一：1、国内外应用遥感技术进行农作物估产现状对比。2、进而分析制约我国农作物估产精度的因素。问题二：3、观点一：农业遥感技术面向的对象。4、观点二：农业遥感的“投入”与“回报”问题。5、观点三：我国农业遥感发展中的问题。6、探索性总结：发展我国农业遥感的战略思考。国内外农业遥感现状1、美国“农业和资源的空间遥感调查”计划(AGRISTARS)从1986年开始,美国农业部、宇航局、商业部、国家海洋大气管理局和内政部开展了农业和资源的空间遥感调查计划(AGRISTARS)。随后,将这种成熟的技术方法分别由不同的部门应用到农作物估产实践当中数据源：1、卫星数据包括定期的气象卫星数据(10天左右)和陆地卫星数据(包括Landsat-TM、SPOT和印度、日本的资源卫星等),每年大约购买8000景卫星图像。2、实际长势情况和面积数据等靠美国驻各国的大使馆,或者由FAS的专家亲自前往该国实地考察来获取。“投入”与“回报”利用遥感进行农作物估产从美国开展冬小麦估产以来已经有25年的历史。目前，美国每年投资8000多万美元估计全球农作物产量,为美国在世界粮食贸易中获益高达18亿美元2、欧盟农业遥感监测计划(MARS)1988年，欧盟开始为期十年的MARS计划,也成功地建成了欧盟区的农作物估产系统,并将结果应用于实施欧盟的共同农业政策。由于欧盟区的大米主要从东南亚地区进口,为此建成了东南亚地区水稻雷达遥感估产系统,大量使用ERS雷达遥感数据估算东南亚地区水稻种植面积和产量。1、国家气象局农作物遥感监测计划从1984年开始,国家气象局组织北方11省、市开展冬小麦气象卫星遥感综合测产技术研究,开创了国内以应用气象卫星为主的大面积遥感综合估产的先例。主要数据源：NOAA/AVHRR、TM应用技术：1、NOAA/AVHRR数字图像解译技术2、遥感辅助估产模式3、建立不同类型的气象卫星遥感面积测算与估产方法2、农业部农作物遥感监测计划从1998年开始,全国农业资源区划办公室(农业部发展计划司)为及时了解和掌握每年全国农作物实际生长情况,实施了一项“全国农作物业务遥感估产”项目。该项目以业务化农作物遥感监测为目标,利用“3S”技术,发展一套适合中国国情的农作物遥感监测系统。制约我国农作物估产发展的因素1、现有农业的遥感数据空间分辨率不高。TM资料的空间分辨率为30m，SPOT资料的空间分辨率为20m，这与精准农业的要求还是相差甚远，因此我们必需提高遥感资料的空间分辨率。现在美国已经发射了空间分辨率为1m的卫星（EOSAM），并开始提供其资料，俄罗斯通过和平号和联盟号空间站获得了大量2m和0.5m分辨率的像片。随着人们对精准农业兴趣增加,近几年来已有一系列高空间分辨率的卫星被发射上天,到2005年,据统计已有几十颗这类卫星为精准农业提供服务。在农作物估产中：在国内，由于TM数据费用高,大面积遥感估产很难承受,大量的研究试图从几乎免费的NOAAAVHRR数据中提取作物种植面积,如像元分解法等,但AVHRR受数据空间分辨率的影响,效果并不理想且难以检验。对比：美国和欧盟目前也主要采用TM数据，在地理信息系统支持下,提取玉米和水稻种植面积的精度可达90%左右。2、现有遥感数据的光谱分辨率不高。大多数遥感资料的光谱分辨率在100nm左右,很难区别生长期相同、外形相差不大、品质相近的混作作物,这给精准农业的实施带来一定的困难,发展高光谱遥感是遥感技术应用于精准农业的必由之路。通过分析高光谱植被指数与农作物特征的关系,可以选定表征农作物特征的特定波段,农作物或植被具有一些明显的、独特的吸收特征。举例说明：冬小麦种植面积研究表明采用TM的差值植被指数分割法得到的冬小麦种植面积的精度可达96%以上,方法简单,效果也好。部分原因归功于：1、在我国北方地区冬小麦种植面积范围大,生长期内有很长时间没有其它绿色植被。2、在我国南方地区冬小麦的种植面积范围小，提取就很难利用该方法。农作物遥感估产最佳时相的选择依据1作物光谱的种间差异2作物物候的种间差异3太阳高度角的变化4作物产量形成的关键期5土壤光谱噪声的变化和作物面积的代表性中国水稻遥感估产最佳时相分区图中国小麦遥感估产最佳时相分区图中国玉米遥感估产最佳时相分区图现行光谱反演模型不完善。农业遥感图像数据的精确解译和应用是建立在光谱