遥感技术在苹果园精准种植管理中的应用现状及展望_赵海岚.pdf
《遥感技术在苹果园精准种植管理中的应用现状及展望_赵海岚.pdf》由会员分享,可在线阅读,更多相关《遥感技术在苹果园精准种植管理中的应用现状及展望_赵海岚.pdf(15页珍藏版)》请在咨信网上搜索。
1、在果园种植管理向精准化和数字化发展的趋势下,苹果栽培对果园种植管理支撑技术提出了更高的要求。近些年,遥感技术的空间分辨率和重访频率不断突破,已经成为苹果园精准种植管理的主要支撑技术,然而目前鲜有综述文章进行这方面的现状梳理和展望,因此对这类研究进行总结很有必要。通过分析遥感技术在苹果园精准种植管理中的主要应用情况,将遥感技术的应用领域归纳为果园基础信息调查、果林参数反演和果园种植管理支撑 大类,并综述遥感技术在各领域中的应用方法、效果,探讨应用潜力。最后,总结出当前研究和应用存在机理性研究少且部分应用领域研究不足、多技术集成化程度不高、缺乏大范围的示范应用 类问题,并指出苹果树生长模拟机理模型
2、、一体化苹果种植管理支撑系统、基于卫星数据的单木监测、遥感监测产品多元服务 个研究主题将成为下一步的研究和应用热点。关键词:遥感;苹果园;精准农业;果树监测中图法分类号:文献标志码:文章编号:()收稿日期:;修订日期:基金项目:国家自然科学基金面上项目“基于作物模型与遥感数据同化的农田土壤速效养分反演方法研究”(编号:)和中国科学院科技服务网络计划项目“智慧农业核心技术突破与集成示范”(编号:)共同资助。第一作者:赵海岚(),男,硕士研究生,主要从事植被遥感监测研究。:。通信作者:蒙继华(),男,博士,研究员,博士生导师,主要从事农业遥感理论、方法与应用研究。:。引言苹果()栽培是世界上重要的
3、农业生产类型之一,截止 年全世界共有 多个国家发展了苹果种植业,年产出苹果超过 万。中国是世界上最大的苹果生产国,苹果种植面积为 万、年产量为 万,项数量均超过了世界总量的。自 年中国加入世界贸易组织后,中国苹果出口量排名世界第一,成为对外贸易中最具竞争力的农产品之一,年出口值为 亿美元。除了生产和出口,中国还是苹果消费大国之一,拥有庞大的国内市场,主要分布在陕西、山东、甘肃、山西和河南等省的苹果种植业为当地带来了巨大的经济效益,。然而,由于种植结构不合理、果树老化、水分胁迫、养分应用不平衡和病虫害等问题,中国苹果种植业面临着单位面积产量低的困境,平均产量仅为 ,位列世界第,远远落后于苹果种植
4、业发达的国家,如新西兰()、瑞士()、智利()等国。受新冠疫情、国际局势和市场供需等因素的影响,中国苹果价格自 年以来大幅下降,以年周期期货价为参考,年(元)相比 年(元)的苹果单位价格下降了,给苹果种植业造成了巨大冲击。为了科学种植和培育果树,稳定和增加苹果产出,保障果园经济效益,管理者需要依靠一系列准确及时的果园环境、果树生理生化等信息作出栽种、灌溉、施肥、病虫害防治等决策。传统上,获取苹果种植信息主要通过站点观测、种植记录、人工取样和实验室测样等方法,这类方法耗时、费力,大规模应用的成本较高,不能满足果树的大面积、实时监测和快速管理,。遥感技术经过几十年的发展,获取数据的时间分辨率、空间
5、分辨率、光谱分辨率和辐射分辨率取得了突破性进展,已成为快捷、高效、低成本果林识别监测和果园种植管理的新手段。随着遥感与全球定位系统、地理信息系统、大数据分析和人工智能等新兴技术的深度结合并广泛实自 然 资 源 遥 感 年践于农业精准管理,农业运营持续优化、增加产量和 减 少 投 入、降 低 损 失 的 目 标 正 在 逐 步 实现,其中一些技术已应用于苹果生产中,苹果种植也迈入了精准管理时代。本文围绕苹果园精准种植管理过程对遥感技术的应用需求,汇总和分类现有的相关报道,分析各类研究和应用解决的热点问题、实用性和不足,探讨相关技术的应用潜力并展望研究和应用趋势,为遥感技术更好地服务果园精准种植管
6、理、保障苹果优产提供理论支撑。遥感技术在苹果园精准种植管理中的应用现状及潜力 现代农业精准管理相关研究始于 世纪 年代末,遥感技术在早期精准管理中的主要应用是基于全色、多光谱、高光谱卫星和航空影像的单产估算,面向的主要对象是玉米、小麦和大豆等大田作物,针对果树的应用研究较少。随着遥感监测的高分辨率和低重访频率相关技术不断突破,不同国家学者根据他们的应用目的和技术条件开发出了基于植被指数、生理生化参数、环境指标的植被普适监测方法,这类方法也被应用于苹果树监测中,服务果园种植管理。近些年,优质量、高产量的苹果生产需求对果园种植管理提出了更高的标准,饶晓燕等和 等针对苹果园环境、果树生长状况和种植户
7、要求等开发出了专用于苹果园的遥感精准服务技术。本节将从果园基础信息遥感调查、果林参数遥感反演和果园种植管理支撑 类遥感应用方向出发,总结遥感技术在苹果种植环节中的应用现状,分析当前研究和应用的不足,探讨相关遥感技术的应用潜力。果园基础信息遥感调查数字化生产管理是果园精准种植管理的发展趋势,管理者可通过获取果园数字化信息来掌握果园动态变化情况,及时作出果园种植管理决策,从而确保精准完成果园灌溉、机器收割、种植结构优化和生长监测等工作,。在众多反映苹果园各方面动态变化的信息中,果林分布、果园林龄和果园基础设施分布是描述果园整体情况的本底信息,也是开展果园精准种植管理工作需要使用的基础信息,因此获取
8、果园数字化信息的关键和前提是调查、掌握果林分布、果园林龄和果园基础设施分布情况。相比于传统的实地调查,遥感调查方法可显著提高调查效率,支撑果园基础数字化信息的快速获取。果林分布调查果林分布遥感调查的最终目标是为了尽可能准确地识别出遥感影像中唯一归属于苹果林的像元,这类像元包含的时间、空间和光谱信息,是后续进行果林一切遥感分析的基础,可直接应用于面积统计和灌溉施肥估算等工作。当前,国内外农业遥感识别研究大多数关注于小麦、玉米和水稻等农作物,专门针对苹果林的遥感识别研究相对较少。现有的苹果林识别分类方法主要可分为混合像元分解法(,)、支持向量机法(,)、最大似然法(,)、决 策 树 法(,)等监督
9、分类法和 法等非监督分类法,。这些方法围绕像元尺度、地块尺度和单木尺度开展,其中像元尺度以苹果林(树)像元个体为最小分类单元;地块和单木尺度一般都以多个像元组成的斑块为最小分类单元,两者之间的差异在于地块尺度的斑块一般由苹果树像元和其他地物像元组成,如树间裸土、杂草等,而单木尺度的识别分类对遥感影像的空间分辨率要求较高,其最小分类斑块一般仅包含单棵苹果树冠层范围内的像元。基于像元尺度的识别分类方法主要利用像元光谱信息,通过对比不同像元与苹果林(树)样点像元之间的光谱特征,将相似像元划归为苹果林(树)类别。等根据苹果园 个月 和 的归一化植被指数(,)时间序列数据的变化特征和差异,利用 对像元进
10、行分类,识别苹果林的精度超过 ;辛群荣根据花期苹果树的植被指数等信息结合当地土地利用类型分布状况调查结果,利用分类回归树(,)算法进行 影像决策树分类,识别苹果林的精度超过。这类方法的优势在于理论相对简单,但“同物异谱”和“同谱异物”现象会显著影响分类精度,忽略了苹果树冠层和聚类成林的纹理信息,分类结果存在“椒盐”现象。基于地块或单木尺度的识别分类方法则可以合理利用高空间分辨率影像中包含的纹理信息,有效减少“椒盐”现象,并且分类结果一般具有良好的整体性。该方法需要先将遥感影像分割成若干同质同性的斑块,然后划分相似特征信息的斑块为同一类,分类依据一般为斑块的光谱、形态、大小、空间关系等特征。其中
11、关键在于影像分割,主要基于 种思路:二维影像分割,根据二维影像的光谱、纹理等特征,利用计算机图像处理技术对二维影像进行区域分割,常用的分割算法有基于目标第 期赵海岚,等:遥感技术在苹果园精准种植管理中的应用现状及展望对象的图像分析、基于边缘算法、数字表面模型(,)、冠层高度模型(,)的分割方法等;三维点云分割,根据三维点云数据具有的空间结构关系和苹果树所具有的真实三维特征,制定多种空间点云分类规则,直接针对点云数据进行果树检测和树冠分割。等采用 深度学习网络,根据苹果树树冠形态和纹理分割果园影像中的每棵苹果树,利用剪枝策略从语义分割结果中提取果树凸出边界后自动计算树冠参数,获得总准确率超过的苹
12、果树树冠参数;等利用无人机遥感获取果园三维点云模型和植被指数,建立基于植被指数的自动行、列检测方法实现快速分割,通过点云模型高精度识别苹果树。随着遥感影像的种类不断增多,如何选用合适的数据和识别分类方法十分重要。现阶段,基于像元尺度和地块尺度,开展的苹果林识别分类工作多是利用 中高空间分辨率的卫星遥感数据,该尺度空间分辨率的果林识别结果可用于反演树木生理生化指标、冠层反射率;亚米级或更高空间分辨率遥感数据常用在基于单木尺度的识别分类中,该尺度空间分辨率的果林识别结果可用于果树单木提取和基于单木管理的果实计数、冠层建模和精准灌溉等工作。果园林龄调查林龄调查是获取果树年龄并为果树更新提供决策参考的
13、重要手段。对于果园投资者来说,苹果栽培是一项投入高、回报周期长的产业,以矮砧密植和乔砧密植 种栽培模式为例,在良好的管理条件下,矮砧密植果园一般于第 年挂果,第 年达到成龄丰产果园水平;乔砧密植果园一般第 年才开始挂果,第 年才能达到丰产期,从开始挂果到丰产期之间的产量差别最高可达数万 ,并且果树老化会降低苹果产量和品质。因此,苹果林龄对种植户更新树苗、调整种收计划和政府机构制定果林老化改造政策等工作都具有重要参考意义。传统上,苹果林龄调查主要依靠果树种植记录或破坏性采样,这类方法虽然可以保证准确性,但很难应用于大规模调查。目前,从遥感数据中大范围、快速提取林龄的方法已有了相当数量的研究,但多
14、是应用于森林调查,在苹果林龄调查中的应用极少,现有的苹果林龄研究主要采用经验统计方法,通过构建林龄与光谱特征之间的统计模型来反演实际光谱特征对应的苹果林龄,等提出了一种区域尺度苹果林龄识别方法,该方法利用 影像和 影像的 时间序列,采用逐像素逆时间序列计算方法反演苹果林龄。这类方法考虑了苹果林龄增长与冠层光谱特征变化之间的规律,但仅依靠光谱信息无法减弱“同物异谱”和“同谱异物”现象对反演精度的影响。而苹果树在生长过程中除了冠层光谱特征发生变化,其形态、结构特征也会与之前产生差异,表现为果树冠层面积增加、郁闭度增大等,这些信息在当前苹果林龄遥感调查中尚缺乏利用,但其他植被的类似研究可以提供应用范
15、例,主要分为 类:利用激光雷达点云数据的方法,即根据点云数据获取的苹果结构信息进行苹果林龄识别,等使用 卫星的相控阵 波段合成孔径雷达()数据提取植被的结构信息,从而估算林龄;利用卫星影像结合激光雷达点云数据的方法,等提出了一种结合 影像和机载激光雷达数据估算林龄的方法,该方法将 的 个核函数进行比较,得到最佳的树冠覆盖轮廓,并结合郁闭度和结构参数构建统计模型,实现林龄的准确估算。由于苹果园果树一般排列规整、树间距明显,因此上述 类利用植被形态、结构信息的林龄估算方法在苹果园中将有较好的应用潜力。另外,利用遥感技术监测苹果林龄和产量并建立两者之间的统计模型,可为提前布局果林投资、制定供销计划提
16、供优势信息。果园基础设施分布调查基础设施分布遥感调查的主要目的是为了摸清基础设施分布、数量等基本情况,掌握基础设施数字化信息并进行空间制图,为科学布置基础设施支撑果园种植管理提供本底资料。在苹果园中,服务苹果种植的基础设施主要为机耕道、沟渠和仓库,这些基础设施是机械林间作业、果园灌溉排水、肥料农药存储等环节的支撑和保障,其规划、利用和改造需要适应于果园精准种植管理的要求,达到节约集约的标准并实现高效服务的目标。随着精确灌溉、机器人收割、无人机喷洒等自动化、精准化农业措施越来越广泛地应用于果园,基础设施数字化管理将成为苹果园精准种植管理的重要环节,果园基础设施分布调查是实现苹果园基础设施数字化管
17、理的基础。与果林分布调查原理相似,基础设施识别同样是利用遥感识别分类方法确定影像中唯一归属于目标地物的像元,但由于基础设施和果林存在光谱特征、几何纹理特征等本质上的影像特征差异,例如果园基础设施的光谱曲线随季节变化较小、具有明显的矩形形状等,因此进行果园基础设施分布调查时需充分考虑基础设施与其他地物之间的可分条件,自 然 资 源 遥 感 年找出适宜的分类依据和方法。然而,当前的基础设施识别相关研究绝大多数关注于城市、农村的主要设施,如道路、房屋、大棚 等,关注于苹果园基础设施遥感识别的研究鲜见,缺乏基础设施识别技术在苹果园中的应用范例。但遥感在其他类果园基础设施调查中的应用足以证明其拥有巨大潜
18、力,陈蜀江等利用 和 影像分析葡萄干晾房光谱、纹理特征,筛选不同光谱、纹理特征和其他参数进行 次分类,以 的识别精度提取了研究区葡萄干晾房。将主流的设施遥感识别方法作为参考,有 类适用于苹果园基础设施分布调查:模板匹配法,根据苹果园模板基础设施特征设计模板规则,利用规则匹配目标地物;面向对象法,将影像分割成斑块,然后根据斑块内苹果园基础设施特征识别目标地物;知识驱动法,生成与苹果园基础设施相关的知识模型进行目标识别。从调查成果的用途来看,设施分布信息可作为基础数据绘制导航地图和障碍地图用于自动化机械的苹果林间作业,这类用途对影像数据的空间分辨要求会较高,可由无人机遥感提供支撑;除此之外,该信息
19、也能作为空间数据绘制规划图用于基础设施的新建、改造、拆除等工作,此类用途可由米级或亚米级卫星遥感提供支持。与一般作物种植区相比,苹果园种植密度小、基础设施排列规整,地物之间交叉、遮挡的现象相对较少,因此基础设施的数字化信息较易通过遥感获取,使得遥感技术能更加精准、广泛地服务于苹果园基础设施数字化管理。果林参数遥感反演苹果树生长过程是一个生物生理生化反应响应环境变化的复杂过程,受光照、温度、水分、养分、田间管理等多种因素综合影响。传统的果林参数地面获取方式很难实时、快捷地反馈苹果林整体状态,还会造成树体损伤。因此,利用遥感技术高效反演果林参数对于果园精准种植管理十分重要。当前,植被生理生化参数和
20、环境参数的遥感反演技术已在苹果林监测中有了一些应用,涉及的生理生化参数主要为叶面积指数(,),、叶绿素,和养分;针对环境参数的研究较少,主要涉及冠层温度。准确、及时的苹果林生理生化参数和果园环境参数信息为管理者获知果林生长状态、评估果树生理需求提供了关键保障。果树生理生化参数反演生理生化参数是果树生长状态的数字化描述,对果树长势、水分、养分、病虫害监测和估产等工作有重要意义,。由于遥感主要捕捉的是植被光谱信息,所以参数反演一般需要借助特定的植被指数或地面实测参数,利用经验统计模型或机理模型模拟植被特定时期的生理生化状况,。在苹果林理化参数遥感反演中,果树、叶绿素含量和养分含量是最主要的反演对象
21、,这 类指标在评估植被病虫害、营养状况和产量等方面发挥着重要作用。经验统计模型是当前最常用的反演方法,该方法通过构建光谱指数与苹果林(树)、叶绿素含量和养分含量之间的回归关系,根据影像数据计算的苹果林(树)光谱指数值估算生理生化参数。其中,苹果林(树)常用、土壤调整植被指数(,)、比值植被指数(,)、增强植被指数(,)、绿色归一化差异植被指数(,)种植被指数进行反演,等在 置信度水平下选取了 种与 相关性最高的植被指数(,和)训练支持向量回归(,)和梯度提升决策树(,)模型,利用该模型准确地预测了苹果林。叶绿素是苹果树光合作用能力、营养胁迫和发育衰老各阶段的良好指示因子,常用 和 等植被指数进
22、行反演,。等利用 数据计算基于修订 公式的新植被指数(),发现基于该新植被指数的 模型反演苹果树冠层叶绿素含量的效果优于 神经网络模型。果树养分常由、可见光大气阻抗指数(,)、标准叶绿素指数(,)、和氮反应指数(,)等植被指数反演,。等利用 影像获取果林,根据 与果林冠层总氮的统计关系反演了冠层氮含量;曹淑静基于 影像数据分别建立了,和 共 种植被指数与苹果树冠层氮素之间的统计模型,发现以 为自变量建立的二次多项式模型反演苹果树冠层氮素的精度和稳定性最高;王凌基于 和 影像数据筛选出苹果树冠层、叶、花磷素的敏感光谱指数,建立了反演苹果林磷素的经验统计模型,发现基于 影像数据的模型反演精度更高。
23、从遥感反演方法来看,植被指数是经验统计模型的主要驱动因子,仅以不同波段光谱反射率(如第 期赵海岚,等:遥感技术在苹果园精准种植管理中的应用现状及展望红边波段)驱动的经验统计模型应用实例较少,一少部分学者进行了基于机理模型的苹果林(树)理化参数遥感反演研究,郭晓燕采用基于 数据和实测数据的 辐射传输模型反演了苹果树冠层叶绿素含量,实现了基于遥感数据与机理模型同化的叶绿素含量反演。然而目前这类以苹果林(树)理化参数为反演对象的机理模型无论其理论还是应用都十分缺乏。从遥感反演对象来看,当前的研究和应用基本关注于苹果林(树)、叶绿素和养分,以生物量、类胡萝卜素、水分等为反演对象的研究鲜见。果林环境参数
24、反演环境参数是影响果树生理生化表征的外部因素,常作为环境作用因子与生理生化参数一起描述果树生长状况。在苹果树栽培过程中,冠层温度、土壤水分和养分、光合有效辐射等是影响果树生长的主要环境参数,这些参数对揭示环境 植物相互作用下的果树长势、水分、养分和病虫害变化规律,提高果树监测准确性有重要意义。现阶段,苹果林环境参数主要通过实地检测或实验室测样的方式获得,遥感反演参数的研究较少,已有的研究对象主要为冠层温度,该参数常用于反映果林蒸发蒸腾情况和水分亏损状况,由热红外遥感影像的比辐射率反演所得。当前以其他苹果林环境参数为遥感反演对象的研究鲜见,而相关理论在其他植被区域的环境参数反演中已有了系统的研究
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 遥感技术 苹果园 精准 种植 管理 中的 应用 现状 展望 赵海岚
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。