遙感更“懂”農情

　　1998年的一場突如其來的洪水讓人記憶猶新。那場洪水導致江西、湖南、湖北和黑龍江四省嚴重受災，另有29個省（區、市）遭受了不同程度的洪澇災害。除了造成人員傷亡、財物損失，糧食產量是否受到影響呢？

無人機懸停在高度100m 處的航拍圖，能夠清晰分辨油菜地塊、道路、小河、樹等；圖中方框對應的范圍與懸停20m 高度航拍范圍一致。

　　為此，中國科學院遙感應用研究所研發的“中國農情遙感速報系統”（CropWatch）在當年8月發布了第一份農情遙感速報。報告顯示：雖然洪水肆虐，但影響的只是沿江的狹長地帶，對當年糧食總產并沒有太大影響。“甚至，一些省市在洪水過后糧食還有所增產。”CropWatch負責人、中國科學院遙感應用研究所研究員吳炳方博士告訴《中國科學報》記者。

　　他至今依然清楚地記得，1998年特大洪水過后，遙感監測發現洪水發生較早的江西省，因為當地農民及時補種，加之洪水帶來的營養物質，當年的晚稻植株壯碩、籽粒飽滿，單產不減反增，而東北地區也因為洪水，有效補充了土壤水分，糧食實現增產。洪水雖無情，但并未造成減產，反而導致全國性的糧食增產。

　　微觀上的宏觀

　　不過，在現實中，一些人并不認同利用遙感監測農情信息，“這其實是人們對遙感理解的誤區。遙感不是只有宏觀信息，實際上，遙感是以微觀為基礎的宏觀監測手段”。吳炳方說。

　　何為以微觀為基礎的宏觀？舉個簡單的例子，如何通過衛星判斷農作物是水稻還是玉米或是其他作物？這一點可通過各類農作物的種植、生長過程、收割時間的區域差異導致的光譜特征差異，分區域監測，并根據各區域的地形特征、耕地破碎程度等要素差異，針對性地選擇不同空間分辨率的衛星影像來識別，在區域尺度的作物類型準確識別的基礎上，逐級匯總得到不同行政單元的作物種植面積。

　　為適應不同區域監測的需求，獲得更好的監測效果，吳炳方帶領研究團隊為CropWatch構建了多層次結構化方法體系。如今，CropWatch已經形成囊括全球65個農業生態功能區、6個全球洲際主產區、42個糧食主產國及各國農業分區和9個大主產國省（州）尺度的4層空間監測體系，并以25km、1km、250m、30m、16m、10m的6種空間分辨率，旬、月、季度、生長季與年組成的5種時間頻率的13個監測指標，從宏觀至精細監測作物生產形勢全過程的全球監測框架。“我們原創提出的最佳植被狀況指數，既能夠實現地塊級的長勢微觀監測，也能夠用于區域甚至全球尺度的長勢一張圖監測。”吳炳方解釋說。

　　這種多層次結構化監測體系同時也避免了長期困擾全球農情監測領域中“只見樹木不見森林”的現象，實現從全球到田間的多尺度無縫監測，不同尺度的監測信息相互支撐，提供全方位的信息。CropWatch已經打通了地塊、村、鎮、縣、市、省、國家和全球的體系化監測體系，將地塊尺度作為基本監測單元，監測信息逐級匯總，形成更高級別的農情信息，實現不同尺度農情監測的一體化。

　　20年磨一劍

　　其實早在我國第六個五年計劃后期，國家農業部就聯手國家氣象局和中國科學院開展全國冬小麥遙感綜合測產研究，吳炳方在第八個五年計劃期間踏入該研究。如今，CropWatch已經走過了20年的風雨歷程，隨著監測體系的不斷完善，監測尺度的不斷擴展，由“中國農情遙感速報系統”升級為“全球農情遙感速報系統”，不僅為國家政府部門持續不斷地提供決策信息支持，同時也為社會、市場提供了相關信息，成為我國大宗農作物進出口量預測的基礎信息源，為提前預判我國大宗作物進出口數量，豐富進口來源、出口路徑等提供建議支撐。

　　CropWatch還曾為關鍵時期糧食生產形勢的準確判斷提供了依據，為災后恢復和重建狀況開展持續性監測。比如2000年我國經歷的大旱、2006年川渝高溫干旱、2008年初南方雪災以及2009年初北方干旱等極端事件中都有CropWatch的身影。

　　不僅在國內，CropWatch對于全球的貢獻也有目共睹。在2015年至2016年度，厄爾尼諾帶來的干旱對南半球部分國家糧食生產造成了不利影響，CropWatch在2015年11月對南非玉米生產形勢作出了預警，預計南非玉米同比減產達34%，為區域糧食調配提供了重要信息支撐。

　　CropWatch通過云平臺，整合資源提高農情監測效率，提升了全球農情遙感速報系統的業務化水平。中科院遙感地球所副研究員張淼經歷了《全球農情遙感速報》（以下簡稱《速報》）的發展與改變。他告訴《中國科學報》記者，百余頁的《速報》每隔3個月就要出版一冊，“開始生產數據要15天時間，再加上數據分析和報告撰寫時間，大約需要近一個月才能完成。現在數據生產已經實現全自動化，單人一天便能夠完成通報所需的數據生產，團隊合作只需一周時間就可以完成一期通報工作”。

　　吳炳方認為，創新是CropWatch信息服務速度與廣度提升的根源。“在目前農情遙感系統13項指標中，6項指標出自我們的原創，比如復種指數、多層次全球農情定量監測技術與指標體系等。”

　　為讓CropWatch不斷進步，20年中，吳炳方帶領團隊先后三次更新CropWatch系統。“更新不是在原來的基礎上修修補補，它的每一次升級幾乎都是從頭再來。創新就是推陳出新，而不是固守已有的成就。”吳炳方說。

　　現在，CropWatch系統已提供全球173個國家的農情信息。下一次的更新，在大數據與機器學習的支持下，CropWatch將繼續整合泛在的公眾資源，利用新一代高分辨率遙感數據、移動互聯網技術、智能手機App軟件以及手機內置功能傳感器，收集眾源農情觀測數據，豐富農情監測的數據源。

　　“雖然農情遙感系統已經取得很大進步，但仍有很多問題需要解決，比如遙感觀測信號飽和的影響。”吳炳方說。農業遙感觀測信號飽和是指農作物生長到一定階段后，因為茂盛的枝葉層疊加效應導致遙感光譜特征無法進一步區分冠層下的枝葉狀況。對此，吳炳方和團隊研究人員正嘗試利用多顆衛星從不同角度觀測農作物，從而解決信號飽和的問題，準確探測作物真實的長勢情況。

　　應用到更廣泛領域

　　目前，吳炳方正著手打通近些年他在農業、生態、水資源等領域積累的遙感方法，形成統一的遙感監測與服務技術體系。“將這些領域監測技術在數據底層互通，這樣監測獲取到的數據可以被多方面解讀。”

　　吳炳方深信，遙感作為一種新型的全球觀測手段，完全可以在農業、生態、水利等領域發揮更大的功能，并為傳統學科提供便捷的數據，乃至方法論支撐。

　　不過，不同領域信息數據的一體化處理也意味著要創新，同時要求研究人員具備更寬泛的領域知識，具備持續學習的能力。“未來學科的跨界交叉融合將是科學的發展方向，也是持續創新的源泉。”吳炳方說。

　　無人機懸停在高度100m處的航拍圖，能夠清晰分辨油菜地塊、道路、小河、樹等；圖中方框對應的范圍與懸停20m高度航拍范圍一致。