Page 32 - 《武汉大学学报（信息科学版）》2025年第9期

1760 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

要工具，然而，裸露土壤与植被覆盖区域的信号 察和传统测量手段，但这些方法通常具有较低的
差 异 、复 杂 地 形 对 微 波 散 射 的 影 响 仍 是 技 术 难 时效性和空间覆盖能力，难以满足现代农业对高
点 ［12］ 。热红外波段通过植被指数与冠层温度的 效、精准、实时监测的需求，高分辨率卫星遥感和
关联间接反演水分胁迫状态 ［13］ 。结合高光谱和 无 人 机 遥 感 在 作 物 长 势 反 演 中 得 到 了 广 泛 应
多光谱数据，卫星与无人机协同的天-空-地一体 用 ［23-26］ 。遥感数据尤其是高光谱遥感为反演作物
化 监 测 体 系 可 以 实 现 农 田 尺 度 的 动 态 水 分 评 叶面积指数、植株氮含量、叶绿素含量等重要参
估 ［14］ 。此外，机器学习模型被广泛用于融合多源 数提供了新的思路 ［27］ 。机器学习和深度学习算
遥感数据，如随机森林（random forests，RF）、人工 法的引入进一步推动了长势反演模型的智能化
神 经 网 络 等 ，显 著 提 高 了 对 土 壤 含 水 量 的 预 测 发展，通过构建回归模型、神经网络和支持向量
能力 ［15-16］ 。 机（support vector machine，SVM）等方法，实现对
土壤温度数据对作物生长周期模拟、冻融灾 作物的生长动态进行更为精准的预测。随着作
害预警及微生物活动研究具有重要意义。土壤 物表型研究与遥感技术的进一步结合，引入作物
温度监测主要依赖热红外遥感技术，通过地表辐 表型特征可提高叶面积指数等长势参数的反演
射能量反演温度分布 ［17］ 。此外，微波遥感（如被 精度 ［28］ 。
动 微 波 辐 射 计）通 过 土 壤 介 电 特 性 与 温 度 的 关 农作物病虫害监测是保障农业生产稳定性
联，提供大范围温度估算，但分辨率较低，不适用 和可持续发展的关键技术之一。近年来，随着遥
于地块内精细尺度 ［12］ 。地表温度易受大气条件 感技术、物联网、人工智能等技术的快速发展，农
（如云层、湿度）干扰，且深层土壤温度的大面积 作物病虫害监测技术得到了显著的进步，尤其是
高精度反演仍缺乏可靠手段。在农场尺度需要 在精准农业和智能农业的背景下，病虫害监测向
发展多传感器融合算法，并强化与气候模型的耦 高效、实时和精准的方向发展，当前的研究主要
合分析，获得精准高频次的土壤温度监测数据。 集中在作物病害相关指数的提取、病害分类的时
土壤养分监测在精准农业和可持续农业生 空监测等方面。随着航空技术的快速发展，轻小
产中具有重要意义，通过实时监测土壤中氮、磷、 型无人机遥感系统在作物病虫害监测中的应用
钾 等 关 键 养 分 含 量 ，可 以 准 确 评 估 土 壤 肥 力 状 日益广泛，无人机多光谱或高光谱遥感影像可以
况，从而实现精准施肥，既满足作物生长需求，又 精准监测病虫害区域及类型 ［29-30］ 。田间监测设备
避 免 因 过 量 施 肥 引 起 的 养 分 流 失 和 环 境 污 染 。 集成传感器（温湿度、光照）、虫情测报灯、孢子捕
随着地面物联网传感器、无人机遥感和高分辨率 捉仪等，结合深度学习算法可以实现 24 h 实时数
卫星数据的广泛应用，非破坏性、快速响应的多 据采集与预警 ［31］ 。
源数据融合反演成为土壤养分动态监测的重要 产量预测可以帮助农业管理者合理安排生
手段。研究者们逐步引入多光谱和高光谱遥感 产活动，如优化灌溉、施肥、防治等措施，支撑了
技术，结合机器学习和深度学习算法，对土壤中 作物产量从事后统计向事前调控的模式转变，从
氮、磷、钾等关键养分进行高精度预测，并揭示其 而提高农业生产效率。根据作物类型选取最佳
在空间和时间上的变化规律 ［18-20］ 。在植被覆盖期 生育期，将各尺度遥感数据作为输入特征，通过
间 ，通 过 作 物 生 长 机 理 模 型 与 遥 感 数 据 进 行 同 RF、SVM 等机器学习方法构建产量预测模型 ［32］ 。
化，利用作物长势参数遥感监测结果与模型模拟 数据同化方法通过耦合遥感数据和作物生长机
结果的差异的土壤养分反演算法，可以实现耕层 理模型进行作物长势和作物产量预测研究，进一
土壤速效养分的准确、稳定模拟 ［21-22］ 。 步优化了预测稳健性 ［33-34］ 。
3.2.2 农作物参数反演 3.2.3 气象参数反演
农作物参数反演的主要目的是通过遥感技 随着气候变化的加剧，农业生产面临的气候
术与各种数据源的结合，评估和反演作物生长状 风险不断增加。通过提供高精度的气候数据，气
态，从而为农业管理提供科学决策支持。长势反 象参数反演可以帮助农业生产者评估气候变化
演主要通过监测作物的生长过程、病虫害情况、 对作物生长的潜在影响。通过多源遥感数据和
产 量 预 估 等 信 息 ，帮 助 农 业 管 理 者 实 现 精 准 灌 地面观测数据来获取和反演作物生长过程中所
溉、施肥和病虫害控制。 需 的 气 象 信 息 ，如 风 速 、风 向 、温 度 、湿 度 、降 水
传统的作物长势评估方法多依赖于人工观 量、太阳辐射等关键气象参数。