面向農(nóng)田生態(tài)過程的定量遙感監(jiān)測關(guān)鍵技術(shù)創(chuàng)新與應用-浙江大學

1、項目名稱：面向農(nóng)田生態(tài)過程的定量遙感監(jiān)測關(guān)鍵技術(shù)創(chuàng)新與應用推薦單位：北京大學項目簡介：農(nóng)田生態(tài)過程是指以農(nóng)作物生產(chǎn)為中心的農(nóng)田生態(tài)系統(tǒng)物質(zhì)循環(huán)和能量轉(zhuǎn)換的復雜過程。本項目瞄準農(nóng)田生態(tài)過程復雜性特征開展定量化、動態(tài)化和立體化遙感監(jiān)測的關(guān)鍵問題，經(jīng)過十余年持續(xù)研究，形成了多項創(chuàng)新成果：（ 1）依據(jù)電磁波與復雜地物相互作用理論，通過植被和土壤二元組分混合光譜觀測試驗與模擬分析，闡明了農(nóng)田植被 -土壤二元體系在生態(tài)過程不同階段的響應機理，發(fā)現(xiàn)農(nóng)田混合像元不同組分光譜貢獻僅與地物組分比例有關(guān)， 奠定了農(nóng)田生態(tài)過程定量遙感基礎(chǔ)。 引入了基于再碰撞概率的植被冠層輻射理論， 據(jù)此構(gòu)建了葉面積指數(shù)、 光合有效輻

2、射比例等農(nóng)田植被結(jié)構(gòu)參數(shù)的反演模型， 有效提高了農(nóng)田生態(tài)過程主要參數(shù)的反演精度。（ 2）面向農(nóng)田生態(tài)過程不同階段，研究并揭示了作物葉面積指數(shù)、葉綠素、氮素等理化參數(shù)的冠層光譜吸收、 反射及其變化特征， 建立了基于神經(jīng)網(wǎng)絡(luò)、 支持向量機等數(shù)據(jù)挖掘技術(shù)的主要農(nóng)作物遙感動態(tài)監(jiān)測模型， 提出了融合農(nóng)田遙感反演參數(shù)和作物生長模型模擬的一種數(shù)學優(yōu)化方法，通過將遙感觀測“面狀信息”與地面采樣“點狀信息”有機融合，實現(xiàn)了農(nóng)田生態(tài)過程動態(tài)高精度監(jiān)測；（ 3）提出了地表參數(shù)與大氣參數(shù)一體化反演以及地表溫度多角度反演新方法。針對傳統(tǒng)遙感只能獲取作物冠層上部光譜信息等問題， 提出了作物冠層不同層次葉傾角、葉綠素、氮素

3、等理化參數(shù)多角度遙感探測方法， 明確了不同層次理化參數(shù)的多角度光譜響應特征及敏感角度和波段。 建立了運用不同觀測敏感角度結(jié)合的作物上層、中層和下層葉片葉綠素和氮素垂直分布多角度反演模型。通過多角度遙感反演結(jié)果分析， 明確了不同養(yǎng)分、 水分、病蟲害脅迫下的作物葉面積指數(shù)、葉綠素、氮素等理化參數(shù)響應特征及光譜響應特征，開拓出農(nóng)作物健康診斷的新途徑。上述科技成果分別在河北、陜西、浙江、寧夏、河南、山東、江蘇、安徽等全國糧食產(chǎn)區(qū)和北京等多個省市進行了推廣應用，促進了農(nóng)業(yè)增產(chǎn)增效、 改善了農(nóng)業(yè)生態(tài)環(huán)境、保障了農(nóng)產(chǎn)品質(zhì)量安全。主要完成單位及創(chuàng)新推廣貢獻：（ 1）北京大學是本項目的組織實施單位和主要完成單位

4、。經(jīng)過長期攻關(guān)，北京大學突破了農(nóng)田生態(tài)過程重要參數(shù)的定量遙感反演關(guān)鍵技術(shù)， 并在不同地域開展了推廣應用， 主要貢獻包括： 依據(jù)電磁波與復雜地物相互作用理論， 通過植被和土壤二元組分混合光譜觀測實驗與模擬分析，闡明了植被 - 土壤二元組分在農(nóng)田生態(tài)過程不同階段的電磁波響應機理； 提出了地表參數(shù)與大氣參數(shù)一體化反演以及地表溫度多角度反演新方法； 引入了基于再碰撞概率的植被冠層輻射理論， 據(jù)此構(gòu)建了葉面積指數(shù)、 光合有效輻射比例等農(nóng)田植被結(jié)構(gòu)參數(shù)的反演模型， 有效提高了農(nóng)田生態(tài)過程主要參數(shù)的反演精度； 提出了融合農(nóng)田遙感反演參數(shù)和作物生長模型模擬的一種數(shù)學優(yōu)化方法， 通過將遙感觀測 “面狀信息”與地

5、面采樣“點狀信息”有機融合，實現(xiàn)了農(nóng)田生態(tài)過程動態(tài)高精度監(jiān)測。依托上述研究工作，獲得了多項國家發(fā)明專利與軟件著作權(quán)。（ 2）浙江大學完成了“不同氮素水平的水稻高光譜診斷機理與方法研究（ 40171065）”、 “基于多源波譜信息的稻麥病害識別技術(shù)研究 (2006AA10Z203)” 等課題。通過以上課題的完成， 浙江大學以水稻等農(nóng)作物為研究對象， 通過多年的田間小區(qū)試驗和野外大田試驗，獲取了水稻等農(nóng)作物不同品種、不同生育期、不同氮素水平、不同病蟲害脅迫下的葉片和冠層光譜及其對應的生物理化參數(shù)，構(gòu)建國內(nèi)外參數(shù)較為完備的水稻等農(nóng)作物波譜數(shù)據(jù)庫， 并揭示了水稻等農(nóng)作物冠層和組分光譜變化規(guī)律； 通過主

6、成分分析法、 波段自相關(guān)分析法、 基于導數(shù)光譜的相關(guān)系數(shù)法、 基于光譜指數(shù)估算模型法和逐步回歸等方法，科學地確定了水稻參數(shù)遙感監(jiān)測合適的光譜波段；分析了波段位置和寬度對 NDVI的影響，并構(gòu)建了用于水稻生物量、 葉面積指數(shù)、 色素含量、氮素含量等參數(shù)監(jiān)測的新型光譜指數(shù)；建立了基于神經(jīng)網(wǎng)絡(luò)、 支持向量機等數(shù)據(jù)挖掘方法的水稻等農(nóng)作物參數(shù)高光譜遙感估算模型，并實現(xiàn)了高光譜遙感監(jiān)測技術(shù)在農(nóng)田生態(tài)過程遙感監(jiān)測中的應用。（ 3）中國科學院遙感與數(shù)字地球研究所（原中國科學院對地觀測與數(shù)字地球科學中心、中國科學院遙感應用研究所合并） 在作物長勢與組分參數(shù)立體化遙感監(jiān)測、作物病蟲害遙感監(jiān)測與預測預報、 地表離散

7、參數(shù)空間擴展方面做出了突出貢獻，提出了作物冠層不同層次葉傾角、 葉綠素、氮素等理化參數(shù)多角度遙感探測方法，建立了運用不同觀測敏感角度結(jié)合的作物上層、 中層和下層葉片葉綠素和氮素垂直分布多角度反演模型， 實現(xiàn)了作物養(yǎng)分早期虧缺遙感監(jiān)測； 研制了便攜式、低成本的田間光譜觀測裝置和植被長勢快速診斷裝置（國家發(fā)明專利：ZL201210339810.0、ZL201310182889.5、ZL201210343165.X）；建立了主要作物主要病蟲害遙感監(jiān)測和預測預報模型， 構(gòu)建了全國尺度的作物病害遙感監(jiān)測和預測預報系統(tǒng)， 實現(xiàn)了作物病害遙感監(jiān)測機理、 監(jiān)測方法和預測預報應用； 提出了基于遙感等多源空間數(shù)據(jù)

8、輔助下的區(qū)域地表離散參量高精度制圖技術(shù)； 組織實施了農(nóng)情遙感監(jiān)測技術(shù)與肥水藥精準管理技術(shù)在地方的推廣應用。（ 4）西北農(nóng)林科技大學 在陜西省楊凌高新農(nóng)業(yè)技術(shù)產(chǎn)業(yè)示范區(qū)及其周邊地區(qū)布置冬小麥、玉米和油菜等農(nóng)作物的田間試驗和示范推廣工作， 開展了農(nóng)田生態(tài)過程主要變化特征的觀測， 進行農(nóng)田土壤環(huán)境和作物生長生理生化參數(shù)和光譜數(shù)據(jù)采集測定，完成土壤營養(yǎng)元素和作物葉片葉綠素、含水量、生物量、營養(yǎng)元素高光譜估測模型構(gòu)建， 提出地面觀測數(shù)據(jù)與衛(wèi)星遙感影像相結(jié)合的作物長勢遙感反演技術(shù)框架。（ 5）中國地質(zhì)大學（北京） 以作物生長模型為框架，融合地面觀測數(shù)據(jù)和多源多時相遙感數(shù)據(jù)， 發(fā)展了面向農(nóng)田生態(tài)過程動態(tài)監(jiān)測

9、的多源數(shù)據(jù)同化技術(shù)， 實現(xiàn)了農(nóng)田生態(tài)參數(shù)的時空連續(xù)性擴展； 發(fā)展了基于分形理論的不同空間分辨率下遙感反演葉面積指數(shù)尺度轉(zhuǎn)換與校正技術(shù)，削弱了尺度效應對遙感反演精度的影響，促進了多源多空間尺度遙感數(shù)據(jù)協(xié)同反演。主要知識產(chǎn)權(quán)證明目錄知識產(chǎn)知識產(chǎn)權(quán)具體名國家（地授權(quán)或授權(quán)證書編權(quán)利人發(fā)明人權(quán)類別稱區(qū)）申請?zhí)柸掌谔柺跈?quán)發(fā)一種土壤與植被混合201310462016-ZL201310北京大秦其明 ;光譜測量方法及模擬中國明專利8109.303-16468109.3學孟慶野系統(tǒng)秦其明 ;授權(quán)發(fā)一種測量地表蒸散量中國201010272013-ZL201010北京大姚云軍 ;明專利的方法及系統(tǒng)9081.506-

10、26279081.5學趙少華 ;張寧授權(quán)發(fā)200910072012-ZL200910北京大秦其明 ;一種針式粗糙度儀中國沈心一 ;明專利6153.303-28076153.3學趙少華秦其明、授權(quán)發(fā)一種農(nóng)作物總初級生2017-ZL北京大張寧、王產(chǎn)力的遙感估算方法中國2014101320141013金梁、吳明專利1-25學及系統(tǒng)4058.54058.5伶基于統(tǒng)計局統(tǒng)計抽樣黃敬峰 ;授權(quán)發(fā)調(diào)查地塊實割實測數(shù)201010272013-ZL201010浙江大中國彭代亮 ;明專利據(jù)的省級水稻單產(chǎn)遙1905.402-13271905.4學王福民感估算方法張垚;黃授權(quán)發(fā)室內(nèi)高光譜 BRDF測中國2012100

11、52014-ZL201210浙江大敬峰;魏明專利定系統(tǒng)2209.302-06052209.3學晨; 王秀珍張垚;黃授權(quán)發(fā)室內(nèi)光譜觀測三維載中國201210002014-ZL201210浙江大敬峰;魏明專利物臺及其應用99380學晨; 王秀珍一種基于瞬時光合速王福民 ;授權(quán)發(fā)率積分的“天”尺度201210522016-ZL201210浙江大周斌;黃明專利初級生產(chǎn)力的估測方中國01-13523512.7學敬峰;徐3512.7法俊鋒中國科黃文江 ;201210332015-ZL201210學院對劉良云 ;授權(quán)發(fā)一種植被空間分布狀地觀測楊貴軍 ;明專利態(tài)測量方法及裝置中國0

12、2-04339810.0與數(shù)字孫剛;申9810.0地球科茜; 彭代學中心亮; 張清中國科黃文江 ;學院對謝巧云 ;授權(quán)發(fā)一種遙感反演精度檢201210342015-ZL201210地觀測彭代亮 ;明專利測方法及裝置中國08-05343165.X與數(shù)字張兵;劉3165.X地球科良云;申學中心茜; 孫剛中國科黃文江 ;一種基于遙感圖像的201310182015-ZL201310學院對楊勤英 ;授權(quán)發(fā)地觀測劉良云 ;葉面積指數(shù)反演方法明專利中國12-02182889.5與數(shù)字彭代亮 ;及裝置2889.5地球科申茜;倪學中心麗主要完成人情況表1. 秦其明，排名 1，教授，工作單位：北京大學，完成單位：

13、北京大學，對本項目具體技術(shù)創(chuàng)新貢獻： 通過植被和土壤二元組分混合光譜觀測實驗與模擬分析，闡明了植被 - 土壤二元組分在農(nóng)田生態(tài)過程不同階段的電磁波響應機理，提出了光譜混合解析新模型。 發(fā)明了一種測量地表蒸散量的方法及系統(tǒng)，提出了基于 EDI的農(nóng)田干旱評估新方法；發(fā)明了一種測量土壤粗糙度的針式粗糙度儀，該儀器提高了 SAR數(shù)據(jù)反演土壤含水量的驗證精度；提出了融合農(nóng)田遙感反演參數(shù)和生態(tài)過程模型模擬的一種數(shù)學優(yōu)化方法， 有效提高了農(nóng)田生態(tài)過程主要參數(shù)的監(jiān)測精度；組織實施了農(nóng)田生態(tài)過程的遙感監(jiān)測與在不同地域開展了推廣應用。曾獲科技獎勵情況：“中國農(nóng)業(yè) - 農(nóng)村發(fā)展可持續(xù)性的區(qū)域評價、 區(qū)域戰(zhàn)略及操作途

14、徑”獲教育部科技進步一等獎（ 2003年）。2. 黃敬峰，排名 2，教授，工作單位：浙江大學，完成單位：浙江大學，對本項目具體技術(shù)創(chuàng)新貢獻： 主持完成了 “不同氮素水平的水稻高光譜診斷機理與方法研究”、“基于多源波譜信息的稻麥病害識別技術(shù)研究”等課題，制定了項目的技術(shù)路線和實施方案。 闡明了利用多維光譜資料進行作物氮素估算、災害識別的機理，建立了基于神經(jīng)網(wǎng)絡(luò)、支持向量機等數(shù)據(jù)挖掘技術(shù)的主要農(nóng)作物面積、葉面積指數(shù)、葉綠素、氮素遙感動態(tài)監(jiān)測模型。曾獲科技獎勵情況：“農(nóng)業(yè)旱澇災害遙感監(jiān)測技術(shù)”獲2014年國家科學技術(shù)進步二等獎（排名第四）。3. 黃文江，排名 3，研究員，工作單位：中國科學院遙感與數(shù)

15、字地球研究所，完成單位：中國科學院遙感與數(shù)字地球研究所 （含原中國科學院對地觀測與數(shù)字地球科學中心、 中國科學院遙感應用研究所成果） ，對本項目具體技術(shù)創(chuàng)新貢獻：在立體化遙感監(jiān)測和病蟲害遙感監(jiān)測等方面，提出了作物冠層不同層次葉傾角、葉綠素、氮素等理化參數(shù)多角度遙感探測方法， 建立了運用不同觀測敏感角度結(jié)合的作物上、中和下層葉片葉綠素和氮素垂直分布多角度反演模型， 實現(xiàn)了作物養(yǎng)分早期虧缺遙感監(jiān)測； 研制了便攜式、 低成本的田間光譜觀測裝置和植被長勢快速診 斷裝 置（ 國家發(fā)明 專利 ： ZL201210339810.0 、 ZL201310182889.5、ZL201210343165.X）；建

16、立了主要作物主要病蟲害遙感監(jiān)測和預測預報模型，構(gòu)建了全國尺度的作物病害遙感監(jiān)測和預測預報系統(tǒng)， 實現(xiàn)了作物病害遙感監(jiān)測機理、監(jiān)測方法和預測預報應用。曾獲科技獎勵情況： “數(shù)字農(nóng)業(yè)測控關(guān)鍵技術(shù)產(chǎn)品與系統(tǒng)”獲 2010年國家科技進步二等獎 ( 排名第四）。4. 范聞捷，排名 4，副教授，工作單位：北京大學，完成單位：北京大學，對本項目具體技術(shù)創(chuàng)新貢獻： 針對農(nóng)田植被參數(shù)定量遙感問題， 基于葉片尺度的幾何光學模型， 引入再碰撞概率理論， 構(gòu)建了適用于連續(xù)植被和行播作物的植被二向性反射一體化模型， 并以此為基礎(chǔ)，建立了葉面積指數(shù)、 光合有效輻射比例、反照率等農(nóng)田植被結(jié)構(gòu)參數(shù)的反演模型和方法，及遙感反演

17、參數(shù)的尺度糾正方法，有效提高了參數(shù)遙感反演精度。5. 任華忠，排名 5，助理教授，工作單位：北京大學，完成單位：北京大學，對本項目具體技術(shù)創(chuàng)新貢獻： 主要開展了多源遙感數(shù)據(jù)的大氣糾正、 地表溫度與發(fā)射率反演模型的構(gòu)建以及農(nóng)田重要參數(shù)的地面測量與驗證； 提出了從機載多角度中紅外與熱紅外數(shù)據(jù)同步反演地表溫度和發(fā)射率的新模型， 實現(xiàn)了像元尺度的地表溫度角度歸一化；研制地表溫度、大氣水汽等關(guān)鍵參數(shù)反演系統(tǒng)。6. 常慶瑞，排名 6，教授，工作單位：西北農(nóng)林科技大學，完成單位：西北農(nóng)林科技大學， 對本項目具體技術(shù)創(chuàng)新貢獻： 承擔陜西省楊凌高新農(nóng)業(yè)技術(shù)產(chǎn)業(yè)示范區(qū)及其周邊地區(qū)冬小麥、 玉米和油菜等農(nóng)作物的田間

18、試驗， 開展了農(nóng)田生態(tài)過程主要變化特征的觀測， 進行農(nóng)田土壤環(huán)境和作物生長生理生化參數(shù)和光譜數(shù)據(jù)采集測定，構(gòu)建土壤營養(yǎng)元素和作物葉片葉綠素、含水量、生物量、營養(yǎng)元素的高光譜估測模型， 提出地面觀測數(shù)據(jù)與衛(wèi)星遙感影像相結(jié)合的作物長勢遙感反演技術(shù)框架。曾獲科技獎勵情況：陜西省科技進步一等獎 1項；陜西省科技進步二等獎 1項；中國科學院科技進步一等獎 1項；中國科學院科技進步二等獎 1項。7. 吳伶，排名 7，講師，工作單位：中國地質(zhì)大學（北京） ，完成單位：北京大學，對本項目具體技術(shù)創(chuàng)新貢獻： 以作物生長模型為框架， 融合地面觀測數(shù)據(jù)和多源多時相遙感數(shù)據(jù)，發(fā)展了面向農(nóng)田生態(tài)過程動態(tài)監(jiān)測的多源數(shù)據(jù)同

19、化技術(shù)，實現(xiàn)了農(nóng)田生態(tài)參數(shù)的時空連續(xù)性擴展； 發(fā)展了基于分形理論的不同空間分辨率下遙感反演葉面積指數(shù)尺度轉(zhuǎn)換與校正技術(shù)， 削弱了尺度效應對遙感反演精度的影響，促進了多源多空間尺度遙感數(shù)據(jù)協(xié)同反演。8. 王福民，排名 8，副教授，工作單位：浙江大學，完成單位：浙江大學，對本項目具體技術(shù)創(chuàng)新貢獻：通過在紅光和近紅外波譜范圍內(nèi)不斷擴展波段寬度，建立不同波段寬度對應的 NDVI與葉面積指數(shù)之間的定量關(guān)系， 經(jīng)過分析比較發(fā)現(xiàn)使用 NDVI估算水稻 LAI 的最佳波段寬度為 15nm，并從理論上證明了當窄波段滿足一定條件時， 其植被指數(shù)對生物參數(shù)估算效果將好于或等于寬波段指數(shù)； 針對水稻大部分時間是以水或水土混合物為背景而不是以土壤為背景的特點， 通過試驗優(yōu)化了基于土壤背景的植被指數(shù) WDVI、SAVI、SAVI2、TSAVI的參數(shù)，提高了對于水稻葉面積的估算精度。9. 張垚，排名 9，助理研究員， 工作單位：浙江大學，完成單位：浙江大學，對本項目具體技術(shù)創(chuàng)新貢獻： 開展了水稻等農(nóng)作物的田間和區(qū)域調(diào)查試驗， 開展了農(nóng)田作物生理特征和生態(tài)過程的農(nóng)作物生物物理化學參數(shù)在多維遙感監(jiān)測中的響應機制研究，構(gòu)建葉片水平高光譜二