中国是世界上农业灾害最严重的传统农业大国之一。农业灾害主要包括病虫害、洪水、干旱、冰雹、冷冻等。严重的农业灾害不仅会导致作物产量大幅减少，农业经济运行混乱，还会威胁到人民的生产、生活质量和生命财产安全。
传统的农业灾害监测方法主要是现场定点监测和随机调查。传统的方法在具体操作上更准确，但如果进行大规模监测，则非常耗时、费力、低效。此外，一些农业灾害(如病虫害等)在早期无法用肉眼识别，特别是在大规模监测中，传统的监测方法容易造成较大的误差。
农业灾害遥感监测主要包括以下几个方面：
一是采用多传感器、多时相、多分辨率数据相结合的监测方法，收集国内外多源卫星遥感图像，分析灾前灾后情况;
二是根据卫星图像、历史资料和现场调查信息，确定受灾范围，包括识别受灾对象、提取作物分布地块、计算受灾面积、匹配土地确认数据，确定不同经营者种植区的受灾情况;
三是结合环境、土壤、气象等信息，分析灾害因素，模拟和预测灾害发展趋势;
四是计算灾害程度，如评估灾后作物生长情况，计算产量损失率;
五是对救灾工作和灾后重建提出生产经营建议，如根据灾区气候条件判断作物是否适合种植保险。
基于卫星遥感预测农业干旱有两种方法。一种方法是在干旱监测的基础上，通过干旱时空预测模型模拟未来农业干旱;另一种方法是在作物生长模型的基础上改进水胁迫模块，构建作物干旱监测模型，将遥感观测作为同化干旱胁迫的中间变量，结合短、中、长期气象数据预测农业干旱。
1.卫星的遥感干旱指数对预测农业，是否干旱有着重大研究价值。以时间序列遥感干旱指数为输入数据，并根据时间序列分析预测未来农业干旱变化。历史上干旱数据具有大数据特征。人工智能算法可以有效地挖掘历史年份的数据特征，进一步提高农业干旱预测的准确性。近年来，研究人员开始根据神经网络和深度学习方法进行干旱预测，并取得了良好的效果。随着遥感技术的快速发展，反复遥感表面的干旱指数本身具有空间大数据的特点。此外，随着多卫星传感器的结合，遥感干旱指数的时间维度也越来越高。目前，基于机器学习算法的农业干旱预测研究较少，这将是未来研究的热点。
2.农业干旱预测的立足点是预测干旱对作物生长的影响。从这个角度来看，基于作物生长模式的农业干旱预测方法具有重要的研究价值。作物生长模式由气象数据驱动。通过引入未来一段时间的气象预测数据，可以有效模拟作物未来的生长状态，预测作物的干旱胁迫状态。此外，将作物生长模拟与农业干旱监测相结合，完善作物生长模式，实现农业干旱监测预警。
卫星遥感技术的快速发展使得针对卫星数据的农业干旱监测研究不断深入，同时也促使基于卫星遥感数据的农业干旱监测逐步市场化。对海量遥感数据源，将深度学习技术和作物生长模型有机结合起来，基于数据同化思想，深入探索卫星遥感在农业干旱动态遥感监测方面的潜力，可进一步推动智慧农业的发展。
官方微信