基于遥感技术的作物生产研究进展

doi:10.11924/j.issn.1000-6850.casb2025-0066

中国农学通报 ›› 2025, Vol. 41 ›› Issue (27): 149-156.doi: 10.11924/j.issn.1000-6850.casb2025-0066

• 工程·机械·水利·装备 • 上一篇下一篇

基于遥感技术的作物生产研究进展

秘翌彤(), 张晓影, 王宽豪, 高金旭, 孙鑫博()

河北农业大学农学院/河北省作物生长调控重点实验室，河北保定 071001

收稿日期:2025-02-06 修回日期:2025-06-04 出版日期:2025-09-25 发布日期:2025-10-07
通讯作者:
孙鑫博，男，1986年出生，河北石家庄人，副教授，研究生，博士，研究方向：草类植物抗逆育种。通信地址：071000 河北省保定市乐凯南大街2596号河北农业大学西校区求是楼2420室，Tel：0312-7528981，E-mail：nxsxb@hebau.edu.cn。
作者简介:
秘翌彤，女，2005年出生，河北石家庄人，本科在读，研究方向：牧草遥感监测。通信地址：071000 河北省保定市莲池区南关街道乐凯南大街2569号河北农业大学西校区，E-mail：2632972950@qq.com。
基金资助:
中央引导地方科技发展资金项目“热激蛋白HSP26.2调控匍匐翦股颖抗病反应的分子机制”(236Z6302G); 国家自然科学基金“小热激蛋白HSP26.2和HSP26.8介导匍匐翦股颖高温胁迫响应差异的分子机制”(32471755); 河北省自然科学基金“热激蛋白HSP26.2调控匍匐翦股颖生长发育的分子机制”(C2021204010)

Research Progress of Crop Production Based on Remote Sensing Technology

BEI Yitong(), ZHANG Xiaoying, WANG Kuanhao, GAO Jinxu, SUN Xinbo()

College of Agronomy/Key Laboratory of Crop Growth Regulation of Hebei Province, Hebei Agricultural University, Baoding, Hebei 071001

Received:2025-02-06 Revised:2025-06-04 Published:2025-09-25 Online:2025-10-07

摘要/Abstract

摘要：

遥感技术作为一种先进的信息获取手段，在作物生产中得到广泛应用，本研究系统综述了遥感技术在作物生产监测、作物估产、作物营养品质监测、作物病虫害监测中的应用研究进展。在作物生长监测领域，重点分析了基于多光谱、高光谱和雷达遥感的叶绿素含量、叶面积指数等生理参数反演方法；在估产应用方面，梳理了多源遥感数据构建产量模型的国内外发展历程及技术路线；在营养品质监测中，归纳了光谱特征与作物生化组分的关联模型；在病虫害监测环节，阐述了病虫害胁迫的光谱响应机理与识别技术。提出当前研究在多源数据融合精度、作物品质监测普适性等方面仍存在不足，未来需结合人工智能算法深化多平台协同监测，为智慧农业提供更高效的技术支撑。

关键词: 遥感监测, 作物生长监测, 产量预测, 营养品质, 病虫害识别, 植被指数

Abstract:

As an advanced means of information acquisition, remote sensing technology has been widely used in crop production. This study systematically reviewed the research progress of remote sensing technology in crop production monitoring, crop yield estimation, crop nutritional quality monitoring, and crop pest and disease monitoring. In the field of crop growth monitoring, it focuses on inversion methods for physiological parameters such as chlorophyll content and leaf area index based on multispectral, hyperspectral, and radar remote sensing. For yield estimation, it summarizes the development history and technical approaches of constructing yield models using multi-source remote sensing data globally. In nutritional quality monitoring, it synthesizes correlation models between spectral characteristics and biochemical components of crops. Regarding pest and disease monitoring, it elucidates the spectral response mechanisms and identification techniques under biotic stress. The review indicates current limitations in multi-source data fusion accuracy and universal applicability of crop quality monitoring. Future research should integrate artificial intelligence algorithms to enhance multi-platform collaborative monitoring, providing more efficient technical support for smart agriculture.

Key words: remote sensing monitoring, crop growth monitoring, yield prediction, nutritional quality, pest and disease identification, vegetation index

秘翌彤, 张晓影, 王宽豪, 高金旭, 孙鑫博. 基于遥感技术的作物生产研究进展[J]. 中国农学通报, 2025, 41(27): 149-156.

BEI Yitong, ZHANG Xiaoying, WANG Kuanhao, GAO Jinxu, SUN Xinbo. Research Progress of Crop Production Based on Remote Sensing Technology[J]. Chinese Agricultural Science Bulletin, 2025, 41(27): 149-156.

参考文献 58

[1]	朱志成, 武永峰, 马浚诚, 等. 基于无人机载遥感的水分胁迫下冬小麦叶绿素变化及冠层光谱响应[J]. 光谱学与光谱分析, 2023, 43(11):3524-3534.
[2]	李玮祎, 孙明馨, 曾风玲, 等. 低温胁迫下冬小麦叶片叶绿素含量的高光谱估算[J]. 中国农业气象, 2022, 43(2):137.
[3]	赵静, 李静, 柳钦火, 等. 联合HJ-1/CCD和Landsat8/OLI数据反演黑河中游叶面积指数[J]. 遥感学报, 2015, 19(5):733-749.
[4]	BANSKOTA A, WYNNE R H, SERBIN S P. Utility of the wavelet transform for LAI estimation using hyperspectral data[J]. Photogrammetric engineering & remote sensing, 2013, 79(7):653-662.
[5]	HUETE A R. A soil-adjusted vegetation index(SAVI)[J]. Remote sensing of environment, 1988, 25(3):295-309.
[6]	RONDEAUX G, STEVEN M, BARET F. Optimization of soil-ad-justed vegetation indices[J]. Remote sensing of environment, 1996, 55(2):95-107.
[7]	QI J, CHWHBOUNI A, HUETE A R, et al. A modified soil adjusted vegetation index[J]. Remote sensing of environment, 1994, 48(2):119-126.
[8]	HUETE A, DIDAN K, MIURA T, et al. Overview of the radiometric and biophysical performance of the MODIS vegetation indices[J]. Remote sensing of environment, 2002, 83(1):195-213.
[9]	JIANG Z, HUETE A, DIDAN K, et al. Development of a two-band enhanced vegetation index without a blue band[J]. Remote sensing of environment, 2008, 112(10):3833-3845.
[10]	谭昌伟, 黄义德, 黄文江, 等. 夏玉米叶面积指数的高光谱遥感植被指数法研究[J]. 安徽农业大学学报, 2004, 31(4):392-397.
[11]	赵虎, 裴志远, 马尚杰, 等. 利用HJ-1-A/B CCD2数据反演冬小麦叶面积指数[J]. 农业工程学报, 2012, 28(10):172-176.
[12]	YANG F, SUN J L, FANG H L, et al. Comparison of different methods for corn LAI estimation over northeastern China[J]. Inter national journal of applied earth observation and geoinformation, 2012, 18:462-471.
[13]	刘珺, 庞鑫, 李彦荣, 等. 夏玉米叶面积指数遥感反演研究[J]. 农业机械学报, 2016, 47(9):309-317.
[14]	袁媛. 夏玉米植被指数与叶面积指数的关系研究[J]. 陕西气象, 2015(3):24-28.
[15]	史舟, 梁宗正, 杨媛媛, 等. 农业遥感研究现状与展望[J]. 农业机械学报, 2015, 46(2):247-260.
[16]	张东霞, 张继贤, 等. 遥感技术在主要粮食作物估产中的应用[J]. 测绘科学, 2024, 39(11):95-98,103.
[17]	刘海启. 美国农业遥感技术应用现状简介[J]. 国土资源遥感, 1997(3):58-62.
[18]	BEERI O, PELED A. Spectral indices for precise agriculture monitoring[J]. International journal of remote sensing, 2006, 27(10):2039-2047.
[19]	CHHIKARA R S, HALLUM C R, LYCTHUAN-LEE T G. Sampling designs for Landsat crop surveys[J]. Communications in statistics-theory and methods, 1984, 13(23):2905-2935.
[20]	IDSO S B, PINTER P J, HATFIELD J L, et al. A remote sensing model for the prediction of wheat yields prior to harvest[J]. Journal of theoretical biology, 1979, 77(2):217-228. pmid: 480957
[21]	刘彦, 关欣, 罗珊, 等. 遥感技术在作物生长监测与估产中的应用综述[J]. 湖南农业科学, 2010(11):136-139.
[22]	郭建茂. 基于遥感与作物生长模型的冬小麦生长模拟研究[D]. 南京: 南京信息工程大学, 2007.
[23]	佚名. 南京农业遥感分中心简介[J]. 遥感技术动态, 1989(1):72-73.
[24]	李剑萍, 郑有飞, 魏丽, 等. 作物遥感估产研究进展及未来趋势分析[M]. 气象教育与科技, 1999(2):19-23.
[25]	董倩. 基于RS和GIS的冬小麦总产预测研究[D]. 石家庄: 河北师范大学, 2007.
[26]	JIANG Z, CHEN Z, CHEN J, et al. The Estimation of regional crop yield using ensemble-based four-dimensional variational data assimilation[J]. Remote sensing, 2014, 6(4):2664-2681.
[27]	刘兆礼. 东北地区资源环境遥感信息系统与农情速报[R]. 长春: 中国科学院东北地理与农业生态研究所, 2000.
[28]	王赫彬. 基于高光谱数据的禹城市玉米遥感估产研究[D]. 济南: 山东师范大学, 2018.
[29]	MENG J, FANG W, LI Z. A Global Crop Growth Monitoring System Based on Remote Sensing[C]. 2006 IEEE International Geoscience and Remote Sensing Symposium. Denver, CO, USA:IEEE, 2006:2277-2280.
[30]	马冠南, 丁春雨. 基于植被指数和最优物候期的玉米产量预测研究[J]. 农业与技术, 2017, 37(9):17-18,25.
[31]	XU W, REN X, SMITH A. Remote sensing, crop yield estimation and agricultural vulnerability assessment: a case of Southern Alberta[J]. Open hydrology journal, 2012, 6(1):68-77.
[32]	PIMSTEIN A, KARNIELI A, BANSAL S K. Developing spectral vegetation indices for precision assessment of cereal crop yield potential[J]. Remote sensing, 2023, 15(8):2045-2060.
[33]	VEGA A A, RAMIREZ E P, MARTINEZ S C. Integration of MODIS-NDVI time-series data for seasonal crop yield forecasting in Canada[J]. Agronomy journal, 2009, 101(4):903-910.
[34]	程乾. MODIS数据提高水稻卫星遥感估产精度稳定性机理与方法研究[D]. 杭州: 浙江大学, 2005.
[35]	曾玲琳. 作物物候期遥感监测研究[D]. 武汉: 武汉大学, 2015.
[36]	RIBEIRO D S, TAN C, ZHOU C, et al. Predicting grain protein content of field-grown winter wheat with satellite images and partial least square algorithm[J]. Plos one, 2020, 15(3):e0228500.
[37]	RODRIGUEZ D, FITZGERALD G J, BELFORD R, et al. Detection of nitrogen deficiency in wheat from spectral reflectance indices and basic crop eco-physiological concepts[J]. Australian journal of agricultural research, 2006, 57:781-789.
[38]	ZHANG J, SONG X, JING X, et al. Remote sensing monitoring of rice grain protein content based on a multidimensional Euclidean distance method[J]. Remote sensing, 2022, 14(16):3989.
[39]	SUN W, HE Q, LIU J, et al. Dynamic monitoring of maize grain quality based on remote sensing data[J]. Front plant science, 2023, 14:1177477.
[40]	ZHANG M, CHEN T, GU X, et al. Hyperspectral remote sensing for tobacco quality estimation, yield prediction, and stress detection: a review of applications and methods[J]. Frontiers in plant science, 2023, 8(14):1073346
[41]	RISHIRAJ D. Monitoring green leaf tea quality parameters of different TV clones grown in northeast India using satellite data[J]. Food chemistry, 2013, 139(1-4):689-694. doi: 10.1016/j.foodchem.2013.01.086 pmid: 23561162
[42]	DUTTA R, STEIN A, BHAGAT R M. Integrating satellite images and spectroscopy to measuring green and black tea quality[J]. Food chemistry, 2011, 127(2):866-74. doi: 10.1016/j.foodchem.2010.12.160 pmid: 23140747
[43]	HUMBURG D S, LAMB J A, STANGE K W, et al. Modeling of sugarbeet quality variables from canopy spectral indices in a fertility trial[J]. Transactions of the ASABE, 2002, 45(5):1651-1659.
[44]	KASIMATI A, ESPEJO-GARCÍA B, DARRA N, et al. predicting grape sugar content under quality attributes using normalized difference vegetation index data and automated machine learning[J]. Sensors, 2022, 22(9):3249.
[45]	IRISARRI J G N, DURANTE M, DERNER J D, et al. Remotely sensed spatiotemporal variation in crude protein of shortgrass steppe forage[J]. Remote sensing, 2022, 14(4):854.
[46]	张竞成, 袁琳, 干纪华, 等. 作物病虫害遥感监测研究进展[J]. 农业工程学报, 2012, 28(20):1-11
[47]	赵子娟, 刘东, 杭中桥. 作物遥感识别方法研究现状及展望[J]. 江苏农业科学, 2019, 47(16):45-51.
[48]	李卫国, 蒋楠. 农作物病虫害遥感监测研究进展与发展对策[J]. 江苏农业科学, 2012, 40(8):1-3.
[49]	鲁军景, 孙雷刚, 黄文江. 作物病虫害遥感监测和预测预警研究进展[J]. 遥感技术与应用, 2019, 34(1):21-32.
[50]	YANG C M, CHENG C H, CHEN R K. Changes in spectral characteristics of rice canopy infested with brown planthopper and leaf folder[J]. Crop science, 2007, 47(1):329-335.
[51]	HUANG W J, HUANG M Y, LIU L Y, et al. Inversion of the severity of winter wheat yellow rust using proper hyper spectral index[J]. Transactions of the Chinese society of agricultural engineering. 2005, 21(4):97-103.
[52]	袁琳. 小麦病虫害多尺度遥感识别和区分方法研究[D]. 杭州: 浙江大学, 2015.
[53]	鲁军景, 黄文江, 张竞成, 等. 基于小波特征的小麦白粉病与条锈病的定量识别研究[J]. 光谱学与光谱分析, 2016, 36(6):1854-1858.
[54]	鲁军景, 黄文江, 蒋金豹, 等. 小波特征与传统光谱特征估测冬小麦条锈病病情严重度的对比研究[J]. 麦类作物学报, 2015, 35(10):1456-1461.
[55]	郭青, 王骊雯, 董方敏, 等. 基于方向一致性特征的小麦条锈病与白粉病识别[J]. 农业机械学报, 2015, 46(1):26-34.
[56]	赖军臣. 基于病症图像的玉米病害智能诊断研究[D]. 石河子: 石河子大学, 2010.
[57]	张竞成. 多源遥感数据小麦病害信息提取方法研究[D]. 杭州: 浙江大学, 2012.
[58]	鲁军景. 多源数据冬小麦白粉病和条锈病遥感监测研究[D]. 北京: 中国矿业大学, 2016.

基于遥感技术的作物生产研究进展

Research Progress of Crop Production Based on Remote Sensing Technology

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 58

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	相微微, 王雨司, 彭军, 王建武, 陈花. 2株根际促生菌对水稻营养品质的影响[J]. 中国农学通报, 2025, 41(3): 158-164.
[2]	齐儒春, 王静, 张晋美, 刘吉利, 孙豪杰. 宁夏引黄灌区盐碱地耐盐青贮玉米品种筛选[J]. 中国农学通报, 2025, 41(24): 20-29.
[3]	孟凡奇, 李轲, 王清, 刘勇鹏, 马春业, 孙健, 黄大华, 刘志坚, 张勇跃. 兼用型甘薯贮藏期品质变化[J]. 中国农学通报, 2025, 41(23): 139-144.
[4]	韩成卫, 郝福庭, 付贵林, 薛法新, 张岩, 宋春林, 吴秋平, 蒋飞. 不同施肥方式对糯玉米产量品质、土壤肥力及经济效益的影响[J]. 中国农学通报, 2025, 41(22): 7-12.
[5]	文俊丽, 陈琴, 郭元元, 张力, 李洋, 康德贤, 宋焕忠, 陈振东. 栽培方式对空心菜生长和品质的影响[J]. 中国农学通报, 2025, 41(18): 65-74.
[6]	王越, 费雯丽, 程军, 沈历都, 邹岫明, 阿迪力·阿里木. 沈阳市玉米不同生育阶段气象要素变化趋势及气象产量预测模型[J]. 中国农学通报, 2025, 41(15): 95-101.
[7]	王苗苗, 王贝贝, 李明放, 张志红, 严雪. 冬小麦发育期识别方法研究进展[J]. 中国农学通报, 2025, 41(1): 1-7.
[8]	王鹏翔, 陈翔宇, 魏春月, 马怡茹, 秦诗哲, 周泽轩, 张泽. 基于机器学习算法的滴灌棉花地上部氮浓度估测模型研究[J]. 中国农学通报, 2024, 40(4): 148-157.
[9]	周翰林, 吴春, 张高伟, 王宣朋. MABR膜对比微生态制剂对河蟹池塘水质及其营养品质的影响[J]. 中国农学通报, 2024, 40(32): 157-164.
[10]	田素波, 陈维安, 国艳春, 林桂玉, 祝海燕, 孟德来, 魏宏, 李金育, 辛晓菲, 亓烨, 王凯燕, 李英杰, 汤砚岗. 低温弱光诱抗水溶肥对秋冬茬沙培番茄生长与产量的影响[J]. 中国农学通报, 2024, 40(28): 24-29.
[11]	李华健, 邓国军, 罗贞媛, 农全东, 李春情, 农彬, 陈碧钦, 胡校章, 刘娜, 文和明. 间作模式对红壤理化性质和大豆品质的影响[J]. 中国农学通报, 2024, 40(26): 8-14.
[12]	朱吉童, 徐颖超, 薛舒丹, 孟琦涛, 谢大森, 江彪, 郭巨先, 钟玉娟. 基于广泛靶向代谢组学的菜心代谢物综合分析[J]. 中国农学通报, 2024, 40(25): 36-47.
[13]	高小丽, 黄海皎, 常子惠, 杨涛, 刘荣, 宗绪晓, 张海芳, 廖文华. 西藏城郊地区食用豌豆品种改良与评价[J]. 中国农学通报, 2024, 40(22): 24-31.
[14]	王敬云, 胡晓航, 董心久, 马亚怀, 李彦丽. 基于多光谱技术的甜菜块根糖分增长期施氮决策模型[J]. 中国农学通报, 2024, 40(10): 132-139.
[15]	郑荣美, 胡萍, 张磊, 吴文燕, 王晓宇. 低温肉制品研究现状与发展趋势[J]. 中国农学通报, 2024, 40(1): 143-150.