推動智慧農(nóng)業(yè)、設(shè)施農(nóng)業(yè)的發(fā)展，全國各地的科研院所都投入不少人力物力，跨行業(yè)跨學(xué)科展開了研究應(yīng)用，利用物聯(lián)網(wǎng)、遙感遙測、人工智能、機(jī)器視覺、深度學(xué)習(xí)、影像采集等技術(shù)，為實現(xiàn)農(nóng)業(yè)生產(chǎn)管理的數(shù)字化、智能化、自動化而努力。無數(shù)關(guān)于農(nóng)業(yè)的科研論文也陸續(xù)發(fā)表，其中，遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用已然有了一定進(jìn)展。

一、 機(jī)載遙感系統(tǒng)應(yīng)用

精準(zhǔn)農(nóng)業(yè)的有人機(jī)載成像系統(tǒng)，由安裝在農(nóng)用飛機(jī)上的消費級相機(jī)組成的系統(tǒng)，詳細(xì)描述了多光譜相機(jī)、高光譜相機(jī)和熱成像相機(jī)等部分定制，和商用機(jī)載成像系統(tǒng)。并舉例應(yīng)用實例，說明如何將不同類型的遙感圖像用于精準(zhǔn)農(nóng)業(yè)應(yīng)用中的作物生長評估和作物病蟲害管理。

二、大尺度區(qū)域水田空間格局及生態(tài)服務(wù)

基于1990—2015年土地利用遙感監(jiān)測數(shù)據(jù)，利用GIS的空間分析功能，探究長江經(jīng)濟(jì)帶水田空間格局動態(tài)變化特征。結(jié)果表明水田規(guī)模持續(xù)縮減，與經(jīng)濟(jì)建設(shè)及水產(chǎn)養(yǎng)殖的發(fā)展、其他生態(tài)系統(tǒng)轉(zhuǎn)化、及生態(tài)系統(tǒng)服務(wù)，有助于揭示長江流域水田的時空變化過程，及其對各項生態(tài)系統(tǒng)服務(wù)的影響，可為區(qū)域土地利用規(guī)劃、農(nóng)業(yè)政策與生態(tài)可持續(xù)發(fā)展提供理論支持。

三、水稻含水量無人機(jī)遙感監(jiān)測

利用多旋翼無人機(jī)低空遙感平臺，獲取不同生育期水稻冠層的RGB圖像和多光譜圖像，通過提取植被指數(shù)和紋理特征，分析水稻的動態(tài)生長變化，并構(gòu)建了基于隨機(jī)森林回歸方法的含水量預(yù)測模型。試驗結(jié)果表明，基于無人機(jī)遙感技術(shù)監(jiān)測水稻含水量是可行的，可為農(nóng)田精準(zhǔn)灌溉、田間管理決策提供新思路。

四、植被分類中的對比分析

利用一景AVIRIS高光譜植被影像，從分類精度的角度，提取方法在高光譜影像植被分類中的性能。實驗結(jié)果為后續(xù)改進(jìn)空-譜特征方法及其兩者有效結(jié)合，進(jìn)一步提高植被分類正確率提供了參考。

五、寒地水稻葉片葉綠素含量遙感反演研究

通過分析寒地水稻關(guān)鍵生育期葉片高光譜反射率信息，同時結(jié)合PROSPECT模型葉綠素含量吸收系數(shù)，參考借鑒現(xiàn)有高光譜植被指數(shù)的構(gòu)造方法和形式，利用相關(guān)性分析、連續(xù)投影法、遺傳算法優(yōu)化的粗糙集屬性簡約法，進(jìn)行高光譜特征選擇，結(jié)果表明;ORVI能夠作為快速反演水稻葉綠素含量的高光譜植被指數(shù)，為寒地水稻葉綠素含量高光譜遙感診斷，及管理決策提供了的客觀數(shù)據(jù)支撐和模型參考。

六、夏玉米葉面積指數(shù)估算方法

利用無人機(jī)多光譜植被指數(shù)估算夏玉米LAI的可行性，基于無人機(jī)多光譜遙感系統(tǒng)，結(jié)合同時期實地采集的夏玉米LAI。結(jié)果表明基于無人機(jī)多光譜遙感技術(shù)，使用隨機(jī)森林回歸算法，估算多種灌溉條件下的夏玉米LAI是可行的，為實現(xiàn)快速、準(zhǔn)確地監(jiān)測全生育期、不同灌溉條件下的大田夏玉米LAI提供了技術(shù)和方法支持。

七、土壤有機(jī)質(zhì)含量高光譜估測模型構(gòu)建及精度對比

以山東省煙臺市棲霞市蘋果園為研究區(qū)，采集100個土壤樣本，獲取其高光譜反射率，利用定量化學(xué)方法測定土壤有機(jī)質(zhì)含量。結(jié)果表明，可以利用RF方法快速預(yù)測蘋果果園土壤有機(jī)質(zhì)含量，了解土壤養(yǎng)分分布狀況，指導(dǎo)農(nóng)民合理施肥，從而提高果園生產(chǎn)管理效率。