算法允许农民实时监测农作物

得益于南达科他州立大学地理空间科学卓越中心研究人员的新型算法，美国各地的农民将能够实时监控他们的农作物。

两年前，GSCE研究助理沉宇和地理与地理空间科学系教授兼GSCE联席主任张晓阳开始研究是否有可能提高作物监测的效率。

“以前，作物生长情况是通过目视观察植物来监测的，”沉解释道。

目前，监测农作物需要来自美国各地的约5,000名记者，他们根据对该国所在地区农田的目视观察填写每周调查。

根据标准定义，记者估算作物生长情况在各个发育阶段的进展情况，同时还提供对农作物状况的主观评估。然后将这些调查提交给国家农业统计局，该局每周创建按州分类的作物进展报告。

农民依赖这些报告，这些报告是目前从地区到州一级可获得的最佳田间作物进展信息，由美国农业部分发。

这个过程虽然相当准确，但非常耗时、昂贵且主观。

沉和张相信及时的卫星遥感数据可以用来创建更有效的监测系统。卫星观测长期以来一直被用来分析历史作物物候学——作物生长的发育阶段，从种植到收获。然而，利用它们开发近实时作物监测系统尚未得到广泛研究。

“我们认为我们可以通过提高作物监测的时间和成本效率来改进作物监测，”沉说。“我们建议利用及时的卫星观测来开发一种操作算法。”

通过融合Landsat、Sentinel-2极轨卫星的30米空间观测和对地静止卫星的时间观测，研究小组能够计算可操作的近实时作物的高空间和高时间作物绿度发展情况监控。

这项研究发表在《环境遥感》杂志上。

“我们的结果为作物物候提供了准确的时间，”沉说。“这些信息可以帮助指导农民进行作物管理。”

与之前的工作不同，这种新颖的算法可以监测30米田地范围内的作物生长。

它可以计算作物生长过渡阶段的六个日期——生长季节开始(绿度增加开始)、春季中期(绿化中期日期)、成熟开始(绿度接近最大)、秋季开始(绿度开始减少)、秋季中期(衰老中期的日期)和生长季节末(绿度达到最低值)——物候事件发生之前，事件前后和之后的准确性不断提高。

这些过渡日期用于确定作物生长阶段，例如玉米的播种、出苗、吐丝、面团、凹陷、成熟和收获的时间。

研究团队花费了大量时间验证算法的结果，将预测与爱荷华州2020年玉米和大豆生长季的实际地面测量值进行比较。他们发现实时预测能力与同年的进度报告(由美国农业部分发)一致。

“通过对每个田地的预测，作物物候的近实时监测提供了从当地田地到整个州的强大的空间分布作物进展信息，”沉说。“与国家农业统计局的农作物进展报告相比，这是一个很大的进步。”

沉说，该算法的结果将提供作物物候的准确测量，这将指导农民进行作物管理。

“例如，我们的算法将提供农作物绿度达到最大值的时间，”沉说。“这个阶段是农民应该进行灌溉的窗口。我们将能够在这个阶段发生之前预测何时发生。他们将能够提前安排灌溉。”

沉预测这些信息还将有助于在收获前估计产量大小。

张表示，带有可操作计算机代码的算法将成为近实时监测作物生长和状况的新地理空间工具。该工具最终将交付给美国农业部，以集成到现有操作系统中以供广泛使用。用户将能够通过交互式地图查看各个田地的作物状况。

未来的研究途径将是团队研究提高算法短期预测准确性的方法。这种地理空间工具在国家和全球范围内的应用可以帮助评估全球粮食安全。