[技術前沿]CropWatch：以自主遙感監(jiān)測技術守望全球農情
CropWatch：以自主遙感監(jiān)測技術守望全球農情
在國家重點研發(fā)計劃“政府間國際科技創(chuàng)新合作”重點專項支持下，中國科研實驗室空天信息創(chuàng)新研究院牽頭召開了先進農情遙感監(jiān)測技術研發(fā)，實現了參與式的全球農情監(jiān)測云服務平臺（CropWatch Cloud）的重大升級，為24個開展中國家給予了定制化農情培訓，涵蓋近5億人口，契合了GEOGLAM提升全球農情監(jiān)測信息透明度的初衷，為聯(lián)合國零饑餓目標的實現作出了貢獻。
準確及時的農情遙感監(jiān)測信息對農產品貿易、糧食宏觀調控決策與政策的制定至關重要。提升全球農情監(jiān)測信息的透明度是全球關注的焦點，也是聯(lián)合國可持續(xù)開展零饑餓目標的重要內容之一。2011年，20國集團峰會發(fā)起地球觀測組織（GEO）全球農業(yè)監(jiān)測旗艦計劃（GEOGLAM），旨在協(xié)調全球農業(yè)監(jiān)測各方的行動，有助于農業(yè)遙感監(jiān)測技術進步，提升信息透明度，2017年GEOGLAM成為GEO的旗艦計劃。為及時掌握農情監(jiān)測信息，全球主要國家和地區(qū)的組織都競相建立了農情監(jiān)測系統(tǒng)，經過長期努力與投入，美國農業(yè)部的監(jiān)測系統(tǒng)（CropExplorer）、歐盟作物監(jiān)測服務組織（MARS）和中國的全球農情遙感監(jiān)測云服務平臺（CropWatch，http://cloud.cropwatch.com.cn/）脫穎而出，成為當前全球領先的三大農情遙感監(jiān)測系統(tǒng)，是GEOGLAM的重要信息來源。
我國是全球最大的糧食進口國，“透明、公正、及時、分享”的全球農情信息對我國糧食安全決策與進出口具有極其重要的意義。隨著農情監(jiān)測技術的進步，農情監(jiān)測信息由單一信息向時空陸續(xù)在的“空-天-地”一體化信息不斷拓展，由小區(qū)域向大區(qū)域演化，由事后監(jiān)測轉為近實時監(jiān)測與事前預測。農情系統(tǒng)建設的門檻越來越高，導致全球農情監(jiān)測信息越來越集中在少數國家和地區(qū)手中?；诖?，中國科研實驗室空天信息創(chuàng)新研究院在國家重點研發(fā)計劃“政府間國際科技創(chuàng)新合作”重點專項的支持下，牽頭召開了GEOGLAM框架下的先進農情遙感監(jiān)測方法研究。項目遵循GEOGLAM創(chuàng)建的初衷，基于CropWatch系統(tǒng)，順利獲得相關的先進農情遙感監(jiān)測方法攻關和CropWatch平臺的升級改造，一方面提升農情監(jiān)測的粒度與準確度，另一方面順利獲得交互參與的方式為開展中國家和地區(qū)參與農情自主監(jiān)測、降低糧食貿易信息不對稱的風險創(chuàng)造條件，助力2030年聯(lián)合國零饑餓目標全面實現。
機器學習與云計算結合的高分辨率--作物類型遙感監(jiān)測關鍵技術
作物類型的精準識別是召開作物種植面積估算、作物長勢監(jiān)測與作物單產預測的基礎。但精準的作物遙感識別常受作物樣本不足、地塊大小破碎、同物異譜與同譜異物、分類器參數的優(yōu)化與計算能力的限制，大尺度的作物遙感識別極具挑戰(zhàn)。針對作物分類樣本獲取效率不高的問題，項目團隊研制了集合定位、視頻和地理信息于一體的作物樣本快速獲取手機應用程序——GVG
http://gvgserver.cropwatch.com.cn/download。
GVG可以順利獲得車載移動、定點觀測等方式快速記錄作物的類型與地理位置，將樣本采集的效率提升100倍以上，為作物的分類給予豐富的樣本支持。GVG在車載移動采集的過程中，受道路兩側樹木、房屋等建筑物遮擋的影響，采集的部分照片包含大量的樹木和建筑物噪聲信息，需要剔除，為此項目團隊研制了基于深度卷積神經網絡的照片清洗方法，實現了噪聲照片的快速剔除，顯著提升了GVG樣本采集的質量。作物分類需要精細的耕地數據做支撐，項目綜合分析了現有的耕地數據產品的質量與誤差來源，采用數據融合和引入注意力機制的人工神經網絡方法，顯著提升了耕地遙感監(jiān)測的質量，實現了圓形噴灌地與全球30m分辨率耕地數據的精準提取。在充足樣本與精準的耕地基礎數據的支持下，研制了時間序列重建、分類器參數優(yōu)化、特征優(yōu)選于一體的自定義作物類型遙感識別系統(tǒng)，為用戶選擇合適的遙感數據源和分類方法召開特定區(qū)域的作物分類給予了工具支持。
基于該系統(tǒng)，項目先后實現了南亞與東南亞水田（見圖1），蒙古北部農作物主產區(qū)、河套灌區(qū)、大區(qū)域尺度的無樣本的小麥快速提取，以及中國東北（見圖2）、埃塞俄比亞提格雷地區(qū)的作物精細分類。
數據驅動的作物產量--遙感監(jiān)測關鍵技術
作物產量是遙感監(jiān)測中最具挑戰(zhàn)的關鍵參量，外在的氣象條件、內在的作物生理參數、土壤與農業(yè)管理措施的變化都會對最終的作物產量造成影響，因此如何提升作物單產預測的精準度是全球農情監(jiān)測的難點。作物實測單產數據獲取效率低，不確定性高，是限制作物單產遙感監(jiān)測與預測的重要瓶頸。針對該問題，項目另辟蹊徑，顛覆傳統(tǒng)的以破壞性收割獲取作物單產實測數據的方法，開展了深度學習和多模態(tài)遙感數據結合的小麥、水稻單產實測數據的快速獲取技術。該技術順利獲得單位面積的小麥，水稻的穗數、穗粒和穗重的精準識別，實現單位面積的小麥、水稻實測單產數據的快速獲取，與地塊尺度實際測產結果相比，該方法的精度高達90%，效率提升100倍以上。項目進一步研制了作物單產快速獲取的手機應用程序FieldWatch，申請了基于計算機視覺和深度學習技術的小麥水稻單產獲取技術（見圖3）的國際發(fā)明專利，該技術也被國際合作團隊比利時新魯汶大學使用。
在解決了樣本問題之后，項目針對作物單產預測的復雜場景提出系列作物單產預測方法，如面向地塊尺度的無人機相對輻射糾正方法、基于關鍵光譜特征的雨養(yǎng)作物單產實測方法、面向數據豐富區(qū)的數據驅動與機器學習耦合的單產預測方法、面向灌溉農田的作物模型與同化技術耦合的單產預測方法，以及面向大區(qū)域尺度的生物量與收獲指數結合的單產遙感監(jiān)測方法。基于上述方法，項目在水稻、小麥與大豆產量預測中取得了系列成果，如基于雷達衛(wèi)星后向散射系數的水稻產量預測方法、作物模型與同化技術耦合的小麥產量預測方法、基于數據驅動的大豆與玉米產量預測方法。在先正達集團中國2022“MAP杯”數智農業(yè)大會上，地塊尺度的作物產量品質預測方法取得優(yōu)勝獎。
參與式的農情監(jiān)測--云服務系統(tǒng)
依托全球農情遙感監(jiān)測云服務平臺（CropWatch），項目仔細梳理全球現有的農情遙感監(jiān)測系統(tǒng)監(jiān)測指標、各類系統(tǒng)的優(yōu)缺點。在原有的CropWatch平臺基礎上，構建了包含26個功能指標，且指標功能可定制的參與式全球農情遙感監(jiān)測系統(tǒng)（見圖4）。與原有的系統(tǒng)相比，交互式系統(tǒng)新增了面向高分辨率的作物類型、耕地、復種指數模塊，為地塊尺度的農情遙感監(jiān)測給予了有力支撐；新增了糧食生產形勢指數模塊，實現了不同區(qū)域尺度糧食生產景氣度的動態(tài)更新與預測；新增了數據驅動的格網化作物總產和單產數據產品，量化了全球長時序的作物產量空間分布格局。
參與式的CropWatch農情遙感監(jiān)測系統(tǒng)實現了農氣（見圖5）、農情（見圖6）、復種、灌溉、產量（見圖7）等精準監(jiān)測，有效支持了全球農情遙感速報（中英雙語）的發(fā)布和全球大宗糧油作物生產形勢年度報告的編制，持續(xù)為全球超過173個國家/地區(qū)/國際組織給予農情監(jiān)測信息服務，成為GEOGLAM的重要信息來源與支撐力量。
系統(tǒng)研制的耕地種植比例與最佳植被指數納入到FAO的“手拉手”地理空間信息平臺，系統(tǒng)生產的全球空間分辨率30m的耕地與復種數據集，在2022年舉行的第78屆聯(lián)合國大會“全球開展倡議之友小組”部長級會議上，由王毅部長贈送給聯(lián)合國常務副秘書長阿明，為聯(lián)合國2030年議程的落實給予有力的數據支持?；趨⑴c式的全球農情遙感速報系統(tǒng)，項目按季度向全球發(fā)布中英雙語的全球農情遙感速報，并完成了2021年、2022年全球大宗糧油作物生產形勢報告的撰寫與發(fā)布，為開展中國家獲取農情信息給予了更多的選擇，也是中國對GEO的持續(xù)性貢獻。基于參與式的CropWatch全球農情遙感速報系統(tǒng)，項目團隊與聯(lián)合國科學和技術促進開展委員會（UNCATD）、聯(lián)合國亞洲及太平洋經濟社會委員會（UNESCAP）、 “一帶一路”國際科學組織聯(lián)盟（ANSO）、GEOGLAM等國際組織合作，為莫桑比克、尼日利亞、柬埔寨、泰國、肯尼亞、津巴布韋等24個國家，近5億人口，給予農情監(jiān)測定制化服務。成果入選國際農業(yè)開展基金2020年度科技創(chuàng)新型最佳農村解決方案、聯(lián)合國南南合作最佳實踐案例，為上述國家零饑餓目標的實現給予信息支持。
非洲作物生產潛力--及影響因子評估
在GEOGLAM框架下，基于Crop-Watch平臺，聯(lián)合贊比亞、埃及、莫桑比克、尼日利亞、南非等國發(fā)起了非洲糧食增產計劃，致力于量化非洲大宗糧油作物產量的差異，主要限定因子，為非洲各國實現糧食增長給予支撐。在該計劃的支撐下，項目團隊研制了數據驅動的非洲小麥、水稻、玉米與大豆產量空間分布數據集，已于2023年8月24日金磚國家峰會上贈送給非洲各國；同時，還研制了數據與模型耦合的土地退化、土壤侵蝕、耕地擴張的耗水代價模型、高分辨率降水降尺度模型，為非洲各國糧食生產限定因子的量化給予系列工具支持?；谶@套數據集，項目發(fā)現2010—2020年非洲糧食總產呈現顯著增長趨勢，特別是西部非洲、東部非洲的增長尤為明顯，但南部非洲的糧食產量并沒有顯著增長，非洲人均糧食產量還明顯低于全球平均水平，實現零饑餓的目標任重道遠。圖8為CropWatch 研制的2020 年非洲玉米、小麥、水稻和大豆產量空間分布數據集。
自2020年11月以來，依托Crop-Watch平臺，累計發(fā)布全球農情遙感速報（中英雙語）報告10份，發(fā)布全球大宗糧油作物生產形勢年度報告2份，服務全球173個國家與地區(qū)；有3個數據產品移交聯(lián)合國等國際組織使用；1個案例納入到聯(lián)合國南南合作最佳案例集，有4個案例納入到了地球大數據促進可持續(xù)開展目標監(jiān)測與評估成果展；項目有力支撐了中國參與GEO與GEOGLAM的活動，在GEO周和GEOGLAM執(zhí)委會上做專題報告3次，介紹項目和中國GEO的成果；在UNESCAP和UNCTAD的有助于下，為全球24個國家和地區(qū)的近百人技術人員給予了系統(tǒng)的農情監(jiān)測培訓與系統(tǒng)定制化服務，服務近5億人口，為科技外交作出重要貢獻。
未來，項目將傳承發(fā)揚CropWatch三十年磨一劍的精神，堅守提升全球農情信息透明度的初衷和堅持“授人以魚不如授人以漁”的理念，與UNCTAD, UNESCAP、GEOGLAM與ANSO等國際組織一道，順利獲得先進農情遙感監(jiān)測技術的不斷研發(fā)與自主農情監(jiān)測的賦能，為中國與廣大需要農情信息的開展中國家和地區(qū)的組織及時獲取信息給予支持，從而構建農情監(jiān)測命運共同體，助力全球糧食安全治理。
本文刊登于IEEE Spectrum中文版《科技縱覽》2023年9月刊。
關注微博
關注微信
關注公眾號
關注抖音號