在新聞聯播中，我們經常聽到這樣的報道：某年某月某日，我國成功發射某某衛星…… 那么什么是衛星？衛星有什么用？

衛星是指圍繞行星并按閉合軌道做周期性運行的天體，月球就是地球的天然衛星。人類自己建造并發射到太空中，像天然衛星一樣環繞地球運動的無人航天器亦稱為衛星。迄今為止，人類已向太空發射了四千多顆衛星，除了應用于科學實驗等領域的衛星，用來執行業務的衛星又可分為通信衛星、導航衛星和遙感衛星。

通信衛星主要作為無線電通訊中繼站，用于接收和轉發無線電信號；而導航衛星主要用于定位和導航，如我國的北斗；遙感衛星主要用于對地球系統或物體進行觀測，基于觀測對象的不同其又可進一步分為氣象衛星、陸地衛星和海洋衛星。這里，我們解析如何用陸地衛星從太空識別作物類別。

1.數碼相片與衛星影像

拍照是現在手機的主要功能之一。然而，你可能難以想象它也是陸地衛星的主要數據獲取方式。如何更清晰、更快速地對地球進行拍照，一直是陸地衛星的主要研究方向之一。手機攜帶攝像頭，而衛星也搭載著傳感器。按固定軌道運動的衛星通過傳感器不斷對地面掃描，可以周期性地獲取地球的相片，即衛星影像。衛星影像一般覆蓋范圍廣，一景衛星影像的幅寬可以達到幾十甚至幾千公里。光的本質是電磁波，手機或數碼相機獲取的相片一般只包含紅綠藍三個電磁波譜區間的能量，而衛星傳感器還能進一步獲取地球表面物體（地物）在近紅外、短波紅外、微波等波譜區間的反射能量。因此，衛星影像包含更多可用信息。

衛星傳感器對地成像示意圖（圖片來自網絡）

2.作物識別原理

哪里有田？田里種了什么？種了多少？這是關系糧食安全的大事，備受社會矚目。如何用衛星回答這一問題？關鍵在于怎樣從衛星影像上精確識別各類地物和作物。本質上，手機相片和衛星影像并無明顯差異。在相片上，我們一般根據顏色、形狀、粗糙度等特征來區分不同的物體。如圖2所示的相片上，我們可以根據顏色以及粗糙度的差異，來區分稻田、道路和水體等地物。實際上，衛星影像上的各類地物或作物的識別也是主要依據“顏色”等特征的差異。要想根據“顏色”等特征區分不同地物，首先要明白為什么不同的地物會有“顏色”等特征差異，其次是不同的地物各有什么樣的特征。在相片中，健康植被如森林、草地以及作物的葉片一般呈綠色，這主要是由于葉片細胞中的葉綠素具有吸收紅光和藍紫光、反射綠光的特性，因此在紅綠藍三通道中的相片中綠色占據了主導地位，從而使得植被葉片呈現綠色。

稻田照片

在遙感影像中，由于不同地物與電磁波的相互作用不同，衛星所能接收到的地物反射能量不盡一致，這就導致了遙感影像中不同地物在各光譜區間“顏色”的差異，也就是反射率差異（圖3）。這種差異直接體現了不同地物的光譜特性，我們可以依據反射率差異或由反射率衍生的其他特征差異從遙感影像上區分各類地物。當然，除了反射率差異，不同地物粗糙度（紋理）等特征也有差異，一般而言，綜合多維特征可以更好地識別不同地物。

基于紅綠藍波段合成的遙感影像（左）及主要地物的反射率（右）

3.作物識別方法和作物種植面積測算

在大范圍區域，不同地物可能會有相同或相似的特征。理論上，不同地物反射率各異，但是在不同地區，某些地物的反射率差異并不明顯，尤其是對作物而言，受品種、氣候以及耕作措施等因素的影響，不同作物的反射率差異可能極其微弱。因此，高精度作物識別并不是一項簡單的工作。現階段，常用的作物識別方法主要包含機器學習法和物候閾值法。機器學習法主要是預先獲得一定量的包含有真實作物信息的標簽樣本，然后用標簽樣本訓練機器學習模型，讓模型“明白”什么樣的特征對應什么樣的作物。將模型應用在遙感影像上，判斷遙感影像上每個像素的類別，最終達到作物識別的目的。物候閾值法的基本思想是不同作物隨著生育進程的推進，其特征發生一定的變化，這些變化具有一定的規律性，不同作物的變化規律呈現一定差異，通過區分不同作物的變化規律，從而達到識別作物的目的。

基于衛星遙感影像的作物識別（左）和種植面積測算（右）

無論是機器學習法還是物候閾值法，最終都可以基于衛星影像獲得不同作物的空間分布（圖4）。根據空間分布圖，我們可以計算不同作物在空間分布圖中對應的像素數量，然后計算相應作物的面積，從而實現作物種植面積準確測算。

由于衛星影像覆蓋范圍廣，理論上，作物種植面積測算可以在國家乃至全球尺度進行。與傳統的通過逐戶調查、逐級上報統計作物種植面積的方法相比，基于衛星遙感技術的作物種植面積測算不僅省時省力，還可明確各種作物的空間分布，客觀性更強，可信度更高。衛星遙感技術在農情監測領域大有可為。

撰稿人：楊高翔（南京農業大學智慧農業系博士研究生）

審核人：程濤（南京農業大學智慧農業系教授，博士生導師）

來源: 智惠農民

內容資源由項目單位提供