在古老的傳說中，人們常?；孟霌碛蓄A知未來的能力，尤其是對于糧食收成這種關乎生存的大事。如今，隨著科技的飛速發展，我們真的擁有了這樣的“預言家”——遙感技術+作物生長模型，它們就像一對神奇的搭檔，一個在天空中俯瞰大地，一個在電腦里精準計算，共同為我們揭開作物產量的神秘面紗。

一、遙感：天空中的“千里眼”

遙感，聽起來像是一個高大上的科技名詞，其實它的原理并不復雜。想象一下，你站在山頂上，用望遠鏡眺望遠方的田野，看到田野里莊稼的顏色、長勢等信息，這就是一種簡單的“遙感”。只不過，現代的遙感技術更加先進，它利用衛星、無人機等平臺，搭載各種傳感器，從地面、低空、高空等不同高度獲取地球表面的信息（圖1）。這些傳感器就像是超級敏銳的眼睛，能夠捕捉到肉眼看不見的電磁波信號，這些電磁波信息被傳輸回地面后，經過處理和分析，就能夠得到地表上的各種信息，比如植被的植被指數、土壤的濕度、地形的起伏等，為我們提供寶貴的農業數據。

圖1 不同尺度遙感觀測平臺（圖片來源： 國家信息農業工程技術中心）

遙感技術預測作物產量，就好比給農作物做一次“空中體檢”，是一種高效又科學的方法。衛星或無人機上的傳感器能捕捉農作物的光譜、紋理等信息，這些信息藏著農作物的“健康密碼”?？茖W家們會用這些“健康密碼”和農作物的產量或者產量構成要素建立數學關系，就像找到它們之間的“秘密公式”，從而估算出產量。還有一種方法是，先用這些“健康密碼”算出農作物地上部分的干物質量，因為干物質量和產量之間也有一定的關系，所以也能通過這個來估算產量。

二、模型：電腦里的“智慧腦”

模型聽起來可能有點抽象，但其實它就像一個虛擬的“實驗室”。在這個“實驗室”里，我們可以通過輸入各種影響作物生長的條件，模擬出作物的生長過程。這些條件包括天氣、土壤、作物品種、施肥量等，模型會根據這些輸入條件，按照一定的科學規律進行計算，最后給出作物的產量預測（圖2）。模型的原理是基于作物生長的生理生態過程?？茖W家們通過長期的試驗和研究，總結出了作物生長的各種規律，并將這些規律用數學公式表達出來。這些公式就像是模型的“骨架”，支撐起整個模型的運行。當我們輸入不同條件時，模型就會按照這些公式進行計算，就像一個超級聰明的“大腦”，能夠預測出在這些條件下作物會長成什么樣，最終產量會是多少。

圖2 作物生長模型模擬示意圖

模型預測作物產量的過程就像是一場精彩的“模擬秀”。首先，我們需要收集大量的數據，包括氣象數據、土壤數據、田間管理數據等等。這些數據就像是模型的食材，只有食材新鮮、豐富，模型才能做出準確預測。然后，我們將這些數據輸入到模型中，模型就會根據預設的公式和算法，開始模擬作物的生長過程。它會考慮天氣變化對作物生長的影響，比如溫度、降水、光照等；它還會考慮土壤肥力對作物生長的支持，比如土壤中的氮、磷、鉀等養分含量；它還會考慮田間管理措施對作物生長的干預，比如施肥、灌溉、除草等。最后，模型會根據這些綜合因素，計算出作物在每個生長階段的狀態，包括葉面積、生物量、籽粒數量等。最終，模型會給出一個產量預測值，就像一個經驗豐富的老農，根據各種條件判斷出今年的收成會如何。

三、遙感與模型的“夢幻組合”

遙感和模型雖然各自都很厲害，但它們都有自己的局限性。遙感雖然能夠獲取大范圍的信息，但它只能看到表面現象，無法深入了解作物生長的內在機理。而模型雖然能夠模擬作物生長的過程，但它需要準確的輸入數據，否則就會出現“垃圾進，垃圾出”的情況，尤其模型從單點研究發展到區域應用時，優質的高空間分辨率模型輸入參數就更難獲得。

將遙感和模型耦合起來，就像是讓遙感的“千里眼”和模型的“智慧腦”協同工作（圖3）。遙感可以為模型提供實時、準確的大面積觀測數據，比如作物的光譜信息、土壤濕度等，模型則可以根據這些數據，調整自己的模擬過程，讓預測更加精準。這種耦合就像是給作物產量預測裝上了一對“翅膀”，讓它能夠飛得更高、看得更遠。

耦合的過程聽起來有點復雜，但其實就像是在兩個不同世界之間搭建一座橋梁。首先，我們需要將遙感數據和模型數據進行“翻譯”，讓它們能夠相互理解。這就需要一些專業的數據處理和轉換技術，將遙感圖像中的光譜信息轉換成模型能夠識別的參數，比如葉面積指數、生物量等。然后，我們需要選擇合適的耦合方法。目前最常用的方法是順序同化策略。順序同化就像是一個“調解員”，它會比較遙感觀測到的數據和模型模擬的數據，找出它們之間的差異。然后，它會根據一定的規則，調整模型的參數或者狀態變量，讓模型的模擬結果更加接近實際觀測值。這個過程就像是在不斷地“校準”模型，讓它能夠更好地反映作物的實際生長情況。

圖3 遙感和模型耦合方式（驅動策略（左）、初始化策略（中）、順序同化策略（右））

遙感技術和作物生長模型結合起來，不僅能利用遙感的實時性和空間連續性，還能發揮生長模型的時間連續性、機理性，從而更科學、更準確地預測農作物的空間生產力（圖4），就好比讓“千里眼”和模型專家的“智慧腦”合作，這種結合的方法比單獨使用遙感或模型要可靠得多，應用前景非常好。

圖4 基于遙感和模型耦合模擬的研究區域小麥拔節期葉面積指數（左）和葉片氮積累量（中）及成熟期籽粒產量（右）空間分布圖

作者簡介

郭彩麗，南京農業大學國家信息農業工程技術中心實驗師，近年來，圍繞遙感和模型耦合技術開展小麥生長監測預測研究，參加遙感和模型耦合相關主題國家重點研發子課題、國家自然科學基金各1項，以第一作者在Agricultural and Forest Meteorology、Precision Agriculture發表SCI論文各1篇。

來源: 中國作物學會

內容資源由項目單位提供