得益于物联网技术的发展，智慧农业可以基于农业环境，在田间、温室大棚、果林梯田、花卉药材等各种类型种植场景下推广。通过分层异构的传感器网络监测系统，进行环境监测、植物生态监测等作业。主要是土壤水分含量/温度，空气温湿度/光照度/二氧化碳含量，灌溉用水pH值/含盐度/氨氮含量等。基于监测的实时数据，精准调控水肥光等生产要素，有效提高农作物品质的同时，提高作业效率，降低农业从事者的劳动强度，保障粮食安全。
智慧农业，通常具有监控监测、实时图像、视频监控、数据管理等功能的。目前智慧农业的功能还在不断完善中，在国内无数科研院所的努力下，关于农业干旱卫星遥感预测研究取得了一定进展。
智能农机中国农业大学与信息与电气工程学院，联手对基于卫星遥感预测农业干旱的两种方法，展开了研究，目前已经发表了相关专题的论文。从遥感指数方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。在干旱监测的基础上进行时间轴的预测，总结干旱监测进展的基础上，进一步简述了以干旱指数方法，和作物生长模型方法为主的农业干旱预测研究进展。
在农业干旱的观测方法上，主要有两种。一是在干旱监测的基础上，通过干旱时空预测模型对未来时间段内的农业干旱状况进行模拟;二是在作物生长模型的基础上，改进其水分胁迫模块，构建作物干旱监测模型，将遥感观测作为同化干旱胁迫的中间变量，并结合短、中、长期气象数据进行农业干旱预测。
农业干旱1、基于干旱指数的农业干旱预测
基于遥感干旱指数预测农业干旱具有重要研究价值，以时间序列遥感干旱指数作为输入数据，并基于时序分析等方法，预测未来时间段内的干旱变化。针对遥感干旱指数，基于机器学习算法的农业干旱预测研究还较少，这将是未来的一个研究热点。
2、基于作物生长模型的农业干旱预测
农业干旱预测的落脚点为预测干旱对作物长势的影响程度。从这一角度考虑，基于作物生长模型的农业干旱预测方法具有重要研究价值。作物生长模型依靠气象数据进行驱动，通过引入未来一段时间内的气象预报数据，可以有效模拟作物在未来时间段的生长状态并预报作物的干旱胁迫状态。
此外，将作物生长模拟与农业干旱监测相结合，对作物生长模型进行改进，以实现对农业干旱的监测与预警。
农业气象站因此，将气象、水利和农业农村部门提供的中长期气象数据作为这些模型的输入数据，运用数据同化技术，耦合遥感观测量(如土壤水分)与模型模拟值，可以有效提高模型的农业干旱预测能力。例如，基于改进后的ARIDCROP模型，利用AMSR-E传感器获取的区域农田水分信息作为模型中间变量，从而预测农业干旱的动态变化，结果表明将遥感观测信息引入改进后的作物生长模型能有效提高冬小麦生长发育的预测能力和区与农业干旱的预测精度。
其实，所谓的智慧农业，是一个农业全产业链优化的过程，用更少的生产资源，精准把控、科学种植、培育出优质的农产品，并用更低的流通成本，更快速运输到物流分销点，这应当是“互联网+”或“智慧+”在整个农业行业的深度运用。
转载请注明：http://www.0431gb208.com/sjszlfa/7063.html
