一、农业干旱卫星遥感监测与预测研究进展
针对农业干旱监测结果的精准度、局限性等问题，中国农业大学信息与电气工程学院以遥感技术，主要为可见光、近红外、热红外和微波等波段，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，阐述基于卫星遥感的农业干旱监测研究进展。农业干旱预测是在干旱监测的基础上进行时间轴的预测，在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，丰富了地表信息进行农业干旱监测和预测，具有重要的研究意义。
二、近地遥感技术在大田作物株高测量中的研究现状与展望
株高是动态衡量作物健康和整体生长状况的关键指标，广泛用于估测作物的生物学产量和最终籽粒产量。针对人工测量方式存在规模小、效率低以及耗时长等问题，华中农业大学展开跨学科、专业的联合科研。
参考国内外基于遥感手段获取株高研究的论文，总结获取株高的不同平台以及传感器的基本原理、优势及其局限性，重点论述了激光雷达和可见光相机两种传感器的测高流程与涉及关键技术。在此基础上归纳了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展，从测高平台和传感器、裸土探测和插值算法、株高应用研究及农学与遥感测高差异四个方向进行了展望，可为今后近地遥感测高的研究与方法应用提供参考。
三、无人机遥感在饲草作物生长监测中的应用研究进展
饲草作物生长的动态监测与定量估算，对于饲草规模化生产息息相关。为了掌握无人机在饲草监测的国内外应用现状，确定重点发展方向，中国农业大学、新疆农业科学院、农业节水与水资源教育部与沧州市农林科学院展开联手科研。
从数据获取、数据处理和饲草作物生长监测关键技术三个方面，简述了无人机遥感在饲草作物监测中的基本研究方法。重点阐述了可见光、多光谱、高光谱、热红外和激光雷达遥感五项技术，在无人机遥感饲草作物生长监测的应用。并对研究应用中尚未解决的关键技术问题展望了未来的发展方向，提出融合饲草作物时空尺度数据和多源遥感数据、进一步拓展数据获取手段、研发智能化数据分析综合平台是未来饲草作物监测领域应用创新的关键所在。
四、基于遥感与气象数据的冬小麦主产区籽粒蛋白质含量预报
农业农村部、国家农业信息化工程技术研究中心、全国农业技术推广服务中心、北京市农业技术推广站等机构携手开展小麦籽粒蛋白质含量的监测预报研究，对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义。
研究以冬小麦主产区(河南省、山东省、河北省、安徽省和江苏省)为研究区域，构建了冬小麦籽粒蛋白质含量多层线性预测模型，对蛋白质含量估算模型应用冬小麦主产区的蛋白质含量遥感估算，得到了年冬小麦主产区品质预报图，并形成黄淮海地区冬小麦品质分布专题图。研究结果可同时为后续小麦种植区划和实现绿色、高产、优质、高效粮食生产提供数据支撑。
五、海南岛橡胶林叶面积指数遥感估算模型比较研究
叶面积指数是描述植被生长状况和冠层结构的一个重要参数，中国热带农业科学院以海南岛橡胶树为研究对象，构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律。
经验证，从空间分布来看，海南岛橡胶林LAI高值区(4.40～6.23)主要分布在海南岛西部儋州、白沙等市县，LAI中值区(3.80～4.40)主要分布在海南岛中部澄迈、屯昌、琼中等市县，LAI低值区(2.69～3.80)主要分布在海南岛东部和南部的定安、琼海、万宁、乐东、三亚等市县。总之，构建的基于EVI指数的橡胶林LAI一元线性估算模型精度较高，克服了NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有较好的科学性和良好的推广应用价值。
六、遥感技术在种植收入保险中的应用场景及研究进展
中国农业科学院与农业农村部农业信息服务技术重点实验室，针对遥感技术在种植收入保险的应用，在13个粮食主产省的所有主产县开展。
结合遥感技术在农业保险中的总体应用历程，对各种应用场景下的关键技术的应用研究进展进行了评述，包括耕地地块提取、作物分类提取、作物灾情评估和作物产量估算。提出建立数据分发平台解决数据获取和预处理难和初始数据标准化的问题、完善耕地地块和作物类型样本库以促进地块提取和作物分类自动化、多学科交叉研究实现更快更准更科学地产量估算、农业保险遥感技术应用标准化，以及遥感技术应用合同化等五个具体建议。展望未来，种植收入保险乃至所有农业保险中遥感技术的应用模式应该是一个有数据可用、技术上更自动化智能化、有标准可依、有合同背书的新型模式。
七、基于无人机遥感表型监测的苎麻优质种质资源筛选方法
针对重要纤维作物苎麻遗传变异和遗传多样性减少，与对苎麻种质资源多样性调查和保护的需求之间的矛盾，湖南农业大学农学院展开了基于无人机遥感影像的苎麻种质资源表型监测及筛选方法，对不同基因型作物的生长特性进行频繁、快速、无损、精准监测，为实现苎麻种质资源表型的高效综合评价，辅助筛选优势苎麻品种。
结果表明，(1)基于无人机遥感的苎麻表型估测效果较好，株高的拟合精度为0.93，均方根误差为5.65cm;SPAD值、含水量、LAI的拟合指标分别达到0.66、0.79、0.74，RMSE分别为2.03、2.21、0.63;(2)苎麻种质资源的遥感表型存在较大差异，LAI、株高和株数的估测值变异系数分别达到20.82%、24.61%和35.48%;(3)利用主成分分析法将苎麻种质资源的遥感表型聚类为因子1(株高、LAI)和因子2(LAI、SPAD值)，因子1可用于苎麻种质资源结构特征评价，因子2可以作为高光效苎麻资源的筛选指标。本研究将为作物种质资源表型监测和育种相关分析提供参考。
农研汇总：十项智慧畜牧养殖科研成果，推动养殖智能化发展智慧农业，植物叶部病害检测与识别，如何应用深度学习如火如荼，发展具备中国特色的智慧农业，建设农业强国转载请注明：http://www.0431gb208.com/sjszyzl/7810.html
