农作物遥感调查remote sensing for crop surveying

利用遥感技术对农作物的种类、长势、种植面积、产量等进行调查和量测的方法。利用遥感技术能够及时探测大面积的农作物，能够得到植物叶片的水分含量、叶绿素的含量以及叶片温度等表示作物生长状况的指标，用来及时监视农作物的生长情况。
作物识别 绿色植物具有相似的光谱特性，但不同植物的叶片，在可见光绿谱段(0.55微米波长附近)和近红外谱段(0.7～1.4微米和1.5～1.9微米)的反射率具有明显差异（见农作物反射波谱）。从实验得知，同一种植物，因生长期和季节不同，其反射率也不相同（见图）。因此，根据不同作物在不同生长期的光谱特性，在遥感图像上呈现不同的色调、纹理及其他特征，并按该地区的作物生长农事历，可以识别出不同的作物。黑白、彩色和彩色红外航空像片都已成功地用于作物识别，但彩色和彩色红外像片优于黑白像片。多谱段摄影的黑白像片可重新合成彩色或假彩色像片，具有与彩色红外像片相同的识别效果。

甜橙幼嫩叶和成熟叶表面的反射光谱曲线

低空摄影像片能对田块大小和形状进行量度，能探测识别作物的株行距和耕作措施，并可根据多时相的像片色调、纹理、图形、阴影、地理位置等特征，确定出作物种类和轮作方式。但低空摄影费用昂贵，很少采用。
高空像片主要的缺点是不易识别耕作情况。利用像片上的田块大小、形状和颜色的变化及地区性的作物生长农事历，才能正确判断作物的种类及其成熟程度。
利用卫星图像只能识别出一般的土地利用类型。利用多时相的卫星图像与作物生长农事历对照，在地块较大时，一般作物也都能被识别出来。
作物长势调查 影响作物生长的因素主要有光照、温度、土壤有机质含量、水分以及盐渍度和病虫害等。一般说来，作物叶片和茎的生长状况是受这些因素影响的，因此能具体显示出来。作物的叶片，除吸收一部分太阳光以外，其余的都被反射或被透射。在可见光绿波段，作物叶片具有最大的反射值，所以我们看到作物叶片呈绿色。蓝和红波段各存在一个叶绿素吸收带，太阳光被叶片中的叶绿素大量吸收，以合成淀粉和糖分。生长健壮的作物叶片，几乎反射太阳光的全部近红外能量，用摄影机的红外胶片或多谱段扫描仪的红外谱段便可探测到。如果作物生长不健康，对红外光的反射就会急剧减少。对红外反射的这些变化，可在彩色红外像片上得到显示：即健壮作物的地块呈红或品红色，不健康的作物带蓝色。这种颜色差异非常明显，根据其分布范围，可估测其面积。如果在作物生长期间，连续地获得不同日期的像片，还可分析和监视上述变化的发生和发展趋势。
作物面积调查 种植作物的面积是最基本的农业信息。美国有人研究利用陆地卫星的多谱段扫描仪(MSS)数据估测小麦地和非小麦地的面积。采用模拟交替抽样，用4种不同的样本数目和抽样单位，对堪萨斯州80个县的试验发现，小麦面积的估计精度随样方大小的减小和样方数目的增加而提高，不同抽样方案的平均偏差没有显著差异，但最大绝对偏差直接与抽样单位的大小有关。
中国在调查某一地区或县市一级的作物种植面积时，一般用成数抽样调查方法。选用同期生长作物在图像上的影像差异最大的时相的陆地卫星TM图像，按成数抽样的要求在图像上布设样点，用目视解译进行作物识别。用此方法估测面积的精度可达到95%左右。另外，也使用诺阿(NOAA)卫星的高级甚高分辨率辐射计(AVHRR)的数据估测冬小麦种植面积。采用AVHRR的第1、2两个通道的主要植被信息，滤除土壤背景的干扰，用垂直植被指数PVI作参数，计算混合像元中的小麦占的面积比率，最后计算每个像元的小麦面积和估产地区的冬小麦种植总面积。
作物产量估测 见农作物产量遥感估测。