数字农科院2.0

水稻生育期遥感监测的研究进展、瓶颈问题与技术优化路径

文献类型： 中文期刊

作者： 李瑞杰;王爱冬;吴华星;李子秋;冯向前;洪卫源;汤学军;覃金华;王丹英;褚光;张运波;陈松

作者机构：

关键词： 水稻;生育期识别;遥感;模型;深度学习;多源融合

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年 中英文 期

页码：

收录情况： CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： [目的/意义]水稻作为全球主要粮食作物，其生育期精准识别对优化品种选育与生产管理至关重要。传统人工观测效率低、空间覆盖有限，而气象-土壤耦合模型存在参数敏感性与生态适应性瓶颈，难以满足现代农业高效化、精准化需求。遥感技术凭借高时空分辨率、多源协同和低人工干预优势，为水稻全生育期动态监测提供了革新手段。[进展]近年来，多源遥感数据（卫星、无人机、近地传感）通过光谱-空间-时序三维矫正，结合阈值法、机器学习及深度学习模型显著提升了生育期识别精度。光谱指数与农艺参数的协同反演，以及光学-合成孔径雷达数据融合有效增强了生理可解释性。深度学习框架通过冠层纹理、器官形态特征解析，实现了抽穗期至成熟期的高精度识别，而时序模型则捕捉了生育期连续演进的动态规律。[结论/展望]当前技术仍面临多源数据时空异质性、光谱饱和效应、模型泛化能力不足等挑战。未来需构建多源数据同化体系破解时空矛盾，发展跨尺度生理-光谱响应模型揭示生育期驱动机制，并创新机理-数据混合驱动算法提升跨域适应性，最终建立农业大数据支撑的全周期监测体系，为水稻智能管理提供理论及实践支撑。

分类号：

  • 相关文献

[1]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

[2]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[3]基于深度学习模型的种植结构复杂区农作物精细分类研究. 田甜,王迪,王珍,李会宾. 2022

[4]遥感技术的发展现状及在天府粮仓建设中的应用建议. 董秀春,黄平,吴尚蓉,蒋怡,李章成,魏来,王小燕,陈志民. 2023

[5]融合多尺度特征和注意力机制的油菜倒伏分类. 郑权,乔江伟,李婕,秦涛,涂静敏,李礼,蒋琦. 2024

[6]时空协同的农业种植结构遥感精细制图. 张冬韵,吴田军,骆剑承,董文,孙营伟,杨颖频,海云瑞,孟博文,刘巍. 2024

[7]面向梯田遥感识别的JAM-R-CNN深度网络模型. 谢君洋,林安琪,吴浩,吴紫薇,吴文斌,余强毅. 2024

[8]基于RGB图像与深度学习的冬小麦田间长势参数估算系统. 李云霞,马浚诚,刘红杰,张领先. 2021

[9]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[10]基于遥感和AquaCrop作物模型的多同化算法比较. 邢会敏,李振海,徐新刚,冯海宽,杨贵军,陈召霞. 2017

[11]基于赤池信息量准则的冬小麦叶面积指数高光谱估测. 杨福芹,冯海宽,李振海,高林,杨贵军,戴华阳. 2016

[12]基于互补相关模型和IKONOS数据的农田蒸散时空特征分析. 赵春江,杨贵军,薛绪掌,冯海宽,石月婵. 2013

[13]基于遥感技术的植被净初级生产力研究进展. 崔霞,冯琦胜,梁天刚. 2007

[14]粒子滤波同化方法在CERES-Wheat作物模型估产中的应用. 姜志伟,陈仲新,任建强,周清波. 2012

[15]基于环境减灾卫星时序归一化植被指数的冬小麦产量估测. 陈鹏飞,杨飞,杜佳. 2013

[16]基于开花期氮素营养指标的冬小麦籽粒蛋白质含量遥感预测. 屈莎,李振海,邱春霞,杨贵军,宋晓宇,陈召霞,刘畅. 2017

[17]基于FCS及EPIC模型的未来情境下作物空间竞争模拟. 何英彬,高明杰,周振亚,张晴,韦文珊,陈学渊,刘洋. 2015

[18]基于遥感信息与作物模型集合卡尔曼滤波同化的区域冬小麦产量预测. 黄健熙,武思杰,刘兴权,马冠南,马鸿元,吴文斌,邹金秋. 2012

[19]基于秸秆补饲的青藏高原草地载畜量平衡遥感监测. 李刚,孙炜琳,张华,高春雨. 2014

[20]基于改进空间引力模型的农作区遥感影像亚像元定位. 吴尚蓉,刘佳,杨鹏. 2013

作者其他论文 更多>>