4.2.6 种植物遥感系统——高分辨率卫片
种植物遥感应用主要以高分遥感影像为数据源，采用人工和深度学习两种方法实现高精度农业地块识别；利用时空协同定量化遥感反演技术，实现种植结构动态监测。在全灌区范围内开展水稻、毛芋、茭白、柑橘、葡萄、草莓、花卉苗木等主要作物的监测调查工作，帮助实现农业产业结构的常态化监测及评价，是帮助精准摸清全灌区范围内种植结构家底的可行途径。
（1）系统内容
①多源多时相的遥感数据是大范围监测的基础
灌区总面积28.5万亩，设计灌溉面积12.85万亩，实际灌溉面积10.6万亩。传统的农业普查手段不利于大面积和高效率的监测，不能满足数据实时更新和多用途的观测，因此需要借助遥感手段。多源多时相的遥感数据可以提供农作物种植面积、长势、土壤、光照等信息，结合不同的模型和反演手段实现作物估产、农业保险、资源配置等方面的应用。
②精准的农业地块数据有助于摸清耕地资源
我国存在人多地少的资源限制。随着农村城市化与工业化进程的推进，耕地资源正面临遭受挤占、退化、污染、抛荒等忧患。落实严格的耕地保护制度，守住耕地红线是亟待解决的问题。传统的耕地调查采用人工调查的方式，工作量大、周期长，以大块农田区为调查单位，对于细小耕地的调查不足，难以实现耕地数据与农户信息的对应，并且调查成果具有明显的滞后性。因此，需要以一体化、全覆盖、持续更新的高分辨率遥感大数据为基准底图，结合区域统计规划数据，精确识别并提取地块形态边界，发现并核实规划与实地状况的差异。精准的农业地块数据有助于摸清现有农业资源的总量及分布，地块数据的定期更新帮助实现农业地块数据的高效化、智能化、精准化管理，为耕地保护提供基础的数据保障。
③种植分布数据，支撑价值精算
作物种植分布反映了农业生产资源的情况，是分析粮食区域平衡，预测农业资源综合生产能力与人口承载力的重要数据。目前的监测方式以点监测为主，但以点代面的监测方式难以满足现阶段对大范围多类型作物的监测要求。
“图谱”协同遥感时序分类技术提取的种植分布数据，能帮助精准测算农作物种植面积，监测种植类型变化，实现农作物补贴与价值精算。
（2）具体方案(https://www.daowen.com)
①遥感影像数据处理
云、雾是困扰光学卫星影像生成的主要因素，导致大量数据无法用于生成，严重降低数据利用率。通常情况下，云量遮挡高于20%的影像被认为是“垃圾影像”，需要利用规定时相内不同时间的卫星影像资料，采用先进的云及云影检测算法，实现多源遥感影像数据的有效组合，形成特定区域全覆盖的高质量遥感影像数据。
②农业地块提取
地块是由自然因素或人为因素等分割形成的，有明显边界且内部特性和区位条件相对均匀的土地区域，是评定和划分土地级别的基本空间单位，其在土地利用动态监测、土地覆盖、精准农业和生态规划等领域都有着非常重要的意义。
构建遥感影像农业地块识别的分布式深度学习模型，从海量数据中自动学习农业地块的边缘，通过迭代优化获取精准的农业地块数据。该方法能够克服人工目视解译数据效率低、主观性强、成本高的缺点，在保证生产精度的前提下，可将地块生产效率提高数十倍。
③地块级种植结构监测
农作物的生长都有其各自的规律，并且同一种作物在同一地区具有相对稳定的生长发育规律，根据不同作物在发育过程中时间和生物量上存在一定差异性，结合物候信息，可以利用时间序列遥感影像对不同的作物进行分类识别。以农业地块为基本单元，结合“图谱”协同的遥感影像时序分类技术，在地块尺度上开展作物种植类型及其变化情况的有效判别。地块级种植结构如图4-3所示。
图4-3 地块级种植结构图