随着遥感传感器、搭载平台、计算机等技术的发展，遥感技术迎来了一个发展高潮^[1-4]。传感器是遥感技术中最关键的部分，它的性能决定了遥感的能力^[5-6]。经过几十年的发展，传感器的时间分辨率从长到短，空间分辨率越来越高，从以前的千米级到目前的米级甚至分米级，波谱分辨率越来越高，波谱通道越来越多，波段越来越窄，近乎点波束，判识范围得到了极大拓宽，判识能力变强。目前DigitalGlobe是市场上经营较好的高分辨率卫星遥感服务商，其卫星的全色波段分辨率均已达到了0.3~0.5 m。

遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势, 对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。从20世纪70年代出现民用资源卫星后，随着高空间、高光谱和高时间分辨率遥感数据的出现，遥感技术为现代化农业发展作出了重要贡献^[7-8]。农业遥感应用已经从早期的土地利用和覆盖面积估测研究、农作物遥感估产研究，扩展到精准农业实践中作物全生命周期实时诊断、农作物种类细分、精细农业农田作物信息的快速获取与解析等多个层次和多个方面^[9]。

本文聚焦遥感影像的时空特征、光谱特征、辐射特征和精度及信息提取4个方面，介绍其发展变化及在农业中的应用。

1 影像时空特征 1.1 时间特征

在过去的几十年里，遥感卫星星座的开发与发射取得了重大进展，这些星座系统对全球的重访周期能够达到每天。如美国DigitalGlobe公司的WorldView-2以其高轨及快速的姿态机动能力使卫星的重访周期达到了惊人的1.1 d(GSD小于1 m)，如果要求GSD小于0.52 m，则重访周期为3.7 d，WorldView-3和WorldView-4的重访周期甚至都小于1 d(GSD小于1 m)。农作物遥感监测一直是遥感应用的一个重要主题，其中农作物长势监测、单产监测/预测，以及时效性很强的作物病虫害监测、成熟期预测(如图 1所示)等，都需要高频率时间序列的遥感数据作为支撑^[10]。目前，极高空间分辨率成像卫星的潜在全球容量大于18亿km²/a，比地球陆地面积的12倍还多。在不久的将来，这一容量有可能增加到24亿km²/a以上(大约是地球陆地面积的16倍)。除处于永久性云带下面的区域，商业遥感产业可以通过提高重访频率来支持全球范围内的精准农业和小农户农业生产实践活动。

1.2 空间特征 1.2.1 空间质量

空间分辨率通常是指地面采样距离(GSD)或遥感影像的像元大小。GSD是能够被检测到的地面特征的最小尺寸。代表空间分辨率的指标有多个，而国家图像解译等级量(NIIRS)是一种被广泛接受的模式，它解释了各种各样的特征，这些特征可以基于全色的可视图像来区别于像素分辨率、清晰度、噪音和对比度等效果(见表 1)。这些效果可能是由系统参数(如光学质量和焦平面特性)、获取条件(如太阳角、大气雾霾、气溶胶和水汽)和开发条件(如复制影像质量、软拷贝监控质量)引起的。随着影像空间质量的不断提高，作物类型的精细识别可以达到小颗粒谷物的谷物头。

1.2.2 空间分辨率特征

自从1972年美国国家航空航天局(NASA)发射了Landsat卫星后，遥感卫星的空间分辨率就一直在不断提高。本文按像素的大小将空间分辨率分为4类：低分辨率(30 m像素或更大)、中分辨率(5~30 m)、高分辨率(1~5 m)、极高分辨率(1 m或更小)如图 2所示。对于农业应用，随着遥感数据空间分辨率越来越高，从中获得的信息及其精度也不断得到提高。

1.2.2.1 低空间分辨率影像源(>30 m)

如今的低分辨率传感器通常是由政府发射的，其幅宽较大，并能提供全球日数据。低空间分辨率影像对于大尺度的监测具有一定的优势，已广泛应用于大尺度的农用地资源监测与保护、农作物长势监测和大面积估产，以及干旱、洪涝、冻害等农业气象灾害监测中。

1.2.2.2 中空间分辨率卫星(5~30 m)

目前，全球有多个中分辨率传感器正常运行，从政府到商业都有其运营商。中空间分辨率卫星数据以其相对更高的空间分辨率广泛应用于测定农用地的数量与质量的动态变化中(如图 3所示)，也为在地块内开展作物长势及产量变异分析提供了可能。

1.2.2.3 高空间分辨率遥感产业(1~5 m)

计算机及大数据处理技术的发展，使快速处理海量遥感数据成为可能。人们尝试利用高空间分辨率遥感数据获取更加精细的作物长势、养分等信息，显著提高精准农业的应用范围和精度。

1.2.2.4 极高空间分辨率遥感产业(＜1 m)

1999年美国DigitalGlobe公司Ikonos的成功发射正式宣告极高分辨率(1 m或更高空间分辨率)商业卫星图像市场的兴起。国外卫星中，星下点空间分辨率优于0.5 m的大型商业卫星全部由DigitalGlobe公司提供。2016年底，DigitalGlobe公司发射了又一颗空间分辨率为0.3 m的WorldView-4卫星，形成了5颗在轨运行的卫星星座群，其强大的采集能力是无可比拟的，见表 2。这些极高分辨率图像数据集可以区分花园中的草地和树木，可以评价一颗或几棵植株的健康状态或者一块土地上的灌溉、施肥的详细情况等，对解决小农户农业问题非常有帮助。不久的将来，更多极高空间分辨率遥感卫星的加入将基本实现全球覆盖和频繁访问，全面解决全球农业问题。

最近几年，出现了一个代表空间分辨率的新术语，称为缩放级别(Zoom Levels)，旨在代替空间分辨率的概念。必应地图和谷歌地球已经基于地球数学模型创建了一个缩放级别命名法，现在被绘图门户广泛接受，尤其是可视化三维地球。表 3^[11]显示了必应地图对缩放级别的定义和相关的像元分辨率。

目前大部分的极高分辨率和高分辨率图像供应商都在为客户提供多种分辨率/缩放级别的影像，希望从宏观、区域和微观不同尺度为研究农业问题创造更加独特的机会。

2 影像光谱特征

传感器按光谱分辨率通常分为多光谱、高光谱和超光谱传感器。多光谱传感器只有不到10个波段，高光谱传感器有10~20个波段，超光谱传感器通常有上百个波段。Landsat多光谱卫星有8个波段，能够获取可见光、近红外、短波红外和热红外光谱的信息，但其空间分辨率低。大多数航空平台和无人机平台搭载的传感器有4个波段。法国SPOT系列卫星搭载的传感器曾有一个宽的短波红外波段，不过在SPOT6卫星上已经中断。目前在空间分辨率小于1 m的商业卫星中，只有DigitalGlobe公司有超过4个波段的多光谱及高光谱数据。DigitalGlobe的WorldView-2卫星在可见光和近红外部分设计有8个光谱波段，除了4个传统波段以外，还有海岸带、红边、黄光和近红外波段，在拥有极高的空间分辨率(0.3 m)的同时，其多光谱分辨率也高达1.85 m，主要为农业应用而设计。有研究表明，红光对于植物分类和植物健康状态更为敏感，因此有人将其用于对作物的分类及对甘蔗生长状态的监测，取得了良好的效果^[12](如图 4所示)。该公司的WorldView-3卫星是全球第一个极高空间分辨率(0.3 m)的高光谱卫星，拥有覆盖可见光和近红外、短波红外的16个波段，其多光谱分辨率达到1.24 m，短波红外分辨率为3.7 m，是解决小农户农业问题的理想卫星。短波红外的两个波段主要用来估计作物冠层水分，并测量土壤水分含量和有机质含量，用于精细化的作物种类分类、作物估产、病虫害监测、土壤制图等。如同一生长期的大豆和玉米的分类，因为生长时期相同，用多时相的影像处理方式无法区别出来，若用WorldView的近红外波段就很容易将其区别。

3 影像辐射特征

辐射特征包括辐射分辨率和动态范围。辐射分辨率指成像系统辨别非常细微的能量差异的能力；动态范围是可以捕获的最高能量与最低能量(包括探测器噪声)的比值。

早期成像系统的动态范围为256:1。对于数字系统，这些测量数据可以以8位的形式存储。现代成像系统的动态范围介于2048:1(11位)和16 384:1(14位)之间。为了防止在地球上太阳最低点出现饱和情况(即超过可记录的最高值)，需要设置传感器增益。这意味着高纬度点甚至不会使用所有可用的位。对于早期的8位系统，高纬度目标的能量也许仅限于动态范围的5位，那么其反射率值分散到32个DN值，这通常意味着可辨别的反射率最小差异约为3%。因此，能够反映植被指数(如归一化植被指数)的红光对于监测作物所受压迫水平几乎没用。现代系统可以根据纬度调整动态范围。对于11位动态范围的系统，有效动态范围可以达到9位甚至更高，可辨别的反射率最小差异约为0.2%或更小，很适合监测作物压迫的细微变化。高辐射分辨率对农业是极为重要的，尤其是对精确模拟早期作物活力和健康情况，以及识别土壤水分和土壤有机物的细微变化。这些增加的功能提高了图像信息质量，从而可提高自动准确提取信息的能力。

4 影像精度及信息提取 4.1 位置精度

定位系统已成为人们生活中不可或缺的一部分，同样的，高定位精度也是确保图像和提取的信息能够应用于农业等各个领域的关键所在。图像的位置精度从21世纪初大约23 m的误差稳步提升到现在的不到3 m。精度的提高主要得益于更稳定的卫星轨道和创新的后处理技术。未来几年，随着光谱分辨率的增加，遥感影像的空位精度将越来越好。从图 5可以看出，新一代的WorldView系列卫星平台的影像定位精度明显高于早期QuickBird影像，在无地面控制点的情况下可以达到小于3 m，其精度已与精度航空成像的性能相当。

4.2 信息提取

高性能提取(high performance extraction，HPX)定义为通过利用辅助信息，以各种方式从单个图像或图像序列中非常准确地对目标进行分类和/或估计目标状态。在过去的40年，世界各地的科学家基于大量的遥感研究建立了作物分类、健康评价、资源普查、产量监测等大量的农业遥感信息提取的算法，近年来还采用了机器学习、医学成像和人工智能技术最大可能地获取影像的信息。随着互联网、云计算、云存储及移动技术的发展，遥感与地理信息系统、全球定位系统等各种地理空间技术相互集成，基于多源技术的决策支持系统得以发展，信息提取，以及各种远程观察、实地测量与可行的智能操作必将变为现实。

5 结语

在过去的几十年里，遥感产业迅速兴起并不断发展，并以其宏观、准确和实时等诸多优点在农业、水文、气候和生态等众多领域中发挥着越来越重要的作用，今后也将在信息技术、云计算、移动技术、全球定位系统和数字技术不断发展和广泛应用的助力下，全面服务于数字农业、精准农业和生态农业，更智能地解决全球小农户的每一个农业问题。