[技术前沿]CropWatch：以自主遥感监测技术守望全球农情

CropWatch：以自主遥感监测技术守望全球农情

在国家重点研发计划“政府间国际科技创新合作”重点专项支持下，中国科学院空天信息创新研究院牵头开展了先进农情遥感监测技术研发，实现了参与式的全球农情监测云服务平台（CropWatch Cloud）的重大升级，为24个发展中国家提供了定制化农情培训，涵盖近5亿人口，契合了GEOGLAM提升全球农情监测信息透明度的初衷，为联合国零饥饿目标的实现作出了贡献。

准确及时的农情遥感监测信息对农产品贸易、粮食宏观调控决策与政策的制定至关重要。提升全球农情监测信息的透明度是全球关注的焦点，也是联合国可持续发展零饥饿目标的重要内容之一。2011年，20国集团峰会发起地球观测组织（GEO）全球农业监测旗舰计划（GEOGLAM），旨在协调全球农业监测各方的行动，推动农业遥感监测技术进步，提升信息透明度，2017年GEOGLAM成为GEO的旗舰计划。为及时掌握农情监测信息，全球主要国家和地区的机构都竞相建立了农情监测系统，经过长期努力与投入，美国农业部的监测系统（CropExplorer）、欧盟作物监测服务机构（MARS）和中国的全球农情遥感监测云服务平台（CropWatch，http://cloud.cropwatch.com.cn/）脱颖而出，成为当前全球领先的三大农情遥感监测系统，是GEOGLAM的重要信息来源。

我国是全球最大的粮食进口国，“透明、公正、及时、分享”的全球农情信息对我国粮食安全决策与进出口具有极其重要的意义。随着农情监测技术的进步，农情监测信息由单一信息向时空连续的“空-天-地”一体化信息不断拓展，由小区域向大区域演化，由事后监测转为近实时监测与事前预测。农情系统建设的门槛越来越高，导致全球农情监测信息越来越集中在少数国家和地区手中。基于此，中国科学院空天信息创新研究院在国家重点研发计划“政府间国际科技创新合作”重点专项的支持下，牵头开展了GEOGLAM框架下的先进农情遥感监测方法研究。项目遵循GEOGLAM成立的初衷，基于CropWatch系统，通过相关的先进农情遥感监测方法攻关和CropWatch平台的升级改造，一方面提升农情监测的粒度与准确度，另一方面通过交互参与的方式为发展中国家和地区参与农情自主监测、降低粮食贸易信息不对称的风险创造条件，助力2030年联合国零饥饿目标全面实现。

机器学习与云计算结合的高分辨率--作物类型遥感监测关键技术

作物类型的精准识别是开展作物种植面积估算、作物长势监测与作物单产预测的基础。但精准的作物遥感识别常受作物样本不足、地块大小破碎、同物异谱与同谱异物、分类器参数的优化与计算能力的限制，大尺度的作物遥感识别极具挑战。针对作物分类样本获取效率不高的问题，项目团队研制了集合定位、视频和地理信息于一体的作物样本快速获取手机应用程序——GVG

https://gvgserver.cropwatch.com.cn/download。

GVG可以通过车载移动、定点观测等方式快速记录作物的类型与地理位置，将样本采集的效率提升100倍以上，为作物的分类提供丰富的样本支持。GVG在车载移动采集的过程中，受道路两侧树木、房屋等建筑物遮挡的影响，采集的部分照片包含大量的树木和建筑物噪声信息，需要剔除，为此项目团队研制了基于深度卷积神经网络的照片清洗方法，实现了噪声照片的快速剔除，显著提升了GVG样本采集的质量。作物分类需要精细的耕地数据做支撑，项目综合分析了现有的耕地数据产品的质量与误差来源，采用数据融合和引入注意力机制的人工神经网络方法，显著提升了耕地遥感监测的质量，实现了圆形喷灌地与全球30m分辨率耕地数据的精准提取。在充足样本与精准的耕地基础数据的支持下，研制了时间序列重建、分类器参数优化、特征优选于一体的自定义作物类型遥感识别系统，为用户选择合适的遥感数据源和分类方法开展特定区域的作物分类提供了工具支持。

基于该系统，项目先后实现了南亚与东南亚水田（见图1），蒙古北部农作物主产区、河套灌区、大区域尺度的无样本的小麦快速提取，以及中国东北（见图2）、埃塞俄比亚提格雷地区的作物精细分类。

数据驱动的作物产量--遥感监测关键技术

作物产量是遥感监测中最具挑战的关键参量，外在的气象条件、内在的作物生理参数、土壤与农业管理措施的变化都会对最终的作物产量造成影响，因此如何提升作物单产预测的精准度是全球农情监测的难点。作物实测单产数据获取效率低，不确定性高，是限制作物单产遥感监测与预测的重要瓶颈。针对该问题，项目另辟蹊径，颠覆传统的以破坏性收割获取作物单产实测数据的方法，发展了深度学习和多模态遥感数据结合的小麦、水稻单产实测数据的快速获取技术。该技术通过单位面积的小麦，水稻的穗数、穗粒和穗重的精准识别，实现单位面积的小麦、水稻实测单产数据的快速获取，与地块尺度实际测产结果相比，该方法的精度高达90%，效率提升100倍以上。项目进一步研制了作物单产快速获取的手机应用程序FieldWatch，申请了基于计算机视觉和深度学习技术的小麦水稻单产获取技术（见图3）的国际发明专利，该技术也被国际合作团队比利时新鲁汶大学使用。

在解决了样本问题之后，项目针对作物单产预测的复杂场景提出系列作物单产预测方法，如面向地块尺度的无人机相对辐射纠正方法、基于关键光谱特征的雨养作物单产实测方法、面向数据丰富区的数据驱动与机器学习耦合的单产预测方法、面向灌溉农田的作物模型与同化技术耦合的单产预测方法，以及面向大区域尺度的生物量与收获指数结合的单产遥感监测方法。基于上述方法，项目在水稻、小麦与大豆产量预测中取得了系列成果，如基于雷达卫星后向散射系数的水稻产量预测方法、作物模型与同化技术耦合的小麦产量预测方法、基于数据驱动的大豆与玉米产量预测方法。在先正达集团中国2022“MAP杯”数智农业大会上，地块尺度的作物产量品质预测方法获得优胜奖。

参与式的农情监测--云服务系统

依托全球农情遥感监测云服务平台（CropWatch），项目仔细梳理全球现有的农情遥感监测系统监测指标、各类系统的优缺点。在原有的CropWatch平台基础上，构建了包含26个功能指标，且指标功能可定制的参与式全球农情遥感监测系统（见图4）。与原有的系统相比，交互式系统新增了面向高分辨率的作物类型、耕地、复种指数模块，为地块尺度的农情遥感监测提供了有力支撑；新增了粮食生产形势指数模块，实现了不同区域尺度粮食生产景气度的动态更新与预测；新增了数据驱动的格网化作物总产和单产数据产品，量化了全球长时序的作物产量空间分布格局。

参与式的CropWatch农情遥感监测系统实现了农气（见图5）、农情（见图6）、复种、灌溉、产量（见图7）等精准监测，有效支持了全球农情遥感速报（中英双语）的发布和全球大宗粮油作物生产形势年度报告的编制，持续为全球超过173个国家/地区/国际组织提供农情监测信息服务，成为GEOGLAM的重要信息来源与支撑力量。

系统研制的耕地种植比例与最佳植被指数纳入到FAO的“手拉手”地理空间信息平台，系统生产的全球空间分辨率30m的耕地与复种数据集，在2022年举行的第78届联合国大会“全球发展倡议之友小组”部长级会议上，由王毅部长赠送给联合国常务副秘书长阿明，为联合国2030年议程的落实提供有力的数据支持。基于参与式的全球农情遥感速报系统，项目按季度向全球发布中英双语的全球农情遥感速报，并完成了2021年、2022年全球大宗粮油作物生产形势报告的撰写与发布，为发展中国家获取农情信息提供了更多的选择，也是中国对GEO的持续性贡献。基于参与式的CropWatch全球农情遥感速报系统，项目团队与联合国科学和技术促进发展委员会（UNCATD）、联合国亚洲及太平洋经济社会委员会（UNESCAP）、 “一带一路”国际科学组织联盟（ANSO）、GEOGLAM等国际组织合作，为莫桑比克、尼日利亚、柬埔寨、泰国、肯尼亚、津巴布韦等24个国家，近5亿人口，提供农情监测定制化服务。成果入选国际农业发展基金2020年度科技创新型最佳农村解决方案、联合国南南合作最佳实践案例，为上述国家零饥饿目标的实现提供信息支持。

非洲作物生产潜力--及影响因子评估

在GEOGLAM框架下，基于Crop-Watch平台，联合赞比亚、埃及、莫桑比克、尼日利亚、南非等国发起了非洲粮食增产计划，致力于量化非洲大宗粮油作物产量的差异，主要限定因子，为非洲各国实现粮食增长提供支撑。在该计划的支撑下，项目团队研制了数据驱动的非洲小麦、水稻、玉米与大豆产量空间分布数据集，已于2023年8月24日金砖国家峰会上赠送给非洲各国；同时，还研制了数据与模型耦合的土地退化、土壤侵蚀、耕地扩张的耗水代价模型、高分辨率降水降尺度模型，为非洲各国粮食生产限定因子的量化提供系列工具支持。基于这套数据集，项目发现2010—2020年非洲粮食总产呈现显著增长趋势，特别是西部非洲、东部非洲的增长尤为明显，但南部非洲的粮食产量并没有显著增长，非洲人均粮食产量还明显低于全球平均水平，实现零饥饿的目标任重道远。图8为CropWatch 研制的2020 年非洲玉米、小麦、水稻和大豆产量空间分布数据集。

自2020年11月以来，依托Crop-Watch平台，累计发布全球农情遥感速报（中英双语）报告10份，发布全球大宗粮油作物生产形势年度报告2份，服务全球173个国家与地区；有3个数据产品移交联合国等国际组织使用；1个案例纳入到联合国南南合作最佳案例集，有4个案例纳入到了地球大数据促进可持续发展目标监测与评估成果展；项目有力支撑了中国参与GEO与GEOGLAM的活动，在GEO周和GEOGLAM执委会上做专题报告3次，介绍项目和中国GEO的成果；在UNESCAP和UNCTAD的推动下，为全球24个国家和地区的近百人技术人员提供了系统的农情监测培训与系统定制化服务，服务近5亿人口，为科技外交作出重要贡献。

未来，项目将传承发扬CropWatch三十年磨一剑的精神，坚守提升全球农情信息透明度的初衷和坚持“授人以鱼不如授人以渔”的理念，与UNCTAD, UNESCAP、GEOGLAM与ANSO等国际组织一道，通过先进农情遥感监测技术的不断研发与自主农情监测的赋能，为中国与广大需要农情信息的发展中国家和地区的机构及时获取信息提供支持，从而构建农情监测命运共同体，助力全球粮食安全治理。

本文刊登于IEEE Spectrum中文版《科技纵览》2023年9月刊。