在新聞聯(lián)播中,，我們經(jīng)常聽到這樣的報道：某年某月某日,，我國成功發(fā)射某某衛(wèi)星…… 那么什么是衛(wèi)星？衛(wèi)星有什么用,？衛(wèi)星是指圍繞行星并按閉合軌道做周期性運行的天體,，月球就是地球的天然衛(wèi)星。人類自己建造并發(fā)射到太空中,，像天然衛(wèi)星一樣環(huán)繞地球運動的無人航天器亦稱為衛(wèi)星,。迄今為止，人類已向太空發(fā)射了四千多顆衛(wèi)星,，除了應(yīng)用于科學實驗等領(lǐng)域的衛(wèi)星,，用來執(zhí)行業(yè)務(wù)的衛(wèi)星又可分為通信衛(wèi)星、導航衛(wèi)星和遙感衛(wèi)星,。通信衛(wèi)星主要作為無線電通訊中繼站,，用于接收和轉(zhuǎn)發(fā)無線電信號；而導航衛(wèi)星主要用于定位和導航,，如我國的北斗,；遙感衛(wèi)星主要用于對地球系統(tǒng)或物體進行觀測，基于觀測對象的不同其又可進一步分為氣象衛(wèi)星,、陸地衛(wèi)星和海洋衛(wèi)星,。這里,，我們解析如何用陸地衛(wèi)星從太空識別作物類別。
1,、數(shù)碼相片與衛(wèi)星影像
數(shù)碼相片與衛(wèi)星影像拍照是現(xiàn)在手機的主要功能之一,。然而，你可能難以想象它也是陸地衛(wèi)星的主要數(shù)據(jù)獲取方式,。如何更清晰,、更快速地對地球進行拍照，一直是陸地衛(wèi)星的主要研究方向之一,。手機攜帶攝像頭,，而衛(wèi)星也搭載著傳感器。按固定軌道運動的衛(wèi)星通過傳感器不斷對地面掃描,，可以周期性地獲取地球的相片,，即衛(wèi)星影像。衛(wèi)星影像一般覆蓋范圍廣,，一景衛(wèi)星影像的幅寬可以達到幾十甚至幾千公里,。光的本質(zhì)是電磁波，手機或數(shù)碼相機獲取的相片一般只包含紅綠藍三個電磁波譜區(qū)間的能量,，而衛(wèi)星傳感器還能進一步獲取地球表面物體（地物）在近紅外,、短波紅外、微波等波譜區(qū)間的反射能量,。因此,，衛(wèi)星影像包含更多可用信息。
2,、作物識別原理
哪里有田,？田里種了什么？種了多少,？這是關(guān)系糧食安全的大事,，備受社會矚目。如何用衛(wèi)星回答這一問題,？關(guān)鍵在于怎樣從衛(wèi)星影像上精確識別各類地物和作物,。本質(zhì)上，手機相片和衛(wèi)星影像并無明顯差異,。在相片上,，我們一般根據(jù)顏色、形狀,、粗糙度等特征來區(qū)分不同的物體,。如圖1所示的相片上，我們可以根據(jù)顏色以及粗糙度的差異,，來區(qū)分稻田,、道路和水體等地物,。實際上，衛(wèi)星影像上的各類地物或作物的識別也是主要依據(jù)“顏色”等特征的差異,。要想根據(jù)“顏色”等特征區(qū)分不同地物，首先要明白為什么不同的地物會有“顏色”等特征差異,，其次是不同的地物各有什么樣的特征,。在相片中，健康植被如森林,、草地以及作物的葉片一般呈綠色,，這主要是由于葉片細胞中的葉綠素具有吸收紅光和藍紫光、反射綠光的特性,，因此在紅綠藍三通道中的相片中綠色占據(jù)了主導地位,，從而使得植被葉片呈現(xiàn)綠色。
圖1 稻田照片
在遙感影像中,，由于不同地物與電磁波的相互作用不同,，衛(wèi)星所能接收到的地物反射能量不盡一致，這就導致了遙感影像中不同地物在各光譜區(qū)間“顏色”的差異,，也就是反射率差異（圖2）,。這種差異直接體現(xiàn)了不同地物的光譜特性，我們可以依據(jù)反射率差異或由反射率衍生的其他特征差異從遙感影像上區(qū)分各類地物,。當然,，除了反射率差異，不同地物粗糙度（紋理）等特征也有差異,，一般而言,，綜合多維特征可以更好地識別不同地物。
圖2 基于紅綠藍波段合成的遙感影像（左）及主要地物的反射率（右）
3,、作物識別方法與種植面積測算
在大范圍區(qū)域,，不同地物可能會有相同或相似的特征。理論上,，不同地物反射率各異,，但是在不同地區(qū)，某些地物的反射率差異并不明顯,，尤其是對作物而言,，受品種、氣候以及耕作措施等因素的影響,，不同作物的反射率差異可能極其微弱,。因此，高精度作物識別并不是一項簡單的工作?，F(xiàn)階段,，常用的作物識別方法主要包含機器學習法和物候閾值法,。機器學習法主要是預先獲得一定量的包含有真實作物信息的標簽樣本，然后用標簽樣本訓練機器學習模型,，讓模型“明白”什么樣的特征對應(yīng)什么樣的作物,。將模型應(yīng)用在遙感影像上，判斷遙感影像上每個像素的類別,，最終達到作物識別的目的,。物候閾值法的基本思想是不同作物隨著生育進程的推進，其特征發(fā)生一定的變化,，這些變化具有一定的規(guī)律性,，不同作物的變化規(guī)律呈現(xiàn)一定差異，通過區(qū)分不同作物的變化規(guī)律,，從而達到識別作物的目的,。
圖3 基于衛(wèi)星遙感影像的作物識別（左）和種植面積測算（右）
無論是機器學習法還是物候閾值法，最終都可以基于衛(wèi)星影像獲得不同作物的空間分布（圖4）,。根據(jù)空間分布圖,，我們可以計算不同作物在空間分布圖中對應(yīng)的像素數(shù)量，然后計算相應(yīng)作物的面積,，從而實現(xiàn)作物種植面積準確測算,。
由于衛(wèi)星影像覆蓋范圍廣，理論上,，作物種植面積測算可以在國家乃至全球尺度進行,。與傳統(tǒng)的通過逐戶調(diào)查、逐級上報統(tǒng)計作物種植面積的方法相比,，基于衛(wèi)星遙感技術(shù)的作物種植面積測算不僅省時省力,，還可明確各種作物的空間分布，客觀性更強,，可信度更高,。衛(wèi)星遙感技術(shù)在農(nóng)情監(jiān)測領(lǐng)域大有可為。
