中国农科院| English| 全重网站| 数字农科院| 综合办公平台| 邮箱登陆| 联系我们
智慧农业团队发展面向近实时农田监测的新型星地融合算法
发布者：管理员发布时间：2025-12-09作者：李文娟来源：智慧农业团队点击量：
近日，中国农业科学院农业资源与农业区划研究所智慧农业团队在近实时农田监测方面取得新进展。团队研发了一种名为NRT-GSF（Near-Real-Time Ground-Satellite Fusion）的近实时星地融合算法，成功融合了地面物联网（IoT）观测数据与高空间分辨率卫星影像，实现了田块尺度作物绿色叶面积指数（GAI）的逐日连续监测。相关研究成果以“NRT-GSF: A novel near-real-time ground-satellite fusion algorithm to retrieve daily green area index at field scale”为题发表在学术期刊《Remote Sensing of Environment》。
精准农业的田间管理（如灌溉、施肥和病虫害防治等）高度依赖于对作物生长状态的高频次、精细化监测。然而，卫星遥感虽监测面积较大，但在云雨频繁地区受云层遮挡影响，难以获取连续的时间序列数据；而地面物联网设备虽然能提供每日观测数据，但只能进行单点监测，无法实现对整个田块的监测，缺少空间分布的信息。此外，现有的时空融合技术多依赖历史数据，不具备近实时预测的能力，难以满足精准农业对实时监测的需求。
针对上述问题，本研究提出了一种基于贝叶斯动态线性模型（Bayesian Dynamic Linear Model）和卡尔曼滤波（Kalman Filtering）的近实时逐日数据融合框架（NRT-GSF）。该算法将Sentinel-2卫星数据与地面农业物联网系统（IoTA）相结合，通过构建递归计算框架，NRT-GSF不仅可以在卫星数据缺失时，使用地面物联网数据与已有卫星数据进行前向预测（Forward Prediction），生成每日10米分辨率的GAI产品；也支持在获取新的卫星数据后，通过后向更新（Backward Updating）对历史计算数据进行更新，进一步提高时间序列数据的精度。
研究团队利用2019年覆盖法国小麦生长季的多套IoTA数据与Sentinel-2影像进行算法验证。结果表明，NRT-GSF算法可以有效填补卫星观测空缺，生成的每日GAI数据与地面实测值具有高度一致性（R=0.75-0.98，RMSE=0.1-0.49），在精度上优于已有的CACAO（Consistent Adjustment of the Climatology to Actual Observations）算法。此外，利用手持RGB相机进行的独立地面验证结果进一步说明了该方法的可靠性（RMSE=0.5）。该研究成果为解决多源异构数据融合中的尺度差异与实时性问题提供了新思路，为实现精准农业管理提供了重要的科学依据与技术支撑。
NRT-GSF方法技术路线图
NRT-GSF方法的近实时决策策略
中国农业科学院农业资源与农业区划研究所李文娟研究员为论文第一作者与通讯作者。本研究得到北方干旱半干旱耕地高效利用全国重点实验室、国家重点研发计划（2023YFD2300500）和国家自然科学基金（42201388）等项目资助。
原文链接：https://doi.org/10.1016/j.rse.2025.115160
