科學(xué)通報(bào) | 遙感+AI深度融合助力作物非生物脅迫監(jiān)測(cè)——北京科技大學(xué)現(xiàn)代農(nóng)學(xué)院發(fā)表評(píng)述文章賦能智慧農(nóng)業(yè)防災(zāi)減災(zāi)

近日，北京科技大學(xué)現(xiàn)代農(nóng)學(xué)院萬(wàn)向元教授團(tuán)隊(duì)在《科學(xué)通報(bào)》生物與信息技術(shù)賦能現(xiàn)代農(nóng)業(yè)綠色發(fā)展專輯發(fā)表題為“遙感和人工智能融合技術(shù)賦能作物非生物脅迫監(jiān)測(cè)的研究”的評(píng)述文章，系統(tǒng)梳理了“天空地”一體化監(jiān)測(cè)體系、人工智能（artificial intelligence，AI）的算法演進(jìn)前沿進(jìn)展，剖析我國(guó)農(nóng)業(yè)防災(zāi)減災(zāi)的產(chǎn)業(yè)需求與現(xiàn)實(shí)瓶頸，為構(gòu)建全國(guó)作物非生物脅迫智能監(jiān)測(cè)預(yù)警體系、推動(dòng)前沿技術(shù)轉(zhuǎn)化為農(nóng)業(yè)新質(zhì)生產(chǎn)力提供重要理論依據(jù)與實(shí)踐路徑。

全球氣候變化背景下，干旱、高溫、洪澇及鹽堿等非生物脅迫已成為制約全球糧食生產(chǎn)的關(guān)鍵因素。相關(guān)數(shù)據(jù)顯示，非生物脅迫造成的作物減產(chǎn)占總損失的一半以上。傳統(tǒng)監(jiān)測(cè)主要依賴田間人工巡查、臺(tái)站預(yù)報(bào)與專家經(jīng)驗(yàn)，存在覆蓋范圍窄、響應(yīng)滯后、主觀性強(qiáng)等短板，難以捕捉作物早期生理響應(yīng)，往往當(dāng)能觀察到明顯癥狀時(shí)已造成不可逆損傷，錯(cuò)過(guò)最佳調(diào)控時(shí)機(jī)。衛(wèi)星遙感、無(wú)人機(jī)遙感與近地面?zhèn)鞲芯W(wǎng)絡(luò)的快速發(fā)展，為大范圍、快速、無(wú)損監(jiān)測(cè)提供了技術(shù)可能，但多源、異構(gòu)、高維遙感數(shù)據(jù)的智能解析仍是行業(yè)核心挑戰(zhàn)。在此背景下，遙感技術(shù)與人工智能深度融合成為破局關(guān)鍵，推動(dòng)農(nóng)業(yè)監(jiān)測(cè)從經(jīng)驗(yàn)驅(qū)動(dòng)邁向數(shù)據(jù)與智能雙驅(qū)動(dòng)新階段，為保障國(guó)家糧食安全與農(nóng)業(yè)可持續(xù)發(fā)展提供關(guān)鍵技術(shù)支撐。

文章構(gòu)建了面向不同應(yīng)用場(chǎng)景的“天空地”一體化監(jiān)測(cè)框架（圖1），系統(tǒng)闡明衛(wèi)星、無(wú)人機(jī)、近地面?zhèn)鞲芯W(wǎng)絡(luò)三大平臺(tái)的協(xié)同應(yīng)用價(jià)值。衛(wèi)星平臺(tái)憑借廣域覆蓋、高頻重訪優(yōu)勢(shì)，承擔(dān)區(qū)域尺度災(zāi)害評(píng)估與宏觀預(yù)警，多光譜、高光譜、合成孔徑雷達(dá)（synthetic aperture radar，SAR）及靜止氣象衛(wèi)星協(xié)同，實(shí)現(xiàn)受災(zāi)識(shí)別、等級(jí)劃分、產(chǎn)量預(yù)估與空間制圖；無(wú)人機(jī)平臺(tái)以高空間分辨率與靈活機(jī)動(dòng)性，成為田間尺度脅迫診斷核心，熱紅外、高光譜及激光雷達(dá)（light detection and ranging，LiDAR）可精準(zhǔn)獲取冠層溫度、生化組分與株高結(jié)構(gòu)信息，支撐干旱、熱害及營(yíng)養(yǎng)虧缺等災(zāi)害的精細(xì)化診斷；近地面?zhèn)鞲芯W(wǎng)絡(luò)實(shí)現(xiàn)高頻實(shí)時(shí)采集，為遙感反演提供地面真值，同時(shí)支撐作物抗逆表型高通量鑒定，彌補(bǔ)宏觀遙感在細(xì)節(jié)表征上的不足。三大平臺(tái)時(shí)空互補(bǔ)、數(shù)據(jù)互通，多源遙感信息的協(xié)同融合，形成“區(qū)域—田間—植株”全尺度立體監(jiān)測(cè)網(wǎng)絡(luò)，為非生物脅迫全周期動(dòng)態(tài)監(jiān)測(cè)奠定數(shù)據(jù)基礎(chǔ)。

圖1面向不同應(yīng)用場(chǎng)景的“天空地”一體化監(jiān)測(cè)框架

在技術(shù)創(chuàng)新層面，文章系統(tǒng)總結(jié)了AI算法從機(jī)器學(xué)習(xí)向深度學(xué)習(xí)、從單一模態(tài)向多模態(tài)融合、從“黑箱”預(yù)測(cè)向可解釋性演進(jìn)的完整路徑。傳統(tǒng)支持向量機(jī)、隨機(jī)森林等機(jī)器學(xué)習(xí)方法，依賴特征工程，在復(fù)雜田間環(huán)境下泛化能力有限；以卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）為代表的深度學(xué)習(xí)實(shí)現(xiàn)自動(dòng)特征提取，顯著提升微弱脅迫信號(hào)感知能力；Transformer架構(gòu)則面向長(zhǎng)時(shí)序遙感數(shù)據(jù)，實(shí)現(xiàn)干旱、高溫及冷害等漸變脅迫的動(dòng)態(tài)追蹤。多模態(tài)數(shù)據(jù)融合方面，前沿算法有解決光學(xué)、SAR、熱紅外、LiDAR等數(shù)據(jù)在成像原理、時(shí)空分辨率上的差異，通過(guò)生成對(duì)抗網(wǎng)絡(luò)（generative adversarial networks，GANs）、時(shí)空融合與超分辨率重建等技術(shù)，實(shí)現(xiàn)全天候、全要素信息提取。可解釋性AI通過(guò)可視化解釋技術(shù)與物理感知神經(jīng)網(wǎng)絡(luò)（physics-informed neural networks，PINNs）等技術(shù)，破解模型“黑箱”困境，將農(nóng)學(xué)機(jī)理與數(shù)據(jù)驅(qū)動(dòng)結(jié)合，提升模型可信度與時(shí)空遷移性，為機(jī)理解析提供新手段。

在“藏糧于地、藏糧于技”國(guó)家戰(zhàn)略指引下，面對(duì)耕地趨緊、水資源短缺及極端天氣頻發(fā)的壓力，構(gòu)建智能高效的作物非生物脅迫監(jiān)測(cè)體系，是保障糧食安全、推動(dòng)農(nóng)業(yè)現(xiàn)代化的關(guān)鍵。當(dāng)前我國(guó)農(nóng)業(yè)向智慧轉(zhuǎn)型階段，科研成果向農(nóng)業(yè)新質(zhì)生產(chǎn)力轉(zhuǎn)化仍面臨諸多現(xiàn)實(shí)挑戰(zhàn)：高質(zhì)量通用地面驗(yàn)證數(shù)據(jù)匱乏，標(biāo)準(zhǔn)化數(shù)據(jù)庫(kù)缺失，制約模型規(guī)模化訓(xùn)練；AI模型魯棒性與時(shí)空遷移能力不足，難以適配全國(guó)業(yè)務(wù)化運(yùn)行需求；科研與產(chǎn)業(yè)需求脫節(jié)，軟硬件成本及專業(yè)門檻較高，導(dǎo)致先進(jìn)技術(shù)難以落地推廣。針對(duì)上述瓶頸，文章提出四大發(fā)展路徑：一是打破數(shù)據(jù)壁壘，構(gòu)建國(guó)家級(jí)“天空地”多源共享樣本庫(kù)，提升模型泛化能力；二是融合農(nóng)學(xué)先驗(yàn)知識(shí)與物理機(jī)理，深化可解釋性AI研究，構(gòu)建可信任智能系統(tǒng)；三是打通“感知—診斷—決策—管控”閉環(huán)，將監(jiān)測(cè)結(jié)果轉(zhuǎn)化為精準(zhǔn)灌溉、施肥、減災(zāi)的可操作方案；四是研發(fā)邊緣計(jì)算、機(jī)載智能設(shè)備與輕量化模型，降低應(yīng)用門檻，推動(dòng)前沿技術(shù)服務(wù)農(nóng)業(yè)規(guī)模化生產(chǎn)與基層管理，助力“遙感+AI”轉(zhuǎn)化為農(nóng)業(yè)新質(zhì)生產(chǎn)力。

北京科技大學(xué)現(xiàn)代農(nóng)學(xué)院萬(wàn)向元教授為本文通訊作者，宋揚(yáng)副研究員為本文第一作者，在讀碩士研究生生張玉婉、田喜副研究員、張超教授、賀勇教授、鄒堯教授為評(píng)述梳理、構(gòu)思及文章校對(duì)工作提供了幫助。相關(guān)研究得到了國(guó)家自然科學(xué)基金（32301395）和國(guó)家農(nóng)業(yè)生物育種重大項(xiàng)目（2023ZD0407602）的資助。該評(píng)述文章系統(tǒng)呈現(xiàn)了遙感與AI融合監(jiān)測(cè)作物非生物脅迫前沿進(jìn)展，立足國(guó)家需求、直面痛點(diǎn)，為農(nóng)業(yè)災(zāi)害智能預(yù)警體系建設(shè)提供了清晰的技術(shù)路線。

文章信息

宋揚(yáng)，張玉婉，田喜，等.遙感和人工智能融合技術(shù)賦能作物非生物脅迫監(jiān)測(cè)的研究. 科學(xué)通報(bào), 2026.

https://www.sciengine.com/doi/10.1360/CSB-2026-0213

《科學(xué)通報(bào)》是中國(guó)科學(xué)院主管、中國(guó)科學(xué)院和國(guó)家自然科學(xué)基金委員會(huì)共同主辦的綜合性中文學(xué)術(shù)期刊，致力于快速報(bào)道自然科學(xué)各學(xué)科基礎(chǔ)理論和應(yīng)用研究的最新研究動(dòng)態(tài)、消息、進(jìn)展, 點(diǎn)評(píng)研究動(dòng)態(tài)和學(xué)科發(fā)展趨勢(shì)。

• 旬刊，每10天出版1期；

• 欄目：進(jìn)展、評(píng)述、快訊、論文、觀點(diǎn)、科技前沿、科學(xué)訪談、亮點(diǎn)述評(píng)、悅讀科學(xué)等；

• 《新銳期刊分區(qū)表》 綜合性大類1區(qū)TOP期刊；

• 中國(guó)科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊；

• 《中國(guó)科技論文與引文數(shù)據(jù)庫(kù)》和《中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)》的源期刊，同時(shí)被EI、ESCI和Scopus等收錄；

• 期刊官網(wǎng)：http://csb.scichina.com.

轉(zhuǎn)載、投稿請(qǐng)留言

| 關(guān)注科學(xué)通報(bào) | 了解科學(xué)前沿