2017年2月14日

由Terra Bella衛(wèi)星拍攝的肯尼亞西部玉米地塊影像（左圖）和基于機器學習算法對同一影像生成的農(nóng)業(yè)產(chǎn)量圖（右圖）。圖片提供：David Lobell

　　斯坦福研究人員使用新一波小型衛(wèi)星高分辨率拍攝照片，開發(fā)了一種用來估算作物產(chǎn)量的新空間方法。該方法可以用來對農(nóng)業(yè)生產(chǎn)力進行估測并對世界上數(shù)據(jù)非常稀缺的貧困地區(qū)干預策略進行測評，該研究在2月13日出版的《美國科學院院報（PNAS）》上介紹。

　　斯坦福地球、能源和環(huán)境科學學院地球系統(tǒng)科學系助理教授，論文聯(lián)合作者Marshall Burke指出，提高農(nóng)業(yè)生產(chǎn)力將會是減少世界饑餓和改善貧困地區(qū)生計的主要途徑之一。但是為了提高農(nóng)業(yè)生產(chǎn)力，首先需要進行測量工作，不幸的是，在世界上大多數(shù)農(nóng)場并沒有做這些事情。

　　地球觀測衛(wèi)星已經(jīng)運行超過30年，但大多數(shù)捕捉到的影像，不具有足夠高的分辨率對發(fā)展中國家典型小塊農(nóng)地進行可視化。近來，衛(wèi)星已經(jīng)縮減規(guī)模和成本，同時提高了影像分辨率。如今，已有幾個公司爭相推出冰箱和鞋盒大小的衛(wèi)星進入太空，獲取高分辨率地球影像。

　　地球系統(tǒng)科學系副教授，論文聯(lián)合作者David Lobell表示，現(xiàn)在可以獲取大量這種捕獲到小地區(qū)地面空間分辨率非常高的影像。任何一個衛(wèi)星不能給予大量的信息，但其相關的衛(wèi)星群實際上能以非常低的成本，基于非常高的分辨率，覆蓋世界上大多數(shù)地區(qū)。這甚至在幾年前都是不可能實現(xiàn)的。

　　在這一新研究項目中，Burke和Lobell對新一波衛(wèi)星影像是否足夠可靠地進行作物產(chǎn)量估算進行測試。他們兩人集中在肯尼亞西部一個有很多種植玉米或谷物半英畝或一英畝地塊小型農(nóng)業(yè)區(qū)域。Lobell指出，這個區(qū)域已完成很多實地考察工作，是測試方法的理想?yún)^(qū)域。

　　科學家們利用衛(wèi)星影像對兩種不同農(nóng)業(yè)生產(chǎn)率估算方法進行比較。第一種途徑涉及到通過“地面真相”或進行地面調(diào)查，用以檢查使用Terra Bella免費提供的衛(wèi)星數(shù)據(jù)檢測估產(chǎn)計算的準確性。關于這部分研究，Burke及其團隊花了數(shù)星期時間進行挨家挨戶的調(diào)查，與農(nóng)民交談，收集個人農(nóng)場信息。

　　Burke指出，他們得到了很多優(yōu)質(zhì)數(shù)據(jù)，但這種方法既耗時，又昂貴，這意味著在一次考查活動中，只能對至多1000名左右的農(nóng)民進行調(diào)研。如果想推廣擴大此項操作方法，就不需要重復在全球各地收集實地調(diào)查數(shù)據(jù)。

　　基于此原因，該小組還測試了另一種“未校準”方法，不依賴地面調(diào)查數(shù)據(jù)進行預測。替代方法是通過使用計算機模型，結合當?shù)靥鞖鉅顩r信息對作物生長過程進行詮釋，幫助解譯衛(wèi)星影像并預測產(chǎn)量。

　　Burke表示，僅基于實際產(chǎn)量自身影像，通過影像與計算機作物模型結合的方法可以做出相當準確的預測。

　　研究人員計劃推廣擴大他們的項目，在非洲更多地區(qū)測試這一方法。Burke希望對撒哈拉以南所有地區(qū)做出準確的季節(jié)性農(nóng)業(yè)生產(chǎn)率預測，希望這種利用衛(wèi)星的方法可以大幅度提升了解和改善全球貧困地區(qū)農(nóng)業(yè)生產(chǎn)率問題的能力。

　　原文題目：Using high-resolution satellites to measure African farm yields

　　資料來源：https://phys.org/news/2017-02-high-resolution-satellites-african-farm-yields.html

　　（王化編譯，殷永元審核）