卫星定位、GPS导航、红外遥感等技术的发展已深入农业领域。 虽然在实际应用和科研开发方面还有很大的提升空间，但目前从高校和科研机构发表的论文来看，空间信息技术的农业应用已经取得了一定的进展。

　　农业研究

　　 1.农业干旱卫星遥感监测与预测研究进展

　　针对农业干旱监测结果的准确性和局限性等问题，中国农业大学信息与电气工程学院利用遥感技术，主要是可见光、近红外、热红外和微波波段，从遥感指数方法从卫星遥感农业干旱监测方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。 农业干旱预测是基于干旱监测的时间线预测。 在总结干旱监测进展的基础上，进一步简述了基于干旱指数法和作物生长模型法的农业干旱预测研究进展，丰富地表信息对于农业干旱监测预测具有重要的研究意义。

　　 2 近地遥感技术在大田作物高度测量中的研究现状与展望

　　株高是动态衡量作物健康和整体生长状况的关键指标，广泛用于估算作物的生物产量和最终产量。 针对手工测量方法规模小、效率低、耗时长等问题，华中农业大学开展跨学科、专业联合科研。

　　参考国内外关于基于遥感方法获取植物高度的论文，总结了获取植物高度的不同平台以及传感器的基本原理、优点和局限性，重点介绍了两者的高度测量过程和关键方面传感器、激光雷达和可见光相机。 技术。 在此基础上，从高度测量平台与传感器、裸土检测与插值算法、株高应用研究与农学等方面，总结了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展。从四个方向对遥感测高的差异进行了展望，为未来近地遥感测高的研究和方法应用提供参考。

　　 3. 无人机遥感在饲草作物生长监测中的应用研究进展

　　饲草长势的动态监测和定量估算与饲草规模化生产密切相关。 为了解国内外无人机在牧草监测方面的应用现状，确定重点发展方向，中国农业大学、新疆农科院、农业水利部、沧州农科院林业科学开展联合科学研究。

　　本文从数据采集、数据处理和牧草生长监测关键技术三个方面简要介绍了无人机遥感在牧草作物监测中的基础研究方法。 本文重点研究可见光、多光谱、高光谱、热红外和激光雷达五种遥感技术在无人机遥感牧草作物生长监测中的应用。 他还展望了研究和应用中尚未解决的关键技术问题的未来发展方向，提出将饲料作物时空尺度数据与多源遥感数据相结合，进一步拓展数据获取方式，开发智能数据分析综合平台是未来饲料作物的关键。 监控领域应用创新的关键。

　　 4. 基于遥感和气象数据的冬小麦主产区籽粒蛋白质含量预测

　　农业农村部、国家农业信息工程技术研究中心、全国农业技术推广服务中心、北京农技推广总站等机构联合开展小麦籽粒蛋白质含量监测预报研究，有利于引导农民优化种植、企业分类采购和储存。 、期货小麦价格、进口政策调整等意义重大。

　　本研究以冬小麦主产区（河南省、山东省、河北省、安徽省和江苏省）为研究区域，构建了冬小麦籽粒蛋白质含量的多层线性预测模型，并应用冬小麦主产区蛋白质含量的蛋白质含量估算模型。 基于遥感内容估算，获得2019年冬小麦主产区品质预测图，形成黄淮海地区冬小麦品质分布专题图。 研究成果还可为后续小麦种植区划和实现绿色高产优质高效粮食生产提供数据支撑。

　　 5. 海南岛橡胶林叶面积指数遥感估算模型对比研究

　　叶面积指数是描述植被生长状况和冠层结构的重要参数。 中国热带农业科学院以海南岛橡胶树为研究对象，构建了基于卫星遥感植被指数的橡胶林LAI估算模型，并分析其变化规律。

　　经核实，从空间分布来看，海南岛橡胶林LAI高值区（4.40~6.23）主要分布在海南岛西部儋州、白沙等市县，LAI中位数值区（3.80-4.40）主要分布在海南岛。 在澄迈、屯昌、琼中等中心市县，LAI低值区（2.69-3.80）主要分布在东部和东部的定安、琼海、万宁、乐东、三亚等市县。海南岛南部。 总之，基于EVI指数构建的橡胶林LAI一变量线性估计模型具有较高的精度，克服了NDVI、GNDVI、RVI等植被指数的指数饱和问题。 具有良好的科学依据和良好的推广应用价值。

　　 6. 遥感技术在种植业收入保险中的应用场景及研究进展

　　中国农业科学院、农业农村部农业信息服务技术重点实验室已在13个产粮大省的所有产粮县实施遥感技术，用于种植收入保险的应用。

　　结合遥感技术在农业保险中的整体应用历史，回顾了遥感技术在各应用场景中的应用研究进展，包括耕地地块提取、农作物分类提取、农作物灾情评估和农作物产量估算等。 建议建立数据分发平台，解决数据采集预处理难和初步数据标准化问题，完善耕地地块和作物类型样本数据库，推动地块提取和作物分类自动化，实施多地学科交叉研究，实现更快、更准、更科学的房地产。 具体建议包括总量估算、农业保险遥感技术应用标准化、遥感技术应用合同化等五项具体建议。 展望未来，遥感技术在种植收益保险乃至全农业保险中的应用模式应该是数据可得、技术更加自动化、智能化、有标准可遵循、有合同背书的新模式。

　　 7. 基于无人机遥感表型监测的优质苎麻种质资源筛选方法

　　针对重要纤维作物苎麻遗传变异与遗传多样性减少的矛盾以及苎麻种质资源多样性调查和保护的需要，湖南农业大学农学院推出了苎麻种质资源表基于无人机遥感图像。 类型监测筛选方法能够频繁、快速、无损、准确地监测不同基因型作物的生长特性，从而实现苎麻种质资源表型的高效、全面评价，辅助优势品种选育。苎麻品种。

　　结果表明：（1）基于无人机遥感的苎麻表型估算效果良好，株高拟合精度为0.93，均方根误差为5.65 cm； SPAD值、水分含量、LAI的拟合指标分别达到0.66、0.79、0.74，RMSE分别为2.03、2.21、0.63。 （2）苎麻种质资源遥感表型差异较大，LAI、株高、株数估算值变异系数分别达到20.82%、24.61。 %和35.48%； (3)采用主成分分析法将苎麻种质资源遥感表型聚类为因子1(株高、LAI)和因子2(LAI、SPAD值)。 因子1可用于苎麻种质。 在资源结构特征评价中，因子2可作为高光效苎麻资源的筛选指标。 本研究将为作物种质资源表型监测和育种相关分析提供参考。