0 引言数字农业技术是将现代信息技术、生物技术、农业科学技术与农机工程装备技术相结合的新型农业技术。数字农业技术体系由3个部分组成，即信息获取系统、信息处理系统和智能化农业机械。其中，田间的信息获取技术是数字农业的关键技术。目前，田问信息获取方法主要有传统的田间采样、田问GPS采集、智能农机作业和多平台遥感获取等4种方式。通常所说的“3S”技术中的全球定位系统(GPS)和遥感技术(RS)是田间信息获取的重要手段，它是实现数字农业的重要支撑技术-一 。
1 全球定位系统全球定位系统(GPS，Global Positioning System)是由地球导航卫星、地面监控系统和用户GPS接收机等3个主要部分组成。现在最常用的是美国GPs系统，它包括在离地球约20 O00km高空近似圆形轨道上运行的24颗地球导航卫星，其轨道参数和时钟由设于世界各大洲的5个地面监测站与设于其本土的一个地面控制站进行监测和控制，使得在近地旷野的GPS接收机在昼夜任何时间、任何气象条件下最少能接受到4颗以上卫星的信号。通过测量每一卫星发出的信号到达接收机的传输时间，即可计算出接收机所在的地理空间位置。
农田养分信息具有显著的空间属性，其空间变异性很大。在数据采集过程中，其位置的识别是与数据监测密不可分的，因此需要对信息进行准确的定位。
全球定位系统(GPS)提供了全天候、实时精确定位的测量手段。数字农业中，GPS主要是用来确定在田间的位置，结合其土壤的含水量、氮、磷、钾、有机质和病虫害等不同信息的分布情况，辅助农业生产中的灌溉、施肥、喷药等田间操作，其作用从本质来说是提供三维位置和时间。GPS主要应用于以下3个方面：一是智能化农业机械的动态定位(即根据管理信息系统发出的指令，实施田间的精准定位)；
二是农业信息采集样点定位(即在农田设置的数据采集点、自动或人工数据采集点和环境监测点均需GPS定位数据)；
三是遥感信息GPS定位(即对遥感信息中的特征点用GPS采集定位数据，以便于GIS配套应用)。由于GPS存在较大的误差，所以差分GPS(即DGPS)越来越受到人们的重视。DGPS可以消除卫星钟差、星历误差、电离层和对流层延迟误差等，从而使定位精度大幅度提高。
2 遥感技术遥感技术(RS，Remote Sensing)的基本原理是利用物体的电磁波特性，通过观测物体的电磁波，从而识别物体及其存在的环境条件。遥感技术系统由传感器、遥感平台及遥感信息的接受和处理系统组成。
其中，接受从目标反射或辐射的装置叫做遥感器(如扫描仪、雷达、摄影机、摄像机和辐射计等)，装载遥感器的平台称遥感平台(如飞机和人造卫星等)。经过遥感器得到的数据在使用前应根据用途需要做相应的纠正、增强、变换、滤波和分类等处理。
遥感(RS)技术是未来数字农业技术体系中获得田间数据的重要来源，它可以提供大量的田间时空变化信息。遥感技术在精准农业中的应用主要以下3个方面：一是作物长势及其背景的监测，运用高分辨率(米级分辨率)传感器，在不同的作物生长期实施全面监测，并根据光谱信息进行空间定性和定位分析，为定位处方农作提供依据；
二是作物冠层多光谱监测，利用地物光谱仪和多光谱相机获取的信息，监测叶绿素密度的变化，并分析其变化与养分的关系；
三是运用多光谱遥感信息(红外波段)，在有作物条件下监测土壤水分。
3 田间信息获取技术的现状和发展趋势3．1 土壤水分和养分信息获取技术国内外已开始研究采用各种不同的手段来获取土壤水分和养分信息。目前，除了一些传统的常规测量方法外，已尝试采用的较新的技术，包括遥感、计算机及网络和地面传感技术等。其中，实践较多的是以电子技术为支撑的地面信息传感技术和以空间技术为支撑的遥感信息采集技术。
土壤水分信息的获取相对于其他土壤养分更易掌握，因此对土壤水分测量方法的研究已经取得了显著成果。各种在线式的测量方法相继产生，如电阻法、时域反射法(TDR法)、频域反射法(FDR法)、中子散射法和近红外光谱法等。这些方法均有一定的局限性：一是电阻法的测量精度受土壤含水率的影响很大；
二是时域反射法在低频(≤20MHz)工作时较易受到土壤盐度、粘粒和容重的影响，而且价格比较高；
三是频域反射法的读数强烈地受到电极附近土体孔隙和水分的影响，特别是对于使用套管的FDR测量；
四是中子散射法虽然测量方法简单，但仪器设备昂贵，并且存在潜在的辐射危害。对于土壤养分信息(土壤中的N，P，K，pH值、有机质、含盐量和电导率)的获取技术，常规化学试验测量方法仍是现在土壤养分信息获取的主要手段。该方法具有破坏性和不及时性等缺陷，因此随着近红外光谱技术的不断完善和应用的广泛性，用近红外光谱技术来检测土壤养分已经成为国内外学者研究的重点。
近红外光谱法是根据水的红外吸收光谱来进行测量的，在红外区内，水的吸收波长为1 200，l 450，1 940和2 950nm，测量方式有反射式、透射式和反射透射复合式等几种。红外光谱水分仪具有无接触、快速、连续测量、测量范围大、准确度高和稳定性好等优点，适用于在线水分监测，但在测量自然物体时因表面不规则使得反射率不稳定，影响测量精度，需对样本做简单处理。
土壤其他养分信息的研究主要包括土壤中N，P，K，pH值、有机质、含盐量和电导率等信息的采集。现在，除了常规化学试验测量方法外，用近红外反射光谱法来测量土壤养分已成为国内外诸多学者研究的重点。Shibusawa等指出，用400～1 900nm波段来预测土壤湿度、pH值、土壤电导率和土壤有机质等，其相关系数从0．19变化到0．87 ；
李民赞研究了基于可见光光谱分析的土壤参数分析，在1 1O0， 1 350，1 398，2 210nm处建立了多元线性回归模型，相关系数为0．934 ；
于飞健等用近红外光谱法分析了土壤中的有机质和氮素 ；
He等对土壤电导率和常量元素的测量 ；
鲍一丹等应用光谱技术研究了土壤粒度和含水量对预测土壤氮含量的影响 。
3．2 作物长势的监测技术对农作物长势的动态监测可以及时了解农作物的生长状况、土壤墒情、肥力及植物营养状况，以便及时采取各种管理措施，保证农作物的正常生长。同时，可以及时掌握大风或降水等天气现象对农作物生长的影响，监测自然灾害或病虫害对作物产量造成的损失等，为农业政策的制订和粮食贸易提供决策依据。应用遥感技术可对大面积农作物的长势进行监测，其基本方法是利用覆盖周期短而面积大的NOAA卫星资料，对地面植被吸收的光谱信息和地面实际情况进行分析，并结合常规的方法和资料，建立作物监测模式，用以监测作物长势，发布苗情监测通报，指导农业生产¨ 。国际上，关于农作物生长状况遥感监测与估产有3个标志性的实验计划，即美国的LACIE计划、A—GRISTARS计划和欧盟的MARS计划。1974—1977年，美国农业部(USDA)、国家海洋大气管理局(NOAA)、美国宇航局(NASA)和商业部合作主持了“大面积农作物估产实验”，主要品种是小麦，地区范围是美国、加拿大和前苏联。1980—1986年，执行LACIE计划的几个部门又合作开展了“农业和资源的空间遥感调查计划”，其中包括世界多种农作物长势评估和产量预报。欧盟所属的联合研究中心遥感应用研究所通过实施“遥感农业监测”项目，即MARS计划，也成功地建成了欧盟区的农作物估产系统，并将结果应用于诸如农业补贴与农民申报核查等欧盟的共同农业政策。在农作物长势监测的方法上，国外科学家主要围绕适合大面积监测的NOAA—AVHRR的应用进行了多方面的探索，取得了许多突破进展¨卜”J。我国利用气象卫星监测作物生长状况的研究始于20世纪80年代中期，并应用气象卫星对农作物长势进行宏观监测的理论和方法进行了研究 。
3．2．1 作物根系信息监测技术作物根系信息基本上是通过图像识别的方法来得到的。例如加拿大产的ET一100根系生态监测系统，运用透明管材埋设在需要研究的根系周围，使用特殊图像捕捉系统对根系照相，然后借助专业根系分析系统对混合图像进行分析，从而跟踪了解其生长过程。
这种方法可以非破坏性地动态追踪分析根系形态因子，根系相关数据能够定量化，还可以根据用户需求监测土壤水分状况，从而研究根系所在区域内溶质运移及水分胁迫所引起的生理变化。该方法已广泛应用于园艺植物培养和作物生长模型研究等领域。
3．2．2 光合作用测定技术光合作用测定的一个例子是用叶室内装备最新的小型红外气体分析传感器(IRGA)，测量温度和光合有效辐射(PAR)的传感器接收信号，再用便携式微处理器控制叶室内的二氧化碳和水蒸汽浓度，并测量二氧化碳和水蒸汽交换。CIRAS一1植物光合测定仪根据精密测量叶片表面CO 浓度及水分的变化情况，来考察叶片与植物光合作用相关的参数，用以测量植物叶片的光合速率、蒸腾速率和气孑L导度等与植物光合作用相关的参数。
3．3 作物营养监测技术叶绿素是吸收光能的物质，对作物的光能利用有直接影响。叶绿素含量和作物的光合能力、发育阶段以及氮素状况有较好的相关性。由于叶绿素之间的含氮量和叶变化趋势相似，通常认为可以通过测定叶绿素来监测植株氮素营养。
叶绿素的常规测定使用分光光度计法，因为这种方法要进行组织提取和分光光度计的测定，所以既耗时间又对植被造成损伤。另外，从大田到实验室的运输和样本制备过程中很可能损失叶绿素，进而导致叶绿素含量发生变化 。
目前，应用较多的是一种日本生产的SPAD一502叶绿素仪。这种叶绿素仪的工作原理是采用两个不同波长的光源分别照射植物叶片表面，通过比较穿过叶片的透射光光密度差异而得出SPAD值。因此，SPAD值是一个无量纲的比值，与叶片中的叶绿素含量成正相关。在叶绿素仪应用的研究中，各研究者所采用的测定部位都大体相同，即作物生长前期取新展开的第一片完全展开叶作为测定部位，生长后期则取功能叶(小麦取旗叶和玉米取穗位叶)作为测定部位。
叶绿素仪在玉米株与株之间的测定值可能会相差15％ ，在同一片叶上不同位置的测定值也不同。一般认为，距离叶基部55％ 处的SPAD测定值较大，且偏差较小，是合适的测试位点。
便携式高光谱仪是一种非损伤性测定叶绿素的方法，它通过测定绿色植物叶片的反射率、透射率和吸收率来测定叶绿素含量，这决定了高光谱技术在植被叶绿素含量评价研究中具有不可替代的作用。国内外很多学者已经对作物氮元素的高光谱及光谱测量进行了研究，并且各种反射率比值及植被指数用于监测植物的氮素亏缺 1卜 。王人潮等利用叶绿素计和高光谱快速测定了大麦的营养状况，结果表明，可以通过光谱法来测定大麦的氮素水平¨ ；
IJi等应用反射光谱检测了茶叶的叶绿素含量 ；
方慧等应用光谱技术检测了油菜叶片中叶绿素含量¨ 。光谱监测提供了一种自动、快速和非损伤性的植物营养状态监测方法，并且田问不同处理之间的冠层光谱差异为高光谱和多光谱遥感大面积监测氮素营养提供了可行性。
3．4 作物冠层多光谱监测技术植物冠层光谱特性是植物光谱特性与背景土壤光谱特性的综合。随着植物冠层的发育，土壤光谱特性的作用逐渐下降；
在植物衰老时，土壤背景的作用又逐渐增大。一般叶面积指数(LAI)达到3左右时，冠层在可见光和中红外波段的光谱反射率基本稳定；
而在近红外波段，LAI达到5～6时，光谱反射率才能饱和。冠层光谱反射率还受太阳光入射角、双向反射、气溶胶和风速等诸多外部因素的影响。由于植物营养状况能影响叶面积、冠层形态和内在生理特征，而且不同营养元素的影响程度也不同，因此利用冠层光谱分析可以诊断植物营养状况。现代”精细农业”的一个非常重要的技术手段，就是利用遥感技术监测作物的营养状况与长势。与叶片光谱特性一样，氮素营养对冠层光谱特性影响的研究最为系统和深入。
随着氮素营养水平的提高，光谱反射率在可见光和中红外波段降低，而在近红外波段却增加。诊断水稻冠层氮素营养水平的敏感波段为760～900 nm，630～ 690 nm和520～550 nm。不同氮素营养水平下的冠层光谱反射率存在着明显差异，经植被指数转换后差异更为显著与稳定。因此，利用冠层光谱测试可以区分作物的氮素营养水平。
植物中磷钾营养水平与冠层光谱特性的关系研究较少见。总的来说，磷钾对光谱特性的影响不如氮明显。在水培和砂培条件下，不同磷钾水平的植物冠层光谱反射率存在显著差异，磷钾营养对冠层光谱特性的影响与氮的影响相似。随着磷钾营养水平的提高，可见光波段的光谱反射率下降，而在近红外波段却有明显增加。利用光谱分析，可区分3～5级的磷钾营养水平。在田间条件下，由于磷钾的缺乏不严重，有时结果不太一致。
还未见报导。由于它们对叶面积、生物量以及叶片叶绿素等生理生化性质的影响与大量元素具有相似性，预计中量及微量元素对冠层光谱特征的影响也具有相似性，但影响程度将会差异较大。
目前，在国外应用的一种田间便携式分光仪可以方便地检测作物的冠层反射系数。用数学方法将几个波长下得到的反射系数进行合并就可以得到作物的“光谱系数”，或称之为探测值。经过优化的光谱系数在作物的拔节期和抽穗期与作物的供氮状况密切相关。利用这种分光仪探测原理，并加以改进而研制的拖拉机机载探测施肥系统已经很成熟。它通过探测系统将作物冠层信息输入计算机，经处理得出作物的需肥情况，计算机通过协调拖拉机步进速度和DGPS(差分GPS)数据，在考虑探测器间距离和施肥区范围基础上控制施肥操作。
作物冠层反射和土壤背景辐射在红外胶片上为不同的辐射显影。照片经计算机处理后，每个像素的色度变化都可以表示出作物反射光线的情况，而作物反射光线特性的变化正是作物营养变化，特别是氮营养状况发生变化的结果。这样分析作物冠层照片就可以准确地分析作物的氮营养状况。Hansen等用高光谱反射分别对小麦的冠层生物量和氮含量进行了研究 ；
Daughtry等通过叶片和冠层反射率来预测玉米叶片的叶绿素含量 ；
冯雷等应用多光谱技术检测了油菜叶片中叶绿素含量 J。
3．5 作物病虫害诊断及杂草识别技术病虫害是影响农作物产量和品质提高的重要因子，及时、准确与有效地检测病虫害的发生时间和发生程度是采取治理措施的基础。
目前，用雷达监测飞性昆虫、孢子捕捉器监测一些作物病原菌、性信息素诱芯或诱饵监测田间鳞翅目害虫以及灯光诱集飞行趋光性昆虫等，都是利用有害生物的习性开发出的相对省工和省时的监测手段。
随着遥感和高光谱技术的广泛应用，用光谱和遥感技术来监测作物病虫害的研究也取得了一定的进展。
北京农业信息技术研究中心采用高光谱遥感监测小麦条锈病、白粉病和蚜虫，以达到大面积、快速、无破坏的病虫害监测和预测预报的目的。美国利用卫星遥感图片分析监测森林舞毒蛾扩散及危害程度，监测草地蝗虫危害等。中国科学院利用综合航空多光谱数字相机成像系统，监测蝗虫及主要棉花害虫。中科院还利用TM图像遥感监测东亚飞蝗的栖息地芦苇的植被指数和监测蝗灾的动态变化。北京农林科学院利用TM卫星图片监测麦蚜对冬小麦的危害。吴迪等应用光谱和多光谱技术对茄子和番茄的灰霉病进行了早期诊断识别 -27]。
随着人们环境保护意识的提高和对农药残留物的重视，对田间杂草清除的研究也逐渐受到许多学者的重视。杂草一作物区分的研究可分为3种：一是人工区分；
二是航空遥感技术；
三是光学传感器。人工区分目前是区分作物和土壤背景的最佳方法，但既费时又费力；
航空图片虽然可以在短时间内获得作物大范围的图像，但是研究表明杂草密度对图像的可视性有严重的影响 ；
基于地面多光谱传感器的研究使得对单种作物一杂草的研究有了进一步的进展 。。。
Borregaard等研究表明，杂草与作物在几何特征和纹理特征方面的区分率可以达到91％l3 。朱登胜等应用光谱技术结合神经网络模型使作物与杂草的识别率达到100％。
4 结术语田间信息采集技术的研究是实现数字农业的关键，而数字农业信息获取技术的产生与发展主要依赖于计算机技术、电子技术、卫星导航技术、遥感技术和传感器技术的迅速发展。发达国家以此技术为基础的农业机械已得到了广泛的应用，为我国农业机械现代化进程与农业高新技术的发展提供了可借鉴的思路和经验。数字农业信息获取技术在我国尚处于起步阶段，近几年内的研究也取得了进展。在田间信息采集技术的研究上，应以近中红外分析技术和遥感技术相结合的方法为重点，并加快研究步伐，从而为我国农业数字化进程提供技术支撑和装备。
