第22卷第1期2006年1月农业工程学报
T r ansactions of the CSA E V ol.22 N o.1Jan. 2006
罗锡文，臧 英，周志艳
(华南农业大学工程学院，广州510642)
摘 要：由于现代信息技术在农业中的应用，精细农业在世界范围内引起了广泛关注。快速有效地采集和描述影响作物生长环境的空间变量信息，是开展精细农业实践的重要基础。围绕土壤环境、作物产量分布、病虫草害及作物长势等信息采集技术的研究情况进行了阐述，指出了现有采集技术存在的优缺点，并在此基础上指出提高设备的采集精度和速度，开发研制产量监测系统、土壤环境信息快速测量仪以及多功能采集设备是近阶段的主要研究方向。关键词：精细农业；农情信息；信息采集 中图分类号:T P 274.2;T P 274.5 文献标识码:A 文章编号:1002-6819(2006)01-0167-07罗锡文，臧 英，周志艳.精细农业中农情信息采集技术的研究进展[J].农业工程学报,2006,22(1):167-173.
L uo Xiwen ,Zang Y ing ,Zhou Zhiy an .R esearch pr og ress in far ming info rmat ion acquisit ion techni
que fo r precision a gr icul-ture[J].T ransactio ns o f the CSAE,2006,22(1):167-173.(in Chinese w ith Eng lish abstr act )
收稿日期:2005-05-16 修订日期:2005-11-20
作者简介：罗锡文，教授，博士生导师，广州石牌五山 华南农业大学工程学院,510642。E mail:xw luo@scau.edu
0 引 言
精细农业是20世纪80年代初国际农业领域发展起来的一门新兴的跨学科综合技术。它是通过可变尺度的田块区别管理的方式，来确定经济、合理的投入，高效利用农业资源，从而获得经济、环境等方面最高回报的
一种管理策略和技术体系[1,2]
。其本质是基于农田小区内作物生长环境和产量差异性的变量管理，因此，快速有效地采集和描述影响作物生长环境的空间变量信息，是开展精细农业实践的重要基础。
农情信息主要包括地理环境、土壤环境、小气候、水环境、与作物生长状况相关的信息以及管理信息
等六大要素，具有量大、多维(信息多种多样)、动态、不确定(系统的噪声或随机噪声)、不完整、稀疏性、时空变异性强等特点。在精细农业研究中，目前优先需要考虑的是土壤水分、土壤养分、土壤压实、耕作层深度和作物病虫草害及作物苗情分布信息等，要求能够定位、快速、精确、连续地测量。传统的实验室分析方法已很难满足这一要求，为此，需要开发适用于精细农业的农田信息快速采集技术。目前，农情信息快速采集技术的研究落后于支持精细农业的其他技术(如产量传感器技术等)的发展，已成为国际上众多单位研究的重要课题[1]。
本文主要对土壤环境、作物产量分布、病虫草害及作物长势等信息采集技术的研究情况进行分析，并提出今后进一步开展农情信息采集技术研究的方向。
1 土壤环境信息获取
目前，国内外开展精细农业的实践研究，大多是从研究农田土壤特性的空间变异性开始的，研究内容主要集中在土壤养分(N 、P 、K 、SOM 等)、
土壤水分、电导率、pH 值、
耕作阻力(圆锥指数)与耕作层深度等要素的快速采集方面。1.1 土壤养分
土壤养分的快速测量一直是精细农业信息采集技
术的难题。目前采用的测量仪器主要有3类[1]
：一是基于光电分等传统养分速测技术基础上的土壤养分速测仪，国内已有产品投入使用，其稳定性、操作性和测量精度虽然尚待改进，但对农田主要肥力因素的快速测量具有实用价值。河南农业大学开发的便携式YN 型土壤养分速测仪[3]，相对误差为5%～10%，尽管每个项目测试所需时间仍在40～50min 之间，但较传统的实验室化学仪器分析在速度上提高了20倍；二是基于近红外技术(NIR)通过土壤或叶面反射光谱特性直接或间接进行农田肥力水平快速评估的仪器，已在试验中使用，如Hum mel 等[4]通过NIR 土壤传感器测量土壤在1603～2598nm 波段的反射光谱，预测土壤的有机质和水分含量，测量相对误差分别为0.62%和5.31%；三是基于离子选择场效应晶体管(ISFET )集成元件的土壤主要矿物元素含量测量仪器，在国外已取得初步进展,
S .J .Birrell 等[5]
研究的ISFET /FIA 土壤分析系统，可以在1.25s 的时间内完成土壤溶液硝酸钠浓度的分析，基本上可以满足实时采样分析的要求。1.2 土壤水分
土壤水分是土壤的重要组成部分，土壤水分的测量是精细农业中实施节水灌溉的基础。土壤水分传感器技术的研究与发展直接关系到精细农业变量灌溉技术的研究与发展。目前，土壤水分传感器的种类很多，根据其测量原理不同，土壤水分的测量方法可分为[6]:
1)基于时域反射仪(TDR )原理的测量方法
该方法目前在国际上比较流行，且在技术上较为成熟，已有商业化产品，仪器探头长度15～70cm ，精度可达98%。当前主要问题是降低生产成本。目前，中国土壤水分的测量研究主要是在TDR 基础上开发经济实用的基于驻波比、频域法原理、近红外技术的快速测量
167
仪[1]。最常用的快速水分信息采集仪器有SWR型土壤水分传感器[7]。裘正军等[8]针对精细农业中节水灌溉的需要，采用SWR-2型土壤水分传感器，研制了基于GPS定位的土壤水分快速测量仪，并通过GIS软件生成农田的墒情图，但尚未实现实时在线测量。
2)基于中子法技术的测量方法
中子土壤水分计能及时采集数据，不扰动被测土壤，测量深度不限，田间操作简单，携带方便。高国治等[9]根据不同领域对实际测量的具体要求，开发了智能化中子土壤水分计。但该方法测定结果与传统方法测定结果之间存在一定差异，而且土壤表层因中子外溢问题使土壤水分含量的测定值偏差较大。
3)基于土壤水分张力的测量方法
该方法的特点是产品价格低，但测量响应速度较慢。
4)基于电磁波原理的测量方法
采用该方法的土壤水分传感器测量精度可达98%，且响应速度快，产品成本也较低，适用于便携式田间土壤水分采集，但该方法测量结果受土壤密度的影响比较大。
1.3 土壤电导率
土壤学的研究结果表明，土壤电导率能不同程度地反映土壤中的盐分、水分、有机质含量、土壤质地结构和孔隙率等参数的大小[10-12]。有效地获取土壤电导率值，对于确定各种田间参数时空分布的差异具有一定意义。快速测量土壤电导率的方法有[13]:
1)电流-电压四端法
该方法属于接触式测量方法，虽为接触测量但却不需要取样，基本不用扰动土体，而且在作物生长前和生长期间都可以实现实时测量，可测量不同深度的土壤电导率。但要求土壤和电极之间接触良好，在测量干或多石土壤电导率时可靠性差。李民赞等人[14,15]开发了一种基于电流-电压四端法的适合中国较小地块应用的便携式土壤电导率实时分析仪。试验结果表明，不仅可以满足大田裸地实时测量要求，也可以适应作物生长期和设施栽培中的实时测量；在Schlumber ger组态(a= 15,b=30)结构下，传
感器可获得最高的测量精度；非线性回归建模结果还显示幂函数模型具有最优的预测结果，测定精度达到0.994，模型的常数项与传感器结构有关，乘幂项则不随传感器结构参数变化，而受土壤质地、土壤密度等因素的影响需要通过田间试验进一步验证。Carter,Rhoades等人[16]开发了车载式电流-电压四端法测量土壤电导率的测量设备，但它只适于大块田地使用，而且只能在作物种植前测量。
2)基于电磁感应原理的测量方法
该方法属于非接触式测量方法，测量精度高，可测量不同深度的土壤电导率，但测量深度不如电流-电压四端法容易确定。M yers等[17]利用电磁感应的方法实现了电导率的非接触式检测，该传感器与土壤生产力指数联系起来，能综合反映土壤容重、持水量、盐度、pH 值等参数。Car ter,Rhoades等人[16]开发了车载式基于电磁感应原理测量土壤电导率的测量设备，可在作物生长期进行测量。
3)基于时域反射仪原理的测量方法
该方法测量精度高，可在同一点连续自动测量。但由于是点对点测量，绘制的土壤电导率图空间分辨率比上述两种方法低。
1.4 土壤pH值
土壤pH值检测大多采用pH试纸或pH玻璃电极，前者只能定性检测，后者不能在线测量，因此，这两
种方法均无法满足精细农业对农情信息获取技术的要求。目前适合精细农业要求的方法有光纤pH值传感器和pH-ISFET电极。其中光纤pH值传感器虽然易受环境光干扰，但在精度和响应时间上基本能满足田间实时快速采集的需要。现已研制出适用于pH1～14范围内不同区间pH测量的光极，测量精度可达±0.001个pH单位，响应时间短，可进行连续、自动测量。如：张靖等[18]研究的以多孔聚合物为载体的光纤pH值传感器，可将pH值测量的平衡时间缩短到1.3s；据荆淼等[19]报道,Kopelman等研制的亚微米光纤pH传感器可以在很少量的样品内进行pH测量，并且响应时间达到毫秒级。基于pH-ISFET电极测量的方法具有良好的精度和较短的响应时间，美国利诺公司(Leeds& Nor thrup)的Durafet pH电极，在2.8个pH单位的范围内变化时，其稳定响应的时间在1s左右[20]。但基于pH-ISFET电极测量的方法易受温度影响，需要温度补偿，且电极的寿命较短，在田间实时快速采集时要加以注意。
1.5 土壤耕作层深度和耕作阻力
圆锥指数CI(Cone Index)可以综合反映土壤机械物理性质，研究表明，它可用以表征土壤耕作层深度和耕作阻力[21]。
圆锥指数CI是用圆锥贯入仪(简称圆锥仪)来测定的。圆锥仪的研制工作不断发展，从手动贯入到机动贯入，从目测读数到电测记录，出现了多种多样的圆锥仪。美国研制成功了空投圆锥仪，德国正准备利用卫星测定土壤的CI值[22]。中国最初都是采用先从现场采样再在室内进行试验的方法。20世纪70
年代初，中国农机部门研制了SR-2型土壤贯入仪[23]。南京工程兵学院于1981年研制成功工兵圆锥仪Ⅰ型。1984年，该学院又研制出工兵圆锥仪Ⅱ型。这两种仪器质量轻、结构可靠、使用方便，但仍采用手动贯入，目测读数的方式。华中农业大学和武汉工学院研制的圆锥指数仪采用转动手柄推动圆锥贯入和滚筒自记的方式。1985年，华南农业大学研制成功了电测圆锥、剪切仪。1987年，又对圆锥仪部分进一步进行了改进，这种电测圆锥仪采用单板计算机进行采样、分析、计算和打印，在圆锥指数的自动记录方面前进了一大步。但贯入方式仍采用手动的方法，影响圆锥指数的测量精度。滚筒记录方式虽然解决了自记的问题，但整理记录曲线的工作量仍很大。1996年，罗锡文等[24]研制了一种以电动机为贯入动力，用微型计算机(IBM PC/XT)控制、记录和处理数据的机械式电测
168农业工程学报2006年
圆锥仪，可保证贯入速度均匀，减少对测量精度的影响，该仪器可用于室内土槽、野外土壤的测试，但仍是逐点测量，尚未实现连续测量。
2 作物产量分布信息采集技术
作物产量是众多影响作物生产因素综合作用的结果，是变量作业管理的重要依据[25]。获取作物产量信息，建立产量分布图，是实现作物生产过程中科学调控投入和制定管理决策措施的重要基础，也是实施精细农业的先决条件。
在精细农业研究中，国外已商品化的产量监视系统产品集中于谷类作物收获机械方面，主要有[26]美国CASE IH公司的AFS(Adv anced Farm ing System)系统，英国AGCO公司的FieldStar系统，美国John Deree公司的Greenstar系统，美国AgLeader公司PF (Precision Farming)系统及英国RDS公司的产量监测系统等。这些系统都具有功能较强的GIS综合功能，能自动完成产量监测和生成产量分布图。中国对谷物产量测产系统的研究才刚刚起步，目前还没有商品化谷物产量监测系统产品。
谷物流量传感器是整个测产系统的核心，目前应用的谷类作物产量传感器主要有冲量式流量传感器、 射线式流量传感器及光电式容积流量传感器。
1)冲量式流量传感器
冲量式流量传感器基于冲击原理，当谷物流冲击感力板时会改变运动方向，造成冲量的变化，在感力板上反映为力的变化，检测该变化即可得到谷物流量值。该测量方法的精度取决于集谷搅笼的速度、谷物类型和粮食的湿度。动态试验表明，该方法测量精度达96%。由于冲量式流量传感器结构简单，使用安全，测量精度较高，被认为是较实用的传感器类型。
2) 射线式流量传感器
射线式流量传感器虽然可以得到较高的测量精度，但是由于它造价高，且对操作者的人身健康可能造成潜在伤害，限制了其推广。
3)光电式容积流量传感器
光电式容积流量传感器直接测量谷物的容积流量，但测量结果受谷物密度、含水率、机器倾斜度、探头污染等的影响，需经常清洗和标定，性能不稳。测量误差为±3%。
影响产量的另一主要因素是谷物水分，因此谷物水分传感器也是测产系统的重要组成部分。常见的谷物水分传感器有电阻式、电容式、红外式、微波式和中子式传感器。
1)电阻式水分传感器
电阻式水分传感器已利用于谷物等固体物料的水分连续测量，其特点是结构简单，价格便宜，但对低水分或高水分测量不准，对被测物料的接触状态要求较高。
2)电容式水分传感器
电容式水分传感器是使用较广泛的一种测水装置，其结构简单，易于进行连续测水，但测量精度不高，稳定性差，不同品种谷物对测量的影响较明显。
3)红外式水分传感器
红外式水分传感器为非接触测量形式，易于快速连续测量水分，但因受被测物料的形状、大小、密度的影响，不能测量物料内部水分。
4)微波式水分传感器
微波式水分传感器优点是灵敏度高，非接触测量，可实现快速连续测定，其缺点是受被测物料的形状、密度的影响，不能测量物料内部水分。
5)中子式水分传感器
中子式水分传感器是非接触式测量，对动态物料可进行快速连续测量，并能测量物料内部水分，不受被测物料的形状、密度、水的形态影响。
3 病虫害、杂草识别
目前，病虫草害信息的自动快速采集主要是基于计算机图像处理和模式识别技术，以研究作物植株的根、茎、冠层(叶、花、果实)等的形态特征作为诊断判读的目标。主要分析方法有：光谱特征分析法、纹理特征分析法、形状特征分析法等。用于识别的图像有普通的灰度图像、彩图像、光谱图像和遥感图像等。在宏观上大尺度病虫草害板块信息的快速采集多采用遥感图像的分析处理，而小区内病虫草害的精确定位识别主要借助于机器视觉识别方法。
3.1 杂草识别
Yonekaw a等人[27]和Franz等人[28]采用形状特征分析法，利用作物冠层的形状特征因子(紧密度、圆度、伸长度、叶状度、粗糙度、叶片边缘的弯曲率等)进行杂草的识别研究，该方法分类识别效果较好，且识别效率高，基本能满足田间在线实时识别时对响应速度的要求，但未能很好地解决叶片相互遮挡造成识别率下降的问题。Burks[29]、Tang[30]及Wang等人[31]采用光谱特征分析法，通过植物的光谱反射特性进行杂草的识别研究，该方法效率高，可以满足田间在线实时识别时对响应速度的要求，但干扰因素多，对设备要求高，且设备昂贵。纪寿文等[32]根据叶片的投影面积、叶长、叶宽等特征量，研究了玉米苗期田间杂草识别方法，该方法能滤除土壤背景，识别出玉米苗期田间细长的单子叶杂草，测量精度达到80%以上，但易受光照等外因的影响，离实际应用尚有距离。王月青等[33]研究了麦田杂草的实时识别系统，根据分割的图像统计杂草的密度，基本达到了对杂草进行实时探察的目的，但对杂草识别精度没有进行深入的试验研究。Goel等[34]利用航空遥感技术，对玉米和大豆地里的杂草进行了光谱分析，发现位于红外区(675.98～685.17nm)和近红外区(743.93～830.43nm)的反射率对识别玉米地里的杂草最有效，而只有位于近红外区(811.40nm)的反射率对识别大豆地里的杂草有效。
3.2 病虫害识别
利用基于SOM和多层感知的神经网络技术进行小麦叶面的黄萎病害识别，分类精度达到99%[5]，但该
169
第1期罗锡文等：精细农业中农情信息采集技术的研究进展
识别算法的实时性还需要进行进一步的试验研究验证。陈佳娟等[35]根据棉花叶片的孔洞及叶片边缘的残缺，进行了棉花受虫害程度的自动测定研究，测定精度可达95%。田有文等人[36,37]根据植物病害的颜特征，采用统计模式识别的方法，对植物病害斑块进行了识别研究，根据植物病害的纹理特征，提出将支持向量机和度矩分析方法应用于病害斑块的识别，该方法处理速度较快，准确度高，但未考虑田间复杂的环境干扰因素，其实用性尚需进一步验证。马骏等[38]应用数学形态学算法进行植物病虫识别，采用膨胀和腐蚀快速算法用于提取病虫骨架特征。根据不同种类病虫骨架的几何矩特征，通过神经网络进行病虫分类识别。试验结果表明，这种基于数学形态学和神经网络的植物病虫识别方法正确识别率高，识别速度快，适合于植物病虫种类的识别，但对病虫害程度则无法进行分类识别。M.Zhang等[39]利用多光谱遥感图像进行西红柿作物的病虫害检测。试验结果表明，近红外波段区(0.7～1.3 m)比可见光波段在监测作物病虫害方面更有意义，在0.7～0.9 m 波段对监测西红柿晚期枯萎病效果显著，但目前研究方法仅局限棚内试验阶段，有待通过田间试验进一步完善。Malthus等[40]用地物光谱仪研究大豆受蚕豆斑点葡萄孢感染后的反射光谱，发现其一阶导数反射率比原始的反射率要高，可用来监测病虫害的感染发生情况，但无法进行病虫害程度的识别。黄木易等[41,42]对冬小麦条锈病光谱特征进行了研究，结果表明在条锈病害田间病叶率为5%时的最佳防治时期内，高光谱
可以对冬小麦条锈病害做出早期诊断。利用多时相的高光谱航空图像可以快速、大面积的监测冬小麦条锈病病害程度，但对病虫害的诊断性探测、评估还需要进行进一步的研究。
4 作物长势信息采集
作物长势信息是调控作物生长、进行作物营养缺素诊断、分析和预测作物产量的重要基础和根据。目前作物长势信息采集技术方面的研究主要集中在以下两方面:
一是从宏观角度利用RS遥感的多时相影像信息研究植被生长发育的节律特征[43]。目前，国内外许多学者已涉足高光谱遥感在植被生物物理和生物化学信息提取方面的研究，但大部分还停留在从光谱信息反演作物冠层生化参数这一步[44]。杨敏华等[45]以国产机载成像光谱数据为基础，依据田间同步采样数据的光谱响应，建立了小麦冠层理化参数估计模型，实现了航空高光谱遥感田间小麦冠层理化参量的整体反演。国家农业信息化工程技术研究中心联合中国科学院遥感应用研究所利用OM IS(Operative M odular Imaging Spectro meter,128个波段)和pHI(Push-br oom Hy per spectral Im ag er,244个波段)在北京小汤山国家精准农业示范基地进行了农业遥感试验，并在农作物冠层生化参数反演研究方面取得一定的进展，进一步证明了高光谱遥感在农田信息提取中的巨大前景[46]。
二是在区域或田块的尺度上，近距离直接观测分析作物的长势信息。目前比较有代表性的采集方法有:
1)根茎的测量：传统的方法有钉板法、容器法、同位素测定法、地下根室法、基于计算机视觉技术的离土取样扫描分析法等。罗锡文、周学成等[47]提出了基于多层螺旋CT技术的根系原位形态的可视化研究方法，并进行了试验研究，为准确、快速、无损地实现植物根系原位形态的定性观察和定量测量提供了新思路。
2)植株高度测量:Searcy和Beck[48]利用安装在机械手上的红外光束传感器实现了实时估测棉花活体植株的高度。高巍等[49]采用40kHz超声波测量作物高度，可用于多种农业机械的自动调节系统、自动采摘机器手爪、农业机器人的控制系统、作物生长情况监测等方面，但该装置存在测量误差较大、采集数据点少、不适合室外田间实时批量采集等问题。
实时监控系统3)植物生理信息：白广存等[50]对植物生理信息采集处理系统进行了研究，选用微电极传感器，实现了植物电位信号的多点采集；应用微电极传感器和恒流源技术，实现了植物电阻信号的多点采集；采用微重量传感器，实现了植物蒸腾量和蒸腾速率信号的采集；应用红外线气体分析传感器，实现了光合速率信号的采集。
4)作物水分胁迫指数(CW SI)：王卫星等[51]以柳叶菜心为研究对象，利用红外测温仪、土壤含水量传感器等采集不同条件下的土壤含水量、空气温湿度和冠层温度等参数，以确定作物缺水指数经验模型的参数，并针对太阳辐射强度对模型做了改进，研制了蔬菜旱情检测系统，可实时测得田间作物的水分亏缺状态。
5)营养缺素胁迫:Anom等[52]开发的实时检测分光光度计，用于作物水分、病害、盐度、营养缺素等胁迫指数分布的在线测量;Ahmad等[4]用基于DGPS的叶绿素检测仪对玉米的氮素胁迫分布进行了研究。李云梅[53]利用美国ASD(Analytical Spectral Device)公司的Fieldspec光谱仪，对水稻冠层二向反射特性进行了研究，总结了水稻冠层二向反射率随不同氮素水平而变化的规律，并集成了植被光谱模拟系统，通过输入冠层二向反射率等参数，可反演出作物的冠层结构参数和叶片生物化学含量，对监测水稻长势及预测产量很有意义。王人潮等[54]对水稻氮素营养水平与光谱特征的关系进行系统深入的研究，通过光谱测定及其变换运算，可以区分水稻的不同氮素营养水平。赵春江等人[55]开发的归一化差异植被指数(NDVI)仪，在近红外和红光两个特征波段，通过对太阳入射光和植被的反射光进行探测，得到NDVI值，反演出叶面积指数、植被覆盖度、发育程度、生物量等指标，可以对作物长势、营养诊断等方面作出评估。
5 农情信息采集系统
目前，国外已经出现了一批商品化的农情信息采集软硬件产品，软件设计功能强大，尤其是在图形处理、可视化分析方面技术比较成熟，硬件设计上考虑到系统应用的实际环境，可满足机载或徒步采集的不同要求[56]。
170农业工程学报2006年
如Tr im ble公司的Ag160Portable Com puter可用于田间徒步的定位数据采集，它具有数据采集、田间绘图、预定义模式导航及指导土壤采样的功能，能实现田间成图，并现场记录各种作物及其生长环境属性信息和各种田间环境传感器的信息，所有数据能通过ESRI的Shape文件格式与外界的GIS分析软件进行信息交换。Field Wor ker公司[50]的基于掌上电脑的Field Wor ker 信息采集软件能实时采集带有空间位置属性的田间作物生长状态信息，并能进行相应的计算处理，为作物管理提供科学依据。
国内基于GPS和GIS的农情信息定位采集系统的研究较国外起步晚，多数还处于手工采集阶段。目前，一些科研院所正积极着手开发适于中国国情的农情信息采集系统，主要有:
1)以单片机为核心进行开发，结合GPS技术实现对某几个农情信息要素(如土壤水分、养分、电导率等)的定位测量，然后将采集的信息在GIS平台上进行事后管理和分析，这类设备功能简单、实用、开发成本较低，但功能过于专一。
2)在便携式计算机上进行开发，可实现大量农情信息现场快速采集及可视化分析处理。目前已开发了能够实现农情信息采集的通用型软件，如中国农业大学开发的基于便携式计算机的农用GPS数据采集系统，具有GPS数据接收、存储、坐标转换、定位采样和平行导航等基本功能，初步实现了对农田信息的半自动化采集。但便携式计算机存在体积和质量较大、强光下操作不便等问题[56]。
3)基于掌上电脑的嵌入式农情信息采集系统的开发。该系统体积小、功耗低、功能强、可靠性高。如
饶晓燕等[57]利用桑夏HC200O(863HC)开发了基于掌上电脑的GPS数据采集器，把PDA(Personal Digital Assis-tant)技术与农用GPS结合起来，实现了数据采集、存储等基本应用功能，体积小，携带方便，但由于CPU速度、存取容量，操作系统等方面的限制，应用程序开发仍然受到一定程度的影响。随着掌上电脑的快速发展，其相关的技术也在不断成熟，开发基于掌上电脑的农情信息采集系统必将成为今后的主要发展方向。
6 结 语
综上所述，关于农情信息采集技术，在研究内容方面，最为热门的是土壤环境信息的采集与处理，其次是作物的长势及病虫草害等相关的信息；在时效性方面，大多基于传统的物理原理，现场手工采集与事后实验室分析相结合，能够实现现场快速实时自动采集的报道较少；在采集设备的综合性能方面，一个要素对应一种采集设备的单一功能模式是主流，基于多源信息融合、能消除数据冗余、增强数据互补、集多种要素于一体的多功能采集设备，尚处于酝酿研究当中。
纵观国内外农情信息采集技术的研究状况，近阶段重点在以下几个方面开展研究:
1)结合新的物理原理及学科移植的方法，把相关领域的新理论和新技术融合到农情信息的采集技术研究中，提高设备的采集精度和采集速度。
2)重点开展联合收获机械测产系统以及土壤环境信息快速测量仪器的研究与产品开发。
3)开发集多种测量要素于一体的多功能采集设备，以提高数据采集效率，降低数据采集的成本。硫酸钙晶须
[参 考 文 献]
[1] 汪懋华.“精细农业”发展与工程技术创新[J].农业工程学
报,1999,15(1):1-8.
[2] 朴献淑，马成林.精准农业—一种全新的农业生产管理技
术[J].农业机械学报,1999,30(5):112-118.
[3] 胡建东，段铁城.便携式土壤养分速测仪技术研究[J].现
代科学仪器,2002,(4):27-30.
[4] Hummel J W,Sudduth K A,Holling er S E.So il mo isture
and o rg anic mat ter pr edictio n of sur face and subsur face
so ils using a N IR sensor[J].Computers and Electro nics in A g riculture,2001,32:149-165.
[5] Bir r ell S J,Hummel J W.Real-t ime multi I SFET/FI A
so il analy sis sy st em with automat ic sample ex tr act ion[J].
Co mputer s and Elect ro nics in A g riculture,2001,32(1):45
-67.
[6] 张小超，王一鸣，方宪法，等.精准农业的信息获取技术
[J].农业机械学报,2002,33(6):125-128.
[7] 孙宇瑞，汪懋华.一种基于驻波比原理测量土壤介电常数
的方法[J].农业工程学报,1999,15(2):37-41.
[8] 裘正军，何 勇，葛晓峰，等.基于GPS定位的土壤水分快
速测量仪的研制[J].浙江大学学报,2003,29(2):135-
138.
[9] 高国治，林家滨，卢介荣，等.农用中子土壤水分计的智能
化研究[J].江苏农业学报,1994,10(4):39-41.
硬质合金加工[10] L i M,Sasao A,Shibusaw a S,et al.Lo cal var iability of
soil nutr ient par ameter s in Japanese small size field[J].
Jour nal of the Japanese So ciety o f Ag r icultur al M achin-
ery(in Japanese),1999,61(1):141-147.
[11] 李子忠，龚元石.农田土壤水分和电导率空间变异性及
确定其采样数的方法[J].中国农业大学学报,2000,5
(5):59-66.
破坏一号发电机[12] Sudduth K,Dr ummo nd S,K it chen N.A ccur acy issues
in electr o magnetic induct ion sensing of so il electr ical
conductivit y fo r precision ag riculture[J].Co mput ers and
Elect ro nics in A g riculture,2001,31:239-264.
[13] D.L.Cor w in,S.M.L esch.A ppar ent so il electr ical
conductivit y measurements in ag r icultur e[J].Computer s
and Electr onics in A gr icultur e,2005,46:11-43.
[14] 李民赞，王 琦，汪懋华.一种土壤电导率实时分析仪的
试验研究[J].农业工程学报,2004,20(1):51-55. [15] 王 琦，李民赞，汪懋华.便携式土壤电导率测试系统的
开发[J].中国农业大学学报,2003,8(4):20-23. [16] Car ter L M,Rho ades J D,Chesson J H.M echanizatio n
of so il salinit y assessment for mapping[R].A SA E Paper
N o.931557,A SA E Winter M eeting s,Chicago,IL.
黑猎蝽A SA E,St.Jo seph,M I,U SA,1993.
[17] M y ers D B.Kitchen N R,M iles R J,et al.Estimatio n
of a so il pro ductiv ity index o n caly pan soils using soil
lect rical conductivit y[A].P ro ceeding s o f the Fift h I nt er-
171
第1期罗锡文等：精细农业中农情信息采集技术的研究进展
nat ional Co nference o n Pr ecisio n A gr icultur e(CD)[C].
Bloo ming ton,M N,U SA,2000.
[18] 张 靖，李先立.光纤pH计的设计[J].环境科学与技术,
1999,(84):46-49.
[19] 荆 淼，李 伟，庄峙厦，等.光纤化学pH传感技术的现
状和进展[J].传感技术学报,2002,(3):263-267. [20] 贡 献.离子敏场效应晶体管pH电极[J].分析仪器,
1995,(4):44-47.
[21] 张利民，罗锡文.差分GP S定位技术在土壤耕作阻力测量
中的应用[J].农业工程学报,1999,15(4):35-39. [22] BekkerM G.地面-车辆系统导论[M].《地面-车辆系统
导论》翻译组译.北京：机械工业出版社,1978:1-16. [23] 陈秉聪.土壤-车辆系统力学[M].北京：中国农业机械
出版社,1981.
[24] 罗锡文，陈爱新.计算机控制的土壤圆锥仪[J].华南农业
大学学报,1996,17(3):1-6.
[25] L ars T hy len,Do nal P L M ur phy.T he contr ol o f er ro rs
in momcntr y y ield data fr om co mbine harv est ers[J].
Jo urnal of A gr icultur e Eng ineering Resear ch,1996,64:
271-278.
[26] 张 漫.农田谷物产量空间分布信息采集、处理与系统集
成技术研究[D].北京：中国农业大学,2003.
[27] Yo nekawa S,Sakai N,K ita ni O.Identificat ion of ideal-
ized leaf types using simpled imensionlesss hape facto rs
by im age anly sis[J].T r ansactio ns of the A SA E,1996,
39(4):1525-1533.
[28] Fr anz E,G ebhar dt M R,U nklesbay K B.Shape descr ip-
tio n o f co mpletely visible and par tially occluded leav es fo r
ident ifying plants indig it al imag es[J].T ransactio ns of
the A SAE,1991,34(2):673-681.
[29] Bur ks T F,G ates R S,Shear er S A.Back pr opagat ion
neur al net wo rk desig n and ev aluation fo r classify ing w eed
species using color imag e tex tur e[J].T ra nsactio ns o f the
A SAE,2000,43(4):1029-1037.
[30] T ang L,T ian F,Stew ar d B L,et al.T ex ture based
weed cla ssificatio n using gabo rw avelets and neura l
netwo rk fo r r eal-time selectiv e herbicide application[A].
A SAE paper.St Joseph M ich,1997.
[31] Wang N,Zhang N,D ow ell F E,et al.Desig n o f an
optical w eed sensor using plant spectr al character istics
[J].T r ansa ct ions of t he A SA E,2001,44(2):409-419.
[32] 纪寿文，王荣本，陈佳娟，等.应用计算机图像处理技术识
别玉米苗田间杂草的研究[J].农业工程学报,2001,
(17):154-156.
[33] 王月青，毛文华，王一鸣.麦田杂草的实时识别系统研究
[J].农机化研究,2004,(11):63-68.
[34] Go el P K,Pr asher S O,Patel R M.U se of air bo rne
multi-spect ral imag ery for w eed detectio n in field cro ps
[J].T r ansa ct ions of t he A SA E,2002,45(2):443-449.
[35] 陈佳娟，纪寿文，李 娟.采用计算机视觉进行棉花虫害
程度的自动测定[J].农业工程学报,2001,17(2):157-
160.
[36] 田有文，李成华.基于统计模式识别的植物病害彩图像
分割方法[J].吉林大学学报,2004,34(2):291-293. [37] 田有文，张长水，李成华.基于支持向量机和度矩的植
物病害识别研究[J].农业机械学报,2004,35(3):95-
98.[38] 马 骏，王建华.一种基于数学形态学的植物病虫识别方
法[J].深圳大学学报(理工版),2004,21(1):72-75. [39] M ing hua Zhang,Zhihao Q in,Xue L iu,et al.Detectio n
of str ess in to mato es induced by late blig ht disease in
Califor nia,U SA,using hy per spectr al r emot e sensing
[J].Inter na tio nal Jour nal of A pplied Ear th O bserv atio n
and G eoinfo r matio n,2003,(4):295-310.
[40] M althus T J,M a der ia A C.Hig h r eso lution spectr or a-
diometr y:spectr al reflectance of f ield bean leaves infect-
ed by botr yt is fabae[J].Remo te Sensing of Envir on-
ment,1993,45:107-116.
[41] 黄木易，王纪华，黄文江，等.冬小麦条锈病的光谱特征及
遥感监测[J].农业工程学报,2003,19(6):154-158. [42] 刘良云，黄木易，黄文江，等.利用多时相的高光谱航空图
象监测冬小麦条锈病[J].遥感学报,2004,8(3):275-
281.
[43] 沙宗尧，边馥苓.“3S”技术的农业应用与精细农业工程
[J].测绘通报,2003,(6):29-32.
[44] 赵春江，薛绪掌，王 秀，等.精准农业技术体系的研究进
展与展望[J].农业工程学报,2003,19(4):7-12. [45] 杨敏华，刘良云，刘团结，等.小麦冠层理化参量的高光谱
遥感反演试验研究[J].测绘学报,2002,31(4):316-
321.
[46] 杨敏华.面向精准农业的高光谱遥感作物信息获取[D].
北京：中国农业大学,2002.
[47] 罗锡文，周学成，严小龙，等.基于XCT技术的植物根系
原位形态可视化研究[J].农业机械学报,2004,35(2):
104-107.
[48] Sear cy S W,Beck A D.R eal time assessment of co tto n
plant height[A].Pr oceedings of F ift h I nt ernational
Confer ence o n P recisio n A gr iculture(CD)[C].
胃电图仪Blo oming ton,M N,U SA.2000.
[49] 高 巍，陈 进，李耀明.作物高度自动测量装置的研制
[J].农机化研究,2004,(4):114-116.
[50] 白广存，娄成后，王忠义，等.植物生理信息采集处理系统
及应用[J].现代科学仪器,1995,(4):27-28.
[51] W ang Weix ing,L uo Xiw en,Ou Y ing gang,et al.
Pr eliminar y Research o n M o del for deter mining Cro p
W ater Stress Index of F lo w ering Chinese Cabbag e based
on Cano py T emper ature[J].T ra nsactio ns of the CSA E,
2003,19(5):47-50.
[52] A nom S W,Shibusaw a S,Sasa o A,et al.Soil par ame-
ter maps using the r eal-time spectr ophoto meter[A].
Pr o ceedings of Fift h Inter natio nal Co nference o n
Pr ecisio n A gr icultur e(CD)[C].Bloo ming ton,M N,
U SA.2000.
[53] 李云梅.水稻BR DF模型集成与应用研究[D].杭州：浙江
大学,2001.
[54] 王人潮，黄敬峰.水稻遥感估产[M].北京：中国农业出
版社,2002.
[55] 赵春江，刘良云，周汉昌，等.归一化差异植被指数仪的研
制与应用[J].光学技术,2004,30(3):324-326,329. [56] 刘 卉.基于GP S技术的农田信息采集系统的现状及展
望[J].全球定位系统,2002,(5):33-36.
[57] 饶晓燕.基于掌上电脑的GPS数据采集器的开发[D].北
京：中国农业大学,2002.
172农业工程学报2006年
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议