本文档属于类型a，即报告了一项原创研究。以下是该研究的学术报告：
作者及研究机构
本研究的作者包括于铁龙（七星农场智慧农业农机中心）、杨兰（北京师范大学政府管理学院）、张婷婷（中国科学院空天信息创新研究院）、刘龙、宫华泽、包永辉（北京麦飞科技有限公司）。该研究发表于《中国农业文摘·农业工程》2022年第6期。
学术背景
近年来，中国农业面临资源短缺、传统种植模式低效、规模化程度低等问题，导致小型农户“扎堆”、市场价格波动剧烈、农产品安全无法保障等挑战。为应对这些问题，2019年发布的《数字农业农村发展规划（2019-2025年）》提出了农业农村数据采集体系的建设目标，强调通过数字化手段提升农业生产管理信息化水平。数字农业作为一个系统工程，通过数字化手段对传统农业技术进行优化，能够提升农田产量、降低成本、优化产品结构，并实现精准管理和资源可持续发展。高光谱遥感技术凭借其高光谱分辨率、信息量大、谱段连续性强等优势，在精细化农业领域得到了广泛应用。然而，现有的水稻高光谱监测模型多为静态统计模型，缺乏普适性和动态性。因此，本研究旨在研发一种基于无人机遥感平台的近地空农情遥感精准监测系统，以实现水稻全生育周期的精准监测和数字化管理。
研究流程
本研究分为以下几个步骤：
1. 项目区概况：研究在黑龙江七星农场进行，该农场是国家重要的商品粮生产基地，地处三江平原，气候为寒温带大陆性季风气候，土壤以草甸土和白浆土为主，有机质含量高，适宜水稻种植。
2. 监测系统：研究使用了大疆四旋翼无人机P4M，搭载6个影像传感器（包括可见光和多光谱传感器），通过“麦视”APP实现无人机操控，获取高分辨率光谱及影像数据。
3. 数据采集与预处理：研究按照水稻的不同生育周期（分蘖期、拔节期、孕穗期、扬花期、灌浆期、结实期）规划数据采集时间，获取田块和冠层的高分辨率光谱及影像数据。无人机起飞前进行暗电流矫正和辐射定标，数据采集后利用Photoscan软件进行影像拼接与几何校正。
4. 农情指数反演：研究基于监测数据，反演土壤平整度、土壤墒情、土壤肥力、苗情、作物长势、病虫害等级分布、叶面氮含量、产量预测等农情指标，并通过“麦芒”数字农田平台实现数据的实时共享和可视化展示。
5. 农情监测系统构建：研究构建了基于遥感监测信息的农情监测系统，包括数据采集、数据处理、算法构建和数据可视化管理四部分。系统通过GPU加速的云端一体化平台进行数据处理分析，实现农产品的种植端数字化溯源。
6. “麦芒”数字农田管理系统：研究将农情指标反演结果部署到“麦芒”数字农田系统，通过可视化大屏展示数字农场的精准监测、变量植保、未来账本等信息，实现农田的全过程数字化管理和可视化展示。
主要结果
1. 数据采集与处理：研究成功获取了水稻全生育周期的田块和冠层高分辨率光谱及影像数据，完成了1400块基础农田边界的数据制作，监测覆盖面积为10526.23亩。
2. 农情指数反演：研究通过反演土壤平整度、土壤墒情、土壤肥力等指标，实现了水稻全生长期生长状况跟踪和农情诊断，提供了精准施肥、变量施药、精准灌溉等方面的数据指导。
3. 系统应用效果：研究结果显示，水稻全生育期农情快速监测与诊断模型的大田应用精度≥80%，节约亩均劳动力成本33%-50%，提高实测作业效率50%-100%，精准施肥平均节约施肥量为22%，实现水稻增产5%-8%。
4. “麦芒”系统应用：研究通过“麦芒”数字农田系统实现了农田的全过程数字化管理和可视化展示，提供了全程监测数据、变量植保的过程数据及联动财务数据的未来账本等功能。
结论
本研究首次打通了寒地水稻近地空遥感监测的全技术流程，成功获取了插秧期及分蘖期的数据，得到了土壤墒情、土壤肥力、苗情、作物长势、病虫害等级分布、叶面氮含量、产量预测等遥感监测数据，为建立农田档案和建构全生育期的时序数据监测打下了良好的技术基础。监测数据为农田管理提供了数字化依据，大大提高了巡田效率，节省了人工成本。采集的数据经遥感算法处理后，部署于数字农田平台，成功实现了数据的实时共享、记录及查询。本研究为数字农业的发展提供了重要的技术支持和实践案例。
研究亮点
1. 创新性监测系统：本研究研发了基于无人机遥感平台的近地空农情遥感精准监测系统，首次实现了水稻全生育周期的精准监测和数字化管理。
2. 高效数据处理：研究通过GPU加速的云端一体化平台进行数据处理分析，实现了农情指标的实时获取和动态诊断。
3. “麦芒”数字农田系统：研究将农情指标反演结果部署到“麦芒”数字农田系统，通过可视化大屏展示数字农场的精准监测、变量植保、未来账本等信息，实现了农田的全过程数字化管理和可视化展示。
4. 显著应用效果：研究结果显示，水稻全生育期农情快速监测与诊断模型的大田应用精度≥80%，节约亩均劳动力成本33%-50%，提高实测作业效率50%-100%，精准施肥平均节约施肥量为22%，实现水稻增产5%-8%。
其他有价值的内容
本研究还指出了系统改进的空间，如雨天和风天等不利于数据采集的天气较多，导致数据采集时间窗口较小，需要加强数据采集能力，增加监测终端数量，配合“麦芒”数字农田平台突破意外天气的影响，实现全天候数据采集。此外，项目要求近地空数据采集频次高、范围大，服务器算力与大数据量形成协调关系，因此需进一步优化现有数据处理架构。
通过本研究，数字农业的技术应用得到了进一步推广，为农业生产的精准化和智能化提供了重要的技术支持。