蓝科溯源

当下，全球各地的研究人员正将更多越来越多好的模型运用到作物生产的周边。GRASS GIS 的CAM 和SWAP 能通过模拟土壤、水和作物生长过程对农作物产量进行监测。

精准农业——来自农机装备的大数据

说起精准农业，不得不提到变量施肥播种机、联合收割机、无人驾驶拖拉机这些现代农机装备。通过利用GNSS 技术和相应传感器的安装，在大田块的不同小田块，农机装备能非常有针对性地实施变量处方作业，帮助农民精准播种、精准施肥。在按需投入、节约成本、人力的同时，对农业自然环境的水土保持起到十分积极的意义。

模型—— 建立数据集

，越来越多的农民可以使用上先进的农业科学技术，帮助自己省时、省力、省钱。向来需要生在在特定农业自然环境的农作物，这让像地理信息系统( GIS )这样的空间技术有了广泛用武之地。 

现在，由美国农业部( USDA )农业统计服务中心( NASS )开发的即时地图CropScape 目前已对农民们在线开放。只要登录访问，即可实时获取由卫星采集的的作物面积估算数据。简而言之，作物生长在哪儿，种植数量多少，都一目了然。

农田

图为科学家正在读取通过飞机或卫星观测获得的基线数字

世界饥饿地图

据了解，在早期引入精准农业的美国大农场，正是因为有了这些智能农机装备，每英亩农田平均可节省下2-15 美元的生产成本。久而久之，这可是一笔不小的金额数字。

地球资源卫星的中心枢纽灌溉图图/ NASA

无人驾驶飞机能在精准农业中派上什么用场?

在全球越来越快的社会经济发展速度下，我们如何才能满足日益增长的人口粮食需求?越来越发达的农业科技正不断帮助地球从食品安全问题中解救出来。

不过，当我们看到由卫星绘制的土地利用图景时，也许会不经发问，地球家园是否真的有足够的耕地来满足不断增长的人口需求?

许多农田受自然气候影响，不能高产保收，造成这种情况的一个主要原因可能还是长期以来对森林保护的忽视。而现在，地理信息系统正不断为退耕还林的相应决策提供分析支持。在2012年发布的DRISI Selva 版本中，对土地变化建模器( LCM )做了重大修改，以支持REDD (减少森林采伐和退化造成的排放)项目，允许对森林采伐的大气影响进行评估。

形成“农田大数据”的农业地图能一展身手。

美国农场中农机装备上的智能数据显示画面

满足未来的粮食需求

不仅如此，美国政府还充分利用CropScape 的海量数据延伸应用至食品安全、地表覆盖动态和农药控制等方面的处理。

文| 欧阳

那么问题来了，这些数据都该往哪儿放呢?

农业科技让我们能从历史数据中汇集经验，而有关陆地的卫星数据或许提供了这样一个独特的视角来观察全球历史农业用地状况。

来自NOAA 气象的有关天气、气候及全球农业发展的资源图景

CropScape 界面

无人机

通过这些环绕在地球周边大小的“眼睛”，我们能迅速获得本地乃至全球作物的生长能力分析情况。

比起依赖人力穿行田间去仔细检查作物生长，精准农业里用到的无人机技术几乎让农民彻底从繁重劳累的田间地头解放出来。无人机让农民足不出户能锁定特定目标区域，对抗病虫害传播。

我们知道，一颗农作物需要茁壮成长，不仅需要阳光、土壤和各类肥料营养元素，适度适量的水分尤为重要。太多或太少，小苗都有长残的可能。这时，像土壤湿度与海水盐度卫星( SMOS )这类太空“千里眼”从太空实时探测地球表面的相应动态数据，为农民所服务。而地球资源卫星则可精准分析出归一化植被指数( NDVI )。

在线数据——即时地图

精准农业要用到卫星导航定位；遥感卫星和无人机，则从天空中帮助植物收集气候、气象信息。

卫星和无人机——来自遥远太空的大数据

针对大范围的作物生产区划，一些在线工具如plant hardiness 能够为不同的作物规划选择气候适宜的种植生长区。比如，全球个用于农业生产的GIS 数据库——加拿大的Land Inventory，原本是用来搜集相应数据信息充分研究了解加拿大全境农用土地的生产力变化。

在全球范围领域，来自联合国粮食和农业组织的AgroMap 已能够实现全球主要粮食作物的农业用地空间数据统计。