重庆日报·9月3日 · 周四报道阅读 2

山东农田迎生产方式变革：从"人跑眼看"到"卫星巡田"——天空地一体化遥感监测

AI 评分

77精选

影响力24

信息增量20

专业深度16

信源权威10

时效性7

报道山东农田遥感监测应用，展现生产方式变革，具省级影响力和实质内容。

摘要

山东省农业科学院农业信息与经济研究所构建起一套"天空地"一体化的遥感数据采集处理体系。天上是多源卫星数据——以国产高分系列为主、开源卫星数据为辅；团队于 2024 年开始研发一款面向县域的大型无人机，搭载专为农业设计的波段载荷；地上在肥城等地布设了一批农业物联网设备。三者叠加形成监测网络，为县级政府提供作物长势、产能、农机分配、水源调配等宏观决策数据支撑。

文全文

用微信扫描二维码用QQ扫描二维码

微信微博重庆号

搜索

深读推荐重庆观点视频区县视觉重庆乡村振兴双城经济

科教人文民生清廉重庆红岩专题

重庆日报网>正文

向遥感要数据，向数据要答案，山东农田迎生产方式变革——从“人跑眼看”到“卫星巡田”

新重庆-重庆日报精选
2026-09-03 11:13

卫星上天，数据落地。

在距离地面数百公里的高空上，一颗颗遥感卫星正掠过齐鲁大地。它们“看”到的，不只是山川轮廓，更是每一块地上种了什么、长势如何、墒情怎样。而在山东省农业科学院农业信息与经济研究所，映入大屏的是全省耕地的各项数据——哪里缺水、哪片田进入灌浆期，一目了然。

天和地，曾经是两个遥不可及的存在，在现代信息技术的链接下正碰撞出奇妙的“火花”。当卫星“天眼”遇上万亩良田，能带来怎样的改变？作为农业大省，山东1亿多亩耕地靠一双脚跑不过来，也盯不全。如何守住每一寸耕地、管好每一季庄稼？

向遥感要数据，向数据要答案。从凭经验施肥到按数据管田，从人跑眼看到卫星巡田，一场农业生产方式的变革正在山东万千农田间上演。

数据赋能：从“采得到”到“用得好”

数据，是遥感技术的核心资源。数据的采集与处理的质量，往往是决定遥感监测结果优劣的关键。

为实现高频、精准的监测，该研究所构建起一套“天空地”一体化的遥感数据采集处理体系。该研究所副研究员李乔宇介绍，不同于一般的遥感采集系统，他们自研的这套系统，是个集合体。天上是多源卫星数据——以国产高分系列为主、开源卫星数据为辅，目标是实现“县域2米、5天”和“省域10米、7天”的高频立体监测。但卫星有过境周期，遇到阴雨天卫星影像质量无法满足要求。

为此，团队于2024年开始，耗时2年，与中国科学院空天信息创新研究院、中国农业科学院等团队合作研发了一款面向县域的大型无人机，搭载专为农业设计的波段载荷，航程长、响应快，可随时巡航补充影像。地上，在肥城等地布设了一批农业物联网设备。联合中国农业大学研发的“地面布网算法”，提供不受天气和卫星周期影响的连续地面数据。天、空、地三者叠加，形成了一张密而不漏的监测网络。

有了高质量的数据支撑，遥感服务便从生产端延伸到了县域治理层面。通过构建和应用县域农情监测与服务系统，不仅监测作物生长，还能实现农机智能调度。“农忙时，农机在系统里统一调配，自动分配给最需要的地方。”李乔宇说。

在数据应用层面，系统为县级政府提供了另一维度的决策价值。“县领导关心的是全县作物长得怎么样、产能大约有多少，收获时农机怎么分配、水源怎么调配，哪个地方墒情不好需要重点保障——这些宏观决策都需要数据支撑。”李乔宇表示。从作物分布到产量预估，从墒情监测到应急调度，遥感数据正在成为县域农业治理的“数字参谋”。

目前，这套模式已在山东省省域和县域进行了规模化示范应用。从生产端的“指尖处方”到管理端的“决策参谋”，遥感数据正在山东的田野上完成从“采”到“算”到“用”的完整闭环。

智能决策：从“看得到”到“管得住”

耕地是粮食生产的命根子。守住耕地红线，首先要看得清、管得住。

“哪块地上种的是小麦、玉米或是大豆；作物长势怎么样；土壤墒情如何，是缺水干旱还是涝情严重，同时还能实现产量预估——这是一整套的监测流程。”该研究所副研究员侯学会一边操作鼠标，一边向记者介绍。

以往，判断一块地种了什么、长势如何，靠的是基层干部和农技人员一双脚、一双眼。遥感技术让耕地监管从“人跑眼看”走向“智慧决策”，但“看得到”不等于“看得清”“管得准”——如何从海量影像中精准提取地块边界、识别作物类型、动态监测用途变化，才是真正的技术难点。

2026年6月，由该研究所主导研发的黄淮海区域首个农业遥感大模型——“舜耕·粮安”在济南正式发布。这套大模型依托覆盖山东全域、全地貌、全物候期的海量高质量卫星影像，叠加20年来2000万份人工样本，训练出6个垂直模型：AI耕地智能提取、AI肥力墒情预测、AI作物精准识别、AI长势动态监测、AI病虫草害预警、AI作物智能估产，监测精度最高可达95%。

与传统遥感目视识别不同，这套系统靠的是AI算法。“过去地块提取边界需要大量人工描点，现在通过算法，点击鼠标，边界自然就出来了。”侯学会说。6个垂直模型如同不知疲倦的“数字哨兵”，24小时扫描着齐鲁大地每寸耕地的变化。

技术突破，最终要落在应用实效上。在耕地保护领域，依托高频次卫星遥感影像的自动比对，系统能够主动捕捉耕地边界变化，变“被动接报”为“主动发现”，为主管部门监管耕地用途提供了精准靶标。在高标准农田建设领域，模型同样发挥着重要作用——它可以不间断收集“建、管、用”全过程数据，让建设进度可视、工程质量可评、种植用途可查，真正实现“建得好、管得住、用得实”。

数字处方：从“老经验”到“精准化”

在泰安肥城市安驾庄镇双北农业种植专业合作社的万亩麦田里，一场“精准农业”的试验已持续3年。当地种粮大户武海荣见证了“数字农业”带来的改变，也彻底颠覆了对传统种地的认知。

过去，合作社种地靠的是“老经验”：到了施肥节点，不管哪块地、不管长势如何，统一配方、统一用量。“统防统治，不管有没有病虫害、不管程度怎么样，都统一打药。”侯学会坦言，这是一种粗放的管理方式。

2023年，研究所技术团队走进双北合作社，为这片2000亩小麦量身定制了一套“数字处方”。这套处方遵循一个逻辑：遥感监测作物真实长势，结合作物自身需水需肥规律，综合得出建议数。“作物在不同生长期对水肥需求不一样，比如小麦返青期和灌浆期，施肥策略就截然不同。”侯学会说。

方案覆盖了小麦生产的关键节点：播种期建议基肥用量，返青期根据卫星影像显示的苗情决定追肥多少。整个生长季，“监测—诊断—处方—评估”闭环持续运转。3年下来，在按处方管理的地块，节水率、节肥率可达10%以上，产量不降反增。

虽然“数字处方”在田间种植中精准有效，但要真正走进千家万户，并不像专家最初设想的那么顺利。“技术上的突破只是第一步，怎么让农户愿意用、用得上，才是真正的考验。”李乔宇坦言，为了解决“最后一公里”的落地难题，研究所在实践中摸索出两条路径，对应着两类不同的服务对象。

一条是面向农户的“指尖服务”。团队开发了“云农集”微信小程序，农户登记自家地块后，系统通过遥感监测长势和墒情，自动推送水肥处方、病虫害预警。然而推广中也有现实难题，“我们推送的主要是氮含量建议，但农户买的大多是复合肥，需要自己换算配比，对普通农户来说有些复杂。”李乔宇介绍。

另一条是面向农服公司的“标准化对接”。在邹平，研究所对接山东诚丰农化科技有限公司——这家公司服务2000户农户、覆盖4.5万亩土地。团队把遥感处方推给公司，技术人员根据自有肥料配方和管理方案，将建议换算优化后直接落地。

两种模式，本质区别在于数据服务的“接口”不同，但价值相通——让每一个农事决策有据可依，让每一滴水肥用得更精准、更高效。

卢德成农民日报全媒体记者吕兵兵蒋欣然

来源：农民日报

编辑：宜安审核：邹密主编：颜安

除来源署名为重庆日报稿件外，其他所转载内容之原创性、真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考并自行核实。

山东农田迎生产方式变革：从"人跑眼看"到"卫星巡田"——天空地一体化遥感监测

天空地一体化农业遥感卫星巡田智慧农业相关资讯

Improving alfalfa nitrogen estimation with canopy structural priors from DSSAT–PROSAIL and UAV hyperspectral data

基于无人机多光谱图像与VGG21模型的小麦渍害调控效果识别

雷添杰研究员团队《基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别》

Proximal Remote Sensing of Oil Palm Basal Stem Rot Using Deep Learning Vision Algorithms and Ground-based Images

An Interpretable Deep Learning Framework for Spatial Prediction of Soil Salinity Using Multi-Source Remote Sensing and Environmental Data: A Case Study of Cangzhou, Hebei Province, China

Seeing Crops in 3D: Remote Sensing for Smarter Precision Farming

山东农田迎生产方式变革：从"人跑眼看"到"卫星巡田"——天空地一体化遥感监测

天空地一体化 农业遥感 卫星巡田 智慧农业相关资讯

Improving alfalfa nitrogen estimation with canopy structural priors from DSSAT–PROSAIL and UAV hyperspectral data

基于无人机多光谱图像与VGG21模型的小麦渍害调控效果识别

雷添杰研究员团队《基于无人机多光谱图像和VGG21模型的小麦渍害调控效果识别》

Proximal Remote Sensing of Oil Palm Basal Stem Rot Using Deep Learning Vision Algorithms and Ground-based Images

An Interpretable Deep Learning Framework for Spatial Prediction of Soil Salinity Using Multi-Source Remote Sensing and Environmental Data: A Case Study of Cangzhou, Hebei Province, China

Seeing Crops in 3D: Remote Sensing for Smarter Precision Farming

天空地一体化农业遥感卫星巡田智慧农业相关资讯