Applications of Remote Sensing and GIS in Agricultural Resource Management: A Review

方法

系统综述卫星、无人机、热红外、高光谱、SAR与GIS多源数据及AI方法。

发现

多源融合与云平台提升监测时效，但地面验证、尺度匹配与决策转化仍是瓶颈。

机会点

可研究物理约束的可解释AI与多源观测同化，弥合遥感产品与小农户决策间的鸿沟。

农业资源管理日益需要关于作物、土壤、水分、地形和生产风险的具有空间明确性、及时性和可重复性的信息。遥感（RS）与地理信息系统（GIS）为从植株到区域尺度获取、整合和分析此类信息提供了互补性框架。本文综述了卫星、机载、无人机（UAV）、热红外、高光谱、合成孔径雷达（SAR）及地理空间技术在农业资源管理中的主要应用。重点涵盖作物清查与物候、土壤与土地资源表征、灌溉与蒸散发制图、干旱与水分胁迫评估、养分管理、病虫害监测、产量预测、土地适宜性、退化监测和精准农业。综述还考察了GIS在将遥感产品与土壤、气象、地形、基础设施及行政数据相结合以支持多准则决策分析和业务化决策支持方面的作用。证据基础更新至2026年7月11日，特别侧重2024—2026年发表的同行评议综述和系统综述，同时保留了界定成熟指数、任务或物理方法的标志性论文。云计算、数据立方体、机器学习、深度学习、基础模型概念和多传感器融合的最新进展提高了农业监测的可扩展性和时效性，而开放的Landsat和Sentinel档案降低了数据获取门槛。持续存在的局限包括云污染、混合像元、尺度不匹配、地面真值有限、模型可迁移性、不确定性表达、数据延迟、小农地块细碎化以及研究产品与可操作农场决策之间的差距。印度的业务化进展，包括技术辅助作物保险和产量估算，体现了从实验性地理空间分析向制度化应用的转变。未来进展将取决于协调的多源观测、物理知情且可解释的人工智能、稳健验证、可互操作的GIS平台以及围绕农民和政策需求设计的决策产品。因此，遥感和GIS不应被视为野外观测的替代品，而应被视为扩展野外知识在空间和时间上覆盖范围并赋能m的效力倍增器。