从“靠天吃饭”到“知天而作”——访北京佳格天地科技有限公司联合创始人张文鹏

从传统的"手把青秧插满田,低头便见水中天"到依托空间信息技术、大数据、人工智能和物联网技术服务农业产业化发展,正如央视纪录片《了不起的中国农民》所讲,这群来自美国加州硅谷的创业团队重新定义了农民,从"靠天吃饭"到"知天而作",遥感大数据赋能智慧农业,用科技之利器碰撞大国之根基农业,擦出的火花照亮了中国农业的未来。

耘境知天——佳格棉花大数据服务应用管理平台对新疆大型农机合作社棉花生产全流程的决策支持

依托新疆棉花规模化种植的优势,自2014年以来新疆棉花种植开始采用机采棉的种植模式,并租用农机社会化服务公司的采棉机进行高效棉花采收工作,当前利用采棉机采收已经在新疆主要棉花种植区域普及。佳格依托新疆农机社会化服务公司现有农机资源和优势,以棉花标准化种植生产区域为应用试点,综合应用大数据、云计算、卫星遥感及人工智能等先进的农业信息化技术,开发建设“耘境知天”棉花大数据服务应用管理平台。

内蒙古陈巴尔虎旗草原产草量遥感估算

草原产草量的预估对于草原草场资源的实时监测有着非常重要的正面反馈作用,是草原草资源合理利用和科学管理的重要指导根据。本文基于样方采集数据和2023年的sentinel-2、Landsat-8的NDVI遥感数据建立关系模型,利用该关系模型研究了草原样方的产草量与遥感数据的联系,分析预测了内蒙古陈巴尔虎旗草原天然打草场的产草量。结果表明:(1)目标区域内的遥感监测数据的归一化植被指数即NDVI,其对数与地面定标采集数据呈现线性关系。在此基础上建立的产草量预估模型方程,经过地面定标样方数据的验证,模型精度为86%,模型作为遥感产草量预估应用是可行的。(2)模型预估陈巴尔虎旗草原2023年的鲜草产量约为156.7万t,折合成干草的总量约为37.2万t。

空间遥感地理信息技术在农业保险中的应用探讨

农业保险是保障农业生产稳定和国家粮食安全的重要手段,对于促进我国农业经济发展具有不可替代的作用。为加快推进空间遥感地理信息技术在农业保险中的应用,以空间遥感地理信息系统建设项目粤农保与福农保为切入点,分析研究空间遥感地理信息技术在农业保险领域应用的现状与趋势,并探讨其面对的局限性与挑战。

盐城市农情遥感监测信息化建设与思考

盐城市基于卫星遥感监测、部省级平台数据回流、市县级数据对接共享等资源,利用遥感等信息技术,构建农情遥感监测系统,建设了农作物识别、成熟度预估、产量预估、气象预测预警等模型,实现了全市水稻、小麦、玉米等主粮作物种植面积、作物长势、成熟度、产量及农业自然灾害等农情监测。本文作者详细介绍了系统数据库建设、各功能模块和建设成效,并提出了提升农情遥感监测的发展路径。

“盐农云”农业农村大数据平台建设实践与思考

本文作者系统介绍了“盐农云”平台总体架构和重点功能模块,包括数据资源池、业务直通车、“三农”决策舱、信息服务窗等4大版块以及种植业稳产保供监测、农村生态环境监管等49个业务应用模块。在此基础上简要分析了“盐农云”平台推广应用取得的经济、社会和生态效益,并对持续建设、使用和管理“盐农云”平台提出了总体设想和初步方案。

基于物候参数和面向对象法的濒海生态脆弱区植被遥感提取

用遥感数据快速准确地提取植被信息对生态环境监测和发展气候模型具有基础性和关键性的意义。由于中国黄河三角洲地区植被类型插花分布,传统遥感提取方法精度较低。该文选取近代黄河三角洲典型生态脆弱区为研究区,基于MODIS和LANDSAT8数据,通过提取研究区的物候参数和不同分辨率遥感影像的融合处理,根据植被类型斑块大小确定分割尺度,根据典型植被类型的物候特征、光谱和空间等特征值构建分类规则,利用分区策略自上而下进行面向对象分类。结果表明,该方法总体精度为80.75%,Kappa系数0.79,高于传统物候和面向对象分类方法。广生态幅的棉田与其他植被的光谱混淆是传统面向对象分类方法植被分类精度低的主要原因,利用物候参数进行植被分区能规避棉田和自然植被的光谱混淆,有利于对植被类型的区分。分类结果与当地植被分布情况相符,可以用于研究区植被类型的精细提取。

基于DSSAT作物模型的中美大豆主产区单产模拟与验证

开展基于作物模型的大面积作物产量估测研究,可以为及时掌握全球重点地区农作物的生产情况提供数据支撑。该研究以大豆为监测作物,选取中国吉林省和美国爱荷华州作为研究区域,基于DSSAT作物估产模型中的SOYGRO大豆模型,利用分辨率为0.5°×0.5°的生育期气象要素以及500 m×500 m绿色叶绿素植被指数,进行遥感数据融合作物模型估测大豆单位产量的模拟与验证研究。结果显示,2008-2017年,美国爱荷华州大豆单位产量模拟值的平均误差为16.8%,均方根误差为762.8 kg/hm^(2),平均偏差为107.2 kg/hm^(2);中国吉林省大豆单位产量估测的平均误差为36.3%,均方根误差为1088.4 kg/hm^(2),平均偏差为-237.9 kg/hm^(2)。在县域尺度下,大豆单位产量模拟值与调查值的拟合度较好,尤其在产量较低的年份,其中美国爱荷华州的产量相关系数最高可达0.78,中国吉林省的相关系数偏小,为0.59,表明对美国爱荷华州大豆单位产量的估测精度优于中国吉林省。研究所建立的大豆单位产量估测技术路线,可以为中美两国主产区作物单位产量的大面积有效估测提供参考。

吉林省农业卫星数据云平台研究

农业信息化是国家今年来农业整体的发展方向,将信息技术应用于传统的农业是我国农业现代化发展的迫切需求。我国确立了利用互联网提升农业生产、经营、管理和服务水平,促进农业现代化水平明显提升的总体目标。根据发展趋势,吉林省率先建立了省级农业卫星数据云平台,集互联网、移动互联、云计算、大数据技术为一体,以卫星遥感技术为核心,利用气象、长势、病虫害预报等各种大数据分析模型,构建农业管理与服务的综合信息与功能应用的系统平台,为农业管理者提供决策信息和服务应用。

关于大数据助力江苏省稻麦病害监测预警的实践与思考

江苏省通过充分利用天空地一体化监测手段、创新构建病害模型算法等措施,构建了稻麦重大病害监测预警大数据平台,有效提升了稻麦病害监测预警的自动化、智能化、信息化发展水平。今后,江苏省需紧跟科技发展步伐,逐步丰富大数据平台的功能应用,统筹利用"苏农云"建设成果,从而进一步丰富和提升稻麦重大病害监测预警大数据平台的功能模块和分析能力,提高江苏省"大数据+"稻麦病害监测预警水平。

从“看天吃饭”到“知天而作”

随着火箭发射成本逐年降低,航天产业商业化进程不断加快,我们可以获得数量更多、质量更高的卫星数据,进而将这些卫星数据应用于农业。与其他类型的农业大数据公司不同,北京佳格天地科技有限公司（以下简称：佳格天地）是一家通过卫星和气象大数据收集、处理、分析和可视化系统,服务农业、环境、金融等行业的大数据应用公司。