卫星技术：百亿蓝海的智能化农业革命 ，商业变现或成未来大考？_风闻

随着成本下降以及定期从小型、成本较低的轨道卫星系统收集大面积陆地图像的能力增强，卫星技术在精准农业上的应用越来越多样化。由于具有覆盖面积广、重访周期短、获取成本相对低等优势，卫星遥感技术对大面积农业生产的调查、评估、监测和管理具有独特作用。

35斗对卫星技术的发展及现状、未来趋势进行了梳理，同时盘点了国外将卫星技术应用于农业的创业公司。随着数据与具体应用场景相结合、技术实现商业化落地，这一新兴技术的应用也会呈现出差异化的需求，更好地服务于众多小散农户以及涉农企业。

卫星技术三大应用：资源调查、产量预测、灾害评估

关于卫星技术及图像的应用，其中很重要的一个概念是地球观测系统（EOS）计划。1991 年，美国宇航局发起了EOS计划，旨在将地球作为一个整体，通过空间技术进行连续综合的观测，以了解地球系统的现状以及变化过程。

EOS卫星是对这一计划中一系列卫星的简称，其中包括 Acrimsat、Aqua、Landsat7、Jason-1 等多颗卫星。1999年12月18日，第一颗EOS轨道卫星“Terra”成功发射升空，主要目的是对地球表面进行观测。

此外， NASA的地球观测系统数据和信息系统 ( EOSDIS ) 提供了Terra和 Aqua卫星数据及相关产品的共享服务，欧空局的 " 哥白尼计划 " 则强调对地观测平台数据的协调和使用。

Modis是搭载在Terra和Aqua卫星上的一个重要传感器，是卫星上唯一将实时观测数据通过X波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用Modis数据。

EOS的一系列低轨道卫星，可以实现从单系列极轨空间平台上对太阳辐射、大气、海洋和陆地进行综合观测，获取有关海洋、陆地、冰雪圈和太阳动力系统等信息；进行土地利用和土地覆盖研究、气候的季节和年际变化研究、自然灾害监测和分析研究、长期气候变率和变化以及大气臭氧变化研究等，进而实现对大气和地球环境变化的长期观测和研究。

（在生长模型中利用EOS监测区域水稻生长阶段变化，图片来源：ESA） Modis载荷的特性使之成为研究地球科学的首选数据源，该数据可以广泛应用于陆地科学、海洋科学和大气科学。其中在陆地科学上的应用涉及：土地利用变化、土地覆盖、植被指数、地表温度、旱涝灾害检测、雪盖监测、荒漠化监测等。

提供的三类陆地产品类型包括：辐射收支变量（地表反射/大气校正算法、地表温度和发射率、冰雪覆盖、二向性反射分布函数与反照率）、生态系统变量（植被指数、叶面积指数和部分光合活动辐射、植被产品，净初级生产力、蒸发蒸腾与表面阻抗）、土地覆盖变量（火点与热异常、土地覆盖、制备覆盖变化、土地利用变化）。

针对农业领域，卫星技术主要以作物、土壤为对象，利用地物的光谱特性，进行作物长势、作物品质、作物病虫害等方面的监测，其主要应用可大致分为以下三类：农作物产量预估——小麦、玉米、水稻、棉花等大宗农作物的长势监测和产量预测，以及牧草地产草量估测、果树长势监测等。

图片来源：Satellite Application Catapult） （在线农场管理平台，利用计算机视觉和作物模型集成EOS、天气和现场数据，以自动评估作物生长情况）

农业资源调查——耕地资源、土壤资源等现状资源的调查，以及土地荒漠化和盐渍、农田环境污染、水土流失等动态监测；提供各类资源的数量、分布和变化情况，以及基于调查的各类资源评价、相应对策，用于农业生产的组织和管理。农业灾害评估——农作物病虫害、冷冻害、洪涝旱灾、干热风等动态监测，以及灾后农田损毁、作物减产等损失的调查和评估。

初创企业盘点：服务多样、收益显著，新兴产业蓄势待发

（数据来源：crunchbase，单位：美元，35斗整理）Astro Digital是一家卫星图像分析公司，用户可以利用其免费软件，获取任何地区的卫星图像。同时，Astro Digital 还向开发者提供了一个API（应用接口），让他们可以将卫星数据整合到自己的产品中。

TellusLabs利用卫星数据分析和机器学习来减少农业生产的不确定性，其核心产品Kernel在2017年预测美国玉米作物产量的准确率超过99%，比美国农业部得出的相同结论还要早几个月。2018年12月，TellusLabs被新兴农业生物技术巨头Indigo Ag收购。

Hummingbird Technologies是一家人工智能企业，它利用最新的机器学习和计算机视觉技术，分析无人机、卫星和飞机捕捉的图像，并在24小时内向用户提供数据，如疾病检测、杂草分类和产量预测等。

Mavrx旨在将农业发展同大数据关联起来，促进农作物产量的提高和土地管理。公司为农业种植者提供基于图像的空间分析平台，利用无人机、飞机和卫星等采集图像，进行数据分析，为农户提供切实可行的见解，帮助种植者实现产量最大化和成本最低化。

FarmShots利用高分辨率卫星和无人机成像设备，根据吸收的广谱，分析并发送植物的健康状况，让农户了解田间状况。2018年2月，FarmShots被先正达收购，该收购项目是先正达2018年重要战略筹划的一部分。

FluroSat利用卫星和无人机，获取作物的多光谱/高光谱图像，从而监测作物的健康状况，帮助种植者进行分析并做出决策，比如何时何地施用多少肥料和水。数据显示，FluroSat的解决方案帮助农户极大节省了投入成本，提高了5%-25%的产量。

Agrimetrics公司旨在开发和实施基于知识的服务，为农业食品领域创建一个安全的数据中心，从而改善对公共数据源的可持续应用。该公司利用人工智能和高达行业标准13倍分辨率的卫星图像，来识别英格兰、威尔士、苏格兰和北爱尔兰280万处农田边界，并将其与超过10亿个额外的数据点联系起来，包括天气和土壤成分等，以扩展领域边界的应用，为用户节省时间和成本。

Agrograph公司将卫星图像与现场数据结合，利用机器学习算法来估计田间作物产量。除了卫星图像，公司使用的数据直接来自种植者、农作物保险公司以及贷款机构等第三方机构，比如农作物保险公司和贷款机构、谷物分销商，甚至是其他需要数据的农业科技公司。

Vinsight致力于开发卫星图像系统，帮助葡萄园主开展业务。该预测软件从四个主要来源收集数据——遥感和卫星图像、天气数据、历史产量以及土壤和海拔等地理信息，最终实现在收获前几个月以较高的准确率预测产量。目前，公司的市场开拓已经从加州的葡萄和杏仁产业，扩展到核桃、开心果、草莓、啤酒花等其他领域。

Farmers Edge提供农业精准解决方案系统，包括可变速率技术、土壤取样和分析、大田气象监测、田间通信和数据传输、高分辨率卫星图像、大田数据分析等，推出田间自动侦察工具，帮助农户提高庄稼产量和生产效益。自2017年推出日常卫星成像技术后，Farmers Edge于2019年6月推出一款开创性数字工具，利用卫星设备将拍摄的田间状况变化自动发送给种植者，以便农户在作物出现状况时可以及时应对。

EOS Crop Monitoring是一个人工智能卫星图像平台，用于监测和分析作物生长状况的重要指标，包括常态化植被指数(NDVI)、常态化差异水指数(NDWI)、常态化差异雪指数(NDSI)。该平台还提供天气功能，包括历史记录和未来预报、关键天气状况监视等。

卫星成像和分析公司Planet由前NASA员工所创办的,使用配备有RGB和多光谱相机的大型纳米卫星(通过收购RapidEye)每天对地球系统进行成像分析，将收集的数据用于农作物长势监测和估产等。

Skymet是印度最大的天气监测和农业风险解决方案公司，主要业务是测量、预测和预防农业气候风险、还为印度的电力、可再生能源、建筑和食品饮料行业提供风险管理服务。Skymet已经建立了测量天气和农业的基础设施设备，面向小农户、保险公司、政府等提供服务。

Descartes Labs由Los Alamos国家实验室推出，通过计算机视觉、机器学习和云计算等技术来分析农业模型，比如美国玉米和大豆的生产。公司利用来自各种卫星数据、天气数据和其他数据集的图像，在生长季节结束前六个月准确预测了作物的产量。

VanderSat利用卫星在全球范围内观测水和温度，公司将卫星获取的气候数据转化为有价值的土壤湿度信息，帮助客户进行决策分析，包括监测农作物、预测天气、预防森林火灾等。

Aerial Intelligence通过建立数据平台，帮助作物生产商、分销商和贸易商收集和分析不同来源的数据，包括复杂的卫星数据，以便他们更好地做出决策。

Orbital Insight是一家地理空间大数据公司，利用卫星、无人机和其他地理空间数据源，通过机器学习和计算机视觉技术，构建PB级数据软件，以推动更好的业务和政策决策。

未来发展趋势：整合多元创新技术、加快商业应用落地

来源不同的数据，如高分辨率卫星图像、气象记录、土壤养分传感器、水流计等，可以通过算法进行集成，从而进行决策分析，有效帮助农户提高农作物产量，同时改善环境保护和可持续发展。要想实现这一目标，就离不开卫星技术与其他前沿技术的融合。

首先是卫星技术与新一代无人机技术。农业卫星遥感技术受到天气、轨道周期、空间分辨率等的影响,对田间尺度的农情监测还存在很多不足,往往很难及时提供高质量的遥感数据,无人机遥感可以与大面积卫星遥感相互配合,形成多尺度的农情信息监测网。

无人机遥感可以发挥在农田精细尺度和动态连续监测的优势,应用于农田地块边界和面积调查、农作物种类识别和统计、农作物长势分析、农作物养分和土壤水分监测等,特别在农业灾后快速评估方面,无人机遥感技术将发挥独特的作用。

其次是地面传感网与遥感技术的结合，基于有线和无线传感器的各类地基观测技术和组网建设逐步发展和完善,为卫星遥感的地表参量反演、模型同化和耦合、精度验证等工作提供了重要的真实信息。在农业领域,基于现代物联网技术的农业地面传感网在智能温室与大田精准作业管理方面得到了快速应用。

各类自动采集作物叶面到冠层、土壤表层到剖面理化信息,以及农田气温、湿度、光照等环境信息的传感器不断出现 , 加上无线传输网和智能控制系统,使得农田信息地面采集的便捷性、精确性、时效性得到了显著提高。

最后是农业专业模型与遥感技术的耦合，遥感技术的优势在于多尺度、多波段、多实相地提供大范围的对地观测数据,能够及时获取地表特征信息如植被指数、亮度指数和地表辐射温度等,并通过定量反演,进一步获取地表特征参数如地表反射率、叶面积指数、土壤水分含量等。

（农情遥感平台，图片来源：珈和科技）但是农业遥感特别是农作物遥感监测,作物高度、叶面积、生物量等关键属性在生育期是连续变化的动态过程,单靠遥感数据很难保证观测的连续性。因此,大量的研究是将各种农业专业模型如作物生长模型、地表能量平衡模型等与遥感数据进行耦合或同化,来弥补遥感观测时间分辨率的缺陷。

目前，在中国，经过二十几年的技术攻关和试验，农业遥感应用已经实现了面向农业生产宏观决策服务的业务化运行，为农业和农村经济的发展作出了突出贡献。

但作为获取地理空间数据的重要手段之一，卫星遥感早期以公益服务为主，不太注重挖掘数据的商用价值。空间大数据技术的应用目前主要集中在由政府主导的大数据项目中，纯粹的商业化应用占比极少。

此外，遥感技术主要应用于规模化种植者，种植面积在几百亩以上，主要种植作物包括水稻、玉米、小麦等粮食作物以及果树类经济作物。但在全国2.6亿农户中，96%的农户经营规模在30亩以下，中国农业生产还处于小、散等状态，农业遥感公司如何通过降低监测成本，满足小户、散户的需求是未来发展的趋势之一。

深度挖掘细分场景应用、推动技术商业化落地，同时针对中国的农业生产结构特点，通过降低技术成本和门槛来更好地服务于众多小散农户也是未来卫星技术应用中的一大挑战。