论文ID
译名：增强全球农业监测系统以支持气候智能型农业
期刊：Climate Smart Agriculture
第一及通讯作者：俞乐
DOI: https://doi.org/10.1016/j.csag.2024.100037
本文亮点
ESM-GAMS是一个结合地球系统模式开发的全球农业监测系统。 集成卫星和地面数据，实现近实时的农业监测。 利用人工智能和耦合器增强极端天气的监测和预测能力。 WOFOST作物模型改进极端天气条件下的产量预测。
摘要
Global agricultural monitoring systems face unprecedented challenges due to intensifying climate change. This paper reviews the advancements in existing global agricultural monitoring systems, highlighting deficiencies in addressing extreme weather events, data integration, and real-time analysis. To overcome these limitations, we introduce the Earth System Model-Coupled Global Agricultural Monitoring System (ESM-GAMS), an advanced framework that combines satellite and near-surface remote sensing, artificial intelligence-driven modeling, supercomputing, and crop model to enhance the accuracy and timeliness of crop monitoring and yield predictions under diverse climate scenarios. By integrating multi-source remote sensing data, ESM-GAMS mitigates delays caused by satellite revisit cycles and weather interference, enabling near real-time monitoring with results available at hourly or minute-level intervals. Additionally, the system demonstrated high accuracy in yield simulations under extreme weather, with the improved WOFOST model achieving robust R2 values ranging from 0.55 to 0.77, indicating its reliability in predicting yields across diverse conditions. ESM-GAMS not only enables detailed daily monitoring of crop growth, but also provides early-warning capabilities for extreme weather and its impact on prediction. By optimizing resource allocation, supporting climate resilience, and enabling global data computing, ESM-GAMS represents a further step toward achieving climate-smart agriculture.
由于气候变化的加剧，全球农业监测系统面临前所未有的挑战。本文回顾了现有全球农业监测系统的进展，重点分析了在应对极端天气事件、数据融合和实时分析方面的不足。为克服这些局限性，本文提出了耦合地球系统模式的全球农业监测系统（ESM-GAMS），这一框架结合了卫星和近地遥感、人工智能驱动的建模、超算以及作物模型，以提高在多样化气候情景下作物监测和产量预测的准确性与时效性。通过集成多源遥感数据，ESM-GAMS缓解了因卫星重访周期和天气干扰引起的延迟问题，实现了近实时农业监测，结果可以获得小时或分钟级的时间间隔的观测。此外，该系统在极端天气条件下的产量预测表现出较高的准确性，改进后的WOFOST模型在产量预测中的R²值介于0.55至0.77之间，表明其在多样化条件下预测产量的可靠性。ESM-GAMS不仅能够实现作物生长的详细日常监测，还提供了极端天气及其影响的预警能力。通过优化资源分配、支持气候适应能力并实现全球数据计算，ESM-GAMS为实现气候智能型农业迈出了重要一步。
材料方法
为了应对当前全球农业监测系统的挑战，本研究开发了耦合地球系统模式的全球农业监测系统（ESM-GAMS）。该系统利用超算能力，将卫星遥感与近地遥感技术相结合，通过多源数据融合实现对全球范围内气候、土壤和植被的实时监测和分析。尤其针对卫星观测中因云覆盖或降雨干扰导致的数据缺失问题，本系统通过集成高时间分辨率的近地面相机观测数据（如小时级或分钟级），提升了监测结果的时效性和准确性。此外，为了提高极端天气事件的预测能力，系统引入ERA5再分析数据计算标准化降水指数（SPI），并通过偏差校正算法优化模型模拟，增强了对极端天气事件频率、强度和持续时间的预测精度。同时，ESM-GAMS集成了改进后的WOFOST作物模型，结合人工智能算法，模拟和量化高温、低温及极端降雨等气候因子对作物生长的影响，从而提供更加可靠的产量预测工具。
主要结果
ESM-GAMS在多方面实现了突破，展示了其在作物生长监测、极端天气事件预测和产量预测中的良好性能。在数据融合和实时监测方面，系统通过多源遥感数据融合方法，实现了对不同农业用地类型的高效监测，包括大田作物、经济作物和种植园。具体而言，该方法能够精准捕捉作物生长动态和关键物候阶段的变化。例如，针对双季稻、油菜和芒果等作物，系统能够通过融合时间序列植被指数数据，揭示其短期波动和长期趋势，支持对作物生长周期的精细化监测。同时，得益于近地面相机和卫星遥感的集成，ESM-GAMS克服了传统遥感中因云层或降雨导致的延迟问题，成功实现了小时级甚至分钟级的监测更新，提升了农业监测的时效性。
图1. 多源遥感数据的整合与实时分析结果。a）大田作物：双季稻；b）经济作物：油菜；c）种植园：芒果。（EVI：Enhanced Vegetation Index；GCC：Green Chromatic Coordinate）
在极端天气事件的监测与预测方面，ESM-GAMS结合了近50年的ERA5再分析数据，通过标准化降水指数（SPI）实现了农业干旱的近实时监测。通过改进后的偏差校正算法和千米级模型数据下采样能力，系统在极端天气事件的预测精度上取得了重大突破。研究表明，该方法在关键农业区域能够精准模拟极端干旱的频率、强度和持续时间，为农业气象灾害的早期预警提供了可靠支持。此外，系统还构建了针对全球主要农业区域的干旱预警子系统，通过整合作物种植面积、分布、土壤条件及耕作习惯等多源数据，为不同区域提供定制化的预警服务。
图2. 全球农业干旱强度近实时监测结果（2024年10月）
在作物产量预测方面，ESM-GAMS通过与改进后的WOFOST作物模型结合，提升了极端天气条件下的产量预测能力。系统通过引入长短期记忆网络（LSTM）算法，量化了高温、低温和极端降雨对作物产量的影响。在中国华北平原的冬小麦验证实验中，ESM-GAMS在校准阶段实现了313.57 kg/ha的平均RMSE，验证阶段的平均RMSE为519.21 kg/ha。同时，系统的R²值范围在0.55到0.77之间，进一步验证了其预测的准确性和稳健性。此外，系统还能够模拟作物叶面积指数（LAI），在多个监测站点的Spearman相关系数达到0.87至0.98的高水平。这表明ESM-GAMS能够在复杂的气候条件下为区域性和全球性的作物产量预测提供科学依据。
图3.基于WOFOST模型模拟的2018–2019年生长季华北平原中冬小麦农业气象站的叶面积指数(LAI)结果。图(a)至(g)分别对应魏县、临漳、丰县、亳州、东平、砀山和菏泽。
结论
增强全球农业监测系统以支持气候智能型农业，对于应对气候变化、保障粮食安全以及促进全球可持续农业发展至关重要。本文探讨了当前全球农业监测系统的进展与局限，并提出了气候智能型方法的全新框架——耦合地球系统模式的全球农业监测系统（ESM-GAMS）。ESM-GAMS集成了多源遥感数据、人工智能和地球系统模式技术，提升了作物实时监测、精确产量预测和灾害预警的能力。该系统能够在不同气候情景下动态监测作物生长，从而提高农业应对气候变化的韧性。
作者简介
清华大学地球系统科学系长聘副教授。入选国家级青年人才计划、农业部“神农英才”计划青年英才。主要从事信息地理学和土地系统科学领域的研究工作。在Nature Sustainability，Remote Sensing of Environment等SCI期刊发表学术论文250余篇，被引1.6万余次，出版学术专著6部，授权发明专利及软著20余项。
论文链接
https://www.sciencedirect.com/science/article/pii/S2950409024000376
Yu, L., Du, Z., Li, X., et al., 2025. Enhancing global agricultural monitoring system for climate-smart agriculture. Climate Smart Agriculture, 2 (1). |
中国科学院院士朱永官带领一群“土壤高级玩家”，一同创作出了本部集科学性、趣味性和前瞻性于一体的科普著作——《鲜活的土壤》，以科研者的视角和深入浅出的笔触，向大众讲述了土壤的本质、功能、土壤污染问题以及由此带来的粮食安全问题等人们关心和感兴趣的话题。
书中不仅涵盖了土壤的形成、分类、功能等基础内容，还深入探讨了土壤与生态环境、人类健康、文明演变进程等方面的紧密联系。用丰富的科研数据与成果揭示了土壤作为农业生产之基、生态系统之本的不可替代作用，更强调了在当前全球环境变化与资源约束加剧的背景下，科学合理地利用土地资源，对于维护国家粮食安全、促进生态平衡、实现经济社会可持续发展乃至推动人与自然和谐共生的战略价值。
《土壤盐渍化的诊断、评估、减缓与适应技术指南》由联合国粮农组织 / 国际原子能机构粮食和农业核技术联合中心水土管理和作物营养科专家穆罕默德·扎曼、李恒所著。著者长期致力于改善土壤、水资源与肥料管理的生产实践，为促进国际社会农业积极适应气候变化做出了贡献。
该书回顾了全球土壤盐渍化的历史和治理成败经验，旨在制定盐度和钠化度的评估技术规程，完善盐渍化土壤的缓解和适应措施，创新和推进核技术和同位素技术等的应用，为可持续地利用盐碱地提供可行性方案。该书具有先进性、指导性和实用性，能够切实解决生物盐碱农业所遇到的实际问题。该书可为进行景观和农田土壤盐渍化评估和诊断，利用核技术和同位素技术制定边际土壤可持续利用战略的技术研究人员、一线管理人员提供参考和借鉴。
康绍忠院士序|《土壤盐渍化的诊断、评估、减缓与适应技术指南》出版发行
张佳宝院士序|《土壤盐渍化的诊断、评估、减缓与适应技术指南》出版发行
Rainer Horn 博士，德国基尔大学教授，世界著名土壤物理学家。现任中-欧土地和土壤合作专家组委员，曾任世界土壤联合会(IUSS)主席，IUSS土壤物理委员会、土壤技术委员会以及第三工作组主席、土壤耕作研究组织主席、德国土壤学会主席等土壤学术组织重要职位。Horn教授在不饱和土壤力学理论创新和应用、土壤物理多尺度过程、土壤力学与水力学、物理化学和生物学等多学科交叉研究等方面取得巨大成就，并成功应用于指导固废处理、地质工程安全以及电缆地下埋藏等社会经济多方面。发表100余篇期刊论文，数十部土壤学专著以及数百篇技术报告，荣获美国土壤学会、美国农学会会士，罗马尼亚、波兰、德国土壤学会以及国际土壤耕作研究组织等学术团体先后授予Horn教授荣誉会员称号。
该书由赵英博士和张斌博士组织，邀请了诸多从事土壤物理研究的中青年工作者共同翻译。他们花费很大精力把该教材引进国内，可使更多的科研人员系统了解土壤物理学，对推动我国土壤物理学的发展意义重大。
邵明安院士序|《土壤物理学精要——过程、功能、结构和力学导论》
《土壤物理学精要——过程、功能、结构和力学导论》出版—赵其国院士序
近期文章推荐
【土壤+肥料检测指标汇总】特色指标（残体碳/有机酸/PLFA/氨基糖和抗生素）、基础指标、元素、理化性质、酶活性及重金属等
中国农村技术开发中心会同院士专家完成我国黑土地保护与利用科技创新战略研究报告
ES&T | 朱永官院士团队：碳氮循环联动解析腐殖酸对稻田固氮过程的强化效应
北师大粮食安全团队：农业灾害与粮食安全——影响评价与适应对策
GCB|中科院生态中心葛源研究组揭示土壤微生物多样性丧失削弱土壤缓冲气候变化的能力
2篇！华南植物园恢复生态学团队揭示桉-乡混交林结构-健康-服务长期动态
精选土壤好书，长按识别二维码了解
由于微信修改了推送规则，请大家将土壤家加为星标，或每次看完后点击页面下端的“在看”，这样可以第一时间收到推文！合作、转载、入群，请加13926117407微信号（或发邮件至149996384@qq.com）
