从“人跑眼看”到“卫星巡田”

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，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。

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”。

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。