通信技术
利用多用途通信系统
新的和现有传感器技术与无线通信系统的融合已经开始，许多公司现在提供无线气象和土壤水分传感系统。有了这些工具，农民可以足不出户就查看自家农田的状态。
移动互联网、卫星上行系统、远距离无线电通信连接和互联网或无线网连接都已经成为相对普遍的连接方式，也是商业可用的传感器系统通常选用的技术。但是，不少这些技术的初始安装难度非常大。
为农业生产发展高端技术
用于传感器网络的自组织无线硬件和软件最近已经进入市场，使传感器网络的开发和安装成为可能。尽管这些网络在农业上的应用拥有巨大潜力，但将通信系统、数据收集和传感器技术整合起来，使节点在稳定的工作网络中运行需要大量工作和较高的知识水平，并且需要克服安装时遇到的巨大困难。
农业传感器网络必须足够结实，适应雨水、阳光和农田淹水等极端环境。还必须将影响做到最小，才不会妨碍重机械进入农田。这种网络还应该在设计上抵挡住农机偶然的碰撞。另外，传感器节点应该易于安装和拆除，方便失灵节点的更换，以及在耕地前拆除所有节点。
这些技术性问题很可能在未来十年内得到解决，一旦解决，自组织网络就可以与便宜的传感器技术结合，使农民可以迅速地在农田中部署网络，并且即时获得农田中的空间和时间信息。另外，传感器也应该直接与农业设备和智能手机等个人电子设备进行通信。
这样，当农民在田间调查或劳作时就能获得农田状况的实时和历史信息。与服务供应商连接的智能软件可以提供其他数据，如哪些地方存在潜在问题、可能解决问题的方法等，甚至是为到哪里寻找材料、设备或其他服务提供商给出建议。
遥感：提供分尺度信息的技术
对农业生产的现有作用
遥感是指不用直接接触目标就能进行测量的技术。遥感的特点除了获取测量数值外，还能获得空间分辨率和时间分辨率数据。遥感获得的信息能够为现场的测量数据划分尺度，帮助理解流域、地区、大洲和全球系统中的物理过程和生物过程。这些技术扩展了空间覆盖面，提供难以到达的地区相关信息，通过多种感应模型获取独特的测量数据。
拖拉机和联合收割机上的遥感技术以及空中和空间平台已成为现代农业的重要组成部分，应用范围涵盖自给型农场、大型机械化农场和高价值经济作物。遥感技术得到的降雨量、温度和风速等信息可以整合到天气预报中；全球定位系统（GPS）的数据可以输入到农田运营的指导系统中；高级传感器整合到精准农业使用的特殊设备中。
大部分应用于农业生产的成像技术搭载于卫星、飞机和无人运载工具上，能够记录从地面/水面反射的光或能量。多光谱传感器，如美国国家海洋和大气管理局的卫星上搭载的先进甚高分辨率辐射仪（AVHRR），已经每天提供覆盖全球的公里级资料长达数十年，为植被指数，如作物生长势指标带来了广泛应用。
事实上，这些简单的指数每天免费为全球提供数据，是农业产量模型和作物健康度实证指数应用得最多的数据。
这些传感器的下一代技术衍生出的更高级的产品，如美国航空航天局的中分辨率成像光谱仪（MODIS）（modis-land.gsfc.nasa.gov/），正慢慢地融入到农业研究和应用模型中。美国陆地卫星系列任务（landsat.usgs.gov）衍生出的数据产品也已经大大改进了许多农业应用，虽然其16天的重访周期成为限制因素，特别是对云层覆盖的地区。
过去十年中，随着政府和私企发射的卫星为开发即时产品提供基础支持农业应用，以空天平台上获得的多光谱数据为基础开发的产品得到了极大的普及。
未来对农业的贡献
成像技术现在能在很窄频带的电磁光谱中同时获得数百种测量数据。能够发射特定波长的能量并测量反射波的新型主动感应技术也已经普及。三个正向空天平台运行层面发展的技术对于发展农业科学将有特别帮助：（1）高光谱成像；（2）主动和被动微波系统；（3）激光系统。
加上农业模型和数据传递系统的进步，这些技术能够彻底改变多尺度农业过程的特点和预测。同现场传感器一样，这些新的遥感技术为企业家提供了面向农民开发和交付产品的机会。
高光谱成像传感器
模仿获取与反射和吸收相关的化学信息的实验室分光计，在数百个窄频带上提供二维图像。这些数据能够发展农业科学中以物理为基础的实证模型，估算叶绿素含量、监测水胁迫、探测入侵物种和评估水质等。搭载于空中平台的商业化高光谱传感器可以监测高价值农作物，国际社会正在制定高光谱卫星任务，预计在未来十年上天。
以遥感技术为基础的土壤水分测量产品主要依靠光谱中微波区域的测量数据，该区域中土壤在不同条件下的介电特性与土壤水分有关。虽然土壤水分不能直接测量且难于从遥感数据中得出，却是农业遥感技术最重要的测量内容。土壤水分除了是影响作物状态的重要因素，还是描述大气和地表互动过程的重要参数，在区域和全球天气模式中起作用。土壤水分还在开发农业管理策略（如灌溉）、预测作物产量及探测和监测干旱中具有重大意义。
目前使用的空间土壤水分产品分辨率较低（十千米），适用于地区和全球应用，对于流域级应用作用有限。不过，美国航空航天局即将发射的土壤水分主动/被动（SMAP）任务(smap.jpl.nasa.gov/imperative)预计将提供高级土壤水分产品，分辨率程度可用于流域管理，因此受到农业领域的广泛关注。
激光系统
如光探测与测距系统（light-detection and ranging，LIDAR），能够发射特定波长的激光脉冲，利用传感器探测遭到拦截或反射回来的能量。GPS获取的轨迹和平台动态与拦截能量的时间结合起来，生成高分辨率的地貌三维呈现（lidar.cr.usgs.gov/）。
机载LIDAR产品广泛用于河滩、海洋和城市测绘，人们正在研究将这种产品在农业上的应用。LIDAR能够提供最准确的遥感地形（还有斜坡和光照）预测，与流失（如施肥）、高海拔地区作物生产和土壤测绘及管理等农业管理决策的相关性较高。植被垂直结构（如高度、密度等）的信息也可以从LIDAR中得出，较传统的破环性取样方法，LIDAR技术侵入性很小。
传感器技术的这三个发展方向清晰地证明了新的数据来源有潜力支持发达国家和发展中国家的农业研究和应用。结合决策支持模型和高速发展的通信技术，这些新的数据来源会为下一代农业做出巨大贡献。
弥补不同模型间的差异
随着计算资源的广泛普及，农业模型已经取得了长足进步，能够连接和整合不同尺度和过程。但是，利用模拟模型评估农业生产及其对环境、生态系统服务和制定可持续管理策略的影响，需要克服不少重大挑战。
下面简要介绍部分挑战。
不同时间和空间尺度模型的整合
现场观察技术长期以来用于开发、校准和评估不同模型，无论是在农田尺度模拟水分和养料在地下排水中的运动的DRAINMOD模型，还是模拟山坡地土壤侵蚀的WEPP模型，还是土壤和水体评价工具SWAT，即评估农业管理决策对作物生产、水文和水质的影响时使用最为广泛的集水区尺度模型（swatmodel.tamu.edu）。
农业管理决策是在农田尺度做出的，但政策性决策却用于区域、国家或国际尺度。目前，在农田尺度至河湾尺度上分析农业影响的模拟模型与全球尺度的模型相互独立。为了在单一模型环境中评估农业生产，这些模型必须协调统一。
遥感和传感器网络可以提供空间观察结果，刻画农田尺度、流域尺度和更大尺度范围内的过程，帮助弥合不同模型差异。例如，大尺度上土壤水分的不同主要受基本条件（如刚下过雨或植被类型）控制，而小尺度上的不同更依赖于当地条件。
通过过程表示来评估相互竞争的需求
衡量对农业用地服务产生的相互竞争的需求（如为粮食和燃料生产生物质、改善水质、为满足生态系统需求设定的最小流动要求等）需要使用统一的模型框架，把生态系统服务、粮食和燃料生产及用水涵盖在内，来同时支持农业生产和生态系统需求。开发这种模型和框架将对未来可持续农业的发展十分重要。
监测水质的传感器和网络
监测水质成本高、耗时长，是限制全球水质数据产品的主要原因。另外，监测水质的现场和遥感技术能评估的指标数量有限。下一代水质监测模型需要便宜的传感器轻松地实时或近实时监测氮浓度、磷浓度、病原体和沉积物等参数。
现代通信设备的新应用
过去几年，移动通信设备上支持日常决策（如最近的加油站的位置）的应用数量大幅增长，农业领域也能获得到部分实时数据（如作物产量）。然而，我们需要新的应用衡量农业生产对水文、水质和生态系统服务产生的影响。开发这种应用将促进可持续农业生产和环境质量的教育和决策制定。
展望未来
虽然上述障碍难以克服，人们的注意力现在集中于农业领域的先进感应技术、数据存储和检索、通信能力、模型和高级应用。加上农业教育、研究和商业活动越来越多地交织融合，在飞速变化的世界中，开发新的能力同时满足对于食物、饲料和纤维不断增长的需求及多样的生态系统服务的需求前景大好。
来源:中国经济网
