哈特福德，南达科他州（Newsworthy.ai）2026年4月17日星期五 @ 上午7:00 中部时间 —

卫星图像长期以来一直被宣传为精准农业的未来，但农民们却不断因不可靠的数据和无法实现收支平衡的价格而蒙受损失。Resolv公司的一篇新开放获取论文认为，这两个问题有相同的解决方案：将精确的地表反射率作为标准输出，而非例外。

这篇题为“地表反射率：提升精准农业的图像标准”的论文由Resolv公司的David Groeneveld博士和Tim Ruggles撰写，于3月30日发表在《遥感》期刊上。该论文对Sentinel-2图像上的三种大气校正方法进行了基准测试，并阐述了可靠的校正标准如何为低成本、全自动的作物智能分析打开大门。

光线在到达卫星传感器之前，会穿过不断变化的大气层，这段旅程会扭曲信号。大气校正可以逆转这种扭曲，将数据还原为地表反射率，这是进行精确作物分析实际需要的测量值。当校正不准确时，小片云朵和阴影看起来就像是作物问题，从而触发误报。逐一勘察这些误报会耗费农民无法承受的时间和金钱，而自动化分析一直无法区分不良数据和真正的麻烦。精准农业也因此停滞不前。

Resolv团队将两种主流工具Sen2Cor和FORCE与CMAC进行了比较。CMAC是Resolv开发的用于大气校正的闭式方法，目前正准备进行商业发布。在广泛的大气条件下，CMAC都产生了精确且准确的地表反射率估计值。而两种主流方法则显示出系统性误差，对清晰图像过度校正，对模糊图像校正不足。由于这些工具的构建方式，这种偏差在此论文揭示之前一直未被发现。

论文详细阐述了可靠地表反射率使之成为可能的验证性应用：

自动移除云层和云影，在误报到达农民之前将其消除。

一个自动化的作物起始日期指数，可能取代数百万英亩土地上的积温调度，让种植者能够提前规划处理和收获。

即使大气水汽含量变化，也能保持稳定的NDVI读数，这对于许多仅携带宽带近红外传感器的卫星来说至关重要。

直接从图像进行土壤能力分类，从而可以按可变速率施用种子和肥料，以平衡产量与投入成本。

基于作物绿度和参考蒸散量的精确远程作物灌溉，可以提高产量、节约用水并降低灌溉成本。

综合来看，这些应用为精准农业实现自负盈亏提供了一条切实可行的路径。

高昂的图像成本是第二个障碍，论文提出了一个分层模型来降低成本。第1层使用免费的、高质量的Sentinel-2图像，并校正为地表反射率。第2层在云层遮挡Sentinel-2时，用商业小卫星数据填补空白。小卫星数据可以重采样以匹配Sentinel-2，进行验证并自动计费，无需人工干预。

其结果可以形成一个交钥匙管道，能够跨广大区域自动订购、校正、分析、跟踪和计费图像，无需人工介入。服务成本大幅下降，同时图像销售量增长。作物保险可以作为一个天然的渠道，简化损失理算，让更多土地纳入积极管理，同时不损害种植者的隐私。

遥感技术多年来在农业领域一直承诺过多而兑现不足。Resolv认为，可靠的地表反射率图像最终可以弥合这一差距。

关于Resolv公司

Resolv开发用于卫星图像的大气校正技术，专注于使精准农业分析在大规模应用时既可靠又经济。CMAC的初期开发由美国国家科学基金会小企业创新研究计划资助。CMAC现已准备进行商业推广。Resolv在其网站https://resolvearth.com上还有其他同行评审论文可供查阅。

Justin McKenzie
电子邮件联系
(210) 748-2312

论文引用：Groeneveld, D. and Ruggles, T. “Surface Reflectance: An Image Standard to Upgrade Precision Agriculture.” Remote Sensing, March 30, 2026.

免责声明：此翻译是由NewsRamp™ 为 Newsworthy.ai（统称为“公司”）使用公开可访问的生成式人工智能平台自动生成的。公司不保证此翻译的准确性或完整性，并且不对任何错误、遗漏或不准确之处承担责任。依赖此翻译风险自负。公司对因依赖此翻译而产生的任何损害或损失不承担责任。此新闻稿的官方和权威版本是英文版本。