我国农业遥感的应用现状与展望

第19卷第6期2003年11月农业工程学报

TransactionsoftheCSAEVol.19　No.6Nov.　2003

我国农业遥感的应用现状与展望

邢素丽1,2,张广录2

(1.中国科学院研究生院,北京100039;　2.中国科学院石家庄农业现代化研究所,石家庄050021)

摘　要:目前,遥感技术在我国农业上主要应用在农用地资源的监测与保护、农作物大面积估产与长势监测、农业气象灾害

监测和作物模拟模型等几方面。该文对我国农业遥感上述几方面的研究、应用进行了讨论、分析与评价,认为3S一体化、灾害预测研究、高光谱遥感、定量遥感是今后的发展方向。同时,遥感技术的应用与发展,对我国农业数字化进程的推进有不可替代的作用。

关键词:遥感;农业应用中图分类号:S127　　　　文献标识码:A　　　　文章编号:100226819(2003)06201742051　引　言

遥感技术是20世纪60年代以来,在现代物理学(包括光学技术、红外技术、微波雷达技术、激光技术和全息技术等)、空间科学、电子计算机技术、数学方法和地球科学理论的基础上发展起来的一门新兴的、综合性

[1]

的边缘学科,是一门先进的、实用的探测技术,它已越来越广泛地应用在农业、地理、地质、海洋、水文、气象环境监测、地球资源勘探、军事侦察等多个方面。在我国农业应用中,从早期的土地利用和土地覆盖面积估测研究、农作物大面积遥感估产研究开始,已扩展到目前的3S集成对农作物长势的实时诊断研究、应用高光谱遥感数据对重要的生物和农学参数的反演研究、高光谱农学遥感机理的研究、模型的研究与应用以及草地产量估测、森林动态监测等多层次和多方面。遥感技术和计算机技术的发展和应用,已经使农业生产和研究从沿用传统观念和方法的阶段进入到精准农业、定量化和机理化农业的新阶段,使农业研究从经验水平提高到理论水平。

2　遥感技术在我国农业中的应用研究现状

2.1　农用地资源的监测与保护

在我国,由于耕地的数量减少与质量下降,耕地保

护已成为实现农业可持续发展的一个重要战略任务。遥感信息因其覆盖面大、实时性和现势性强、速度快、周期性和准确可靠以及省时、省力、费用低等优点,被广泛用于测定农用地的数量与质量的动态变化[2～7]常用的土地利用遥感监测方法基本上分为两种,即:逐个像元比较法(pixeltopixelcomposition)和分类后比较法(postclassficationcomposition)。前者首先是对同一区域不同年份同一时相影像的光谱特征差异进行比较,确定土地利用发生变化的位置,在此基础上,再采用分类的方法

收稿日期:2003203221

基金项目:中科院知识创新项目(KZCX22SW2317;KZCX22313)

作者简介:邢素丽(1966-),女,河北唐山人,硕士研究生,从事遥感农业应用研究。北京　中国科学院研究生院,100039。Email:sophi2

axing@sina.com.

来确定土地利用变化信息[8]。该方法优点是先确定土地利用变化的位置,缩小分类范围,提高监测速度。后者是针对整个监测区域的逐影像系列同一位置分类结果确定土地利用类型变化的位置和所属类型,其优点是可以回避前一种方法所要求的影像系列一致的条件,以及影像间辐射纠正、匹配等问题,但需要选择合适的分类方法来改善精度。

在分类方法上,目前农业遥感中计算机自动分类的研究方法很多,主要集中在如下几种:统计方法、神经网络法、模糊法、小波变换理论分类法等。尤以统计方法和神经网络法研究和应用得最多。统计分类法又可分为“监督分类”和“非监督分类”两种实施方案。以最大似然法应用得最为广泛。最大似然法的基本前提是认为每一类的概率密度分布都是正态分布。其算法内在缺陷少、可靠性好、分类精度较高,缺陷是需要先验概率和条件概率密度函数模型,模型的精度直接影响分类精度。后来有人发展了改进的最大似然分类法,如最小距离分类结果估计先验概率法[9]、Markov模型分类技术[10]等。

神经网络分类法[11]与传统分类方法的最大区别在于,神经网络分类法并不基于某个假定的概率分布;它在非监督分类中,从特征空间到模式空间的映射是通过网络的自组织来完成的,是一种聚类过程;在监督分类中,网络通过对训练样本的学习,获得网络的权值,形成分类器。一般可以分为前馈网络、后馈网络、自组织网络三大类。神经网络中多层前馈网络的反向传播神经算法(又称BP算法)在遥感分类中应用得最为广泛。BP算法的神经网络容错能力强,有较好的适应性,适于解决遥感图像中的“同物异谱”和“同谱异物”问题。

模糊分类技术比传统的最大似然法具有较高的识别精度,模糊分类认为一个像元在某种程度上属于某类而同时在另一程度上属于另一类,这种类属关系的程度用像元隶属度表示。模糊分类技术的关键是确定像元的隶属度函数。

小波变换的基本思想是将任一平方函数或能量的有限信号通过多分辨率分析表示成小波系数的叠加。小波变换在边缘检测和纹理分析中可反映出不同尺度

　第6期　　　　　　　　　　　　　　　邢素丽等:我国农业遥感的应用现状与展望175

之间纹理的特征,能克服基于统计方法或Markove随机场等分布纹理模型的结构方法的不足[12,13]。

在实际应用中,由于各种内在的和外界因素的影响,往往使分类结果不够理想,需要在常规的光谱分类技术的基础上,利用不同分类方法之间的优势互补、优化组合来提高分类精度。同时应用多源遥感和非遥感信息、与GIS、GPS结合。2.2　农作物长势监测和大面积估产

作物长势是作物生育状况总体评价的综合参数。农作物长势监测指对作物的苗情、生长状况及其变化的

[14]

宏观监测。美国从1974年开始大面积估产计划(LargeAreaCropInventoryExperiment,LACIE),90年代,农业遥感的重点转入作物管理(Precisioncropmanage2ment)[15]。我国早期的农业遥感的重点也是在估产[14]。从“六五”计划开始,开展了农作物遥感估产研究[16～18],并在区域尺度上开展估产试验。1983年起农业部先后组织北京近郊小麦[19]、浙江嘉湖地区水稻及[20]

北方六省市小麦遥感估产。“八五”期间遥感估产成为科技攻关内容,小麦、玉米和水稻大面积遥感估产研究,取得了丰硕的成果[21,22]。1998年,杨邦杰指出长势监测是农业遥感更为重要的任务[23]。真正用于长势监测的研究起步较晚,且大多集中在冬小麦这一作物上[24,25]。长势遥感监测的基础是必须有可用遥感监测的生物学指标。

典型绿色植物的发射光谱曲线,在蓝光区和红光区各有一个叶绿素吸收带(吸收中心在0.45μm及0.65μm),在近红外区则呈现高反射。极轨气象卫星NOAA/AVHRR观测通道的第一波段0.58～0.68μm处在叶绿素的吸收带,第二波段0.725～1.1μm位于绿色植物的光谱反射区。第一、第二波段的组合,常有效地用于作物长势监测。归一化植被指数(NDVI)是最为常用的一种植被指数,其公式为NDVI=(CH2-CH1)/(CH2+CH1)其中,CH1、CH2分别为NOAAA/VHRR的第一波段(红光)、第二波段(近红外)反射率值。NDVI与作物的叶面积指数和生物量成正相关[26～28],在NDVI的时间序列分析中,高时间分辨率的气象卫星能够以天为单位对地理过程进行采样[29],可用于准实时的作物长势动态连续监测和产量估计。NDVI综合利用了四则运算,提高了对土壤背景的鉴别能力,削弱了大气层和地形阴影的影响。美国在20世纪80年代初便使用时间序列的NOAA/AVHRR的NDVI数据估算作物的产量[30],其后的许多估产模型都是基于该方法。如张建华(2000)[31]提出作物估产的数值模拟方法;江东(2002)[34]等利用NOAA/AVHRR资料研究了NDVI曲线与农作物长势的时序互动规律;姜城(2001)[32]等利用TM图像进行了地块内冬小麦产量变异的研究……。但是以上应用由于受卫星遥感数据分辨率和植被指数灵敏度的影响(极轨气象卫星星下点空间分辨率为1.1km,时间分辨率为1/4d;陆地卫星星下点空间分辨率为30m,时间分辨率为16d;NDVI对土壤背景的变化比较敏感,当植被覆盖度小于15%时,植被的NDVI略大于裸土;当植被覆盖度为25%～80%时,NDVI随植被覆盖度的增加呈近于线性的增长;当植被覆盖度大于80%时,检测的灵敏度下降[33]),其监测和估算精度与图像数据处理的精确程度有直接关系。2.3　农业气象灾害监测与预测

目前遥感灾害监测已经比较成熟地应用在干旱、洪涝、冻害等农业气象灾害的监测中。在这一点上,NOAA/AVHRR遥感影像具有独特的优势。NOAA/AVHRR卫星资源具有时间分辨率高、费用低廉的特征优势,尽管其空间分辨率较低,但在我国现阶段的国情国力基础下,作为灾害监测的遥感数据,不失为首选遥感信息源。2.3.1　干旱我国目前较为常用的遥感监测干旱的方法为热惯量法和作物缺水指数法。

热惯量是物质热特性的一种综合量度,反映了物质与周围环境能量交换的能力。不同物质的热惯量值差异很大,从而对物质温度的变化幅度起决定作用。土壤的热惯量与土壤含水量有很好的相关关系。因此,可以从土壤温度昼夜的变化幅度来推求土壤含水量[34]。热惯量法适用于早春和冬季裸土情况。由于植被会改变土壤的热传导,因而此法不适用于植被覆盖情况。

作物缺水指数(cropwaterstress,CWSI)是土壤水分的一个指标,是由作物冠层温度转化而来的,其模型为CWSI=1-Ed/Ep,式中,Ed—蒸散发量,Ep—蒸散发能力。Ed越小,CWSI越大,反映了供水能力差,即土地干旱。利用由NOAA气象卫星得到的热红外温度可计算出蒸散发量Ed和蒸散发能力Ep,进而可以计算出作物缺水指数CWSI,并可作旱情分级[35～37]。作物缺水指数法通过反演作物冠层温度得到作物根层土壤水分信息,比较适用于植被表面全覆盖的情况。

在部分植被覆盖条件下旱情的监测研究比较复杂,隋等(1996)[38]提出的双层模型是一种较为有效的解决方法。双层模型将土壤和作物冠层分为两个边界层,以此来研究其传输过程,并考虑了两者对蒸发贡献的不同,因此,提高了土壤含水量的估算精度。

此外国内外学者还开发了条件植被指数、条件温度指数(王鹏新,2001)[39]、距平植被指数等监测干旱的方法。2.3.2　冻害

应用遥感手段监测冻害,迅速估计灾害的发生与范围,具有重要的经济意义。杨邦杰等(2002)[40]利用冻害发生期间气象台站的资料和同期气象卫星NOAA/AVHRR的所有晴空数据,根据植被指数NDVI突变的特征,结合作物的生育期,提出了实用的小麦冻害监测方法。

冬小麦在春季遭受冻害后,植被指数急剧下降,有一个突变值。此时的植被指数不反映冬小麦生物量的大小,而主要是冬小麦活性降低所致。春季冻害大多为-1℃左右的低温,冬小麦的根、叶不致冻死,生物量并未明显减少,冻害过后可迅速回复。但极不耐寒的花芽

176农业工程学报　　　　　　　　　　　　　　　　　　　　　2003年　

分化受到影响,致使成熟时出现抽穗而无籽的“哑穗”、3.2　灾害预测研究的发展

随着农业运行化监测系统的进一步完善,地面基础“白穗”,严重影响最终产量。对这种冻害进行监测必须

数据库的进一步健全,完善遥感和GIS、GPS结合的灾害使用实时或准实时数据,要在冬小麦恢复活性前及时获

监测和分析、评估功能,进一步综合农学、气象、历史统取并分析图像。

3S等多种信息源和技术手段进行运行化的灾隆冬季节因严寒造成的冻害与春季冻害本质不同。计数据、

害预测系统、生产管理决策系统的研究与应用应为今后严寒使冬小麦根部冻死,来年春季返青受到影响,因生

的发展方向。长量小,致使植被指数在较长的一段时期内偏低,易于

3.3　高光谱遥感技术及相关支持系统的发展用遥感监测,对监测的实时性要求不强。此外,张小煜

相对于传统的低光谱分辨率遥感(通常指光谱分辨等(2001)[41]还在宁夏主要作物霜冻遥感监测研究中应

率在0.1μm以上)而言,高光谱分辨率遥感(光谱分辨用了植被指数差值、指标判读、最低气温计算等方法提

率在0.1μm以下)数据最主要的特点就是成像通道数高温度反演的精度。

量的增加和成像波段的变窄。从而使植被遥感的监测2.3.3　洪涝灾害

目标发生了很大的变化[47],获取子像元(最终光谱单元遥感技术很早就用于洪水的监测工作,水利部遥感信息)的能力得到提高,使得遥感应用着重于在光谱维中心早在1983年就曾利用陆地卫星MSS图像监测了位上进行空间信息展开,定量分析地球表层生物物理化学于三江平原的挠力河的洪水,后来又采用NOAA/过程和参数[48]。AVHRR、机载SAR、航空彩红外摄影等技术手段监测洪在我国农业遥感中,今后需要抓住高光谱遥感与精水[42],现阶段洪涝灾害遥感监测技术已经成熟,可利用

准农业研究的基础问题,如环境胁迫作用下的遥感机理NOAA/AVHRR卫星资料,从典型的地物波谱特征出发,

和遥感标志研究,遥感与GIS的集成对作物胁迫作用的建立洪涝水体的判别函数,进而进行面积量算[43]。

诊断理论以及作物生长环境和收获产量的实际分布的

2.4　作物遥感模型

空间差异性机理和环境胁迫作用与产量形成的遥感定

农业模型是国际上20世纪农业科学发展的一项重

量关系;需要抓住高光谱、高分辨率、雷达等技术手段和

大成就,它起始于上世纪60年代。今天,在西方发达国

“3S”集成等关键技术,对植被的叶面积指数、生物量、全

家的科学界,农业模型已被公认为农业研究的一个重要

氮量、全磷量等生物物理参数进行分析和估算;需要基

新方法。农业模型由于将农业过程数字化,使农业科学

础农业信息系统的设计与建立,GIS支持下农作物征兆

从经验水平提高到理论水平。是农业科学在方上

信息提取和农业诊断系统模型研究;需要研究作物的光

的一个新突破[44]。我国作物模型的研究开始于20世

谱特征农学遥感机理,并将其直接应用于农业生产决策

纪80年代中期,机理性较强的有高亮之的水稻模型

和管理。用于精准农业的新型遥感技术和遥感信息定

RICEMOD、戚昌翰的水稻模型RICAM、冯利平的小麦模

量、定性、定位一体化快速遥感技术研究仍是当前研究[45]

型WHEATSM、尚宗波的玉米模型MPESM等。这些

的主要内容之一,随着高光谱技术进入航天阶段以及传

模型能够反映作物生长和发育的基本生理生态机理和

感器的进步、对地观测专业小卫星的发展,遥感技术必

过程,具有动态性和通用性。但是各种作物模型对作物将成为推进我国数字农业(DigitalAgriculture)和精准农生理生态过程的描述有简有繁,参数取值差别较大,许业、生态农业的重要支撑。多作物模型中采取了一系列的假设来描述未知的生理过程,使得精度降低。另外,由于模型所需的大量气候、[参　考　文　献]

[46]

土壤和作物特性资料不易得到,也增加了应用难度。[1]　胡著智,王慧麟,陈钦峦.遥感技术与地学应用[M].南京:

南京大学出版社,1999,8,1～5.需要进行深入的研究和矫正。

3　发展方向

3.1　进一步完善数据库资料,RS、GIS、GPS一体化

目前遥感技术在应用上可以说已经与GIS、GPS的应用融为一体。GIS具有强大的数据处理、管理和空间分析能力,GPS除了用于导航外,在遥感对地定位、探测

大气状况和确定地表变化范围方面的应用也广泛开展起来。目前我国农业上应用的大量遥感数据源为NOAA/AVHRR数据,对于地形复杂、耕作制度多样、作物混种严重的地区,AVHRR资料的“同谱异物”、“同物异谱”现象严重,给不同作物的识别带来了一定的难度。需要与地面资料和高空间分辨率的遥感资料结合,提高NOAA卫星数据解译精度;综合应用“3S”技术,进一步实现“3S”一体化,为一种经济可行的方法。

[2]　刘友兆,王　俊,刘吉军,等.地理信息系统支持下县域耕

地分等研究[J].南京农业大学学报,2001,24(3):106～110.[3]　王召海.棉花种植面积遥感调查研究[J].遥感信息,1999,

1:990107.[4]　杨存建,刘纪远,张增祥,等.遥感和GIS支持下的云南省退

耕还林决策分析[J].地理学报,2001,56(2):181～188.

[5]　HuangJingfeng,AhmadYaghi,WangRenchao.Intergrationof

GISandatatoExtractEarlyRiceAreainLongyouCounty[J].TransactionsoftheCASE,2001,17(1):159～162.[6]　王　成,武　红,徐化成,等.太行山中低区河谷内农田斑

块特征及其分布格局———以河北省阜平县胭脂河主流河谷为例[J].应用生态学报,2001,12(4):535～0.[7]　刘海启,裴志远,张松岭,等.资源一号卫星CCD图像在作

物面积监测中的应用[J].农业工程学报,2001,17(4):140～143.[8]　赵寒冰,曾志远,李　硕.可持续发展战略的资源遥感回顾

　第6期　　　　　　　　　　　　　　　邢素丽等:我国农业遥感的应用现状与展望与展望[J].遥感技术与应用,2002,17,(2).112～118.[9]　刘冬林,周建林.农作物遥感分类中一种改进的最大似然

法[J].中国农业资源与区划,1998,(5):15～18.[10]　邸凯昌,李得仁,李得毅.基于空间数据的遥感图像分类

方法研究[J].武汉测绘科技大学学报,2000,25(1):42～48.[11]　杨　鹏,唐俊华,刘佳.作物遥感估产中自动分类研究进

展与展望[J].中国农业资源与区划,2000,21(3):57～60.[12]　何国金.小波变换在遥感图像处理中的应用综述[J].遥感

信息,1999,1:990104.[13]　朱长青,杨启和.基于小波变换特征的遥感地貌影像文理

分析和分类[J].测绘学报,1996,25(4):252～256.[14]　杨邦杰,裴志远.农作物长势的定义与遥感监测[J].农业

工程学报,1999,15(3):214～218.[15]　MoranMS,YInoue,BarneseEM.Opportunitiesandlimita2tionsforimage2basedremotesensinginprecisioncropmanage2ment[J].RemoteSensEnviron,1997(61):319～346.[16]　侯学增.京津冀小麦遥感估产试验研究论文集[C].北京

科技出版社,1986.[17]　项月琴.遥感估算水稻产量[J].环境遥感,1988,3(4):308

～316.[18]　田国良,项月琴.遥感估算水稻产量[J].环境遥感,19,4

(1)73～80.

[19]　肖乾广.用气象卫星数据对冬小麦进行估产实验[J].环境

遥感,1986,1(4):260～269.[20]　吴炳方.全国农情监测与估产的运行化遥感方法[J].地理

学报,200155(1:25～35).[21]　孙九林.中国农作物遥感动态监测与估产[M].北京:中国

科学技术出版社,1996.[22]　陈沈斌.小麦、玉米和水稻遥感估产技术试验研究文集

[C].北京:中国科学技术出版社,1993.[23]　杨邦杰.基于卫星遥感的农情监测系统[C].周光召主编:

科技进步与学科发展.北京:中国科学技术出版社,1998,290～296.[24]　裴志远,杨邦杰.多时相归一化植被指数NDVI的时空特

征提取与作物长势模型的设计[J].农业工程学报,2000,16,(5):21～22.[25]　辛景峰,宇振荣,P.M.Driessen.利用NOAANDVI数据集监

测冬小麦生育期的研究[J].遥感学报,2001,5(6):442～448.[26]　王延颐.南方稻区遥感水稻长势监测与估产研究[J].遥感

技术与应用,1991,6(3):1～6.[27]　BenedettiRoberto,PaoloRossini.OntheuseofNDVIprofilesas

atoolforagriculturalstatistics:Thecasestydyofwheatyiekdes2timateandforecastinEmiliaRomagna[J].RemoteSensingEn2vironment,1993,45:311～326.[28]　RasmussenMS.Assessmentofmilletyieldsandproductionin

northernBurkinaFasousingintegratedNDVIfromtheAVHRR[J].InternationalJournalofRemoteSensing,1992,13:3431～

177

3442.[29]　江　东,王乃斌,等.NDVI曲线与农作物长势的时序互动

规律[J].生态学报,2002,22(2):247～252.[30]　RassmussenMS.Developingsimple,operational,consistentND2

VI2vegetationmodelsbyapplyingenvironmentandclimaticinfor2mation.PartⅡ:Cropyieldassessment[J].InterationalJournalofRemoteSensing,1998,19(1):119～139.[31]　张建华.作物估产的遥感2数值模拟方法[J].干旱区资源

与环境,2000,14(2):82～86.[32]　姜　城,金继运,张维理.TM遥感与地块内冬小麦产量变

异[J].遥感技术与应用,2001,16(1):23～27.[33]　PotdarMB,GeogeHR,PetterMJ,etal.Sorghumyieldmod2

elingbasedoncropgrowthparametersdeterminedfromvisibleandnear2IRchannelNOAAAVHRRdata[J].InternationalJour2nalofRemoteSensing,1993,14(5):5～950.[34]　李纪人.旱情遥感监测方法及其进展[J].水文,2001,21

(4):15～17.

[35]　申广荣,田国良.作物缺水指数监测旱情方法研究[J].干

旱地区农业研究,1998,16(1):123～128.[36]　申广荣,田国良.基于GIS的黄淮海平原旱灾遥感监测研

究[J].农业工程学报,1999,15(1):188～191.[37]　申广荣,田国良.基于GIS的黄淮海平原旱灾遥感监测研

究—作物缺水指数模型的实现[J].生态学报,2000,20(3):224～228.

[38]　隋,田国良,李付琴.农田蒸散双层模型及其在干旱

遥感监测中的作用[Z].遥感信息科学开放研究实验室年报,1996.[39]　王鹏新,龚健雅,李小文.条件植被温度指数及其在干旱

监测中的应用[J].武汉大学学报.信息科学版,2001,7(5):412～418.

[40]　杨邦杰,王茂新,裴志远.冬小麦冻害遥感监测[J].农业工

程学报,2002,18(2):136～140.[41]　张小煜,陈豫英,苏占胜,等.宁夏主要作物霜冻遥感监测

研究[J].遥感技术与应用,2001,16(1):32～36.[42]　李纪人.遥感与水问题[J].国土资源遥感,1999,41(3):23

～27.[43]　裴志远,杨邦杰.应用NOAA图像进行大范围洪涝灾害遥

感监测的研究[J].农业工程学报,1999,15(4):203～206.[44]　高亮之.数字农业与我国农业发展(一).中国数字农业信

息港.[45]　李　军.作物生长模拟模型的开发应用进展[J].西北农业

大学学报,1997,25(4):39～42.[46]　王宗明,梁银丽.植被净第一性生产力模型研究进展[J].

干旱地区农业研究,2002,20(2):104～107.[47]　程乘旗,马　廷,王立明.用于植被冠层分析的高光谱波

段的组合方法研究[J].地理学与国土研究,2002,18(2):23～25.[48]　童庆禧,郑兰芬.湿地植被成像光谱遥感研究[J].遥感学

报,1997,1(1):50～57.

178农业工程学报　　　　　　　　　　　　　　　　　　　　　2003年　

Applicationstatusquoandprospectofagriculture

remotesensinginChina

XingSuli1,2,ZhangGuanglu2

(1.GraduatedSchoolofTheChineseAcademyofSciences,Beijing100039,China;

2.ShijiazhuangInstituteofAgriculturalModernizationChineseAcademyofSciences,Shijiazhuang050021,China)

Abstract:NowinChinaagriculture,remotesensingtechniqueisapplyinginmanystudies,suchasthemonitoringandprotectionofagriculturalfield,theestimationofyieldinlargeareacrop,themonitoringofcropgrowth,themonitoringofagriculturalandmeteorologicdisaster,thecropsimulationmodelandsoon.Inthispaper,thestudiesandapplicationsmentionedaboveweredis2cussed,analysedandevaluated.Thedevelopmentdirectionofagricultureremotesensinginstudiesisthetechniqueof3Sintegra2tion,theforecastofdisaster,hyperspectrualremotesensing,rationremotesensingandsoon.Atthesametime,theapplicationanddevelopmentofremotesensingtechnologyplayanveryimportantroleintheboostingofChinesedigitalagricultureprocess.Keywords:remotesensing;agriculturalapplication