遙感技術(shù)中農業(yè)科技的服務(wù)領(lǐng)域應用論文

　　遙感技術(shù)具有大范圍、周期性獲取地表信息的特點(diǎn),被廣泛應用于農業(yè)、減災、林業(yè)等各個(gè)領(lǐng)域[１,２].其中,農業(yè)是遙感技術(shù)發(fā)展最早、應用最成熟的領(lǐng)域之一.遙感技術(shù)被廣泛應用于農業(yè)作物面積制圖、農作物長(cháng)勢監測與產(chǎn)量估計和農情監測等農業(yè)生產(chǎn)和管理的各個(gè)環(huán)節[３Ｇ５].大范圍農作物面積遙感監測方法主要包括抽樣調查和全覆蓋方法[６Ｇ１０].農作物面積遙感抽樣調查方法是先將監測區域劃分成各個(gè)樣方,根據抽樣調查理論抽選部分樣方,再對抽樣樣方的農作物面積進(jìn)行調查,最后根據抽樣理論推算出整個(gè)區域的農作物面積[３,８].全覆蓋測量方法是利用全覆蓋的衛星影像,根據不同作物在影像上的光譜或者空間特征,利用計算機自動(dòng)分類(lèi)或者人工識別方法,獲得全覆蓋的農作物類(lèi)型空間分布圖[９,１０].農作物長(cháng)勢監測和產(chǎn)量估計方面,植被指數、葉面積指數和生物量等遙感指標被廣泛應用于定性的長(cháng)勢監測和經(jīng)驗產(chǎn)量估計[１１].利用遙感技術(shù)還可以實(shí)現地塊級別的作物生理生化參數(水分、葉綠素、氮和碳等)濃度和農田土壤養分的反演[１２,１３].利用這些參數,結合作物生長(cháng)模型進(jìn)行定量化農作物長(cháng)勢監測和產(chǎn)量估計是目前的發(fā)展方向之一[１].農情遙感監測主要包括病蟲(chóng)害監測和災情監測.遙感技術(shù)病蟲(chóng)害監測主要利用作物受不同脅迫影響后發(fā)生的光譜響應來(lái)監測病蟲(chóng)害的發(fā)生和發(fā)展程度.目前,遙感技術(shù)對小麥條銹病、番茄晚疫病、柑橘黃龍病和水稻紋枯病的監測精度已經(jīng)高于８５％[１４,１５].在干旱、洪澇和低溫等主要農作物災害方面,基于遙感土壤水分指數、地表溫度等參數的農作物干旱、洪澇和低溫災害監測已在中國業(yè)務(wù)化運行[１６Ｇ１８].然而,雖然遙感技術(shù)在農業(yè)中得到了廣泛和成熟的應用,但主要集中利用中低空間分辨率衛星數據進(jìn)行大范圍的監測,服務(wù)于農業(yè)部、統計局等國家部委.在面向社會(huì )大眾的產(chǎn)業(yè)化方面,由于中國實(shí)行農民聯(lián)產(chǎn)承包責任制,地塊較為破碎,管理較為精細,對遙感監測的需求不大,使得中國目前在該領(lǐng)域尚屬于起步階段.近年來(lái)中國在逐步推廣農村土地流轉,實(shí)施大范圍的機械化農業(yè),激發(fā)了業(yè)務(wù)化、精細化的農業(yè)遙感監測需求.因此為適應農業(yè)遙感市場(chǎng)發(fā)展的新需求,基于目前農業(yè)遙感的發(fā)展現狀,面向業(yè)務(wù)化、小區域精細農業(yè)遙感服務(wù)的需求,分析遙感農業(yè)科技服務(wù)的內涵、服務(wù)內容、技術(shù)方法和服務(wù)現狀,探討農業(yè)遙感科技服務(wù)的未來(lái).

　　１遙感農業(yè)科技服務(wù)的概念

　　基于遙感技術(shù)的農業(yè)信息化科技服務(wù)是指基于遙感、地理信息系統等信息技術(shù),為農業(yè)生產(chǎn),提供地塊級業(yè)務(wù)化農業(yè)生產(chǎn)輔助管理服務(wù),實(shí)現農業(yè)生產(chǎn)過(guò)程的信息化管理,提高農業(yè)管理效率,降低生產(chǎn)成本和污染,促進(jìn)農業(yè)可持續發(fā)展;提高農業(yè)生產(chǎn)過(guò)程中對自然災害的響應能力,最大限度降低自然災害的影響.具體服務(wù)內容包括:地塊級精準農業(yè)管理、農產(chǎn)品產(chǎn)量預測、病蟲(chóng)害監測、災情監測和農業(yè)保險等服務(wù).

　　２遙感農業(yè)科技服務(wù)的內容

　�。玻�１精準農業(yè)管理

　�。玻�１．１精準施肥

　　精準施肥是指利用遙感技術(shù)進(jìn)行氮、磷、鉀等作物養分的精準監測,實(shí)時(shí)了解作物的養分狀況,繪制作物的養分脅迫地圖,結合GPS,實(shí)現對作物養分缺乏區域的精準施肥,降低化肥使用量,減少環(huán)境污染和生產(chǎn)成本.作物養分遙感監測主要是利用高光譜遙感數據進(jìn)行氮、磷、鉀等作物生化組分的反演,反演方法主要采用植被指數、紅邊指數等進(jìn)行經(jīng)驗回歸[１２,１９].

　�。玻�１．２精準灌溉

　　精準灌溉是指利用遙感技術(shù)進(jìn)行土壤墑情和作物需水量的精準動(dòng)態(tài)監測,實(shí)現地塊級的適時(shí)、適量的作物水分精準灌溉,提高灌溉效率,節約水資源量.干旱監測主要有基于可見(jiàn)光遙感的熱慣量法、條件溫度指數法、距平植被指數法、條件植被指數法、作物缺水指數法等[２０,２１].

　�。玻�１．３精準噴藥

　　精準噴藥是指利用遙感技術(shù),進(jìn)行農作物病蟲(chóng)害的高精度精準監測和制圖,結合GPS,采用無(wú)人機噴灑技術(shù),實(shí)現對作物病蟲(chóng)害區域的精準噴藥.此外,利用遙感技術(shù)進(jìn)行病蟲(chóng)害的實(shí)時(shí)動(dòng)態(tài)監測,還可以使農田管理者實(shí)時(shí)了解病蟲(chóng)害的發(fā)生、發(fā)展狀況,為病蟲(chóng)害的早期防治提供數據支撐,降低蟲(chóng)害損失.遙感技術(shù)病蟲(chóng)害監測主要是通過(guò)監測病蟲(chóng)害導致的.作物光譜響應的變化,構建病蟲(chóng)害的指示指數來(lái)進(jìn)行監測[１４,１５,２２].

　�。玻�２長(cháng)勢監測與產(chǎn)量估計

　　遙感監測的植被指數可以直接反映植被的長(cháng)勢、覆蓋度和動(dòng)態(tài)季相變化[２３,２４],利用時(shí)序歸一化植被指數(NDVI)、差值植被指數(DVI)和比值植被指數(RVI)等遙感植被數據,采用逐年比較模型、等級模型和診斷模型等方法,可以實(shí)現對作物長(cháng)勢的動(dòng)態(tài)監測[１１],采用植被指數與地面實(shí)測產(chǎn)量的回歸模型法可以實(shí)現農作物產(chǎn)量的估計[２５].

　�。玻�３農業(yè)保險服務(wù)

　　遙感技術(shù)可以從兩個(gè)方面服務(wù)于農業(yè)保險.１)農田地塊信息的獲取與管理.利用高分辨率遙感影像可以通過(guò)面向對象的計算機和人工解譯方法獲取承保地塊屬性情況,準確測算承保地塊的種植面積、位置、作物類(lèi)型,提供每一塊承保地塊“遙感提取面積”與“投保面積”關(guān)聯(lián)對比,對承保農作物類(lèi)型、區域位置、耕地類(lèi)型、地塊屬性進(jìn)行評估驗標,并實(shí)現對承保標的風(fēng)險指數分析.２)災情評估.利用遙感技術(shù)可以實(shí)現高精度的洪災[１６,２６]、旱災[１７,２７]和火災[１８]等自然災害范圍的監測,同時(shí)利用遙感技術(shù)進(jìn)行作物長(cháng)勢的監測,可以評估由于災情導致的量減產(chǎn),從而為保險理賠提供科學(xué)數據支撐[２８,２９].

　　３遙感農業(yè)科技服務(wù)的現狀

　�。常�１國外服務(wù)現狀

　　遙感技術(shù)農業(yè)服務(wù)在美國、加拿大等北美國家發(fā)展較為成熟,涌現了以Climate和FarmsEdge為代表的專(zhuān)業(yè)遙感農業(yè)科技服務(wù)公司.美國１/４的農戶(hù)使用Climate公司的服務(wù),２０１６年該公司的營(yíng)業(yè)額高達９９５億元人民幣.Climate和FarmersEdge提供的農業(yè)科技服務(wù)內容包括:

　�。常�１．１數據采集和可視化服務(wù)

　　數據采集、管理:實(shí)時(shí)的數據采集和可視化服務(wù),可以采集拖拉機、耕種機、播種機、噴霧器等農業(yè)機械設備的數據,以及放置在地塊的氣象站點(diǎn)數據,并可疊加在衛星影像上,在電腦、PAD和手機等終端上實(shí)時(shí)展現.耕種過(guò)程的實(shí)時(shí)在線(xiàn)顯示和在線(xiàn)監控:在遙感影像地圖中實(shí)時(shí)顯示耕種過(guò)程,監控農作物播種密度和產(chǎn)量,為農田管理者提供農田生產(chǎn)活動(dòng)的在線(xiàn)監控,實(shí)時(shí)顯示各項農田生產(chǎn)活動(dòng)的進(jìn)度.

　�。常�１．２數據分析服務(wù)

　�。�)作物產(chǎn)量評估.利用遙感影像和數字地圖比較關(guān)鍵參數,確定影響產(chǎn)量的關(guān)鍵措施.提交作物長(cháng)勢報告,并為下一個(gè)季度的作物類(lèi)型挑選提供選擇依據.關(guān)鍵農田參數對比:對比不同時(shí)期的農作物產(chǎn)量、管理措施、作物健康狀況等數據,監測作物的長(cháng)勢,幫助客戶(hù)更好的理解作物長(cháng)勢影響變量.產(chǎn)量分析:更好的分析雜交、土壤類(lèi)型和農田管理措施等對產(chǎn)量措施的影響,幫助客戶(hù)在下季度做更出更好的決策,出具產(chǎn)量分析報告,便于與管理顧問(wèn)分享.地塊分析:出具基于地塊的農作物表現報告,幫助客戶(hù)分析不同農田管理措施如何影響農作物產(chǎn)量.２)農作物長(cháng)勢監測與預防.利用持續的高質(zhì)量遙感影像進(jìn)行作物長(cháng)勢的監測,提前識別和預防農作物災害的發(fā)生,保護農作物產(chǎn)量.

　�。常�１．３精準管理服務(wù)

　　為每一種作物定制一個(gè)管理計劃,通過(guò)氮元素監測工具和可變速率播種工具來(lái)獲得最大的產(chǎn)量.可變速率播種:通過(guò)基于多數據層手動(dòng)腳本方式或者通過(guò)歷史現場(chǎng)數據,創(chuàng )建可變速率播種,結合現場(chǎng)測量結果,定制適合特定產(chǎn)量或盈利目標的種植方案.氮素監測:通過(guò)監測定制區域的氮元素含量,使得地塊始終處在最佳的氮素水平,發(fā)現潛在的缺陷,并輕松添加或編輯氮氣應用數據,以確保實(shí)現您的產(chǎn)量目標.

　�。常�２國內服務(wù)現狀

　　近年來(lái),中國農業(yè)逐漸向機械化、產(chǎn)業(yè)化方向發(fā)展,使得對基于遙感的農業(yè)服務(wù)需求越來(lái)越旺盛,相繼涌現了“佳格”和“云保天下”等遙感科技農業(yè)服務(wù)公司.這些企業(yè)主要提供地塊管理、作物管理、病蟲(chóng)害防治、農業(yè)保險等服務(wù).

　�。常�２．１地塊管理

　　在高分辨率遙感影像上,根據耕地的紋理、種類(lèi)等特征,實(shí)時(shí)地確定地塊位置、識別地塊分界、測算地塊和種植面積,并在云端存儲.

　�。常�２．２作物管理

　　作物長(cháng)勢監測:用可見(jiàn)光、紅外、激光、雷達等實(shí)時(shí)掃描作物的生長(cháng)狀態(tài),據土壤和歷史氣候數據,并結合作物生長(cháng)模型評估其健康狀況.生長(cháng)周期估算:利用遙感衛星一次性監測到廣大地域作物的生長(cháng)狀態(tài),實(shí)時(shí)監控作物所處的生長(cháng)周期,為灌溉、施肥、植保、收割等農事活動(dòng)提供依據,為每個(gè)區域推薦最佳的收割期.

　�。常�２．３病蟲(chóng)害管理

　　病蟲(chóng)害預警:基于主要作物的病蟲(chóng)害預報模型,根據實(shí)時(shí)的氣候、地塊溫度和濕度,通過(guò)云端專(zhuān)家知識庫,預報未來(lái)數周主要農作物病蟲(chóng)害的發(fā)生概率,為更好地開(kāi)展植保提供數據.植保方案:通過(guò)比較不同時(shí)期衛星成像的作物生長(cháng)狀態(tài),實(shí)時(shí)地評估作物健康,并做出植保建議.針對不同的作物病蟲(chóng)害類(lèi)型,選擇針對性的植保方案和特效農藥,對不同作物在不同生長(cháng)時(shí)期的問(wèn)題給出成套的植保解決方案.

　�。常�２．４農業(yè)保險服務(wù)

　　保險標的精準管理:以衛星遙感和地理信息系統為核心,構建農業(yè)保險標的綜合管理平臺,實(shí)現行政區劃、土地歸屬人、宗地編號等多維度的地塊查詢(xún)、數據統計等功能.完美結合農業(yè)保險標的管理實(shí)際應用場(chǎng)景,促進(jìn)農業(yè)保險標的管理升級.受災程度精準評估:通過(guò)估產(chǎn)模型,對各類(lèi)主糧作物及經(jīng)濟作物的產(chǎn)量進(jìn)行準確估算,結合保險公司具體賠付標準,生成災情評估報告,為核保定損提供決策依據.保險費率精準厘定:結合歷史災害信息、歷史產(chǎn)量、氣象、地形地貌等綜合條件,對不同地塊的災情發(fā)生概率與產(chǎn)量進(jìn)行評估,為差異化保費制定提供基礎.

　　４結論與展望

　　隨著(zhù)遙感技術(shù)的發(fā)展,農業(yè)遙感技術(shù)逐步從大區域資源調查和宏觀(guān)決策支持服務(wù),向精細化農業(yè)生產(chǎn)服務(wù)方向發(fā)展,如地塊級的農作物長(cháng)勢監測、病蟲(chóng)害預防、精準噴施等,逐步形成了包含遙感數據和氣象數據等支撐的數據驅動(dòng)農業(yè)生產(chǎn)服務(wù)模式,使得農業(yè)生產(chǎn)活動(dòng)逐步走向信息化、數字化和智能化.雖然目前遙感技術(shù)在精細化農業(yè)生產(chǎn)服務(wù)中發(fā)揮了越來(lái)越大的作用,并已經(jīng)形成了數百億美元的巨大市場(chǎng).然而,目前農業(yè)遙感服務(wù)還存在以下問(wèn)題:１)主要采用可見(jiàn)光遙感數據,由于可見(jiàn)光遙感技術(shù)的限制,可見(jiàn)光遙感數據的光譜分辨率低,限制了其在病蟲(chóng)害監測、農作物生化組分反演等方面的應用,而衛星高光譜遙感數據空間分辨率較低,難以適用于地塊級別的病蟲(chóng)害和生物組分反演應用.２)可見(jiàn)光遙感數據容易受到云雨等天氣條件的影響,雷達遙感可以穿云透霧,但目前高空間分辨率雷達衛星較少,且數據成本高昂,也不適用于地塊級別的應用.機載數據,特別是無(wú)人機載高光譜數據,是解決上述問(wèn)題的有效手段之一.雖然基于無(wú)人機載高光譜數據的病蟲(chóng)害和生化組分反演還處于應用研究階段,但該平臺是精細化農業(yè)遙感進(jìn)一步發(fā)展的重要方向之一.３)農業(yè)遙感技術(shù)服務(wù)的時(shí)效性還有待提高.農情遙感監測,特別是病蟲(chóng)害、旱災等的監測對時(shí)效性有很高的要求,然而目前實(shí)時(shí)或準實(shí)時(shí)遙感,受遙感數據分發(fā)、數據處理等水平的限制,發(fā)展水平較低,還難以做到實(shí)時(shí)或準實(shí)時(shí)的應用的需求,基于GFＧ４號衛星等高時(shí)空分辨率遙感技術(shù)發(fā)展實(shí)時(shí)或準實(shí)時(shí)遙感技術(shù)是發(fā)展的方向之一.４)農業(yè)遙感技術(shù)服務(wù)的費效比還有待提高.農業(yè)的每平方公里GDP產(chǎn)值較低,這決定了農戶(hù)不可能花費較多費用購買(mǎi)遙感技術(shù)服務(wù),如何在滿(mǎn)足應用需求的前提下,盡量減低遙感技術(shù)服務(wù)的費用,提高農業(yè)遙感經(jīng)濟服務(wù)效率,是決定農業(yè)遙感商業(yè)化應用水平的根本.目前高空間分辨率衛星遙感和無(wú)人機遙感監測的費用均較高,還難以滿(mǎn)足農業(yè)應用的低成本需求,GFＧ２/１等國產(chǎn)高空間分辨率衛星數據是免費分發(fā)的數據,基于這些數據來(lái)提供農業(yè)遙感技術(shù)服務(wù)可以大幅減低遙感技術(shù)服務(wù)費用.

　　參考文獻:

　　[１]陳仲新,任建強,唐華俊,等．農業(yè)遙感研究應用進(jìn)展與展望[J]．遙感學(xué)報,２０１６,２０(５):７４８Ｇ７６７

　　[２]歐陽(yáng)玲,毛德華,王宗明,等．基于GFＧ１與Landsat８OLI影像的作物種植結構與產(chǎn)量分析[J]．農業(yè)工程學(xué)報,２０１７,３３(１１):１４７Ｇ１５６

　　[３]劉國棟,鄔明權,牛錚,等．基于GFＧ１衛星數據的農作物種植面積遙感抽樣調查方法[J]．農業(yè)工程學(xué)報,２０１５,３１(５):１６０Ｇ１６６

　　[４]朱壽東,劉慧平,馮徽徽,等．基于時(shí)間序列影像的中觀(guān)尺度農作物長(cháng)勢監測采樣方法[J]．農業(yè)工程學(xué)報,２０１２,２８(２):１２７Ｇ１３３

　　[５]徐新剛,吳炳方,蒙繼華,等．農作物單產(chǎn)遙感估算模型研究進(jìn)展[J]．農業(yè)工程學(xué)報,２００８,２４(２):２９０Ｇ２９８

　　[６]鄔明權,楊良闖,于博,等．基于遙感與多變量概率抽樣調查的作物種植面積測量[J]．農業(yè)工程學(xué)報,２０１４,３０(２):１４６Ｇ１５２

　　[７]李宜展,朱秀芳,潘耀忠,等．農作物種植面積遙感估算優(yōu)化研究———抽樣單元[J]．北京師范大學(xué)學(xué)報(自然科學(xué)版),２０１５,５１(S１):１１９Ｇ１２６

　　[８]王迪,周清波,陳仲新,等．空間抽樣方法估算冬小麥播種面積[J]．農業(yè)工程學(xué)報,２０１２,２８(１０):１７７Ｇ１８４

　　[９]劉佳,王利民,楊福剛,等．基于HJ時(shí)間序列數據的農作物種植面積估算[J]．農業(yè)工程學(xué)報,２０１５,３１(３):１９９Ｇ２０６

　　[１０]鄔明權,王長(cháng)耀,牛錚．利用多源時(shí)序遙感數據提取大范圍水稻種植面積[J]．農業(yè)工程學(xué)報,２０１０,２６(７):２４０Ｇ２４４

　　[１１]孔令寅,延昊,鮑艷松,等．基于關(guān)鍵發(fā)育期的冬小麥長(cháng)勢遙感監測方法[J]．中國農業(yè)氣象,２０１２,３３(３):４２４Ｇ４３０

　　[１２]孫焱鑫,王紀華,李保國,等．基于BP和GRNN神經(jīng)網(wǎng)絡(luò )的冬小麥冠層葉綠素高光譜反演建模研究[J]．遙感技術(shù)與應用,２００７,２２(４):４９２Ｇ４９６

　　[１３]顏春燕．遙感提取植被生化組分信息方法與模型研究:[學(xué)位論文]．北京:中國科學(xué)院研究生院(遙感應用研究所),２００３

　　[１４]張競成,袁琳,王紀華,等．作物病蟲(chóng)害遙感監測研究進(jìn)展[J]．農業(yè)工程學(xué)報,２０１２,２８(２０):１Ｇ１１

　　[１５]唐翠翠．基于多源遙感數據的小麥病蟲(chóng)害大尺度監測預測研究[D]．合肥:安徽大學(xué),２０１６

　　[１６]李通,張麗,申茜,等．湄公河下游洪災淹沒(méi)面積多源遙感時(shí)序監測分析[J]．應用科學(xué)學(xué)報,２０１６,３４(１):７５Ｇ８３

　　[１７]覃志豪,高懋芳,秦曉敏等．農業(yè)旱災監測中的地表溫度遙感反演方法———以MODIS數據為例[J]．自然災害學(xué)報,２００５,１４(４):６４Ｇ７１

　　[１８]鄭偉,邵佳麗,王萌,等．多源衛星遙感草原火災動(dòng)態(tài)監測分析[J]．自然災害學(xué)報,２０１３,２２(３):５４Ｇ６１

　　[１９]FeiL,MartinlG,JiaL,etal．F．EstimatingNstatusofwinＧterwheatusingahandheldspectrometerintheNorthCinahPlain[J]．FieldCorpsRsearche,２００８,１０６(１):７７Ｇ８５

　　[２０]AnyambaA,TuckerCJ．NDVIanomalypatternsoverAricafduringthe１９９７/９８ENSOwarmevent[J]．InternationalJournalofRemoteSnsineg２００１,２２(１０):１８４７Ｇ１８５９

　　[２１]BokenVK．ImprovingadroughtearlywarningmodelforanaridregionusingasoilＧmoistureindex[J]．AppliedGoegraphy２００９,２９(３):４０２Ｇ４０８

　　[２２]YangC,OdvodyGN,FernandezCJ,etal．EvaluatingunsuＧpervisedandsupervisedimageclassificationmethodsformapＧpingcottonrootrot[J]．PrecisionAgriculture,２０１５,１６(２):２０１Ｇ２１５

　　[２３]吳素霞,毛任釗,李紅軍,等．中國農作物長(cháng)勢遙感監測研究綜述[J]．中國農學(xué)通報,２００５,２１(３):３１９Ｇ３２２

　　[２４]蒙繼華．農作物長(cháng)勢遙感監測指標研究[D]．北京:中國科學(xué)院研究生院(遙感應用研究所),２００６

　　[２５]王愷寧,王修信．多植被指數組合的冬小麥遙感估產(chǎn)方法研究[J]．干旱區資源與環(huán)境,２０１７,３１(７):４４Ｇ４６

　　[２６]王艷．基于多源數據的洪災區域快速提取方法研究[D]．南昌:江西理工大學(xué),２０１５

　　[２７]常江．遙感技術(shù)在農業(yè)災害監測中的應用分析[J]．現代農業(yè)科技,２０１７(３):２１８Ｇ２１９

　　[２８]蒙繼華,付偉,徐晉,等．遙感在種植業(yè)保險估損中的應用[J]．遙感技術(shù)與應用,２０１７,３２(２):２３８Ｇ２４６

　　[２９]王嵐,王戎．衛星遙感技術(shù)在農業(yè)安全生產(chǎn)中的應用[J]．內蒙古科技與經(jīng)濟,２０１２,(２０):６１Ｇ６２

【遙感技術(shù)中農業(yè)科技的服務(wù)領(lǐng)域應用論文】相關(guān)文章：

遙感技術(shù)在土地利用調查中的應用論文03-29

農業(yè)科技的推廣及應用論文07-02

水資源研究領(lǐng)域中遙感技術(shù)的運用論文04-17

談農業(yè)科技的推廣及應用農科論文07-02

農業(yè)科技傳播中新媒介的應用論文11-04

論客戶(hù)服務(wù)在供電營(yíng)銷(xiāo)中的應用論文05-12

農業(yè)科技服務(wù)研究情況論文11-03

數學(xué)模型在銀行服務(wù)與信貸中的應用論文10-09

媒體在農業(yè)科技傳播中的作用論文11-04