簡述高光譜遙感技術在農業中的應用

2023-11-09

高光譜遙感應用在農業領域，可以有效減少浪費，增加產量，改善品質，保護農業資源和環境質量等。高光譜遙感憑借其極高的光譜分辨率為精細農業的發展提供了技術保障和數據來源。本文簡單介紹了高光譜遙感在農業中的具體應用。

1. 作物的精細分類和識別

農業遙感應用中，作物精準分類與識別是進行農業災害監測和產量評估的重要環節。多時相高光譜數據能區分作物更細微的光譜差異，探測作物在更窄波譜范圍內的變化，從而能夠準確地對作物進行詳細分類與信息提取。目前最流行、應用最廣的高光譜作物分類方法有光譜角分類SAM. 、決策樹分層分類等。

中科院遙感所熊楨2000. 基于PHI航空高光譜影像對常州水稻生長期進行監測，利用混合決策樹法對水稻的品種進行了高光譜圖像的精細分類，該決策樹分為三層、五個子集，通過4次最大似然法和一次最小距離完成了11種地物，其中包括6個水稻品種的劃分，其測試樣本的分類精度達到94.9%。張兵2002. 充分考慮自然界地物分布的一般性規律，針對高光譜遙感海量數據的特征，利用光譜特征優化的專家決策分類方法，用PHI航空高光譜影像對日本南牧農作物進行精細分類。結果表明，這種分類模式一方面可以提高像元分類精度，另一方面也大大減少了分類結果圖像上的誤判噪聲。

圖1 高光譜農作物精細分類識別結果

2. 作物長勢的監測與產量預測

作物長勢是作物生長發育狀況評價的綜合參數，長勢監測是對作物苗情、生長狀況與變化的宏觀監測。構建時空信息輔助下的高光譜遙感信息與作物生理特性及作物長勢之間的關系模型便于作物長勢監測，高光譜監測作物長勢可分為植被指數以及結合GIS技術動態監測等方法。高光光譜遙感可以利用植被指數NDVI、DVI等. 進行農田地表覆蓋類型分類和作物長勢監測分析。例如，可以利用高光譜數據，通過分析NDVI和DVI，建立農田區域性覆蓋指數模型，反映出區域性作物覆蓋分異狀況和隨季節變化規律。此外，海量高光譜遙感數據，結合GIS技術、GPS技術、網絡技術和計算機技術，建立服務于農業領域的農情監測系統，對作物長勢實現動態的監測，對農情災害以及糧食產量進行快速預報。

作物高光譜遙感產量預測是通過搭載在衛星上的高光譜遙感器，來獲取作物各生長時期光譜特征數據，對其反映的產量進行預測。多數研究集中于作物種植面積遙感預測和單產預測。作物種植面積遙感預測算法分為直接算法和間接算法兩種。直接算法一般是通過建立作物指數與面積之間回歸模型進行求解，如目前單產估算應用較多的是回歸分析法，其基本原理為：

y=b0+b1x1+b2x2+b3x3+…+bixi+e

式中，y為作物產量；xi為經過平滑的光譜反射率或NDVI指數。結合水稻的生長發育規律，對水稻抽穗后冠層、葉片和穗進行了高光譜反射率測定，根據光譜曲線特征構建了新的高光譜植被指數，利用相關分析方法分析水稻理論產量和實際產量與這些植被指數及冠層紅邊參數的相關關系，建立了水稻高光譜單產估算模型。

而間接算法是利用綠度-麥土比模式求出麥土比值作為已知值，然后利用土地面積乘上已知值求解作物種植面積。

3. 農業干旱監測

在農作物生產中，水肥是影響作物生長的最主要因素之一，水分是作物的主要組成成分，水分虧缺將直接影響作物的生理生化過程和形態結構，從而影響作物生長。因此，及時準確地監測作物的水分狀況對提高作物水分管理水平、指導節水農業生產具有重要意義。利用高光譜成像技術對作物礦質營養和水分脅迫進行監測，進而估算作物的營養和需水狀況，從而指導施肥灌溉，是近年來發展起來的一門新技術。

常用的遙感農業干旱監測方法分為植被指數-地表溫度法、熱慣量法等。植被指數-地表溫度法是綜合利用可見光、近紅外和熱紅外波段信息提取表征農業干旱的生態物理參數如植被指數、地表溫度等，構建這些參數組成的光譜特征空間模型監測干旱，其中Sandholt 提出的溫度植被干旱指數TVDI. 就是基于此方法構建的。劉良云、張兵等利用OMIS圖像數據中8個熱紅外波段和歸一化發射率反演地表溫度LST. ，以高光譜導數植被指數DVI. 表征植被覆蓋度，在DVI-LST二維空間中反映了地物覆蓋度和水分含量差異：土壤含水量較低、需要灌溉的旺盛小麥地和稀疏小麥地位于DVI-LST三角形右側；而水分充足、生長旺盛的小麥位于三角形左側。植被指數－地表溫度法雖然簡單、靈活，但是經驗性太強，監測精度受到一定的限制。

圖2 高光譜農田地物覆蓋和水分含量圖

熱慣量法利用不同物質之間熱慣量不同的特性，以土壤水分與土壤溫度變化的關系為指導思路建立干旱監測模型。早在1986年Carlson等利用遙感數據得到熱慣量計算土壤有效水分，可以方便用于干旱監測。田國良等提出用表觀熱慣量A TI. 代替真實熱慣量，使模型簡化，得到了廣泛的應用。熱慣量法雖然精度較高，但是所需參數較多，只能適用于裸土或者很低植被覆蓋區域。并且作物缺水指數CWSI. 等方法在農田干旱監測中也越來越得到重視。

利用高光譜成像技術可以對作物的營養狀況和水分含量進行比較準確的分析和檢測，為變量施肥和灌溉提供參考，從而節省農業資源的投入。高光譜水分診斷模型在農業生產中具有較高的應用價值和廣闊的應用前景。

4. 農業病蟲害監測

通過高光譜信息監測植物病蟲害。植物病蟲害監測是通過監測葉片的生物化學成分來實現的，病蟲害感染導致葉片葉肉細胞的結構發生變化，進而使葉片的光譜反射率發生變化。同種健康小麥和發生條銹病的小麥植株(包括病害處于潛伏期的植株)的光譜特征存在明顯差異，而這些差異主要體現在某個或某幾個光的光譜吸收帶上。通過對不同病情指數下小麥冠層的光譜進行研究，發現小麥條銹病冠層反射率隨小麥病情指數的變化呈明顯而有規律的變化。不同嚴重度小麥白粉病冠層光譜反射率及病情指數表明，灌漿期地面光譜測量冠層光譜反射率和低空遙感數字圖像反射率與小麥白粉病病情指數存在顯著的相關關系。國內外許多學者基于高光譜影像分析了作物病害光譜響應，利用紅邊參數、迭代自組織、二項式分析等方法開展了小麥等作物條銹病光譜信息探測與識別研究，病蟲害識別效果較好。隨著海量高光譜遙感數據的獲取，區域性農業病蟲害監測研究也越來越完善。

5. 估算植被(作物)初級生產力NPP與生物量

冠層的理化特性在一定程度上控制著森林或作物. 的初級生產力(NPP)。比如葉面積和氮含量通過控制光合作用和傳輸速率來影響NPP。張良培利用樣本NDVI和測量所得的生物量數據進行回歸分析，相關系數在0.7以上，黃熟期葉綠素的損失會在可見光波段表現出來，在出穗期的R1100和R1200可用于生物量估算。

6. 估算光能利用率和蒸散量

高光譜遙感所得的APAR(光合有效輻射)比LAI(葉面積指數)能更可靠地估計作物生物量，因為作物的光合作用過程直接把APAR能量轉換成干物質，因此APAR是作物初級生產力的一個較好的指標。張良培等通過分析光通過分析光合背景物質土壤光譜信號的特點，利用對光譜信號一階導數的運算就能對混合光譜中的土壤信號進行壓縮，由此計算APAR(在波長726. 3 nm處)能更客觀地反映實際。Hall等基于反射率曲線的二階導數與光合有效輻射APAR的相關關系，對陸地植被的APAR進行了估計。

7. 作物品質遙感監測預報

中國對優質農作物有巨大需求，部分優質農作物產品供不應求或依賴進口。通過監測作物生長過程而進行調優栽培，優化作物分類收獲、分級收購加工體制，提高作物品質監控水平是保證作物品質的重要組成部分。遙感技術的發展為作物品質信息的監測和預報提供了快捷、低廉、無損檢測的手段。近期研究重點是區域性的遙感模型與農學模型鏈接，農作物品質遙感-農學監測復合模型研制。綜合考慮土壤因子、氣象因子等，通過監測作物干旱、過量施氮、病蟲害、倒伏等作物品質的限制性因子，監測作物的生長和營養狀況，鏈接遙感數據和作物模型，利用光學、熱紅外、雷達數據相互補充，充分考慮遙感數據和非遙感數據結合，有望建成實用化和商業化的作物品質監測預報系統，以指導作物分類收獲，分級收購、加工或貯藏；對農作物產品實現優質優價，為糧食期貨和參與國際糧食貿易提供決策信息，大大縮短糧食加工企業的檢測化驗時間并降低成本。在現階段采用/遙感粗分級篩選+實驗室精測試可能成為定單農業中質量控制和降低成本的重要模式，受到糧食收購、加工等部門和企業用戶的重視和期待。