高光譜遙感在農業中的應用

房華樂，任潤東，蘇 飛，梁 勇

(山東農業大學信息科學與工程學院，山東泰安271018)

一、引 言

20世紀80年代初期出現了一種高分辨率的遙感技術——高光譜遙感[1]。高光譜遙感提供的波段信息能夠達到納米級，這就使得利用高光譜遙感對地物進行區分時，能夠達到比以往遙感技術更好的效果，尤其是對具有納米級光譜特性的地物[2]。在過去的近30年時間里，遙感技術在農業產量估計、災害預報等方面不斷進步，高光譜遙感技術也隨著科技發展應運而生，它的出現使我國農業遙感走上了一個新的臺階[3]。

二、高光譜遙感技術在農業中的應用分析

常規的遙感數據只能獲取較少的光譜信息，而高光譜遙感數據則可以獲取連續的光譜信息，并且能夠探測到常規遙感技術探測不到的物質[4]。高光譜的這種特性使之在農業生產中能夠更好、更精確地進行作物識別、分類、估產等工作[5]。

1．對不同作物進行識別和分類

在進行農業災害監測等工作之前，需要對不同作物進行識別和分類。由于小麥等作物品種不同，生長期不同，其光譜特性也是不同的，有時候不同植被的光譜差異甚微。高光譜的多波段且波段間相關性高等特點能夠很好地解決此問題，進而準確地對不同植被和作物進行識別和分類[6]。

在我國，利用高光譜遙感技術對不同植被和作物進行識別和分類已經有了很大進展。劉亮等利用高光譜遙感數據，首先是對農作物進行識別和分類，然后對分類的結果進行檢查，通過統計分析得出分類精度達到95%以上[7]。

吳見等用NDVI閾值方法提取植被信息，使用最小噪聲變換對Hyperion高光譜遙感影像進行壓縮，采用一種空間信息與光譜信息相結合的高光譜影像植被分類法，最后完成研究區植被分類。結果表明，各植被類型的平均分類精度能夠達到90．3%，通過最大似然法得到的平均分類精度則僅為70．0%[8]。

劉良云等采用OMIS影像對北京小湯山精細農業示范區進行分類，通過計算地物表面溫度，在NDVI-LST空間生成了6類典型地物(長勢良好的小麥、淤泥濕地、池塘水面、稀疏小麥、水草、裸露土地)的散點圖。根據地物表面溫度和歸一化植被指數，采用最大似然法的分類方法和在NDVI-LST空間生成的6類典型地物標本，取得了較好的分類結果[9]。

通過以上研究結果，可以看出高光譜遙感能夠較為有效地對作物進行分類和識別，并且分類的精度比較高。這對不同植被和作物進行識別和分類，并且進一步進行產量估計和災害預報等方面提供了有力保障。

2．對作物的葉綠素等生物物理參數進行估算

葉綠素、生物量(干重、鮮重)等是作物生長狀況的重要指標，它們在作物的生長過程中起著至關重要的作用。因此，利用高光譜遙感技術對植物生物量和葉綠素等重要指標進行監測，對于作物的管理調控及估產等具有重要意義。

陳燕等利用非成像高光譜儀，對北疆棉花品種進行冠層光譜測定，對棉花冠層葉綠素密度與光譜數據進行了回歸分析。研究結果表明，近紅外729 nm波段處一階微分光譜數值與葉綠素密度相關度較高，用此波段建立的葉綠素密度估算模型精度能夠達到 84．3%[10]。

吳長山等對早播稻、晚播稻和玉米的多時相光譜測量數據與相對應的葉片葉綠素密度測量數據進行相關性分析。研究結果表明，早播稻、晚播稻和玉米的光譜反射率數據以及光譜數據與葉綠素密度具有較好的相關性[11]。

王強等以棉花冠層的葉綠素密度及冠層高光譜反射率作為數據源，在分析葉綠素密度與原始高光譜反射率等相關性的基礎上，采用線性以及多元逐步回歸技術構建了葉綠素密度的高光譜診斷模型。研究結果表明，基于一階導數的光譜反射率估算模型的精度明顯高于原始光譜反射率[12]。

張東彥等通過田間掃描成像光譜儀獲得盆栽和大田玉米的冠層高光譜影像，構建了玉米葉綠素含量光譜預測模型，并對葉綠素含量光譜預測模型進行了驗證。研究結果表明，成像光譜儀在微觀尺度上，對作物光譜信息探測方面具有著一定的應用潛力[13]。

利用高光譜數據可以及時對作物的葉綠素等生理參數進行估算，為作物良好的生長提供保障。

3．作物長勢監測

利用高光譜遙感資料對作物生長狀況及變化進行大面積監測，隨著作物的生長，作物葉面積指數、葉片顏色也會發生變化，并且會引起反射率發生變化。反射率的改變也表現在不同的水分含量和作物長勢好壞上。高光譜遙感監測作物長勢是指在作物生長期內，通過分析光譜值或植被指數的大小，進而分析作物長勢的好壞。高光譜監測作物長勢方法有植被指數、結合GIS技術動態監測等。

鄭有飛等利用高光譜技術對加拿大農作物輪作系統的一部分進行研究。研究結果表明，從小麥生長季的早期到中期，小麥的光譜和葉面積指數在不同處理下差異非常明顯。用高光譜遙感資料監測農作物長勢的最佳季節是7月中期，最佳植被指數是紅光波段和近紅外波段這兩個波段反射率的比值，以及基于這兩個波段構造的歸一化植被指數[14]。

金秀良等通過對新疆棉花主產區棉花密度和水分進行對比試驗，分別分析了不同密度和水分處理的棉花整個生育期生物量與高光譜特征參數的相關性，及葉面積指數與高光譜特征參數的相關性。通過研究表明，基于高光譜特征參量的棉花長勢監測模型能夠較好地反映棉花長勢參數與高光譜特征的數學關系[15]。

農作物的長勢監測非常重要，對保障我國糧食安全和為農作物估產等有著極其重要的意義。

4．作物估產

作物高光譜遙感估產主要是通過搭載在衛星上的高光普遙感器，獲取作物各生長時期的光譜特征數據，根據作物光譜特征與其長勢及產量間的定量關系，進而對其產量進行預測。

白麗等根據棉花的生長規律，用高光譜測定棉花各時期冠層的反射率，然后基于棉花盛蕾期到吐絮后期進行的7次地面光譜和產量測定，根據光譜曲線特征構建高光譜植被指數，最后對光譜反射率與產量統計分析。研究結果表明，各生育期可見光波段光譜反射率與產量間呈顯著負相關，短波紅外波段光譜反射率與產量間呈顯著負相關，近紅外波段光譜反射率與產量間呈顯著正相關[16]。

唐延林等對水稻進行試驗，對2個水稻品種在3個供氮水平下進行了處理，然后測定了抽穗后水稻在不同時期冠層的高光譜反射率等。研究結果表明，抽穗后水稻冠層光譜反射率有兩個特點：①隨水稻冠層光譜反射率發育期推移在可見光范圍逐漸增大;②水稻冠層光譜反射率在近紅外區域逐漸減小[17]。

三、高光譜遙感技術的現存問題

經過分析研究，雖然高光譜應用范圍已經越來越廣，但目前高光譜遙感技術還存在不少的問題，主要表現在以下幾個方面：①對作物群體的高光譜研究少;②由于作物生長環境等因素，使得遙感成像中的同譜異物、同物異譜現象普遍;③ 高光譜遙感技術還不能獲取作物高度等與作物生長發育相關的可視物理信息。

四、結束語

高光譜技術在農業中的應用是遙感領域研究熱點之一，高光譜遙感憑借著光譜分辨率較高等優點，在推動農業發展、保證國家糧食安全中起到了重要作用。雖然高光譜遙感在農業應用中已經取得了一些研究進展，但是還存在一些不足[18-19]。隨著科學技術的發展，遙感光譜分辨率和空間分辨率也將不斷提高，高光譜遙感在農業方面的應用正在從理論走向業務化運作[20]。高光譜遙感與“3S”等技術相結合，使得高光譜遙感在作物長勢評估、災害監測等方面具有更廣闊的應用前景。

[1]孫釗．高光譜遙感的應用[J]．貴州教育學院學報：自然科學，2004，15(4)：58-61．

[2]楊哲海，韓建峰，宮大鵬，等．高光譜遙感技術的發展與應用[J]．海洋測繪，2003，23(6)：55-58．

[3]李映雪，謝曉金，徐德福．高光譜遙感技術在作物生長監測中的應用研究進展[J]．麥類作物學報，2009，29(1)：174-178．

[4]楊國鵬，余旭初，馮伍法，等．高光譜遙感技術的發展與應用現狀[J]．測繪通報，2008(10)：1-4．

[5]洪霞，江洪，余樹全．高光譜遙感在精準農業生產中的應用[J]，2010，38(1)：529-531，540．

[6]姚云軍，秦其明，張自力，等．高光譜技術在農業遙感中的應用研究進展[J]．農業工程學院，2008，24(7)：301-306．

[7]劉亮，姜小光，李顯彬，等．利用高光譜遙感數據進行農作物分類方法研究[J]．中國科學院研究生院學報，2006，23(4)：484-488．

[8]吳見，彭道黎．基于空間信息的高光譜遙感植被分類技術[J]．農業工程學報，2012，28(5)：150-153．

[9]劉良云，張兵，鄭蘭芬，等．利用溫度和植被指數驚醒地物分類和土壤水分反演[J]．紅外與毫米波學報，2002，21(4)：269-273．

[10]陳燕，黃春燕，王登偉，等．北疆棉花葉綠素密度的高光譜估算研究[J]．新疆農業科學，2006，43(6)：451-454．

[11]吳長山，項月琴，鄭蘭芬，等．利用高光譜數據對作物群體葉綠素密度估算的研究[J]．遙感學報，2000，4(3)：228-232．

[12]王強，易秋香，包安明，等．基于高光譜反射率的棉花冠層葉綠素密度估算[J]．農業工程學報，2012，28(15)：125-132．

[13]張東彥，劉镕源，宋曉宇，等．應用近地成像高光譜估算玉米葉綠素含量[J]．光譜學與光譜分析，2011，31(3)：771-775．

[14]鄭有飛，GUO X，OLFERT O，等．高光譜遙感在農作物長勢監測中的應用[J]．氣象與環境科學，2007，30(1)：10-16．

[15]金秀良，李少昆，王克如，等．基于高光譜特征參數的棉花長勢參數監測[J]．西北農業學報，2011，20(9)：73-77．

[16]白麗，王進，蔣桂英，等．干旱區基于高光譜的棉花遙感估產研究[J]．中國農業科學，2008，41(8)：2499-2505．

[17]唐延林，王紀華，黃敬峰，等．利用水稻成熟期冠層高光譜數據進行估產研究[J]．作物學報，2004，30(8)：780-785．

[18]滕安國，高峰，夏新成，等．高光譜技術在農業中的應用研究進展[J]．江蘇農業科學，2009(3)：8-11．

[19]程一松，胡春勝．高光譜遙感在精準農業中的應用[J]．農業系統科學與綜合研究，2001，17(3)：193-195．

[20]林婷，劉湘南，金銘．改進ICA算法及其在作物光譜分類中的應用[J]．計算機工程，2011，37(11)：272-274．