基于高光譜遙感技術(shù)的棉花長勢監(jiān)測研究進展

摘要：高光譜遙感技術(shù)的快速發(fā)展使得作物長勢監(jiān)測方法更加簡單、便捷、準(zhǔn)確，同時還可獲得大范圍的作物信息，這為實現(xiàn)棉花生長狀態(tài)的快速、連續(xù)監(jiān)測提供了重要技術(shù)支撐。綜述高光譜遙感技術(shù)在棉花長勢監(jiān)測方面的研究進展，并對高光譜遙感技術(shù)在棉花長勢監(jiān)測方面的未來發(fā)展進行展望。

關(guān)鍵詞：高光譜遙感技術(shù)；棉花；長勢監(jiān)測；應(yīng)用

中圖分類號：S127;S562 " " 文獻標(biāo)識碼：A " "文章編號：1674-1161（2024）01-0069-03

隨著我國經(jīng)濟的快速增長，農(nóng)業(yè)的發(fā)展也越來越受到重視。棉花作為我國重要的經(jīng)濟作物，是重要的農(nóng)業(yè)生產(chǎn)資料，在國民經(jīng)濟中占有重要地位。棉花作為喜溫作物，具有生長周期長、根系發(fā)達(dá)、覆蓋度大、產(chǎn)量高、品質(zhì)好等特點。在棉花生長過程中，科學(xué)獲取棉花長勢信息并及時準(zhǔn)確地對棉花長勢進行監(jiān)測，有利于及時采取措施來促進棉花產(chǎn)量的提高，進而為實現(xiàn)農(nóng)業(yè)高產(chǎn)高效提供技術(shù)支撐。高光譜遙感是在可見光、近紅外、中紅外波段下獲取的一種可以快速反映植物生理狀態(tài)及環(huán)境信息的技術(shù)，具有全光譜、高空間分辨率、信息豐富等特點。目前，高光譜遙感技術(shù)在農(nóng)作物長勢監(jiān)測方面已經(jīng)得到了廣泛應(yīng)用。

闡述高光譜遙感技術(shù)在作物長勢監(jiān)測方面的研究進展，并提出基于高光譜遙感技術(shù)進行作物生長過程動態(tài)監(jiān)測的研究展望，旨在為今后利用高光譜遙感技術(shù)進行農(nóng)作物長勢監(jiān)測提供參考。

1 高光譜技術(shù)在棉花生化參數(shù)監(jiān)測中的應(yīng)用

1.1 色素含量的監(jiān)測

葉綠素是棉花在各個生育期生長發(fā)育的最主要色素，它是構(gòu)成棉花器官的重要物質(zhì)，也是棉花進行光合作用時的重要能量轉(zhuǎn)化場所，其能夠為棉花各種生理活動提供能量[1]。利用高光譜技術(shù)對棉花葉片葉綠素的相對含量進行快速準(zhǔn)確的監(jiān)測，既是精準(zhǔn)預(yù)測棉花生長態(tài)勢的前提，也是數(shù)字化農(nóng)業(yè)的核心要求，同時也可為精準(zhǔn)農(nóng)業(yè)的大規(guī)模、無損化數(shù)據(jù)采集提供強有力的技術(shù)支撐、為信息化農(nóng)業(yè)的推進提供強有力的保障[2]。

根據(jù)Wessman的研究成果[3+4]，他們通過分析冠層反射光譜來確定植物中的氮元素和葉綠素濃度，證實了高光譜技術(shù)可有效測量葉綠素含量并給出精準(zhǔn)的結(jié)果，這表明葉綠素濃度的變化與其特定的光譜屬性有顯著關(guān)系。此外，田明璐等[5]發(fā)現(xiàn)，在構(gòu)建基于多項式逐步回歸法的葉綠素相對含量（SPAD）預(yù)測模型時，其模型的精確度要優(yōu)于采用線性回歸法的模型。王爍等[6]分析了棉花葉片SPAD值與多種植被指數(shù)的相關(guān)性，其中具體分析了400～2 000 nm波段內(nèi)光譜反射率與優(yōu)化指數(shù)RSI和SPAD值的相關(guān)關(guān)系，并構(gòu)建了一元和多元回歸模型。陳燕等[7]通過對棉花原始光譜做一階微分處理后，發(fā)現(xiàn)表征棉花葉片的葉綠素密度的敏感波段位于729 nm處，利用此波段來估測葉綠素密度，精度可達(dá)84.3%。所以，使用高光譜數(shù)據(jù)不僅可以有效監(jiān)測葉綠素含量，還能獲取葉綠素密度等關(guān)鍵信息。

1.2 營養(yǎng)元素含量的監(jiān)測

作為植物生長的關(guān)鍵養(yǎng)分之一，氮素對農(nóng)作物的成長有著重要作用。當(dāng)面臨氮肥壓力時，農(nóng)作物的發(fā)育會受到阻礙，會導(dǎo)致其葉片面積指數(shù)、生物質(zhì)量、覆蓋率、葉綠素濃度及蛋白質(zhì)水平下降，進而影響整個植株群落的光學(xué)特性變化。因此，使用遙感手段來無損傷地檢測農(nóng)田中的氮素一直以來都是農(nóng)業(yè)遙感領(lǐng)域的主要關(guān)注點[8]。

近年來，對棉花氮素的精確測量和評估已經(jīng)引起了眾多科學(xué)家的注意，例如黃春燕等[9]的研究中就使用了高光譜技術(shù)來檢測植物葉片的氮元素累積情況；而吳華兵等[10]則運用了高光譜反射率和相關(guān)的高光譜特性去探討不同的氮肥處理方式如何影響棉花種類中的葉片氮含量的變化，并進一步探究其與冠層反射光譜之間的數(shù)量關(guān)聯(lián)；王克如等[11]致力于探索棉花冠層的光譜特性和它們與植株氮含量之間是否存在一種可測量的聯(lián)系，并以此為目標(biāo)實現(xiàn)了對棉株氮元素的監(jiān)控。

1.3 生理生化組分的監(jiān)測

對于農(nóng)作物的成長與發(fā)展來說，水分起著至關(guān)重要的作用，它是決定農(nóng)作物生物代謝及形體構(gòu)造的關(guān)鍵元素。如果缺少足夠的水分，將會導(dǎo)致植物的生理化學(xué)反應(yīng)和形狀結(jié)構(gòu)出現(xiàn)偏差，進而對它們的生長產(chǎn)生負(fù)面影響。然而，用傳統(tǒng)的測量方式（例如干質(zhì)量法）來計算葉片含水率需要花費較長時間、消耗大量資源，并且可能造成損害。此外，這種方法僅能提供局部信息，無法在大范圍內(nèi)使用，這大大限制了農(nóng)業(yè)管理決策的完整性、及時性和公正性。

隨著高光譜遙感技術(shù)的發(fā)展，現(xiàn)在可以在更大范圍內(nèi)迅速且無損傷地檢測農(nóng)作物的葉片含水量。紀(jì)景純[12]的研究表明，利用與植物水分相關(guān)聯(lián)的光學(xué)特性來計算其反射率，可有效評估植物的水分狀態(tài)，然而不同的地理位置和農(nóng)業(yè)生態(tài)環(huán)境會導(dǎo)致水分特性的光譜波段有所變化，因此使用光譜指數(shù)能部分抵消這些影響。王娟[13]研究了盆栽棉花數(shù)字圖像的冠層垂直投影面積的變化，借此實現(xiàn)了對棉花干旱脅迫的無損監(jiān)測。李玉霞等[14]以1 600和820 nm處反射率的比值構(gòu)建指數(shù)SR對區(qū)域植被的含水量進行了估測。

2 高光譜技術(shù)在棉花長勢參數(shù)監(jiān)測中的應(yīng)用

2.1 葉面積指數(shù)的監(jiān)測

對于農(nóng)田生態(tài)系統(tǒng)的核心要素——即葉面積指數(shù)（LAI）來說，其重要程度不僅僅在于影響著農(nóng)業(yè)生產(chǎn)中的諸多生命科學(xué)現(xiàn)象，而且還為研究者提供了一種觀察并理解種植活動變化的方式。此外，作為眾多糧食類產(chǎn)品成長模式及管理策略的關(guān)鍵變量之一，它的重要性不容忽視[15+16]。全球范圍內(nèi)關(guān)于此項課題的大部分探討都是由學(xué)者們推動開展起來的[17+18]。傳統(tǒng)的利用衛(wèi)星圖像來獲取有關(guān)LAI信息的方式包括通過直接測量或結(jié)合大氣散射理論等技術(shù)手段來實現(xiàn)，而另一種更為先進的技術(shù)是運用計算機模擬算法去計算該數(shù)值[19]，但最常用的還是依賴于具有特定頻率的光學(xué)儀器設(shè)備，如近紫外多通道成像儀或者激光雷達(dá)等[20]，另外一些新的發(fā)展趨勢則傾向于用具有高分辨率的高空平臺搭載的多角度探測器來獲得更準(zhǔn)確的結(jié)果[21]，例如MODIS和ASTER。

孫莉等[22]的研究主要集中于棉花的整個生命周期中的特性表現(xiàn)、光譜變換模式以及其葉面積指數(shù)（LAI）和葉綠素含量之間的關(guān)聯(lián)性和變動趨勢；而張立楨等[23]則以棉花LAI的動態(tài)減少和增加來作為物質(zhì)流動中庫源關(guān)系的基石，借此來模擬其生長過程；此外，張懷志等[24]也采用知識工程和系統(tǒng)建模的方式，根據(jù)諸如預(yù)期產(chǎn)出量、耕種密度、生態(tài)環(huán)境條件和生產(chǎn)標(biāo)準(zhǔn)等多種因素的影響，構(gòu)建了棉花葉面積指標(biāo)的動態(tài)模型。這些研究都揭示了一個事實：使用高光譜遙感技術(shù)能夠更準(zhǔn)確地測量農(nóng)作物的葉面積指數(shù)，這不僅能節(jié)省時間和精力去收集與農(nóng)作物葉面積指數(shù)有關(guān)的信息，而且還能避免傳統(tǒng)方式可能帶來的植物損傷。

2.2 生物量的監(jiān)測

植物生物量的評估與葉片面積比例有緊密聯(lián)系，它是植物重要的生物物理指標(biāo)的一部分。因此，通過衛(wèi)星圖像來測算植物生物量通常會涉及到葉面積指數(shù)或產(chǎn)出的討論。對此，主要采用植被指數(shù)、高光譜特性與生物量之間的關(guān)聯(lián)研究方法，借此來實現(xiàn)對植物葉面積指數(shù)的有效監(jiān)控。借助高光譜遙感技術(shù)，還可以迅速且無損傷地檢測植物生物量。國內(nèi)在棉花生物量監(jiān)測方面的研究較少，目前采用的主要方法包括稱重法、稱重-高光譜測量法和無人機測量法等。黃春燕等[25]采用紅波段和近紅外波段組合的高光譜植被指數(shù)和波段深度信息與棉花生物量之間建立了回歸關(guān)系，以此來實現(xiàn)對棉花生物量的估算。目前針對生物量監(jiān)測的研究主要圍繞小麥、水稻，花生等作物，但是有關(guān)棉花地上生物量估算的研究國內(nèi)外則少有報道。因此，高光譜遙感技術(shù)在棉花生物量監(jiān)測方面還有待進一步研究與探索。

3 高光譜技術(shù)在棉花產(chǎn)量監(jiān)測中的應(yīng)用

在農(nóng)業(yè)現(xiàn)代化的大背景下，作物估產(chǎn)逐漸成為精準(zhǔn)農(nóng)業(yè)中不可或缺的重要組成部分，長時間來，越來越多的學(xué)者也對有關(guān)作物估產(chǎn)方面的課題進行了廣泛研究，并取得了較好的成果。及時準(zhǔn)確的估產(chǎn)，有利于提前進行人工干預(yù)，從而提高產(chǎn)量，這也是各類信息監(jiān)測、科學(xué)種植和管理的最終目的。傳統(tǒng)的作物地面測量估產(chǎn)雖然精度較高，但會消耗大量時間和人力，而作物遙感估產(chǎn)也已逐步取代了傳統(tǒng)的人工地面測量和統(tǒng)計[26+27]。及時、準(zhǔn)確地對作物產(chǎn)量進行預(yù)測，對作物的田間管理和相關(guān)政策的制定具有極其重要的現(xiàn)實意義，近年來國內(nèi)外學(xué)者對此也已進行了諸多研究。

隨著無人機遙感技術(shù)的不斷發(fā)展和成熟，各學(xué)者借助無人機圖像空間分辨率高、獲取速度快、影像成本低等優(yōu)勢，并以無人機影像和光譜指數(shù)為基礎(chǔ)進行了諸多棉花估產(chǎn)研究[28]。白麗等[29]通過野外光譜儀獲取了棉花冠層不同生育階段的光譜曲線，并根據(jù)棉花冠層的光譜特征構(gòu)建了光譜指數(shù)、建立了棉花產(chǎn)量的高光譜估算模型，由此實現(xiàn)了對棉花產(chǎn)量的預(yù)測。戴建國等[30]利用高清無人機影像數(shù)據(jù)，通過采集棉花不同生育期的時間序列數(shù)據(jù)來將不同時期的影像輸入到卷積神經(jīng)網(wǎng)絡(luò)和雙向長短期記憶的混合串行結(jié)構(gòu)中，進而實現(xiàn)了對棉花產(chǎn)量的估算。

4 存在的問題及展望

高光譜遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用和發(fā)展空間十分廣闊的同時，其也存在著一些關(guān)鍵性難題：1）高光譜資料翔實豐富，可為遙感反演和定量遙感提供依據(jù)，但例如輻射矯正、幾何校正、高光譜數(shù)據(jù)的大氣定標(biāo)等預(yù)處理精度都會受到很大限制。因此，如何實現(xiàn)對高光譜數(shù)據(jù)的精確快速預(yù)處理，使高光譜數(shù)據(jù)能夠保證時相性，是高光譜數(shù)據(jù)在應(yīng)用中的重要關(guān)鍵問題。關(guān)于這類問題，在硬件和軟件開發(fā)水平還有待提高的同時，還受到目前技術(shù)水平的制約[32]。2）目前，雖然對于高光譜遙感技術(shù)理論和實驗的研究比較深入，但其在實際生產(chǎn)力轉(zhuǎn)化方面的能力還略顯不足，如農(nóng)作物生長信息的高光譜數(shù)據(jù)定量分析尚處于研發(fā)期，要想在農(nóng)業(yè)生產(chǎn)中大規(guī)模應(yīng)用高光譜數(shù)據(jù)，未來還需要更豐富的經(jīng)驗知識，對高光譜數(shù)據(jù)的處理也要求更加靈活。只有解決了這些問題，才能更好地將其應(yīng)用到農(nóng)業(yè)生產(chǎn)中，并使其發(fā)揮更大的價值，這些問題都是高光譜遙感技術(shù)今后發(fā)展面臨的重要問題。

高光譜遙感技術(shù)在今后的發(fā)展中可以將各個領(lǐng)域結(jié)合起來，比如在氣象、海洋、林業(yè)等資源領(lǐng)域中，高光譜遙感技術(shù)與相關(guān)行業(yè)的合作，發(fā)展空間就非常大，而且這一技術(shù)在其他領(lǐng)域的應(yīng)用方法，也可以用在農(nóng)業(yè)領(lǐng)域中。此外，還能將GPS、GIS、RS三大系統(tǒng)的3S技術(shù)深度應(yīng)用融合在一起[33]，比如在數(shù)據(jù)處理能力方面，遙感技術(shù)獲取資料的能力就很強；管理能力、數(shù)據(jù)分析能力非常強的地理信息系統(tǒng)；GPS則在全球衛(wèi)星定位系統(tǒng)中的精確定位能力十分出眾。這些技術(shù)的優(yōu)點和特點可以得到綜合利用，從而為決策提供充分信息，以便對作物進行分析，同時結(jié)合GPS提供的平面高程數(shù)據(jù)和地形地貌，可實現(xiàn)綜合分析研究，從而有利于發(fā)揮高光譜遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的優(yōu)勢和作用[34]。

參考文獻

[1] 王榮江，畢建杰，陳英麗.不同氮素水平對棉花苗期氮素吸收和葉綠素含量的影響[J].農(nóng)業(yè)科技通訊，2020（12）：170-172+258.

[2] 依爾夏提·阿不來提.基于高光譜數(shù)據(jù)的棉花生理生化指標(biāo)估測研究[D].烏魯木齊：新疆大學(xué)，2020.

[3] WESSMAN C A， ABER J D. Foliar analysis using near infrared reflectance spectroscopy[J].Canadian Journal of Forest Research，1988，18（1）：6-11.

[4] FILELLA I， PENUELAS J. The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status[J].International Journal of Remote Sensing，1994，15（7）： 1459-1470.

[5] 田明璐，班松濤，常慶瑞，等.基于無人機成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J].農(nóng)業(yè)機械學(xué)報，2016， 47（11）：285-293.

[6] 王爍，常慶瑞，劉夢云，等.基于高光譜遙感的棉花葉片葉綠素含量估算[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2017，22 （4）：16-27.

[7] 陳燕.基于高光譜數(shù)據(jù)的棉花生長信息定量模型研究[D].石河子：石河子大學(xué)，2007.

[8] BODO，M URS S.Estimating the nitrogen nutrition index using spectral canopy reflectance measurements[J].European Journal of Agronomy，2008，7：1-7．

[9] 黃春燕，王登偉，閆潔，等.棉花葉綠素密度和葉片氮積累量的高光譜監(jiān)測研究[J].作物學(xué)報，2007，33（6）： 931-936.

[10] 吳華兵，朱艷，田永超，等.棉花冠層高光譜參數(shù)與葉片氮含量的定量關(guān)系[J].植物生態(tài)學(xué)報，2007，31（5）：903-909.

[11] 王克如，潘文超，李少昆，等.不同施氮量棉花冠層高光譜特征研究[J].光譜學(xué)與光譜分析，2011，31（7）： 1868-1872.

[12] 紀(jì)景純，趙原，鄒曉娟，等.無人機遙感在農(nóng)田信息監(jiān)測中的應(yīng)用進展[J].土壤學(xué)報，2019，56（4）：773-784.

[13] 王娟.基于計算機視覺的棉花干旱診斷研究[D].石河子：石河子大學(xué)，2014.

[14] 李玉霞，楊武年，童玲，等.基于光譜指數(shù)法的植被含水量遙感定量監(jiān)測及分析[J].光學(xué)學(xué)報，2009，29（5）：1403-1407.

[15] DOBERMANN A， PAMPOLINO M F.Indirect leaf area index measurement as a tool for characterizing rice growth at the field scale[J].Communications on Soil Science and Plant Analysis，1995，26：1507-1523．

[16] RUNNING S W， NEMANI R R， PETERSON D L， et al.Mapping regional forest evapotranspiration and photosynthesis by coupling satellite data with ecosystem sim ulation[J].Ecology，1989，70：1090-1101.

[17] 黃敬峰，王淵，王福民，等.油菜紅邊特征及其葉面積指數(shù)的高光譜估算模型[J].農(nóng)業(yè)工程學(xué)報，2006， 22（8）：22-26．

[18] ROSHANAK D， ANDREW S， MARTIN S， et al.Inversion of a radiative transfer model for estimating vegetation LAI and chlorophyll in a heterogeneo us grassland[J].Remote Sensing of Environment，2008，112（5）：2592-2604

[19] 王登偉，黃春燕，馬勤建，等.棉花高光譜植被指數(shù)與LAI和地上鮮生物量的相關(guān)分析[J].中國農(nóng)學(xué)通報，2008（3）：426-429.

[20] FANG H， LIANG S， ANDRES KUUS.Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J].Remote Sensing of Environment，2003，85：257-270．

[21] 張曉陽，李勁峰.利用垂直植被指數(shù)推算作物葉面積系數(shù)的理論模式[J].遙感技術(shù)與應(yīng)用，1995，10（3）：13-18．

[22] MAUSER W， BACH H.Imaging spectroscopy in hydrology and agriculture-determination of model parameters[C]//Hill J，Megier J（Eds.），Imaging spectrometry-a tool for environmental observations.Dordrecht，The Netherlands：Kluwer Academic Publishing，1995：261-283．

[23] 孫莉，陳曦，包安明，等.棉花各生育期高光譜數(shù)據(jù)與葉片生物物理生物化學(xué)量的相關(guān)分析[J].干旱區(qū)地理，2004，27（1）：124-129.

[24] 張立楨，曹衛(wèi)星，張思平.棉花形態(tài)發(fā)生和葉面積指數(shù)的模擬模型[J].棉花學(xué)報，2004，16（2）：77-83.

[25] 張懷志，曹衛(wèi)星，周治國，等.棉花適宜葉面積指數(shù)的動態(tài)知識模型[J].棉花學(xué)報，2003，15（3）：151-154.

[26] 黃春燕，王登偉，曹連莆，等.棉花地上鮮生物量的高光譜估算模型研究[J].農(nóng)業(yè)工程學(xué)報，2007，23（3）：131-135.

[27] 解毅，王鵬新，王蕾，等.基于作物及遙感同化模型的小麥產(chǎn)量估測[J].農(nóng)業(yè)工程學(xué)報，2016，32（20）：179-186.

[28] 譚昌偉，杜穎，童璐，等.基于開花期衛(wèi)星遙感數(shù)據(jù)的大田小麥估產(chǎn)方法比較[J].中國農(nóng)業(yè)科學(xué)，2017，50（16）：3101-3109.

[29] 溫鵬飛，朱鵬，張強，等.不同水氮耦合條件下棉花冠層NDVI分析與產(chǎn)量估算[J].中國農(nóng)業(yè)大學(xué)學(xué)報，2016，21（1）：33-38.

[30] 白麗，王進，蔣桂英，等.干旱區(qū)基于高光譜的棉花遙感估產(chǎn)研究[J].中國農(nóng)業(yè)科學(xué)，2008（8）：2499-2505.

[31] 戴建國，蔣楠，薛金利，等.基于CNN-BiLSTM的棉花產(chǎn)量預(yù)測方法[J].農(nóng)業(yè)工程學(xué)報，2021，37（17）：152-159.

[32] 陳仲新，郝鵬宇，劉佳，等.農(nóng)業(yè)遙感衛(wèi)星發(fā)展現(xiàn)狀及我國監(jiān)測需求分析[J].智慧農(nóng)業(yè)，2019，1（1）：32-42.

[33] 付元元，楊貴軍，段丹丹，等.AVIRIS高光譜數(shù)據(jù)光譜特征在植被分類中的對比分析[J].智慧農(nóng)業(yè)，2020， 2（1）：68-76.

[34] 康亞麗，韓亞男.山西省智慧農(nóng)業(yè)發(fā)展對策研究[J].南方農(nóng)機，2018，49（8）：151.

Research Progress of Cotton Growth Monitoring Based on Hyperspectral Remote Sensing Technology

SHI Jing， WANG Jiaqiang*

（College of Agriculture， Tarim University， Alar Xinjiang 843300）

Abstract： The rapid development of hyperspectral remote sensing technology has made the crop growth monitoring method simpler， more convenient and more accurate， and at the same time， it can also obtain a wide range of crop information， which provides an important technical support for the realization of rapid and continuous monitoring of the growth status of cotton. This paper summarizes the research progress of hyperspectral remote sensing technology in cotton growth monitoring， and looks forward to the future development of hyper spectral remote sensing technology in cotton growth monitoring.

Key words： "hyperspectral remote sensing technology; cotton; growth monitoring; application