高光譜遙感應(yīng)用在農(nóng)業(yè)領(lǐng)域，可以有效減少浪費，增加產(chǎn)量，改善品質(zhì)，保護農(nóng)業(yè)資源和環(huán)境質(zhì)量等。高光譜遙感憑借其極高的光譜分辨率為精細農(nóng)業(yè)的發(fā)展提供了技術(shù)保障和數(shù)據(jù)來源。本文簡單介紹了高光譜遙感在農(nóng)業(yè)中的具體應(yīng)用。

?

1. 作物的精細分類和識別

農(nóng)業(yè)遙感應(yīng)用中，作物精準分類與識別是進行農(nóng)業(yè)災(zāi)害監(jiān)測和產(chǎn)量評估的重要環(huán)節(jié)。多時相高光譜數(shù)據(jù)能區(qū)分作物更細微的光譜差異，探測作物在更窄波譜范圍內(nèi)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(yīng)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(jiān)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(guī)律，針對高光譜遙感海量數(shù)據(jù)的特征，利用光譜特征優(yōu)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(nóng)作物進行精細分類。結(jié)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(jié)果圖像上的誤判噪聲。

?

?

圖1 高光譜農(nóng)作物精細分類識別結(jié)果

?

2. 作物長勢的監(jiān)測與產(chǎn)量預(yù)測

作物長勢是作物生長發(fā)育狀況評價的綜合參數(shù)，長勢監(jiān)測是對作物苗情、生長狀況與變化的宏觀監(jiān)測。構(gòu)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(guān)系模型便于作物長勢監(jiān)測，高光譜監(jiān)測作物長勢可分為植被指數(shù)以及結(jié)合GIS技術(shù)動態(tài)監(jiān)測等方法。高光光譜遙感可以利用植被指數(shù)NDVI、DVI等. 進行農(nóng)田地表覆蓋類型分類和作物長勢監(jiān)測分析。例如，可以利用高光譜數(shù)據(jù)，通過分析NDVI和DVI，建立農(nóng)田區(qū)域性覆蓋指數(shù)模型，反映出區(qū)域性作物覆蓋分異狀況和隨季節(jié)變化規(guī)律。此外，海量高光譜遙感數(shù)據(jù)，結(jié)合GIS技術(shù)、GPS技術(shù)、網(wǎng)絡(luò)技術(shù)和計算機技術(shù)，建立服務(wù)于農(nóng)業(yè)領(lǐng)域的農(nóng)情監(jiān)測系統(tǒng)，對作物長勢實現(xiàn)動態(tài)的監(jiān)測，對農(nóng)情災(zāi)害以及糧食產(chǎn)量進行快速預(yù)報。

作物高光譜遙感產(chǎn)量預(yù)測是通過搭載在衛(wèi)星上的高光譜遙感器，來獲取作物各生長時期光譜特征數(shù)據(jù)，對其反映的產(chǎn)量進行預(yù)測。多數(shù)研究集中于作物種植面積遙感預(yù)測和單產(chǎn)預(yù)測。作物種植面積遙感預(yù)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(shù)與面積之間回歸模型進行求解，如目前單產(chǎn)估算應(yīng)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(chǎn)量；xi為經(jīng)過平滑的光譜反射率或NDVI指數(shù)。結(jié)合水稻的生長發(fā)育規(guī)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(jù)光譜曲線特征構(gòu)建了新的高光譜植被指數(shù)，利用相關(guān)分析方法分析水稻理論產(chǎn)量和實際產(chǎn)量與這些植被指數(shù)及冠層紅邊參數(shù)的相關(guān)關(guān)系，建立了水稻高光譜單產(chǎn)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(nóng)業(yè)干旱監(jiān)測

在農(nóng)作物生產(chǎn)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(tài)結(jié)構(gòu)，從而影響作物生長。因此，及時準確地監(jiān)測作物的水分狀況對提高作物水分管理水平、指導(dǎo)節(jié)水農(nóng)業(yè)生產(chǎn)具有重要意義。利用高光譜成像技術(shù)對作物礦質(zhì)營養(yǎng)和水分脅迫進行監(jiān)測，進而估算作物的營養(yǎng)和需水狀況，從而指導(dǎo)施肥灌溉，是近年來發(fā)展起來的一門新技術(shù)。

常用的遙感農(nóng)業(yè)干旱監(jiān)測方法分為植被指數(shù)-地表溫度法、熱慣量法等。植被指數(shù)-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(nóng)業(yè)干旱的生態(tài)物理參數(shù)如植被指數(shù)、地表溫度等，構(gòu)建這些參數(shù)組成的光譜特征空間模型監(jiān)測干旱，其中Sandholt 提出的溫度植被干旱指數(shù)TVDI. 就是基于此方法構(gòu)建的。劉良云、張兵等利用OMIS圖像數(shù)據(jù)中8個熱紅外波段和歸一化發(fā)射率反演地表溫度LST. ，以高光譜導(dǎo)數(shù)植被指數(shù)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(cè)；而水分充足、生長旺盛的小麥位于三角形左側(cè)。植被指數(shù)－地表溫度法雖然簡單、靈活，但是經(jīng)驗性太強，監(jiān)測精度受到一定的限制。

?

?

圖2 高光譜農(nóng)田地物覆蓋和水分含量圖

?

熱慣量法利用不同物質(zhì)之間熱慣量不同的特性，以土壤水分與土壤溫度變化的關(guān)系為指導(dǎo)思路建立干旱監(jiān)測模型。早在1986年Carlson等利用遙感數(shù)據(jù)得到熱慣量計算土壤有效水分，可以方便用于干旱監(jiān)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(yīng)用。熱慣量法雖然精度較高，但是所需參數(shù)較多，只能適用于裸土或者很低植被覆蓋區(qū)域。并且作物缺水指數(shù)CWSI. 等方法在農(nóng)田干旱監(jiān)測中也越來越得到重視。

利用高光譜成像技術(shù)可以對作物的營養(yǎng)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(jié)省農(nóng)業(yè)資源的投入。高光譜水分診斷模型在農(nóng)業(yè)生產(chǎn)中具有較高的應(yīng)用價值和廣闊的應(yīng)用前景。

?

4. 農(nóng)業(yè)病蟲害監(jiān)測

通過高光譜信息監(jiān)測植物病蟲害。植物病蟲害監(jiān)測是通過監(jiān)測葉片的生物化學(xué)成分來實現(xiàn)的，病蟲害感染導(dǎo)致葉片葉肉細胞的結(jié)構(gòu)發(fā)生變化，進而使葉片的光譜反射率發(fā)生變化。同種健康小麥和發(fā)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(xiàn)在某個或某幾個光的光譜吸收帶上。通過對不同病情指數(shù)下小麥冠層的光譜進行研究，發(fā)現(xiàn)小麥條銹病冠層反射率隨小麥病情指數(shù)的變化呈明顯而有規(guī)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(shù)表明，灌漿期地面光譜測量冠層光譜反射率和低空遙感數(shù)字圖像反射率與小麥白粉病病情指數(shù)存在顯著的相關(guān)關(guān)系。國內(nèi)外許多學(xué)者基于高光譜影像分析了作物病害光譜響應(yīng)，利用紅邊參數(shù)、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(shù)據(jù)的獲取，區(qū)域性農(nóng)業(yè)病蟲害監(jiān)測研究也越來越完善。

?

5. 估算植被(作物)初級生產(chǎn)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(chǎn)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(shù)據(jù)進行回歸分析，相關(guān)系數(shù)在0.7以上，黃熟期葉綠素的損失會在可見光波段表現(xiàn)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(shù))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(zhuǎn)換成干物質(zhì)，因此APAR是作物初級生產(chǎn)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(zhì)土壤光譜信號的特點，利用對光譜信號一階導(dǎo)數(shù)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(dǎo)數(shù)與光合有效輻射APAR的相關(guān)關(guān)系，對陸地植被的APAR進行了估計。

?

7. 作物品質(zhì)遙感監(jiān)測預(yù)報

中國對優(yōu)質(zhì)農(nóng)作物有巨大需求，部分優(yōu)質(zhì)農(nóng)作物產(chǎn)品供不應(yīng)求或依賴進口。通過監(jiān)測作物生長過程而進行調(diào)優(yōu)栽培，優(yōu)化作物分類收獲、分級收購加工體制，提高作物品質(zhì)監(jiān)控水平是保證作物品質(zhì)的重要組成部分。遙感技術(shù)的發(fā)展為作物品質(zhì)信息的監(jiān)測和預(yù)報提供了快捷、低廉、無損檢測的手段。近期研究重點是區(qū)域性的遙感模型與農(nóng)學(xué)模型鏈接，農(nóng)作物品質(zhì)遙感-農(nóng)學(xué)監(jiān)測復(fù)合模型研制。綜合考慮土壤因子、氣象因子等，通過監(jiān)測作物干旱、過量施氮、病蟲害、倒伏等作物品質(zhì)的限制性因子，監(jiān)測作物的生長和營養(yǎng)狀況，鏈接遙感數(shù)據(jù)和作物模型，利用光學(xué)、熱紅外、雷達數(shù)據(jù)相互補充，充分考慮遙感數(shù)據(jù)和非遙感數(shù)據(jù)結(jié)合，有望建成實用化和商業(yè)化的作物品質(zhì)監(jiān)測預(yù)報系統(tǒng)，以指導(dǎo)作物分類收獲，分級收購、加工或貯藏；對農(nóng)作物產(chǎn)品實現(xiàn)優(yōu)質(zhì)優(yōu)價，為糧食期貨和參與國際糧食貿(mào)易提供決策信息，大大縮短糧食加工企業(yè)的檢測化驗時間并降低成本。在現(xiàn)階段采用/遙感粗分級篩選+實驗室精測試可能成為定單農(nóng)業(yè)中質(zhì)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(yè)用戶的重視和期待。