高光谱遥感在农业中的应用

高光谱遥感应用在农业领域，可以有效减少浪费，增加产量，改善品质，保护农业资源和环境质量等。高光谱遥感凭借其极高的光谱分辨率为精细农业的发展提供了技术保障和数据来源。本文简单介绍了高光谱遥感在农业中的具体应用。

1. 作物的精细分类和识别

农业遥感应用中，作物精准分类与识别是进行农业灾害监测和产量评估的重要环节。多时相高光谱数据能区分作物更细微的光谱差异，探测作物在更窄波谱范围内的变化，从而能够准确地对作物进行详细分类与信息提取。目前最流行、应用最广的高光谱作物分类方法有光谱角分类SAM. 、决策树分层分类等。

中科院遥感所熊桢2000. 基于PHI航空高光谱影像对常州水稻生长期进行监测，利用混合决策树法对水稻的品种进行了高光谱图像的精细分类，该决策树分为三层、五个子集，通过4次最大似然法和一次最小距离完成了11种地物，其中包括6个水稻品种的划分，其测试样本的分类精度达到94.9%。张兵2002. 充分考虑自然界地物分布的一般性规律，针对高光谱遥感海量数据的特征，利用光谱特征优化的专家决策分类方法，用PHI航空高光谱影像对日本南牧农作物进行精细分类。结果表明，这种分类模式一方面可以提高像元分类精度，另一方面也大大减少了分类结果图像上的误判噪声。

图1 高光谱农作物精细分类识别结果

2. 作物长势的监测与产量预测

作物长势是作物生长发育状况评价的综合参数，长势监测是对作物苗情、生长状况与变化的宏观监测。构建时空信息辅助下的高光谱遥感信息与作物生理特性及作物长势之间的关系模型便于作物长势监测，高光谱监测作物长势可分为植被指数以及结合GIS技术动态监测等方法。高光光谱遥感可以利用植被指数NDVI、DVI等. 进行农田地表覆盖类型分类和作物长势监测分析。例如，可以利用高光谱数据，通过分析NDVI和DVI，建立农田区域性覆盖指数模型，反映出区域性作物覆盖分异状况和随季节变化规律。此外，海量高光谱遥感数据，结合GIS技术、GPS技术、网络技术和计算机技术，建立服务于农业领域的农情监测系统，对作物长势实现动态的监测，对农情灾害以及粮食产量进行快速预报。

作物高光谱遥感产量预测是通过搭载在卫星上的高光谱遥感器，来获取作物各生长时期光谱特征数据，对其反映的产量进行预测。多数研究集中于作物种植面积遥感预测和单产预测。作物种植面积遥感预测算法分为直接算法和间接算法两种。直接算法一般是通过建立作物指数与面积之间回归模型进行求解，如目前单产估算应用较多的是回归分析法，其基本原理为：

y=b0+b1x1+b2x2+b3x3+…+bixi+e

式中，y为作物产量；xi为经过平滑的光谱反射率或NDVI指数。结合水稻的生长发育规律，对水稻抽穗后冠层、叶片和穗进行了高光谱反射率测定，根据光谱曲线特征构建了新的高光谱植被指数，利用相关分析方法分析水稻理论产量和实际产量与这些植被指数及冠层红边参数的相关关系，建立了水稻高光谱单产估算模型。

而间接算法是利用绿度-麦土比模式求出麦土比值作为已知值，然后利用土地面积乘上已知值求解作物种植面积。

3. 农业干旱监测

在农作物生产中，水肥是影响作物生长的最主要因素之一，水分是作物的主要组成成分，水分亏缺将直接影响作物的生理生化过程和形态结构，从而影响作物生长。因此，及时准确地监测作物的水分状况对提高作物水分管理水平、指导节水农业生产具有重要意义。利用高光谱成像技术对作物矿质营养和水分胁迫进行监测，进而估算作物的营养和需水状况，从而指导施肥灌溉，是近年来发展起来的一门新技术。

常用的遥感农业干旱监测方法分为植被指数-地表温度法、热惯量法等。植被指数-地表温度法是综合利用可见光、近红外和热红外波段信息提取表征农业干旱的生态物理参数如植被指数、地表温度等，构建这些参数组成的光谱特征空间模型监测干旱，其中Sandholt 提出的温度植被干旱指数TVDI. 就是基于此方法构建的。刘良云、张兵等利用OMIS图像数据中8个热红外波段和归一化发射率反演地表温度LST. ，以高光谱导数植被指数DVI. 表征植被覆盖度，在DVI-LST二维空间中反映了地物覆盖度和水分含量差异：土壤含水量较低、需要灌溉的旺盛小麦地和稀疏小麦地位于DVI-LST三角形右侧；而水分充足、生长旺盛的小麦位于三角形左侧。植被指数－地表温度法虽然简单、灵活，但是经验性太强，监测精度受到一定的限制。

图2 高光谱农田地物覆盖和水分含量图

热惯量法利用不同物质之间热惯量不同的特性，以土壤水分与土壤温度变化的关系为指导思路建立干旱监测模型。早在1986年Carlson等利用遥感数据得到热惯量计算土壤有效水分，可以方便用于干旱监测。田国良等提出用表观热惯量A TI. 代替真实热惯量，使模型简化，得到了广泛的应用。热惯量法虽然精度较高，但是所需参数较多，只能适用于裸土或者很低植被覆盖区域。并且作物缺水指数CWSI. 等方法在农田干旱监测中也越来越得到重视。

利用高光谱成像技术可以对作物的营养状况和水分含量进行比较准确的分析和检测，为变量施肥和灌溉提供参考，从而节省农业资源的投入。高光谱水分诊断模型在农业生产中具有较高的应用价值和广阔的应用前景。

4. 农业病虫害监测

通过高光谱信息监测植物病虫害。植物病虫害监测是通过监测叶片的生物化学成分来实现的，病虫害感染导致叶片叶肉细胞的结构发生变化，进而使叶片的光谱反射率发生变化。同种健康小麦和发生条锈病的小麦植株(包括病害处于潜伏期的植株)的光谱特征存在明显差异，而这些差异主要体现在某个或某几个光的光谱吸收带上。通过对不同病情指数下小麦冠层的光谱进行研究，发现小麦条锈病冠层反射率随小麦病情指数的变化呈明显而有规律的变化。不同严重度小麦白粉病冠层光谱反射率及病情指数表明，灌浆期地面光谱测量冠层光谱反射率和低空遥感数字图像反射率与小麦白粉病病情指数存在显著的相关关系。国内外许多学者基于高光谱影像分析了作物病害光谱响应，利用红边参数、迭代自组织、二项式分析等方法开展了小麦等作物条锈病光谱信息探测与识别研究，病虫害识别效果较好。随着海量高光谱遥感数据的获取，区域性农业病虫害监测研究也越来越完善。

5. 估算植被(作物)初级生产力NPP与生物量

冠层的理化特性在一定程度上控制着森林或作物. 的初级生产力(NPP)。比如叶面积和氮含量通过控制光合作用和传输速率来影响NPP。张良培利用样本NDVI和测量所得的生物量数据进行回归分析，相关系数在0.7以上，黄熟期叶绿素的损失会在可见光波段表现出来，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

高光谱遥感所得的APAR(光合有效辐射)比LAI(叶面积指数)能更可靠地估计作物生物量，因为作物的光合作用过程直接把APAR能量转换成干物质，因此APAR是作物初级生产力的一个较好的指标。张良培等通过分析光通过分析光合背景物质土壤光谱信号的特点，利用对光谱信号一阶导数的运算就能对混合光谱中的土壤信号进行压缩，由此计算APAR(在波长726. 3 nm处)能更客观地反映实际。Hall等基于反射率曲线的二阶导数与光合有效辐射APAR的相关关系，对陆地植被的APAR进行了估计。

7. 作物品质遥感监测预报

中国对优质农作物有巨大需求，部分优质农作物产品供不应求或依赖进口。通过监测作物生长过程而进行调优栽培，优化作物分类收获、分级收购加工体制，提高作物品质监控水平是保证作物品质的重要组成部分。遥感技术的发展为作物品质信息的监测和预报提供了快捷、低廉、无损检测的手段。近期研究重点是区域性的遥感模型与农学模型链接，农作物品质遥感-农学监测复合模型研制。综合考虑土壤因子、气象因子等，通过监测作物干旱、过量施氮、病虫害、倒伏等作物品质的限制性因子，监测作物的生长和营养状况，链接遥感数据和作物模型，利用光学、热红外、雷达数据相互补充，充分考虑遥感数据和非遥感数据结合，有望建成实用化和商业化的作物品质监测预报系统，以指导作物分类收获，分级收购、加工或贮藏；对农作物产品实现优质优价，为粮食期货和参与国际粮食贸易提供决策信息，大大缩短粮食加工企业的检测化验时间并降低成本。在现阶段采用/遥感粗分级筛选+实验室精测试可能成为定单农业中质量控制和降低成本的重要模式，受到粮食收购、加工等部门和企业用户的重视和期待。