高光譜遙感技術在智慧農(nóng)業(yè)中的應用研究

楊含成

（三和數(shù)碼測繪地理信息技術有限公司，甘肅 天水 741000）

高光譜遙感也稱為成像光譜遙感，是指通過電磁波譜的中紅外、近紅外、可見光、紫外等波段獲取非常狹窄的連續(xù)光譜圖像數(shù)據(jù)。該技術可達到10-2λ數(shù)量級的超高光譜分辨率，同時具有多波段及鄰波段相關性高的特點。因此，運用高光譜遙感技術能夠輕松獲取精細光譜信息，定量分析地球表面生物物理化學過程。以農(nóng)業(yè)生產(chǎn)為例，應用高光譜遙感技術能夠大面積、持續(xù)性地監(jiān)測農(nóng)作物，實時準確地提供農(nóng)作物的地表信息，如農(nóng)作物長勢、產(chǎn)量估測、災害監(jiān)測、分類識別等，在農(nóng)業(yè)生產(chǎn)中發(fā)揮著不可替代的作用，在推進智慧農(nóng)業(yè)發(fā)展中具有重要的意義。

1 高光譜遙感技術在智慧農(nóng)業(yè)中的應用現(xiàn)狀

1.1 農(nóng)作物長勢監(jiān)測

農(nóng)作物葉片中的水分、葉綠素、葉肉細胞和其他化學成分，可以反射出農(nóng)作物光譜特征，是判斷農(nóng)作物長勢的重要依據(jù)。一些傳統(tǒng)植被指數(shù)和植被生物量相關關系較大，但是容易受到植被顏色、土壤顏色、植被覆蓋率等外界因素的影響。而借助高光譜遙感技術，能夠將此類因素的影響削弱，直接獲取植被葉面積指數(shù)和葉綠素水平，利用這些信息來指導監(jiān)測農(nóng)作物的長勢情況[1]。歸一化差值植被指數(shù)（NDVI）作為農(nóng)作物檢測中應用最為廣泛的光譜參數(shù)之一，在農(nóng)作物生產(chǎn)和管理中具有實際的指導意義。通過利用綠色植被在紅光波段的高吸收率和在近紅外波段的高反射率的光譜特性計算得到植被指數(shù)，能夠有效反映植被的生長、覆蓋等情況，在估算農(nóng)作物產(chǎn)物和生物量等方面發(fā)揮著重要作用。結合3S技術集成與計算機網(wǎng)絡技術，構建農(nóng)情監(jiān)測系統(tǒng)，可以動態(tài)化監(jiān)測農(nóng)作物的長勢。例如，在小麥生長狀態(tài)的評估過程中，糖含量是一項關鍵性的指標，可以通過精確測定糖氮比準確了解小麥長勢情況。在相關研究中，分析小麥葉片糖氮比和冠層高光譜參數(shù)定量關系，能夠構建小麥葉片糖氮比定量檢測模型，進而得到快速無損定量分析小麥葉片糖氮比的方式，實時監(jiān)測小麥長勢。又如，在水稻不同生育期內(nèi)，其光譜特征也有所差異，可以借助EXOTECH 100A四通道光譜儀，分析試驗田水稻在分蘗盛期、穗分化期、齊穗期、灌漿期、乳熟期等不同生育期可見光和近紅外部分波段的反射光譜特征，從而明確稻田光譜和水稻長勢之間具有良好相關性的結果，實時監(jiān)測水稻生育期[2]。

1.2 農(nóng)作物產(chǎn)量估測

在農(nóng)作物產(chǎn)量估測方面，通常用抽樣統(tǒng)計法、匯報統(tǒng)計法等常規(guī)估測方法，但這些方法會受到人為因素、水分因素、氣候因素、土壤因素的影響，存在一定的局限性，且估測過程煩瑣復雜。而借助高光譜遙感技術估測農(nóng)作物的產(chǎn)量，能夠得到更加高效、準確、客觀的結果。在高光譜遙感作物估產(chǎn)技術中，借助衛(wèi)星上配備的高光譜地物掃描儀，能夠獲取各個生理期內(nèi)作物的光譜數(shù)據(jù)，提取植土比、葉綠素含量、葉面積指數(shù)、植被指數(shù)等因子。同時結合農(nóng)作物自身生理特性，可完成對被測作物產(chǎn)量的反演[3]。在估產(chǎn)過程中，需要選擇最佳的遙感估產(chǎn)時相，并且了解總耕地面積和單位面積產(chǎn)量。在計算種植面積的時候，可以采取間接測算法、直接測算法。其中，直接測算法借助組建綠度-面積回歸模型的方式求解，也可采用組建多元綠度-面積回歸模式的測算方法，將長勢的影響削弱或消除。在間接測算法中，借助綠度-植土比模式，準確求解植土比值，然后根據(jù)土地面積和植土比的乘積，得出農(nóng)作物面積。

高光譜遙感技術存在時相特點，所以估算作物產(chǎn)量必須合理選取時相。具體選擇過程應當以大量實驗數(shù)據(jù)對比為依據(jù)，單產(chǎn)模擬關鍵時期是作物產(chǎn)量形成的重要階段，很多農(nóng)作物的水分臨界期都在花芽分化旺盛生長期內(nèi)，例如小麥在孕穗到抽穗階段，水稻在孕穗到開花階段。這些階段在作物生長過程中都十分重要，同時也決定了其經(jīng)濟學產(chǎn)量。

1.3 農(nóng)作物災害監(jiān)測

農(nóng)作物在生長過程中，如果遭受病蟲害問題，就會直接影響農(nóng)作物的葉綠素含量和葉片結構?？赏ㄟ^光譜遙感技術顯示光譜特征，以提高對農(nóng)作物防病害的監(jiān)測實效性，降低病害風險。在相關研究中，分別在不同生育期內(nèi)，測定不同危害水平的白粉病、冬小麥麥蚜冠層光譜，結果顯示，不同的病情和蟲情反射率一階導數(shù)均有明顯變化，但無明顯的紅邊位移表現(xiàn)。且發(fā)生在小麥葉片上的條銹病，比較常見，危害性也很大，小麥葉片中的胡蘿卜素、葉綠素等色素含量對條銹病的敏感性較高[4]。利用人工試驗田測定條銹病小麥冠層葉片色素含量，借助單變量線性和非線性回歸技術，完成了小麥色素含量估測模型的構建，實現(xiàn)了高精度估測冬小麥葉片胡蘿卜素及葉綠素等色素含量的目標。結果顯示，高光譜信息在冠層葉片色素含量測定上比較可行，能達到較高的精度，可以監(jiān)測冬小麥條銹病的發(fā)生情況。

遙感技術在智慧農(nóng)業(yè)中的另一項應用就是干旱監(jiān)測，在具體實踐當中，主要通過熱慣量法、植被指數(shù)-地表溫度法等監(jiān)測干旱情況。在相關研究中，借助OMIS圖像8個熱紅外波段及歸一化反射率，對地表溫度加以反演，通過高光譜導數(shù)植被指數(shù)，對植被覆蓋度及水分含量差異做出表征。茶葉等經(jīng)濟作物產(chǎn)量和質量受到病害的影響更甚于糧食作物，所以對于這些差異需要利用精細度更高的光譜數(shù)據(jù)反映。在相關研究中，通過分析可溶性糖、游離氨基酸、總茶多酚等茶葉主要成分含量對茶葉光譜信息的影響，得出其與茶葉品質的定量關系，建立茶葉生物化學參數(shù)的提取技術[5]。

1.4 農(nóng)作物分類識別

在農(nóng)業(yè)遙感技術的實際應用中，精準分類農(nóng)作物是一項重要的工作，要將農(nóng)作物種類精準、快速地識別出來，從而為產(chǎn)量估計、長勢監(jiān)測、災害監(jiān)測提供依據(jù)。高光譜數(shù)據(jù)的光譜信息非常精細，可以對不同種、不同亞種作物光譜差異加以體現(xiàn)。通過提取這些差異，可以避免在同譜異物或同物異譜方面多光譜遙感分類的各種問題。目前，在高光譜作物分類中光譜角分類、決策樹分層分類等方法都比較常用[6]。其中，光譜角分類法屬于光譜匹配技術的范疇，是對像元光譜和樣本光譜或混合像元中亞像元組分光譜相似性的估計，實現(xiàn)對不同像元點光譜曲線的區(qū)分?？梢酝ㄟ^對光譜的計算，以及對光譜之間夾角的參考，體現(xiàn)出二者之間相似程度，夾角越小，證明其越具有相似性?；谶@一原理，該方法對于先驗知識有較高的要求，必須對各種精確分類后的植被光譜信息完全知曉，進而完成匹配，越高的先驗精度，就能達到越高的匹配精度。在相關研究中，利用PHI高光譜影像，完成對作物病害光譜響應探測模型的構建，與光譜角結合，能夠對提取小麥條銹病和健康小麥及土壤信息準確區(qū)分。決策樹技術是將數(shù)據(jù)集循環(huán)劃分至越來越小的子集中。節(jié)點構成了樹，決策樹則是由一組末端節(jié)點、一組中間節(jié)點構成，通過決策樹分層分類法，能夠對每一個種類逐級劃分。在相關研究中，借助高光譜數(shù)據(jù)，按照圖像中地物光譜特點，分析地物類型在各個波段及組合中的可分性，然后將圖像中地物劃分為不同的級層，最后再從易到難逐步完成不同層的劃分。在決策樹分類分層法當中，利用穗帽變換及主分量變換等特點提取方法，能夠逐級分開不同難易度的地物，因而可以廣泛應用于農(nóng)作物分類識別當中[7]。

2 高光譜遙感技術在智慧農(nóng)業(yè)中的應用展望

2.1 高光譜遙感技術在智慧農(nóng)業(yè)中應用的關鍵問題

高光譜遙感技術在智慧農(nóng)業(yè)中具有十分廣闊的應用和發(fā)展空間，但同時也存在一些關鍵問題。1）高光譜數(shù)據(jù)光譜具有細致豐富的信息，能夠為遙感反演、定量遙感等提供依據(jù)。盡管如此，其在對高光譜數(shù)據(jù)的輻射矯正、幾何校正、大氣定標等預處理精度方面，對于后續(xù)處理精度有直接影響。所以，在高光譜數(shù)據(jù)應用領域中，一個重要的關鍵問題就是如何對高光譜數(shù)據(jù)實現(xiàn)精確快速的預處理，使高光譜數(shù)據(jù)時相性得到保證。關于此類問題，仍受當前技術水平的制約，同時軟硬件開發(fā)水平也有待提高[8]。在解決了這個關鍵問題后，利用高光譜遙感技術能夠為農(nóng)作物生長提供準確實時的參考信息，與多時相光譜差分對比相結合，可獲取農(nóng)作物在一天當中的生長增量及變化情況，在農(nóng)作物生長監(jiān)測控制和病蟲害防治方面至關重要。2）目前對高光譜遙感技術的理論和實驗研究較為深入，但是高光譜遙感技術在實際生產(chǎn)力轉化方面能力稍顯不足。例如高光譜數(shù)據(jù)定量分析農(nóng)作物生長信息仍處于研究及開發(fā)時期，未來還需要更為豐富的先驗知識，并且更為靈活地處理高光譜數(shù)據(jù)，才能夠在智慧農(nóng)業(yè)生產(chǎn)中大規(guī)模運用高光譜數(shù)據(jù)。對此，需要不斷提升數(shù)據(jù)處理水平，同時也要研究出更高水平和性能的數(shù)據(jù)獲取方式，在未來高光譜研究過程中，要將更加普適、更加精確的反演模型開發(fā)作為重點內(nèi)容。此外，也需要進一步提升高光譜分辨率遙感數(shù)據(jù)選擇及信息提取能力。高光譜分辨率產(chǎn)生的數(shù)據(jù)量很大，并且數(shù)據(jù)復雜紛繁，鄰波段有較強的相關性。需要研究出更加匹配和先進的技術，實現(xiàn)在海量數(shù)據(jù)中對有用信息的高效挖掘提取，在冗雜數(shù)據(jù)中精準選擇對具體問題有用的數(shù)據(jù)，在狹窄的光譜區(qū)間中挖掘出更多有用信息。這些問題都是高光譜遙感技術未來發(fā)展中面臨的重要問題，只有解決這些問題，才能夠使其在智慧農(nóng)業(yè)中得到更好的應用，發(fā)揮更大的價值。

2.2 高光譜遙感技術在智慧農(nóng)業(yè)中應用前景構想

在未來的發(fā)展中，可以將高光譜農(nóng)業(yè)和其他產(chǎn)業(yè)相結合。例如高光譜技術與氣象、海洋、林業(yè)等資源領域的相關產(chǎn)業(yè)合作，都具有很大的發(fā)展空間。在農(nóng)業(yè)領域的應用中，還可以參考該技術在其他領域中的應用方式。例如在水稻生產(chǎn)當中，可以利用水系遙感研究成果，在水稻生長初期開展稻田生物量監(jiān)測，能夠實時監(jiān)測水稻生長過程中受到的溫度、養(yǎng)分等因素的影響。結合林業(yè)遙感的研究成果，可在水稻生長成熟期更加精確、多方面地了解水稻生長情況。此外，可以集成GPS、GIS、RS的3S技術深度應用[9]。例如遙感技術的數(shù)據(jù)處理能力、數(shù)據(jù)獲取能力非常強大；地理信息系統(tǒng)的管理能力、數(shù)據(jù)分析能力十分強大；全球定位系統(tǒng)GPS的精確定位能力非常突出?？梢跃C合利用這些技術的優(yōu)勢特點，為農(nóng)作物分析提供充足的決策信息。同時與GPS提供的平面高程數(shù)據(jù)和地形地貌相結合，實現(xiàn)綜合性的分析研究，從而在智慧農(nóng)業(yè)中更大地發(fā)揮高光譜遙感技術的優(yōu)勢和作用[10]。

3 結論

智慧農(nóng)業(yè)是我國農(nóng)業(yè)發(fā)展的一個主要發(fā)展方向，通過對各種先進技術的應用，能夠實現(xiàn)現(xiàn)代化、智慧化的農(nóng)業(yè)生產(chǎn)管理，大幅提升農(nóng)業(yè)生產(chǎn)效率。隨著未來技術水平的不斷進步，高光譜遙感技術也將進一步完善，從而在智慧農(nóng)業(yè)中得到更好的應用，助推現(xiàn)代化農(nóng)業(yè)的發(fā)展。