1、高光譜技術在農業遙感中的應用 楊賽 高光譜技術在農業遙感應用背景農業遙感應用中，特別是作物長勢評估、災害監測和農業管理等方面，利用高光譜遙感數據能準確地反映田間作物本身的光譜特征以及作物之間光譜差異，可以更加精準地獲取一些農學信息，如作物含水量、葉綠素含量、葉面積指數（LAI）等生態物理參數，從而方便地預測作物長勢和產量。遙感 遙感即遙遠的感知，指在一定距離上，應用探測儀器不直接接觸目標物體，從遠處把目標的電磁波特性記錄下來，通過分析，揭示出物體的特征性質及其變化的綜合性探測技術。攝影照相便是一種最常見的遙感,照相機并不接觸被攝目標,而是相隔一定的距離,通過鏡頭把被攝目標的影像記錄在底片上,經

2、過化學處理,相片便重現被攝目標的圖像。從拍攝目標到再現目標所用的手段,便是一種遙感技術。 圖 遙感信息的獲取、傳輸、判斷分析和運用的全過程研究方向（1）作物葉片光譜特征研究；（2）作物分類與識別；（3）作物生態物理參數反演與提取；（4）作物養分診斷與監測研究；（5）作物長勢監測與產量預測；（6）農業遙感信息模型研究；（7）農業災害監測。作物葉片光譜特征研究作物的葉片光譜特征與作物生長狀況有直接的關系，包括光譜反射率變化對作物化學組分敏感性變化、土壤水分脅迫下與正常條件下作物光譜特征變化對作物生長狀況的影響、作物光譜中紅邊位置與作物葉綠素含量之間關系等。利用成像光譜儀從400nm到1900nm波

3、段范圍內分析水分脅迫條件下水稻光譜特征和反射能力，發現近紅外/中紅外波段反射率及其一階微分導數變化可以探測早期水稻冠層水分脅迫作用的影響，作物葉片光譜特征研究對于應用高光譜遙感技術監測作物病蟲害，以及了解農田養分供應狀況，采取有效增肥措施和加強農田管理具有積極意義。作物分類與識別光譜角分類： 光譜角分類通過計算測定光譜和參考光譜之間“夾角”來表征兩者之間相似程度，從而實現光譜匹配分類。決策樹分層分類： 決策樹是一種把一個數據集循環地劃分到越來越小的子集中去的方法。樹由節點組成，一組中間節點和一組末端節點（葉子）組成一個決策樹。作物生態物理參數反演與提取作物生態物理參數主要包括作物水分、葉綠素含

4、量等表征農學信息的參量。目前，高光譜遙感數據反演與提取作物生態物理參數主要有3類方法： 利用多元回歸方法建立高光譜數據（原始反射率、光譜微分等）與作物農學信息參數之間的關系； 構建基于光譜特征的光譜指數與作物含水量等農學信息之間的經驗方程； 建立物理模型來反演與提取作物參數。本文著重選取作物水分和葉綠素含量（代表性的生態物理參數）兩類參數加以論述；作物養分診斷與監測研究作物養分高光譜診斷與監測方法主要包括：多元統計回歸方法診斷作物養分含量基于特定吸收波段內波譜特征參數的作物養分診斷作物長勢監測與產量預測 作物長勢監測：作物長勢是作物生長發育狀況評價的綜合參數，長勢監測是對作物苗情、生長狀況與變

5、化的宏觀監測。作物產量預測：作物高光譜遙感產量預測是通過搭載在衛星上的高光普遙感器，來獲取作物各生長時期光譜特征數據，對其反映的產量進行預測。農業遙感信息模型研究農業遙感信息模型是應用遙感信息和地理信息影像化的方法，集成農學模型、數理模型和地學模型建立起來的一種模型。常見的農業遙感信息模型包括土壤含水量遙感信息模型、作物旱災估算遙感信息模型等 綠色植物的反射光譜特性曲線農業災害監測1）農業干旱監測：常用的遙感農業干旱監測方法分為植被指數-地表溫度法、熱慣量法等。2）農業病蟲害監測：基于波譜波長位置變量分析方法是農業病蟲害監測的主要方法 高光譜農業遙感應用尚需解決的關鍵問題 1）高光譜遙感農學信

6、息提取模型的適用性 高光譜遙感農學信息提取模型雖多，但很難找到一種通用 的方法2）田間組分混合光譜分解模型和端元提取方法 研究多種田間組分（作物、土壤等）混合光譜分解模型，特別是作物不同生長階段，作物、土壤等組成的混合光譜具有復雜的機制，需要加強研究解決途徑1）農業光譜數據庫的完善與擴充 完善和擴充農業光譜數據庫，是提高農學信息提取模型精度和適用性的基礎，也是開展精準農業研究的前提。2）高光譜遙感與GIS、GPS集成應用 高光譜遙感與GIS、GPS的一體化應用可以有效解決只靠高光譜技術面臨著一些問題3）加強高光譜數據農學信息挖掘研究充分利用光譜空間中光譜變化知識進行農學信息的深入挖掘將是有效解決混合光譜分解的有效手段之一總結與展望 隨著精準農業研究的深入，遙感光譜分辨率和