楊含成

（三和數(shù)碼測(cè)繪地理信息技術(shù)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(guò)電磁波譜的中紅外、近紅外、可見(jiàn)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(shù)可達(dá)到10-2λ數(shù)量級(jí)的超高光譜分辨率，同時(shí)具有多波段及鄰波段相關(guān)性高的特點(diǎn)。因此，運(yùn)用高光譜遙感技術(shù)能夠輕松獲取精細(xì)光譜信息，定量分析地球表面生物物理化學(xué)過(guò)程。以農(nóng)業(yè)生產(chǎn)為例，應(yīng)用高光譜遙感技術(shù)能夠大面積、持續(xù)性地監(jiān)測(cè)農(nóng)作物，實(shí)時(shí)準(zhǔn)確地提供農(nóng)作物的地表信息，如農(nóng)作物長(zhǎng)勢(shì)、產(chǎn)量估測(cè)、災(zāi)害監(jiān)測(cè)、分類識(shí)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(jìn)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(shù)在智慧農(nóng)業(yè)中的應(yīng)用現(xiàn)狀

1.1 農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)

農(nóng)作物葉片中的水分、葉綠素、葉肉細(xì)胞和其他化學(xué)成分，可以反射出農(nóng)作物光譜特征，是判斷農(nóng)作物長(zhǎng)勢(shì)的重要依據(jù)。一些傳統(tǒng)植被指數(shù)和植被生物量相關(guān)關(guān)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(shù)，能夠?qū)⒋祟愐蛩氐挠绊懴魅?，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(lái)指導(dǎo)監(jiān)測(cè)農(nóng)作物的長(zhǎng)勢(shì)情況[1]。歸一化差值植被指數(shù)（NDVI）作為農(nóng)作物檢測(cè)中應(yīng)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(shí)際的指導(dǎo)意義。通過(guò)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(jì)算得到植被指數(shù)，能夠有效反映植被的生長(zhǎng)、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(jié)合3S技術(shù)集成與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，構(gòu)建農(nóng)情監(jiān)測(cè)系統(tǒng)，可以動(dòng)態(tài)化監(jiān)測(cè)農(nóng)作物的長(zhǎng)勢(shì)。例如，在小麥生長(zhǎng)狀態(tài)的評(píng)估過(guò)程中，糖含量是一項(xiàng)關(guān)鍵性的指標(biāo)，可以通過(guò)精確測(cè)定糖氮比準(zhǔn)確了解小麥長(zhǎng)勢(shì)情況。在相關(guān)研究中，分析小麥葉片糖氮比和冠層高光譜參數(shù)定量關(guān)系，能夠構(gòu)建小麥葉片糖氮比定量檢測(cè)模型，進(jìn)而得到快速無(wú)損定量分析小麥葉片糖氮比的方式，實(shí)時(shí)監(jiān)測(cè)小麥長(zhǎng)勢(shì)。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(yàn)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(jiàn)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(zhǎng)勢(shì)之間具有良好相關(guān)性的結(jié)果，實(shí)時(shí)監(jiān)測(cè)水稻生育期[2]。

1.2 農(nóng)作物產(chǎn)量估測(cè)

在農(nóng)作物產(chǎn)量估測(cè)方面，通常用抽樣統(tǒng)計(jì)法、匯報(bào)統(tǒng)計(jì)法等常規(guī)估測(cè)方法，但這些方法會(huì)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(cè)過(guò)程煩瑣復(fù)雜。而借助高光譜遙感技術(shù)估測(cè)農(nóng)作物的產(chǎn)量，能夠得到更加高效、準(zhǔn)確、客觀的結(jié)果。在高光譜遙感作物估產(chǎn)技術(shù)中，借助衛(wèi)星上配備的高光譜地物掃描儀，能夠獲取各個(gè)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(shí)結(jié)合農(nóng)作物自身生理特性，可完成對(duì)被測(cè)作物產(chǎn)量的反演[3]。在估產(chǎn)過(guò)程中，需要選擇最佳的遙感估產(chǎn)時(shí)相，并且了解總耕地面積和單位面積產(chǎn)量。在計(jì)算種植面積的時(shí)候，可以采取間接測(cè)算法、直接測(cè)算法。其中，直接測(cè)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(cè)算方法，將長(zhǎng)勢(shì)的影響削弱或消除。在間接測(cè)算法中，借助綠度-植土比模式，準(zhǔn)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(shù)存在時(shí)相特點(diǎn)，所以估算作物產(chǎn)量必須合理選取時(shí)相。具體選擇過(guò)程應(yīng)當(dāng)以大量實(shí)驗(yàn)數(shù)據(jù)對(duì)比為依據(jù)，單產(chǎn)模擬關(guān)鍵時(shí)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(zhǎng)期內(nèi)，例如小麥在孕穗到抽穗階段，水稻在孕穗到開(kāi)花階段。這些階段在作物生長(zhǎng)過(guò)程中都十分重要，同時(shí)也決定了其經(jīng)濟(jì)學(xué)產(chǎn)量。

1.3 農(nóng)作物災(zāi)害監(jiān)測(cè)

農(nóng)作物在生長(zhǎng)過(guò)程中，如果遭受病蟲(chóng)害問(wèn)題，就會(huì)直接影響農(nóng)作物的葉綠素含量和葉片結(jié)構(gòu)?？赏ㄟ^(guò)光譜遙感技術(shù)顯示光譜特征，以提高對(duì)農(nóng)作物防病害的監(jiān)測(cè)實(shí)效性，降低病害風(fēng)險(xiǎn)。在相關(guān)研究中，分別在不同生育期內(nèi)，測(cè)定不同危害水平的白粉病、冬小麥麥蚜冠層光譜，結(jié)果顯示，不同的病情和蟲(chóng)情反射率一階導(dǎo)數(shù)均有明顯變化，但無(wú)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(jiàn)，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(duì)條銹病的敏感性較高[4]。利用人工試驗(yàn)田測(cè)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(shù)，完成了小麥色素含量估測(cè)模型的構(gòu)建，實(shí)現(xiàn)了高精度估測(cè)冬小麥葉片胡蘿卜素及葉綠素等色素含量的目標(biāo)。結(jié)果顯示，高光譜信息在冠層葉片色素含量測(cè)定上比較可行，能達(dá)到較高的精度，可以監(jiān)測(cè)冬小麥條銹病的發(fā)生情況。

遙感技術(shù)在智慧農(nóng)業(yè)中的另一項(xiàng)應(yīng)用就是干旱監(jiān)測(cè)，在具體實(shí)踐當(dāng)中，主要通過(guò)熱慣量法、植被指數(shù)-地表溫度法等監(jiān)測(cè)干旱情況。在相關(guān)研究中，借助OMIS圖像8個(gè)熱紅外波段及歸一化反射率，對(duì)地表溫度加以反演，通過(guò)高光譜導(dǎo)數(shù)植被指數(shù)，對(duì)植被覆蓋度及水分含量差異做出表征。茶葉等經(jīng)濟(jì)作物產(chǎn)量和質(zhì)量受到病害的影響更甚于糧食作物，所以對(duì)于這些差異需要利用精細(xì)度更高的光譜數(shù)據(jù)反映。在相關(guān)研究中，通過(guò)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(duì)茶葉光譜信息的影響，得出其與茶葉品質(zhì)的定量關(guān)系，建立茶葉生物化學(xué)參數(shù)的提取技術(shù)[5]。

1.4 農(nóng)作物分類識(shí)別

在農(nóng)業(yè)遙感技術(shù)的實(shí)際應(yīng)用中，精準(zhǔn)分類農(nóng)作物是一項(xiàng)重要的工作，要將農(nóng)作物種類精準(zhǔn)、快速地識(shí)別出來(lái)，從而為產(chǎn)量估計(jì)、長(zhǎng)勢(shì)監(jiān)測(cè)、災(zāi)害監(jiān)測(cè)提供依據(jù)。高光譜數(shù)據(jù)的光譜信息非常精細(xì)，可以對(duì)不同種、不同亞種作物光譜差異加以體現(xiàn)。通過(guò)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(wèn)題。目前，在高光譜作物分類中光譜角分類、決策樹(shù)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(shù)的范疇，是對(duì)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(jì)，實(shí)現(xiàn)對(duì)不同像元點(diǎn)光譜曲線的區(qū)分?？梢酝ㄟ^(guò)對(duì)光譜的計(jì)算，以及對(duì)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(duì)于先驗(yàn)知識(shí)有較高的要求，必須對(duì)各種精確分類后的植被光譜信息完全知曉，進(jìn)而完成匹配，越高的先驗(yàn)精度，就能達(dá)到越高的匹配精度。在相關(guān)研究中，利用PHI高光譜影像，完成對(duì)作物病害光譜響應(yīng)探測(cè)模型的構(gòu)建，與光譜角結(jié)合，能夠?qū)μ崛⌒←湕l銹病和健康小麥及土壤信息準(zhǔn)確區(qū)分。決策樹(shù)技術(shù)是將數(shù)據(jù)集循環(huán)劃分至越來(lái)越小的子集中。節(jié)點(diǎn)構(gòu)成了樹(shù)，決策樹(shù)則是由一組末端節(jié)點(diǎn)、一組中間節(jié)點(diǎn)構(gòu)成，通過(guò)決策樹(shù)分層分類法，能夠?qū)γ恳粋€(gè)種類逐級(jí)劃分。在相關(guān)研究中，借助高光譜數(shù)據(jù)，按照?qǐng)D像中地物光譜特點(diǎn)，分析地物類型在各個(gè)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(jí)層，最后再?gòu)囊椎诫y逐步完成不同層的劃分。在決策樹(shù)分類分層法當(dāng)中，利用穗帽變換及主分量變換等特點(diǎn)提取方法，能夠逐級(jí)分開(kāi)不同難易度的地物，因而可以廣泛應(yīng)用于農(nóng)作物分類識(shí)別當(dāng)中[7]。

2 高光譜遙感技術(shù)在智慧農(nóng)業(yè)中的應(yīng)用展望

2.1 高光譜遙感技術(shù)在智慧農(nóng)業(yè)中應(yīng)用的關(guān)鍵問(wèn)題

高光譜遙感技術(shù)在智慧農(nóng)業(yè)中具有十分廣闊的應(yīng)用和發(fā)展空間，但同時(shí)也存在一些關(guān)鍵問(wèn)題。1）高光譜數(shù)據(jù)光譜具有細(xì)致豐富的信息，能夠?yàn)檫b感反演、定量遙感等提供依據(jù)。盡管如此，其在對(duì)高光譜數(shù)據(jù)的輻射矯正、幾何校正、大氣定標(biāo)等預(yù)處理精度方面，對(duì)于后續(xù)處理精度有直接影響。所以，在高光譜數(shù)據(jù)應(yīng)用領(lǐng)域中，一個(gè)重要的關(guān)鍵問(wèn)題就是如何對(duì)高光譜數(shù)據(jù)實(shí)現(xiàn)精確快速的預(yù)處理，使高光譜數(shù)據(jù)時(shí)相性得到保證。關(guān)于此類問(wèn)題，仍受當(dāng)前技術(shù)水平的制約，同時(shí)軟硬件開(kāi)發(fā)水平也有待提高[8]。在解決了這個(gè)關(guān)鍵問(wèn)題后，利用高光譜遙感技術(shù)能夠?yàn)檗r(nóng)作物生長(zhǎng)提供準(zhǔn)確實(shí)時(shí)的參考信息，與多時(shí)相光譜差分對(duì)比相結(jié)合，可獲取農(nóng)作物在一天當(dāng)中的生長(zhǎng)增量及變化情況，在農(nóng)作物生長(zhǎng)監(jiān)測(cè)控制和病蟲(chóng)害防治方面至關(guān)重要。2）目前對(duì)高光譜遙感技術(shù)的理論和實(shí)驗(yàn)研究較為深入，但是高光譜遙感技術(shù)在實(shí)際生產(chǎn)力轉(zhuǎn)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(zhǎng)信息仍處于研究及開(kāi)發(fā)時(shí)期，未來(lái)還需要更為豐富的先驗(yàn)知識(shí)，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(yùn)用高光譜數(shù)據(jù)。對(duì)此，需要不斷提升數(shù)據(jù)處理水平，同時(shí)也要研究出更高水平和性能的數(shù)據(jù)獲取方式，在未來(lái)高光譜研究過(guò)程中，要將更加普適、更加精確的反演模型開(kāi)發(fā)作為重點(diǎn)內(nèi)容。此外，也需要進(jìn)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(fù)雜紛繁，鄰波段有較強(qiáng)的相關(guān)性。需要研究出更加匹配和先進(jìn)的技術(shù)，實(shí)現(xiàn)在海量數(shù)據(jù)中對(duì)有用信息的高效挖掘提取，在冗雜數(shù)據(jù)中精準(zhǔn)選擇對(duì)具體問(wèn)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(wèn)題都是高光譜遙感技術(shù)未來(lái)發(fā)展中面臨的重要問(wèn)題，只有解決這些問(wèn)題，才能夠使其在智慧農(nóng)業(yè)中得到更好的應(yīng)用，發(fā)揮更大的價(jià)值。

2.2 高光譜遙感技術(shù)在智慧農(nóng)業(yè)中應(yīng)用前景構(gòu)想

在未來(lái)的發(fā)展中，可以將高光譜農(nóng)業(yè)和其他產(chǎn)業(yè)相結(jié)合。例如高光譜技術(shù)與氣象、海洋、林業(yè)等資源領(lǐng)域的相關(guān)產(chǎn)業(yè)合作，都具有很大的發(fā)展空間。在農(nóng)業(yè)領(lǐng)域的應(yīng)用中，還可以參考該技術(shù)在其他領(lǐng)域中的應(yīng)用方式。例如在水稻生產(chǎn)當(dāng)中，可以利用水系遙感研究成果，在水稻生長(zhǎng)初期開(kāi)展稻田生物量監(jiān)測(cè)，能夠?qū)崟r(shí)監(jiān)測(cè)水稻生長(zhǎng)過(guò)程中受到的溫度、養(yǎng)分等因素的影響。結(jié)合林業(yè)遙感的研究成果，可在水稻生長(zhǎng)成熟期更加精確、多方面地了解水稻生長(zhǎng)情況。此外，可以集成GPS、GIS、RS的3S技術(shù)深度應(yīng)用[9]。例如遙感技術(shù)的數(shù)據(jù)處理能力、數(shù)據(jù)獲取能力非常強(qiáng)大；地理信息系統(tǒng)的管理能力、數(shù)據(jù)分析能力十分強(qiáng)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(shù)的優(yōu)勢(shì)特點(diǎn)，為農(nóng)作物分析提供充足的決策信息。同時(shí)與GPS提供的平面高程數(shù)據(jù)和地形地貌相結(jié)合，實(shí)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(shù)的優(yōu)勢(shì)和作用[10]。

3 結(jié)論

智慧農(nóng)業(yè)是我國(guó)農(nóng)業(yè)發(fā)展的一個(gè)主要發(fā)展方向，通過(guò)對(duì)各種先進(jìn)技術(shù)的應(yīng)用，能夠?qū)崿F(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(lái)技術(shù)水平的不斷進(jìn)步，高光譜遙感技術(shù)也將進(jìn)一步完善，從而在智慧農(nóng)業(yè)中得到更好的應(yīng)用，助推現(xiàn)代化農(nóng)業(yè)的發(fā)展。