彭忻怡，潘玉霞，2，李艷大，曹中盛，舒時(shí)富，孫濱峰，葉 春，黃俊寶

（1.江西省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)工程研究所/江西省智能農(nóng)機(jī)裝備工程研究中心/江西省農(nóng)業(yè)信息化工程技術(shù)研究中心，南昌330200；2.江西農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，南昌 330045）

柑橘（Citrus reticulataBlanco）作為世界第一大類(lèi)水果，是全球最重要的經(jīng)濟(jì)作物之一，每年全球總產(chǎn)量超過(guò)1.24 億t［1］，已成為世界各國(guó)的農(nóng)業(yè)主導(dǎo)產(chǎn)業(yè)。對(duì)柑橘生長(zhǎng)指標(biāo)信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)，不但能夠判斷柑橘的長(zhǎng)勢(shì)和健康狀態(tài)，還能指導(dǎo)果農(nóng)科學(xué)合理施肥噴藥灌水，是實(shí)現(xiàn)柑橘豐產(chǎn)提質(zhì)增效的重要手段。植物葉片中葉綠素、蛋白質(zhì)等成分的化學(xué)鍵［2］在光輻射下會(huì)發(fā)生不同振動(dòng)［3］，病害、營(yíng)養(yǎng)元素的豐缺等因素都會(huì)影響葉片細(xì)胞數(shù)目、體積與成分，其不同的生理代謝狀態(tài)會(huì)使得表面結(jié)構(gòu)、內(nèi)部物質(zhì)種類(lèi)與含量產(chǎn)生差異，對(duì)不同波長(zhǎng)的電磁波產(chǎn)生各異的反射［4-6］。遙感技術(shù)正是基于此原理，利用數(shù)碼相機(jī)、多光譜與高光譜成像儀、熱紅外相機(jī)、激光雷達(dá)等［7］儀器，通過(guò)測(cè)量植被反射或發(fā)射的不同波長(zhǎng)電磁波，獲取植物的光譜、紋理、形狀、高度等信息以反演植物的生長(zhǎng)狀態(tài)。相對(duì)于傳統(tǒng)的目視診斷法、土壤化學(xué)分析法、植物組織分析法等［8］柑橘生長(zhǎng)指標(biāo)信息獲取方法，遙感監(jiān)測(cè)技術(shù)具有快速、無(wú)損、實(shí)時(shí)、省工節(jié)本和信息量大等優(yōu)勢(shì)，已成為智慧農(nóng)業(yè)發(fā)展的重要方向和研究熱點(diǎn)之一［9］。因此，本研究綜述了遙感技術(shù)在柑橘生化參數(shù)、水分脅迫、病害、產(chǎn)量及品質(zhì)等生長(zhǎng)指標(biāo)監(jiān)測(cè)中的應(yīng)用進(jìn)展，以期為提高柑橘精確管理水平和豐產(chǎn)高效栽培技術(shù)提供理論支撐。

1 柑橘生化參數(shù)監(jiān)測(cè)

利用不同的監(jiān)測(cè)平臺(tái)，可獲取葉片尺度和冠層尺度的柑橘生化參數(shù)數(shù)據(jù)。在葉片尺度上，主要利用手持式光譜儀或地面平臺(tái)搭載傳感器對(duì)每棵柑橘的葉片分別測(cè)量光譜響應(yīng)，測(cè)量效率較低；在冠層尺度上，主要利用無(wú)人機(jī)平臺(tái)或衛(wèi)星平臺(tái)搭載傳感器對(duì)整個(gè)柑橘園進(jìn)行快速監(jiān)測(cè)，但測(cè)量結(jié)果易受土壤散射、遮擋、傳感器視角等多種因素的影響，需要對(duì)柑橘冠層進(jìn)行提取。近年來(lái)，國(guó)內(nèi)外學(xué)者在不同尺度的柑橘生化參數(shù)監(jiān)測(cè)方面開(kāi)展了大量研究。束美艷等［10］利用無(wú)人機(jī)航拍圖像重建三維點(diǎn)云，引入基于冠層高度模型的分水嶺算法進(jìn)行單木分割提取冠層信息，實(shí)現(xiàn)對(duì)柑橘空間位置的全覆蓋標(biāo)記，這種方法計(jì)算簡(jiǎn)單，但是需要已知柑橘園的數(shù)字高程模型；王鑫梅等［11］通過(guò)可視化無(wú)人機(jī)圖像手動(dòng)選取冠層、土壤與陰影波譜差異較大的波段對(duì)冠層進(jìn)行分割；Osco 等［12］利用神經(jīng)網(wǎng)絡(luò)像素級(jí)目標(biāo)檢測(cè)輸出置信度圖像，以解決密集種植情況下矩形探測(cè)框無(wú)法很好描述植被冠層信息的問(wèn)題。Liu 等［13］手動(dòng)提取冠層中的新葉與老葉，并分別進(jìn)行建模，發(fā)現(xiàn)新葉由于海綿葉肉反射性更強(qiáng)，普遍擁有更高的反射率，而老葉的光譜信息與植被生化參數(shù)相關(guān)系數(shù)更高；Osco等［14］利用葉面積指數(shù)將葉片尺度信息與冠層尺度信息聯(lián)系起來(lái)。目前的冠層分割方法大多需要如高程模型、標(biāo)記樣本等先驗(yàn)知識(shí)，如何更充分利用多光譜甚至高光譜圖像信息，提出更具通用性的冠層信息提取方法，有待進(jìn)一步研究。此外，現(xiàn)有方法大多以冠層所有像素光譜響應(yīng)的算術(shù)平均值作為單棵植物的光譜特征，沒(méi)有充分挖掘冠層信息。

國(guó)內(nèi)外學(xué)者根據(jù)采集的不同光譜反射率與柑橘生化參數(shù)，利用不同回歸統(tǒng)計(jì)方法建立生化參數(shù)監(jiān)測(cè)模型。Min 等［15］在可見(jiàn)光到紅外光波段對(duì)比了逐步多元線(xiàn)性回歸、偏最小二乘及相關(guān)系數(shù)3 種回歸方法對(duì)氮含量預(yù)測(cè)的表現(xiàn)，其中，偏最小二乘法由于能夠消除數(shù)據(jù)間共線(xiàn)性，更適合進(jìn)行全譜分析，而逐步多元線(xiàn)性回歸更適合基于特征波段建立模型；Menesatti 等［16］利用偏最小二乘法對(duì)氮、磷、鉀在內(nèi)的多種化學(xué)參數(shù)共同進(jìn)行回歸；考慮到高光譜數(shù)據(jù)維度高、計(jì)算負(fù)擔(dān)重的問(wèn)題，黃雙萍等［17］利用主成分分析降維后通過(guò)支持矢量回歸方法進(jìn)行預(yù)測(cè)；李金夢(mèng)等［18］利用連續(xù)投影法找到特征波段完成降維，通過(guò)神經(jīng)網(wǎng)絡(luò)建立回歸；劉燕德等［19］通過(guò)試驗(yàn)證明正適應(yīng)加權(quán)法在柑橘葉綠素特征波段提取的效果優(yōu)于遺傳算法與連續(xù)投影法。還有部分學(xué)者從反射光譜中獲得各種植被指數(shù)并作為模型自變量，Naqvi等［20］利用植被指數(shù)反演植被葉綠素含量，并通過(guò)試驗(yàn)證明修正三角植被指數(shù)與土壤和大氣抗性植被指數(shù)的組合能夠穩(wěn)健地預(yù)測(cè)葉綠素含量；李金夢(mèng)［21］引入紋理信息協(xié)同優(yōu)化氮素預(yù)測(cè)模型，并通過(guò)試驗(yàn)發(fā)現(xiàn)灰度直方圖效果優(yōu)于灰度共生矩陣；束美艷等［10］利用8 種常見(jiàn)植被指數(shù)聯(lián)合反演以去除土壤背景、光譜飽和性等因素影響。然而，由于使用的傳感器、研究的柑橘亞種與種植環(huán)境、管理的差異，在試驗(yàn)環(huán)境下表現(xiàn)良好的模型不具有普適性，難以直接推廣應(yīng)用。岳學(xué)軍等［22］得出隨著氮含量增加，可見(jiàn)光區(qū)域光譜反射率減小，而近紅外光波段光譜反射率增加；而Osco 等［23］卻發(fā)現(xiàn)柑橘氮含量與紅光、藍(lán)光、近紅外光的吸收水平呈顯著負(fù)相關(guān)，對(duì)綠光反射率影響不大。Grossman 等［24］的研究表明，逐步多元回歸方法盡管能夠得到較好的建模表現(xiàn)，但提取的特征波段與植被自身的吸收波段不相符。將柑橘的生物特性與光譜響應(yīng)相結(jié)合，整合不同物候期植被參數(shù)，充分挖掘光譜信息，或許能夠減少回歸模型的過(guò)擬合現(xiàn)象，也使得特征波段擁有更強(qiáng)的解釋性。

2 柑橘水分脅迫監(jiān)測(cè)

水分對(duì)柑橘而言不可缺少，其中葉片含水量直接影響著柑橘光合作用［25］，冠層含水量則直接影響柑橘的開(kāi)花坐果［26］。水分脅迫即柑橘植株含水量不足，通過(guò)對(duì)水分脅迫的監(jiān)測(cè)診斷，果農(nóng)能夠采取合理的灌溉策略，提早應(yīng)對(duì)干旱與根澇災(zāi)害。熱紅外遙感在水分脅迫監(jiān)測(cè)中占主導(dǎo)地位，其能夠通過(guò)柑橘的發(fā)射光反演冠層溫度，冠層溫度是蒸騰速率的函數(shù)，而蒸騰速率又與大氣蒸發(fā)需求和柑橘?gòu)耐寥乐锌晌盏乃窒嚓P(guān)。相較于可見(jiàn)光對(duì)水分脅迫反應(yīng)較遲鈍，熱紅外遙感由于與溫度相關(guān)，對(duì)水分脅迫變化更敏感。然而即使在水分充足的條件下，中午的柑橘葉片也會(huì)存在顯著的氣孔關(guān)閉現(xiàn)象［27］，引起冠層溫度上升，為熱紅外水分脅迫監(jiān)測(cè)帶來(lái)困難。水分脅迫參數(shù)主要包括葉片或冠層含水量、蒸發(fā)蒸騰指數(shù)、氣孔導(dǎo)度、莖或葉水勢(shì)等。近年來(lái)，國(guó)內(nèi)外許多學(xué)者在柑橘水分脅迫參數(shù)監(jiān)測(cè)方面開(kāi)展了大量研究，Raj 等［28］發(fā)現(xiàn)400~1 000 nm 范圍內(nèi)對(duì)水分子O-H 鍵震動(dòng)頻率敏感的7 個(gè)特征波長(zhǎng)，并通過(guò)梯度提升機(jī)模型將葉片層面的高分辨率含水量推廣到基于衛(wèi)星數(shù)據(jù)的低分辨率果園層面。Ballester 等［29］利用手持紅外熱像儀測(cè)量冠層溫度，試驗(yàn)證明雖然紅外反演的冠層溫度能夠作為水分脅迫的指標(biāo)，但柑橘冠層溫度并不總是受水分脅迫影響，其相關(guān)時(shí)間尺度限于1 d，在季度尺度上，冠層溫度與大氣溫差與莖水勢(shì)無(wú)關(guān)；Kullberg 等［30］拓展了基于參考作物水分脅迫的傳統(tǒng)模型，將原本只適用于充分灌溉植被的蒸發(fā)蒸騰反演模型拓展到非充分灌溉的情況，既可以利用熱紅外遙感由溫度反演，也可以利用可見(jiàn)光與近紅外光的植被指數(shù)進(jìn)行參數(shù)反演；Vanella等［31］通過(guò)電阻率層析成像改進(jìn)基于衛(wèi)星的植被蒸發(fā)蒸騰指數(shù)估計(jì)，這種成像技術(shù)有助于準(zhǔn)確估計(jì)土壤濕潤(rùn)部分分布模式。

3 柑橘病害監(jiān)測(cè)

病害是造成柑橘減產(chǎn)與果農(nóng)經(jīng)濟(jì)損失的主要原因。柑橘病害主要有黃龍病、炭疽病、黑斑病、潰瘍病等，診斷對(duì)象包括柑橘葉片與果實(shí)，相較于葉片病害點(diǎn)檢測(cè)，果實(shí)病害點(diǎn)檢測(cè)更加困難。球狀的果實(shí)使得光強(qiáng)無(wú)法均勻分布，同時(shí)病害點(diǎn)可能與果實(shí)的莖或花萼連接處光譜相似，產(chǎn)生混淆。為解決上述問(wèn)題，Li 等［32］通過(guò)巴特沃斯低通濾波器配合閾值進(jìn)行光強(qiáng)分布均一化，利用顏色通量比率與細(xì)長(zhǎng)區(qū)域去除算法有效區(qū)分莖段與缺陷點(diǎn)，這種方法能夠區(qū)分包括潰瘍病、炭疽病在內(nèi)的多種病害缺陷與正常果實(shí)，但是無(wú)法對(duì)各類(lèi)缺陷進(jìn)行分類(lèi)；Ali 等［33］利用DeltaE 色差算法分離染病區(qū)域后，利用顏色直方圖與紋理信息進(jìn)行分類(lèi)。Sharif 等［34］首先通過(guò)加權(quán)分割方法提取病變像素點(diǎn)，通過(guò)混合特征選擇方法在豐富的紋理、顏色、幾何特征中選取最佳特征組合以投入支持向量機(jī)，實(shí)現(xiàn)了多種柑橘病害的分類(lèi)。Moriya 等［35］對(duì)比發(fā)現(xiàn)在500~840 nm 波長(zhǎng)范圍傳感器波段數(shù)增加提高了柑橘樹(shù)膠病的分類(lèi)性能。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展與廣泛應(yīng)用，基于網(wǎng)絡(luò)的病害檢測(cè)也成為研究熱點(diǎn)之一，Pan 等［36］通過(guò)構(gòu)建密集連接卷積網(wǎng)絡(luò)，實(shí)現(xiàn)了對(duì)6 種柑橘病害的智能診斷，其識(shí)別準(zhǔn)確率超過(guò)了88%。

4 柑橘產(chǎn)量監(jiān)測(cè)

相較于利用基于氣象因子的統(tǒng)計(jì)模型估產(chǎn)，基于遙感的方法在原理上更加直觀(guān)，通過(guò)與有效光合作用相關(guān)的光譜響應(yīng)，與產(chǎn)量建立聯(lián)系［37］；此外，遙感技術(shù)的實(shí)時(shí)估產(chǎn)為柑橘后續(xù)管理與制定科學(xué)的采收加工計(jì)劃提供了條件，也是柑橘生產(chǎn)精確管理的重要內(nèi)容。柑橘產(chǎn)量存在大小年現(xiàn)象，即一年豐產(chǎn)，一年少產(chǎn)，有的甚至連續(xù)2~4 年低產(chǎn)［38］，這也為柑橘估產(chǎn)帶來(lái)挑戰(zhàn)。柑橘產(chǎn)量估測(cè)方法主要有基于數(shù)據(jù)統(tǒng)計(jì)的方法和基于圖像的方法?；跀?shù)據(jù)統(tǒng)計(jì)的方法通過(guò)遙感光譜數(shù)據(jù)或結(jié)合柑橘生化參數(shù)進(jìn)行回歸預(yù)測(cè)；基于圖像的方法則根據(jù)無(wú)人機(jī)或車(chē)載傳感器拍攝圖像［39］，利用圖像進(jìn)行估產(chǎn)。近年來(lái)，國(guó)內(nèi)外學(xué)者在柑橘產(chǎn)量監(jiān)測(cè)方面開(kāi)展大量研究。Ye 等［40］發(fā)現(xiàn)基于偏最小二乘的回歸方法能夠在柑橘收獲前幾個(gè)月達(dá)到合理的預(yù)測(cè)結(jié)果，而基于植被指數(shù)或多元線(xiàn)性回歸的方法無(wú)法做到；此外，葉旭君等［41］進(jìn)一步將估產(chǎn)時(shí)間提前到5 月，利用偏最小二乘回歸選出柑橘特征波段后，通過(guò)多元線(xiàn)性回歸完成預(yù)測(cè)；祝高明［42］將包括葉綠素、氮含量在內(nèi)的生化參數(shù)與光譜信息結(jié)合，獲取柑橘6 個(gè)月以來(lái)的光譜響應(yīng)結(jié)果，得到了較好的產(chǎn)量預(yù)測(cè)結(jié)果；鄭雅之［43］根據(jù)各物候期建立多時(shí)相模型，以增強(qiáng)預(yù)測(cè)結(jié)果的魯棒性?；趫D像的估產(chǎn)方法通常應(yīng)用于坐果后收獲前，但存在枝葉遮擋，未成熟果實(shí)與葉子顏色難以區(qū)分的問(wèn)題。Dorj 等［44］通過(guò)色彩轉(zhuǎn)換、閾值分割、噪聲去除、分水嶺算法對(duì)采集到的自然圖像完成分割與計(jì)數(shù)；Choi 等［45］經(jīng)對(duì)比發(fā)現(xiàn)近紅外光圖像在A(yíng)lexnet 網(wǎng)絡(luò)上對(duì)柑橘檢測(cè)效果較可見(jiàn)光和深度圖像更佳，真陽(yáng)性率達(dá)96%，試驗(yàn)通過(guò)車(chē)載傳感器自底向上觀(guān)測(cè)以減少遮擋；Apolo 等［46］微調(diào)了預(yù)訓(xùn)練好的Faster-RCNN 模型，通過(guò)深度網(wǎng)絡(luò)進(jìn)行柑橘檢測(cè)計(jì)數(shù)，并且提出了基于長(zhǎng)短期記憶的網(wǎng)絡(luò)模型以處理無(wú)人機(jī)航拍的可見(jiàn)光圖像。將高光譜圖像、深度圖像及農(nóng)學(xué)參數(shù)共同應(yīng)用于光學(xué)估產(chǎn)以及找到最適的估產(chǎn)時(shí)間是今后進(jìn)一步探討的問(wèn)題。

5 柑橘品質(zhì)監(jiān)測(cè)

柑橘品質(zhì)指標(biāo)主要包括固酸比、可溶性固形物、可食率等。近年來(lái)，國(guó)內(nèi)外學(xué)者在柑橘品質(zhì)監(jiān)測(cè)方面開(kāi)展大量研究。Song 等［47］通過(guò)分段粒子群優(yōu)化方法對(duì)可見(jiàn)光及近紅外高維光譜圖像降維提取特征變量以進(jìn)行建?；貧w；Li 等［48］在基于可見(jiàn)光及近紅外光譜反射模式下，利用增強(qiáng)適應(yīng)偏最小二乘法增加模型穩(wěn)健度，獲得了可行的預(yù)測(cè)模型。相較于基于反射或發(fā)射光譜的回歸模型，Tian 等［49］提出了基于透射模式的柑橘可溶性固形物診斷，以規(guī)避柑橘厚表皮漫反射對(duì)預(yù)測(cè)結(jié)果的影響；Zhang 等［50］提出利用激光誘導(dǎo)擊穿光譜技術(shù)分析柑橘果實(shí)及周?chē)~片，對(duì)果實(shí)可溶性固形物含量進(jìn)行預(yù)測(cè)，試驗(yàn)還發(fā)現(xiàn)柑橘葉片中的鎂由于其參與碳水化合物運(yùn)輸與光合作用，與可溶性固形物含量呈顯著相關(guān)。

6 展望

遙感技術(shù)能夠無(wú)損、低成本、實(shí)時(shí)、準(zhǔn)確地獲取柑橘生化參數(shù)、產(chǎn)量、品質(zhì)、水分脅迫、病害等生長(zhǎng)指標(biāo)信息，為柑橘的精確管理提供技術(shù)支撐。然而，目前遙感技術(shù)在柑橘生長(zhǎng)監(jiān)測(cè)中的應(yīng)用還存在一些不足之處，冠層提取方法需要一定的先驗(yàn)知識(shí)；冠層反射率受光照條件和傳感器視角的影響，可能出現(xiàn)同物異譜現(xiàn)象。因此，充分利用機(jī)器視覺(jué)方法建立合理的冠層提取算法，充分利用冠層紋理信息與形態(tài)學(xué)信息，對(duì)新葉與老葉的光譜特征進(jìn)行耦合，對(duì)各物候期建立多時(shí)相回歸模型，將柑橘的生物特性與遙感信息結(jié)合，增加模型的泛用性以規(guī)避回歸中可能出現(xiàn)的過(guò)擬合現(xiàn)象，將可見(jiàn)光圖像、紅外圖像、深度圖像、生長(zhǎng)參數(shù)等信息進(jìn)行耦合以增加監(jiān)測(cè)模型的普適性等，這是今后柑橘生長(zhǎng)監(jiān)測(cè)研究的重要方向。