高光譜成像技術(shù)作為精準(zhǔn)、快速、低成本、非損傷性光譜分析技術(shù)，在農(nóng)業(yè)生產(chǎn)應(yīng)用中備受關(guān)注，也逐漸成為農(nóng)業(yè)成像應(yīng)用中的重要前沿技術(shù)手段。該技術(shù)在精準(zhǔn)農(nóng)業(yè)領(lǐng)域主要應(yīng)用于作物長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)、地物分類與識(shí)別、作物環(huán)境監(jiān)測(cè)、農(nóng)產(chǎn)品質(zhì)量和安全檢測(cè)等多個(gè)方面。

植被指數(shù)

植被指數(shù)是一類具有一定生化意義的不同波段光譜值的組合，通常有比值植被指數(shù)、線性組合植被指數(shù)、修正植被指數(shù)、差值植被指數(shù)等。不同波段組合的植被指數(shù)對(duì)于不同指標(biāo)預(yù)測(cè)效果不同。在農(nóng)業(yè)上，基于光譜技術(shù)檢測(cè)作物生理指數(shù)的波段范圍一般在400～2500nm之間，涉及到色素(葉綠素、類胡蘿卜素等)、氮、水分等吸收和葉片細(xì)胞的內(nèi)部結(jié)構(gòu)。在400～740nm 可見光波段，葉綠素在480、650、670～680、740nm 處有吸收峰，類胡蘿卜素在 420、425、440、450、470、480nm均有吸收峰，葉黃素在 425、445、475nm有吸收峰。而在 740～1 300 nm 近紅外波段由于健康的葉肉細(xì)胞反射作用，其反射率急劇升高;作物水分的吸收峰主要集中在970、1450、1944nm處。因此當(dāng)作物受到脅迫作用時(shí)，相應(yīng)的氮、色素、酶等發(fā)生變化，通過應(yīng)用各種植被指數(shù)監(jiān)測(cè)這些生理指標(biāo)變化，可判斷作物脅迫情況、生長(zhǎng)狀況以及產(chǎn)量情況。

增強(qiáng)植被指數(shù)EVI

植被覆蓋率

地物精細(xì)分類

作物養(yǎng)分監(jiān)測(cè)

氮和葉綠素含量是作物重要的養(yǎng)分指標(biāo)，與作物產(chǎn)量密切相關(guān)?；谥苯庸庾V信息作物養(yǎng)分獲取即通過原始光譜處理建模檢測(cè)作物養(yǎng)分信息，而基于植被指數(shù)的養(yǎng)分檢測(cè)是通過建立植被指數(shù)與養(yǎng)分的模型進(jìn)行分析。

無人機(jī)高光譜影像作物葉綠素a分布

作物長(zhǎng)勢(shì)監(jiān)測(cè)

作物長(zhǎng)勢(shì)是作物生長(zhǎng)發(fā)育狀況評(píng)價(jià)的綜合參數(shù)，長(zhǎng)勢(shì)監(jiān)測(cè)是對(duì)作物苗情、生長(zhǎng)狀況與變化的宏觀監(jiān)測(cè)。高光譜成像可以利用植被指數(shù)(NDVI、DVI等)進(jìn)行農(nóng)田地表覆蓋類型分類和作物長(zhǎng)勢(shì)監(jiān)測(cè)分析。例如，可以利用高光譜數(shù)據(jù)，通過分析NDVI和DVI，建立農(nóng)田區(qū)域性覆蓋指數(shù)模型，反映出區(qū)域性作物覆蓋狀況和隨季節(jié)變化的規(guī)律。此外，海量高光譜數(shù)據(jù)，結(jié)合GIS技術(shù)、GPS技術(shù)、網(wǎng)絡(luò)技術(shù)和計(jì)算機(jī)技術(shù)，建立服務(wù)于農(nóng)業(yè)領(lǐng)域的農(nóng)情監(jiān)測(cè)系統(tǒng)，對(duì)作物長(zhǎng)勢(shì)實(shí)現(xiàn)動(dòng)態(tài)的監(jiān)測(cè)，對(duì)農(nóng)情災(zāi)害以及糧食產(chǎn)量進(jìn)行快速預(yù)報(bào)和準(zhǔn)確評(píng)估。

作物長(zhǎng)勢(shì)監(jiān)測(cè)

作物產(chǎn)量預(yù)測(cè)

基于光譜指數(shù)NDVI的冬小麥葉面積監(jiān)測(cè),(左)利用NDVI預(yù)測(cè)小麥產(chǎn)量在不同時(shí)間同一地區(qū)預(yù)測(cè)小麥產(chǎn)量;(右)植被生長(zhǎng)狀況判斷圖

水分脅迫監(jiān)測(cè)

WBI 指數(shù)變化(WBI 值越大，植物含水量越高，越利于植物生長(zhǎng))

農(nóng)業(yè)病蟲害監(jiān)測(cè)

高光譜成像技術(shù)獨(dú)有的光譜匹配和光譜微分技術(shù)使其在農(nóng)業(yè)病蟲害監(jiān)測(cè)中得到研究者的青睞。其中，基于波譜波長(zhǎng)位置變量分析方法是農(nóng)業(yè)病蟲害監(jiān)測(cè)的主要方法，國內(nèi)外許多學(xué)者基于高光譜影像分析了作物病害光譜響應(yīng)，利用紅邊參數(shù)、迭代自組織、二項(xiàng)式分析等方法開展了小麥等作物條銹病光譜信息探測(cè)與識(shí)別研究，病蟲害識(shí)別效果較好。隨著海量高光譜遙感數(shù)據(jù)的獲取，區(qū)域性農(nóng)業(yè)病蟲害監(jiān)測(cè)研究也越來越完善。

不同時(shí)期高光譜圖像監(jiān)測(cè)的病害指數(shù)分布圖

農(nóng)產(chǎn)品品質(zhì)檢測(cè)

產(chǎn)地溯源

高光譜作為新一代無損、無接觸、快速、精準(zhǔn)、大面積獲取作物信息，對(duì)實(shí)現(xiàn)農(nóng)業(yè)的精準(zhǔn)化、數(shù)字化、信息化和智能化管理和作業(yè)具有重要意義。