基于成像光譜技術的農作物長勢監測研究
**應用工程師—黃宇
0 引言
成像技術和光譜技術是傳統的光學技術的兩個重要方向，成像技術能夠獲得物體的影像，得到其空間信息；光譜技術能夠得到物體的光學信息，進而研究其物質屬性。20世紀70年代以前，成像技術和光譜技術是相互獨立的學科，隨著遙感技術的發展，成像光譜技術迅速發展起來，它是一種快速、無損的檢測技術，具有光譜分辨率高、多波段和圖譜合一的特點，能在大尺度范圍內識別地表并深入研究其地表物質的成分及結構。目前成像光譜技術已經成為遙感技術的發展趨勢之一，并在**偵察、海洋遙感、地質勘探、植被分析等領域得到越來越廣泛的應用。隨著成像光譜技術的發展以及成像設備軟硬件成本的不斷下降，其在農業上的應用更加廣泛和深入，應用尺度大到航空影像，小到實驗室近距離采集的圖譜。目前該技術已經成為精準農業的技術支撐，能夠動態、快速、準確、及時地獲取農作物的圖譜，并結合數據分析方法診斷作物長勢和病蟲害情況，供決策和估產等使用。
目前，國內外獲取作物冠層光譜信息主要還是以航天航空、機載平臺成像傳感器為主，利用地面成像高光譜獲取作物冠層的研究甚少。
Inoue et al. (2001) 運用400-900 nm范圍的高光譜圖像的光譜信息建立多元回歸模型，對水稻葉層氮含量和葉綠素含量進行了預測，預測結果為決定系數R2分別達到0.72和0.86。Ye et al. (2008) 基于近地面成像高光譜系統獲取柑橘樹的冠層光譜，并進行了分析研究； Kim et al. (2011) 利用高光譜成像技術研究了蘋果樹在輕微到嚴重5個不同水脅迫程度下植株葉片的光譜特性變化，指出在紅邊705和750 nm處的NDVI與水分脅迫之間的相關系數*高。張東彥等(2012)利用小麥、玉米作為研究對象，運用成像高光譜儀獲取其冠層和葉片的高光譜圖像，并計算多種光譜植被指數，構建玉米葉綠素含量的光譜預測模型，并對模型進行了驗證。結果表明，基于光譜指數MCARI/OSAVI構建的玉米植株葉綠素含量監測模型精度較高，驗證樣本預測的預測均方根誤差RMSE為1.8。Vigneau et al. (2011) 驗證了利用地面可移動高光譜成像裝備對小麥葉片氮含量無損檢測的可行性，通過建立小麥光譜信息與氮含量間PLS回歸模型，對分離后的平整葉片進行研究，得到的決定系數R2達到了0.90；對溫室中單株盆栽的小麥植株進行研究，得到R2為0.89；在大田種植的植株上取得了R2 = 0.88的結果，這充分說明高光譜成像技術在植物長勢的無損檢測中具有應用前景。
1 基于成像光譜技術的農作物長勢監測研究材料與分析
1.1 基于成像光譜技術的農作物長勢監測研究試驗設備
高光譜成像儀為四川雙利合譜科技有限公司自主研發的GaiaField-V10便攜式高光譜成像儀，波段范圍為400 - 1000 nm，共520個波段，光譜分辨率為4 nm，圖像分辨率為1392*1040。高光譜采集軟件為SpecView，數據分析軟件為ENVI/IDL。圖1為成像高光譜儀的實景圖。
圖 1 搭載在三腳架上的成像高光譜儀GaiaField-V10
1.2 基于成像光譜技術的農作物長勢監測研究成像光譜儀數據評價
考慮到 ASD光譜輻射儀在農業遙感中廣泛使用，其光譜信息往往作為作物長勢及病蟲害監測的重要依據，為此本研究以 ASD 光譜數據為標準，從2個角度依次對比 ASD 與GaiaField-V10的光譜反射率（其中GaiaField-V10成像光譜數據為純小麥葉片光譜，即去除背景土壤、麥穗等的影響）。
**，將ASD采集的冬小麥冠層高光譜數據重采樣為GaiaField-V10波段，并計算每個生育期重采樣后的平均反射率，對比重采樣的ASD、GaiaField-V10的生育期平均反射率。如圖 2 所示，整體上，兩種冬小麥冠層光譜信息在可見光-紅邊區域的變化趨勢高度一致：GaiaField-V10光譜曲線在550nm附近出現“綠峰”特征，與ASD光譜曲線相符，且因抽穗期間冬小麥冠層出現小麥穗子且葉片發黃萎縮，導致2種光譜反射率在近紅外區間差距較大；拔節期由于小麥葉面積較小，ASD獲取的小麥冠層光譜含有較多的土壤信息，因此其在可見光區間與GaiaField-V10的光譜反射率存在大小差異，但峰值位置不變；整體而言無論是綠峰、紅谷或者紅邊，GaiaField-V10和地物光譜儀ASD的光譜反射率曲線幾乎吻合，在近紅外區域存在差異主要是受土壤、麥穗、黃葉等原因的響。
圖 2 不同生育期GaiaField-V10光譜曲線與重采樣的 ASD光譜曲線對比
**，研究對比分析了成像光譜儀V10E和重采樣的 ASD在400～1000nm 范圍冬小麥冠層光譜反射率的相關性，如圖3 所示，結果顯示兩者高度相關R2均在 0.995以上。拔節期由于小麥的覆蓋度較低，因而ASD的光譜混合了較多的土壤信息，因此地物光譜儀ASD和成像光譜儀V10的反射率并不均勻地分布在1:1擬合線兩側，而孕穗期和抽穗期則均勻地分布在擬合線的兩側。
圖3不同生育期的成像光譜儀V10和重采樣的ASD 光譜反射率的相關性
1.3 基于成像光譜技術的農作物長勢監測研究：成像光譜儀GaiaField-V10反射率光譜
以小麥拔節期的數據為例，成像光譜儀GaiaField-V10獲取小麥拔節期的高光譜數據時間為3月13日中午10時-下午14時，天氣為晴、無風。圖4為小麥高光譜影像未去背景小麥葉片、去背景小麥葉片（包括陰影葉片和光照葉片）、光照葉片和陰影葉片的均值反射率。從圖中可知，在可見光區域，去背景之后，小麥葉片的“綠峰”、“紅谷”更為顯著，去背景小麥葉片的“綠峰”光譜反射率高于未去背景小麥葉片的光譜反射率，“紅谷”的反射率則低于未去背景小麥的光譜反射率。由于背景等因素的影響，小麥葉片的紅邊位置發生了“紅移”，在近紅外區域，去背景小麥葉片的光譜反射率值高于未去背景小麥的光譜反射率值。有太陽光照射的小麥葉片，無論是可見光還是近紅外區域，其反射率值都高于無太陽光照射的小麥葉片，且有太陽照射時，其紅邊位置發生了“藍移”。
圖 4 小麥不同狀態下的光譜反射率曲線
1.4 基于成像光譜技術的農作物長勢監測研究 關于作物長勢的反演
由于北京林科院采集的數據缺少農學參數（如葉綠素、氮素、SPAD值等），故無法根據小麥光譜反射率與農學參數構建相關模型。因此學者黃宇（2015）構建的相關模型對在北京林科院采集的數據進行SPAD值和冠層葉綠素的反演。
圖5 北京林科院試驗田作物SPAD值反演分布圖
圖6 北京林科院試驗田作物冠層葉綠素值反演分布圖
