高光谱遥感在农业中的应用

2012-04-01房华乐任润东

测绘通报 2012年1期

房华乐，任润东，苏飞，梁勇

(山东农业大学信息科学与工程学院，山东泰安271018)

一、引言

20世纪80年代初期出现了一种高分辨率的遥感技术——高光谱遥感[1]。高光谱遥感提供的波段信息能够达到纳米级，这就使得利用高光谱遥感对地物进行区分时，能够达到比以往遥感技术更好的效果，尤其是对具有纳米级光谱特性的地物[2]。在过去的近30年时间里，遥感技术在农业产量估计、灾害预报等方面不断进步，高光谱遥感技术也随着科技发展应运而生，它的出现使我国农业遥感走上了一个新的台阶[3]。

二、高光谱遥感技术在农业中的应用分析

常规的遥感数据只能获取较少的光谱信息，而高光谱遥感数据则可以获取连续的光谱信息，并且能够探测到常规遥感技术探测不到的物质[4]。高光谱的这种特性使之在农业生产中能够更好、更精确地进行作物识别、分类、估产等工作[5]。

1．对不同作物进行识别和分类

在进行农业灾害监测等工作之前，需要对不同作物进行识别和分类。由于小麦等作物品种不同，生长期不同，其光谱特性也是不同的，有时候不同植被的光谱差异甚微。高光谱的多波段且波段间相关性高等特点能够很好地解决此问题，进而准确地对不同植被和作物进行识别和分类[6]。

在我国，利用高光谱遥感技术对不同植被和作物进行识别和分类已经有了很大进展。刘亮等利用高光谱遥感数据，首先是对农作物进行识别和分类，然后对分类的结果进行检查，通过统计分析得出分类精度达到95%以上[7]。

吴见等用NDVI阈值方法提取植被信息，使用最小噪声变换对Hyperion高光谱遥感影像进行压缩，采用一种空间信息与光谱信息相结合的高光谱影像植被分类法，最后完成研究区植被分类。结果表明，各植被类型的平均分类精度能够达到90．3%，通过最大似然法得到的平均分类精度则仅为70．0%[8]。

刘良云等采用OMIS影像对北京小汤山精细农业示范区进行分类，通过计算地物表面温度，在NDVI-LST空间生成了6类典型地物(长势良好的小麦、淤泥湿地、池塘水面、稀疏小麦、水草、裸露土地)的散点图。根据地物表面温度和归一化植被指数，采用最大似然法的分类方法和在NDVI-LST空间生成的6类典型地物标本，取得了较好的分类结果[9]。

通过以上研究结果，可以看出高光谱遥感能够较为有效地对作物进行分类和识别，并且分类的精度比较高。这对不同植被和作物进行识别和分类，并且进一步进行产量估计和灾害预报等方面提供了有力保障。

2．对作物的叶绿素等生物物理参数进行估算

叶绿素、生物量(干重、鲜重)等是作物生长状况的重要指标，它们在作物的生长过程中起着至关重要的作用。因此，利用高光谱遥感技术对植物生物量和叶绿素等重要指标进行监测，对于作物的管理调控及估产等具有重要意义。

陈燕等利用非成像高光谱仪，对北疆棉花品种进行冠层光谱测定，对棉花冠层叶绿素密度与光谱数据进行了回归分析。研究结果表明，近红外729 nm波段处一阶微分光谱数值与叶绿素密度相关度较高，用此波段建立的叶绿素密度估算模型精度能够达到 84．3%[10]。

吴长山等对早播稻、晚播稻和玉米的多时相光谱测量数据与相对应的叶片叶绿素密度测量数据进行相关性分析。研究结果表明，早播稻、晚播稻和玉米的光谱反射率数据以及光谱数据与叶绿素密度具有较好的相关性[11]。

王强等以棉花冠层的叶绿素密度及冠层高光谱反射率作为数据源，在分析叶绿素密度与原始高光谱反射率等相关性的基础上，采用线性以及多元逐步回归技术构建了叶绿素密度的高光谱诊断模型。研究结果表明，基于一阶导数的光谱反射率估算模型的精度明显高于原始光谱反射率[12]。

张东彦等通过田间扫描成像光谱仪获得盆栽和大田玉米的冠层高光谱影像，构建了玉米叶绿素含量光谱预测模型，并对叶绿素含量光谱预测模型进行了验证。研究结果表明，成像光谱仪在微观尺度上，对作物光谱信息探测方面具有着一定的应用潜力[13]。

利用高光谱数据可以及时对作物的叶绿素等生理参数进行估算，为作物良好的生长提供保障。

3．作物长势监测

利用高光谱遥感资料对作物生长状况及变化进行大面积监测，随着作物的生长，作物叶面积指数、叶片颜色也会发生变化，并且会引起反射率发生变化。反射率的改变也表现在不同的水分含量和作物长势好坏上。高光谱遥感监测作物长势是指在作物生长期内，通过分析光谱值或植被指数的大小，进而分析作物长势的好坏。高光谱监测作物长势方法有植被指数、结合GIS技术动态监测等。

郑有飞等利用高光谱技术对加拿大农作物轮作系统的一部分进行研究。研究结果表明，从小麦生长季的早期到中期，小麦的光谱和叶面积指数在不同处理下差异非常明显。用高光谱遥感资料监测农作物长势的最佳季节是7月中期，最佳植被指数是红光波段和近红外波段这两个波段反射率的比值，以及基于这两个波段构造的归一化植被指数[14]。

金秀良等通过对新疆棉花主产区棉花密度和水分进行对比试验，分别分析了不同密度和水分处理的棉花整个生育期生物量与高光谱特征参数的相关性，及叶面积指数与高光谱特征参数的相关性。通过研究表明，基于高光谱特征参量的棉花长势监测模型能够较好地反映棉花长势参数与高光谱特征的数学关系[15]。

农作物的长势监测非常重要，对保障我国粮食安全和为农作物估产等有着极其重要的意义。

4．作物估产

作物高光谱遥感估产主要是通过搭载在卫星上的高光普遥感器，获取作物各生长时期的光谱特征数据，根据作物光谱特征与其长势及产量间的定量关系，进而对其产量进行预测。

白丽等根据棉花的生长规律，用高光谱测定棉花各时期冠层的反射率，然后基于棉花盛蕾期到吐絮后期进行的7次地面光谱和产量测定，根据光谱曲线特征构建高光谱植被指数，最后对光谱反射率与产量统计分析。研究结果表明，各生育期可见光波段光谱反射率与产量间呈显著负相关，短波红外波段光谱反射率与产量间呈显著负相关，近红外波段光谱反射率与产量间呈显著正相关[16]。

唐延林等对水稻进行试验，对2个水稻品种在3个供氮水平下进行了处理，然后测定了抽穗后水稻在不同时期冠层的高光谱反射率等。研究结果表明，抽穗后水稻冠层光谱反射率有两个特点：①随水稻冠层光谱反射率发育期推移在可见光范围逐渐增大;②水稻冠层光谱反射率在近红外区域逐渐减小[17]。

三、高光谱遥感技术的现存问题

经过分析研究，虽然高光谱应用范围已经越来越广，但目前高光谱遥感技术还存在不少的问题，主要表现在以下几个方面：①对作物群体的高光谱研究少;②由于作物生长环境等因素，使得遥感成像中的同谱异物、同物异谱现象普遍;③ 高光谱遥感技术还不能获取作物高度等与作物生长发育相关的可视物理信息。

四、结束语

高光谱技术在农业中的应用是遥感领域研究热点之一，高光谱遥感凭借着光谱分辨率较高等优点，在推动农业发展、保证国家粮食安全中起到了重要作用。虽然高光谱遥感在农业应用中已经取得了一些研究进展，但是还存在一些不足[18-19]。随着科学技术的发展，遥感光谱分辨率和空间分辨率也将不断提高，高光谱遥感在农业方面的应用正在从理论走向业务化运作[20]。高光谱遥感与“3S”等技术相结合，使得高光谱遥感在作物长势评估、灾害监测等方面具有更广阔的应用前景。

[1]孙钊．高光谱遥感的应用[J]．贵州教育学院学报：自然科学，2004，15(4)：58-61．

[2]杨哲海，韩建峰，宫大鹏，等．高光谱遥感技术的发展与应用[J]．海洋测绘，2003，23(6)：55-58．

[3]李映雪，谢晓金，徐德福．高光谱遥感技术在作物生长监测中的应用研究进展[J]．麦类作物学报，2009，29(1)：174-178．

[4]杨国鹏，余旭初，冯伍法，等．高光谱遥感技术的发展与应用现状[J]．测绘通报，2008(10)：1-4．

[5]洪霞，江洪，余树全．高光谱遥感在精准农业生产中的应用[J]，2010，38(1)：529-531，540．

[6]姚云军，秦其明，张自力，等．高光谱技术在农业遥感中的应用研究进展[J]．农业工程学院，2008，24(7)：301-306．

[7]刘亮，姜小光，李显彬，等．利用高光谱遥感数据进行农作物分类方法研究[J]．中国科学院研究生院学报，2006，23(4)：484-488．

[8]吴见，彭道黎．基于空间信息的高光谱遥感植被分类技术[J]．农业工程学报，2012，28(5)：150-153．

[9]刘良云，张兵，郑兰芬，等．利用温度和植被指数惊醒地物分类和土壤水分反演[J]．红外与毫米波学报，2002，21(4)：269-273．

[10]陈燕，黄春燕，王登伟，等．北疆棉花叶绿素密度的高光谱估算研究[J]．新疆农业科学，2006，43(6)：451-454．

[11]吴长山，项月琴，郑兰芬，等．利用高光谱数据对作物群体叶绿素密度估算的研究[J]．遥感学报，2000，4(3)：228-232．

[12]王强，易秋香，包安明，等．基于高光谱反射率的棉花冠层叶绿素密度估算[J]．农业工程学报，2012，28(15)：125-132．