高光谱遥感技术在精细农业监测上的应用及展望

何

（湖南农业大学油料作物研究所/国家油料作物改良中心湖南分中心，长沙410128）

高光谱遥感技术在精细农业监测上的应用及展望

何友铸，张振乾，官春云*

（湖南农业大学油料作物研究所/国家油料作物改良中心湖南分中心，长沙410128）

摘 要：精细农业已成为现代农业的重要发展方向，高光谱遥感技术能快速、无损、准确地监测作物的生长状况，在精细农业中广泛应用。综述了高光谱遥感技术在作物长势、生理生化特性及产量、品质监测方面的研究进展，并展望了高光谱遥感技术在未来精细农业上的发展趋势。

关键词：作物；精细农业；农业监测；高光谱遥感技术

精细农业也称为精准农业、精确农业，是以信息技术、生物技术、工程技术等一系列高新技术为基础的面向大田作物生产的精细农作技术。精细农业本身是一种现代化农业的田间管理手段，其核心是实时、动态、无损地监测农田信息，合理地进行灌溉、施肥、喷药，最大限度提高水、肥和农药的利用效率，实现对环境的最小污染和对自然资源的最大利用［1，2］。由于精细农业需要快速有效的收集大量精确可靠的农田信息和数据［2，3］，人工和传统的实验室分析方法很难适应精细农业信息采集的要求。目前的田间信息快速有效采集技术难以满足精细农业需求。遥感技术（Remote sensing）、地理信息系统（Geographic information systems）、全球定位系统（Global positioning systems），统称为“3S”技术［4，5］，它能很好的解决这一难题，为精细农业提供了技术支持。遥感属于“3S”技术中的一种，遥感特别是高光谱遥感技术在精细农业的应用中发挥了重要作用。高光谱遥感（Hyperspectral Remote Sensing）又称成像光谱遥感，是指在电磁波谱的可见光、近红外、中红外和热红外区域，获取许多非常窄且连续的光谱图像数据技术［6］。其波段宽度一般小于10 nm，从而获得更为连续且完整的光谱信息［7］，覆盖的光谱范围更大，准确分辨作物类型以及监测作物各种农学参数。

高光谱遥感技术在精细农业上的应用，主要表现在利用高光谱遥感数据快速、无损、准确地监测作物的生长长势、生理生化特性和产量、品质状况，为作物的科学管理和高产高效提供技术保障。

1　作物生长长势监测

1.1叶面积指数

叶面积指数（LAI）为植物冠层表面物质和能量交换的描述提供结构化的定量信息［8］。大量研究［9，10］表明，高光谱遥感可以很好的监测作物的叶面积指数，利用高光谱遥感技术获取作物的叶面积指数，能够克服传统获取作物叶面积指数的费时耗力，并减少对作物叶片的破坏。

薛利红等［11］综合分析比较了几种常见光谱植被指数与水稻叶面积指数的相关性及其预测力，发现宽波段光谱植被指数可以准确地用来监测水稻叶面积指数。当前光谱遥感对作物监测的敏感波段和植被指数也有不少探索，应用多种方法建立了多种反演模型。谭昌伟等［12］综合分析10个常见光谱植被指数与夏玉米LAI的相关性及预测性，发现近红外与绿光波段的比值（R810/R560）与LAI呈显著的指数关系，且不受品种类别、生育时期和氮肥水平的影响。夏天等［13］选择位于黄淮海平原的山东省济南市长清区为研究区域，通过ASD地物光谱仪和SunScan冠层分析系统对冬小麦的冠层光谱及LAI变化进行田间观测，然后利用回归分析法和BP神经网络法构建冬小麦LAI反演模型，将模型估算LAI值和田间观测LAI值进行比对，分析评价2种方法的反演精度。结果表明，BP神经网络法较回归分析法估算冬小麦LAI的精度有较大提高，检验方程的决定系数（R2）为0.990、均方根误差为0.105，利用BP神经网络法构建反演模型能较好的对冬小麦LAI进行反演。同时，宋开山等［14］也在大豆叶面积的高光谱反演研究中，发现与基于植被指数建立的模型相比，神经网络模型可以有效避免因LAI过高而出现过饱和现象，提高LAI的反演精度。

1.2生物量

生物量与叶面积指数和产量密切相关，因此可将作物生物量的高光谱遥感监测与叶面积指数或者作物产量结合起来。用于监测作物叶面积指数的方法也可用来对生物量的光谱监测，主要将高光谱参数、植被指数与其生物量进行相关分析。侯学会等［15］利用小麦的高光谱参数数据和冠层反射光谱数据，构建等效的MODIS植被指数，建立小麦干生物量的高光谱遥感估算模型，发现小麦生物量与冠层光谱在552、721 nm处呈现最显著相关性，叶面积指数与冠层光谱的相关性在400～1 100 nm范围内较显著，红边位置估算小麦总生物量的指数模型最优，决定系数为0.829，增强型植被指数与小麦叶面积指数的指数模型拟合度最强，决定系数为0.94。柏军华等［16］分析棉花地上鲜生物量冠层高光谱反射率变异系数、反射率光谱、一阶微分光谱与地上鲜生物量相关关系的结果表明，在可见光近红外波段，棉花冠层反射率光谱变异系数在672 nm波段处最大；棉花地上鲜生物量与反射率光谱相关系数最大值在可见光波段出现在589～700 nm，在近红外波段出现在865～919 nm，且前者大于后者，且地上鲜生物量与一阶微分光谱相关系数在可见光波段出现524～528、552～588、710～755 nm 3个高值区。

唐延林等［17］分析了水稻、玉米、棉花3种作物的高光谱及红边特征和红边参数与叶面积指数、地上生物量、鲜重的相关性，显示3种作物冠层高光谱反射率大小与其生育期有关，冠层光谱中，棉花＞玉米＞水稻；叶片光谱中，水稻＞棉花＞王米；冠层红边参数与其叶面积指数和鲜重之间都呈极显著相关，但与地上鲜生物量和地上干生物量相关性有差异。

2　作物生理生化性状监测

2.1光合作用及叶绿素

植物的光合作用是积累有机物的重要途径，高光谱遥感以其快速无损的特点，在作物光合监测上的应用也越来越受到重视。孙彩霞等［18］对基于单叶反射光谱的转基因大麦光合特性进行了分析，发现反射光谱指数λRE，mND，SIPI，RRed/RGreen，PRI及NIRR800的差异性变化将意味着植物光合生理过程、功能及状态发生改变。辛明月等［19］利用高光谱遥感数据，对光谱反射率、一阶微分光谱及二阶微分光谱与吸收光合有效辐射（APAR）进行相关分析，结果表明，高光谱反射率、一阶微分光谱及二阶微分光谱的最优波段与APAR的相关性均极显著，一阶微分光谱能够更好的估算APAR，它与APAR在769 nm处的拟合决定系数为0.521 8；5种植被指数所选的最优波段组合拟合方程的决定系数在0.67以上，其中以复归一化差值植被指数（758，781）估算效果最好，决定系数达0.758 5。光合有效辐射分量（FPAR）是各种生产力模型、作物估产模型等的重要参数。杨飞等［20］对高光谱估算FPAR效果作初步探讨分析，发现一阶导数法和植被指数法估算FPAR效果稍好，充分挖掘高光谱数据估算FPAR潜力，选择最佳波段能够较好的提高FPAR估算精度。

作为吸收光能的主要物质，叶绿素含量的高低直接影响作物的光合和有机物质积累能力，可以通过实时掌握作物叶绿素含量与冠层光谱反射率的动态变化来有效地监测作物的光合作用。William等［21］在研究木本植物光合作用时，发现SPAD的测量值与叶片透射和吸收值在400～700 nm波段回归关系显著，但与光谱反射值的回归关系不精确。吴长山等［22］发现早播稻、晚播稻和玉米在近红外波段762 nm的导数光谱与叶绿素含量有很高的相关性，其建立的监测模型的标准偏差为0.272 g/m2，估计精度约为80.6%。杨峰等［23］利用高光谱遥感分析了水稻和小麦在不同生育期的冠层光谱和叶绿素密度的变化，建立了估算两作物叶面积指数和叶绿素密度的模型，R2＞0.85。杨海清等［24］用Visual Basic 6.0设计的遗传算法得出植株反射光谱和SPAD值的最佳敏感波段为683.24～733.91 nm；分析还表明，经过叶片厚度修正后的建模集拟合因子R2为0.865 8，校验集拟合因子R2为0.916 1。

2.2氮含量监测

在作物生产过程中，适时掌握作物氮素含量的变化动态，不但可以按需施肥，节约资源，而且使作物生产优质、高产、高效、生态，减少对环境的污染。作物氮素营养的光谱监测是作物高效利用氮肥的关键技术。作物氮素参数监测的适宜特征光谱随不同的作物和试验条件而有所不同，因此氮素营养指标与光谱参数的规律性和定量化关系是当前普遍关注的热点与重点。

周丽丽等［25］探讨了3个玉米品种叶片氮含量（LNC）的高光谱敏感波段、估算模型及其品种差异，并依品种建立了叶片氮含量与归一化差值光谱指数（NDSI）或比值光谱指数（PSI）的定量关系模型，其中NDSI（714，554）和PSI（714，554）所建模型的拟合度最好，直线和指数模型拟合度均达到了极显著水平，可以用来估算玉米LNC。在利用高光谱技术进行玉米氮营养状况诊断的研究及应用中，应考虑品种间差异。刘冰峰等［26］对2个夏玉米品种进行5个不同施氮量处理，利用高光谱遥感在玉米拔节期、大喇叭口期、抽雄期、吐丝期、乳熟期监测叶片全氮含量，最佳光谱参数分别为R720、DR720、SDb、R550和DR550。上述研究发现高光谱遥感可以很好的监测作物的氮素营养。

3　作物产量、品质监测

3.1产量监测

作物高光谱遥感产量预测是通过获得作物各生长时期的光谱特征数据，对其最终产量进行预测。大量研究集中于预测作物种植面积和单产。单产预测是作物生长状况在高光谱遥感光谱中的表征。吴琼等［27］论证高光谱遥感对大豆冠层生长监测和产量估测有相对可行性，可望在大规模育种计划中用于估测大豆的早期产量。冯伟等［28］根据“特征光谱参数—叶片氮素营养—籽粒产量”这一技术路径，以叶片氮素营养为交接点将模型链接，建立了基于灌浆前期高光谱参数及拔节期至成熟期特征光谱指数累积值的小麦籽粒产量预测模型，经两年独立试验数据检验表明，利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况，拔节至成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化。刘良云等［29］利用高光谱数据设计新型光谱指数与冬小麦产量进行相关分析，相关性较显著。因此，利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量。

3.2品质监测

通过遥感监测作物生长过程进而改善栽培措施，优化作物分类收获、分级收购加工体制，可以提高作物品质监控水平，保证作物品质［30］。小麦抽穗后的冠层植被比值指数RVI（R1500，R610）以及RVI（R1220，R560）的指数变量能极好地监测籽粒蛋白质和淀粉积累量［31］。冯伟等［32］以叶片氮素营养为连接点，建立基于开花期高光谱遥感的小麦籽粒蛋白质产量预报模型，结果显示利用开花期特征光谱参数可以有效地预测小麦成熟期籽粒蛋白质含量状况。顾志宏［33］发现，550～590 nm与670～710 nm是大麦植株氮含量的敏感波段区域，且大麦籽粒蛋白质含量与植株氮含量相关性高，建立了基于GRVI（植被指数）的大麦籽粒蛋白质含量的预测模型，R2达到0.658 1，对构建的预测模型进行验证，其精度达到了一定要求。薛利红等［34］系统分析了水稻籽粒加工品质、外观品质、营养品质等与水稻冠层反射光谱特征之间的相关性，结果显示：成熟期冠层反射光谱指数与水稻籽粒加工品质呈显著负相关，籽粒的外观品质与冠层光谱特征之间的关系不明显，籽粒蛋白质含量则与大多数生育时期的冠层光谱比值指数和归一化指数呈极显著相关，相关系数多在0.80以上；淀粉含量与灌浆盛期的710 nm和660 nm的比值和归一化组合的相关性最好。说明可以用遥感手段来预测水稻籽粒的加工品质和营养品质指标。

4　展望

高光谱遥感技术可以准确获得植物的精细光谱信息，建立监测模型，从而能够精准监测作物的类型及播种面积、作物的生长环境及病虫害、作物生理生化性状、作物长势和产量品质等，促进了农业的科学化管理和实现高产优质，为精细农业的发展起了积极的推进作用。但仍需要在以下几个方面加以改进：

（1）加强高光谱遥感技术机理研究；

（2）现今高光谱遥感对农学信息的监测模型各式各样，但都没有一种通用的模型和方法，急需根据实际环境及各种影响条件，提出一种通用性较大的模型和方法；

（3）进一步完善农业光谱信息数据库，提高农学信息监测模型的精度和适用性。

参考文献：

［1］ 汪懋华.“精细农业”发展与工程技术创新［J］.农业工程学报，1999，15（1）：1-8.

［2］ 王凤花，张淑娟.精细农业田间信息采集关键技术的研究进展［J］.农业机械学报，2008，39（5）：112-121.

［3］ 罗锡文，臧 英，周志艳.精细农业中农情信息采集技术的研究进展［J］.农业工程学报，2006，22（1）：167 -173.

［4］ 沙宗尧，边馥苓.“3S”技术的农业应用与精细农业工程［J］.测绘通报，2003（6）：29-32.

［5］ Tseng Chwanlu，Jiang Joeair，Lee Renguey，et al.Feasibility study on application of GSM-SMS technology to field data acquisition［J］.Computer and Electronics in Agriculture，2006，53（1）：45-69.

［6］ Lillesand TM，Kiefer RW.Remote Sensing and Image Interpretation（3rd Edition）［M］.New York：John Wiley& Sons，1994.750.

［7］ 王 波，王灿林，梁国强.基于粒子群寻优的D-S算法［J］.传感器与微系统，2007，26（1）：84-86.

［8］ 赵丽芳，谭炳香，杨 华，等.高光谱遥感森林叶面积指数估测研究现状［J］.世界林业研究，2007，20（2）：50-54.

［9］ 黄敬峰，王 渊，王福民，等.油菜红边特征及其叶面积指数的高光谱估算模型［J］.农业工程学报，2006，22（8）：22-26.

［10］Roshanak D，Andrew S，Martin S，et al.Inversion of aradiative transfermodel for estimating vegetation and chlorophyll in a heterogeneous grassland［J］.Remote Sensing of Environment，2008，112（5）：2592-2604.

［11］薛利红，曹卫星，罗卫红，等.光谱植被指数与水稻叶面积指数相关性的研究［J］.植物生态学报，2004，28（1）：47-52.

［12］谭昌伟，黄义德，黄文江，等.夏玉米叶面积指数的高光谱遥感植被指数法研究［J］.安徽农业大学学报，2004，31（4）：392-397.

［13］夏 天，吴文斌，周清波，等.冬小麦叶面积指数高光谱遥感反演方法对比［J］.农业工程学报，2013，29（3）：139-147.

［14］宋开山，张 柏，李 方，等.高光谱反射率与大豆叶面积及地上鲜生物量的相关分析［J］.农业工程学报，2005，21（1）：36-40.

［15］侯学会，牛 铮，黄 妮，等.小麦生物量和真实叶面积指数的高光谱遥感估算模型［J］.国土资源遥感，2012，95（4）：30-35.

［16］柏军华，李少昆，王克如，等.基于近地高光谱棉花生物量遥感估算模型［J］.作物学报，2007，33（2）：311-316.

［17］唐延林，黄敬峰，王秀珍，等.水稻、玉米、棉花的高光谱及其红边特征比较［J］.中国农业科学，2004，37（1）：29-35.

［18］孙彩霞，袁 飞，张玉兰，等.基于单叶反射光谱的转基因大麦光合特性分析［J］.光谱学与光谱分析，2012，32（1）：204-208.

［19］辛明月，殷 红，张 涛，等.基于高光谱遥感的水稻冠层吸收光合有效辐射的估算研究［J］.中国水稻科学，2011，25（4）：443-446.

［20］杨 飞，张 柏，宋开山，等.玉米光合有效辐射分量高光谱估算的初步研究［J］.中国农业科学，2008，41（7）：1947-1954.

［21］William LB，David JW，Joseph DB，etal.Leaf absorptance of photosynthetically active radiation in relation to chlorophyll meter estimates among woody plant species［J］. Scientia Horticulturae，2004，101：169-178

［22］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.

［23］杨 峰，范亚民，李建龙，等.高光谱数据估测稻麦叶面积指数和叶绿素密度［J］.农业工程学报，2010，26（2）：237-243.

［24］杨海清，姚建松，何 勇.基于反射光谱技术的植物叶片SPAD值预测建模方法研究［J］.光谱学与光谱分析，2009，29（6）：1607-1610

［25］周丽丽，冯汉宇，阎忠敏，等.玉米叶片氮含量的高光谱估算及其品种差异［J］.农业工程学报，2010，26（8）：195-199.

［26］刘冰峰，李 军，赵刚峰，等.夏玉米叶片全氮含量高光谱遥感估算模型研究［J］.植物营养与肥料学报，2012，18（4）：813-824.

［27］吴 琼，齐 波，赵团结，等.高光谱遥感估测大豆冠层生长和籽粒产量的探讨［J］.作物学报，2013，39（2）：309-318.

［28］冯 伟，朱 艳，田永超，等.基于高光谱遥感的小麦籽粒产量预测模型研究［J］.麦类作物学报，2007，27（6）：1076-1084.

［29］刘良云，王纪华，黄文江，等.利用新型光谱指数改善冬小麦估产精度［J］.农业工程学报，2004，20（1）：172 -175.

［30］王纪华，李存军，刘良云.作物品质遥感监测预报研究进展［J］.中国农业科学，2008，41（9）：2633-2640.

［31］田永超，朱 艳，曹卫星，等.利用冠层反射光谱和叶片SPAD值预测小麦籽粒蛋白质和淀粉的积累［J］.中国农业科学，2004，37（6）：808-813.

［32］冯 伟，朱 艳，田永超，等.利用高光谱遥感预测小麦籽粒蛋白质产量［J］.生态学杂志，2008，27（6）：903 -910.

［33］顾志宏.基于高光谱的大麦籽粒蛋白质含量遥感预测［J］.光谱学与光谱分析，2012，32（2）：435-438.

［34］薛利红，曹卫星，李映雪，等.水稻冠层反射光谱特征与籽粒品质指标的相关性研究［J］.中国水稻科学，2004，18（5）：431-436.

中图分类号：S127

文献标识码：A

文章编号：1001-5280（2015）01-0096-05

DO I：10.3969/j.issn.1001-5280.2015.01.23

收稿日期：2014 09- 08

作者简介：何友铸（1989-），男，硕士研究生，Email：184831315@qq.com。*通信作者：官春云，教授，博士生导师，从事油菜育种、栽培研究，Email：guancy2011@yahoo.com.cn。

基金项目：国家科技支撑计划项目（2010BAD01B01）；国家自然科学基金项目（31201240）。

App lication and Prospect of Hyperspectral Remote Sensing Technology in Precision Agriculture Monitoring

HE You-zhu，ZHANG Zhen-qian，GUAN Chun-yun*
（Oil Crops Institute，Hunan Agricultural University/National Oilseed Crops Improvement Center in Hunan，Changsha，Hunan 410128，China）

Abstract：：Precision agriculture has become an important development direction ofmodern agriculture，hyperspectral remote sensing technology waswidely used in precision agriculture because it could quick ly，non-destructively and accurately monitor crop growth conditions.This paper summarized the research progress on hyperspectral remote sensing technology inmonitoring crop growth，physiological and biochemical，yield and quality，and prospected the development trend of hyperspectral remote sensing technology precision agriculture in the future.

Keywords：crop；precision agriculture；agriculturalmonitoring；hyperspectral remote sensing technology