农作物高光谱遥感识别和分类-莱森光学

1、农作物高光谱遥感识别和分类

农作物遥感识别是遥感技术在农业领域应用的重要内容，也是资源遥感的重要组成部分。植被光谱不仅具有高度相似性和空间变异性，而且具有时间动态性强等特点。不同植被的光谱随时间的变化规律也具有明显的区别，因此充分发挥高光谱遥感的独特性能，特别是其在区分地表细微差别方面的优势，同时结合植被的时间动态特征，将大大提高土地覆盖类型的识别与分类精度。

基于常州水稻生长期80波段ＰＨＩ航空高光谱图像，利用混合决策树方法对水稻品种进行了高光谱图像精细分类，完成了对11种地物（其中6个水稻品种）的划分，测试样本的分类精度达到94.9％。

以中国华北地区冬小麦识别为例，利用MODIS自身光谱信息，即可实现作物遥感全覆盖自动识别，并可达到较高的精度，比传统方法认为的冬小麦遥感识别的最佳时间（返青期的3月份）提前约一个季度。

以上研究结果表明，高光谱遥感技术能有效地对作物进行分类和识别，且分类精度较高，这对于大比例尺尺度上研究地表作物覆盖，提取更加细致的信息提供了有力保障。

2、高光谱遥感监测作物叶面积指数、生物量和叶绿素含量

叶面积指数（ＬＡＩ）通常是指单位面积土地上所有叶片表面积的总和，或单位面积上植物叶片的垂直投影面积总和。它是生态系统的一个重要结构参数，可用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应，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。叶面积指数与生物量（干重、鲜重）和叶绿素是衡量作物生长状况的重要指标。如何利用遥感技术实时监测植株叶面积、生物量和叶绿素，对于作物的管理调控及估产具有重要意义。

采用单变量线性与非线性拟合模型和逐步回归分析，建立水稻ＬＡＩ的高光谱遥感估算模型，提出高光谱变量与LAI之间的拟合分析中，蓝边内一阶微分的总和与红边内一阶微分总和的比值和归一化差植被指数是最佳变量。

利用棉花不同品种、不同密度冠层关键生育时期的反射光谱数据，应用光谱多元统计分析技术与光谱微分处理技术，建立了基于植被指数和归一化植被指数的5种函数形式的棉花干物质积累估测模型。

由以上研究结果可知，利用高光谱数据可以及时估算及预测作物的生物量、叶面积指数、叶绿素等生理参数。目前，光谱特征正成为实时、快速监测作物长势的有效手段。

3、高光谱遥感监测作物养分及水分状况

在农作物生产中，水肥是影响作物生长的最主要因素之一。氮磷钾肥是作物生长和产量形成所必需的重要元素；水分是作物的主要组成成分，水分亏缺将直接影响作物的生理生化过程和形态结构，从而影响作物生长。因此，及时准确地监测作物的水分状况对提高作物水分管理水平、指导节水农业生产具有重要意义。利用高光谱遥感技术对作物矿质营养和水分胁迫进行监测，进而估算作物的营养和需水状况，从而指导施肥灌溉，是近年来发展起来的一门新技术。

大量研究结果表明，利用高光谱遥感技术可以对作物的营养状况和水分含量进行比较准确的分析和检测，为变量施肥和灌溉提供参考，从而节省农业资源的投入。高光谱养分和水分诊断模型在农业生产中具有较高的应用价值和广阔的应用前景。

4、农作物长势监测和估产

高光谱遥感的超多波段（几十、上百个）和高分辨率（3～20nm）使其可用于探测植被的精细光谱信息（特别是植被各种生化组分的吸收光谱信息），反演植被各生化组分的含量，监测植被的生长状况。

另外，还可通过高光谱信息监测植物病虫害。植物病虫害监测是通过监测叶片的生物化学成分来实现的，病虫害感染导致叶片叶肉细胞的结构发生变化，进而使叶片的光谱反射率发生变化。

利用遥感信息进行作物估产是利用某种植被指数在作物生长发育关键期内的和与产量的实测或统计数据间建立的各种形式的相关方程来实现的，如目前单产估算应用较多的是回归分析法，其基本原理为：

式中，ｙ为作物产量；xi为经过平滑的光谱反射率或DNVI指数。高光谱遥感技术可以快速、简便、大面积、无破坏、客观地监测作物的长势并对作物进行估产,高光谱遥感技术在生产中具有良好的应用前景,是农作物长势监测和估产的主要发展方向。

5、展望

高光谱遥感是一门极具发展潜力的集新型探测技术、精密光学机械、高速信号处理技术、计算机处理技术为一体的多学科综合性应用技术。随着现代科学的不断发展，特别是现代航空技术、摄影技术和计算机技术的不断发展，高光谱遥感技术必将得到长足的发展，该技术与“ＧＰＳ”和“ＧＩＳ”相结合，在农业生产中将具有更广阔的应用前景。

 

审核编辑 黄昊宇