基于成像光谱技术的农作物长势监测研究
基于成像光谱技术的农作物长势监测研究
**应用工程师—黄宇
0 引言
成像技术和光谱技术是传统的光学技术的两个重要方向，成像技术能够获得物体的影像，得到其空间信息；光谱技术能够得到物体的光学信息，进而研究其物质属性。20世纪70年代以前，成像技术和光谱技术是相互独立的学科，随着遥感技术的发展，成像光谱技术迅速发展起来，它是一种快速、无损的检测技术，具有光谱分辨率高、多波段和图谱合一的特点，能在大尺度范围内识别地表并深入研究其地表物质的成分及结构。目前成像光谱技术已经成为遥感技术的发展趋势之一，并在**侦察、海洋遥感、地质勘探、植被分析等领域得到越来越广泛的应用。随着成像光谱技术的发展以及成像设备软硬件成本的不断下降，其在农业上的应用更加广泛和深入，应用尺度大到航空影像，小到实验室近距离采集的图谱。目前该技术已经成为精准农业的技术支撑，能够动态、快速、准确、及时地获取农作物的图谱，并结合数据分析方法诊断作物长势和病虫害情况，供决策和估产等使用。
目前，国内外获取作物冠层光谱信息主要还是以航天航空、机载平台成像传感器为主，利用地面成像高光谱获取作物冠层的研究甚少。
Inoue et al. (2001) 运用400-900 nm范围的高光谱图像的光谱信息建立多元回归模型，对水稻叶层氮含量和叶绿素含量进行了预测，预测结果为决定系数R2分别达到0.72和0.86。Ye et al. (2008) 基于近地面成像高光谱系统获取柑橘树的冠层光谱，并进行了分析研究； Kim et al. (2011) 利用高光谱成像技术研究了苹果树在轻微到严重5个不同水胁迫程度下植株叶片的光谱特性变化，指出在红边705和750 nm处的NDVI与水分胁迫之间的相关系数*高。张东彦等(2012)利用小麦、玉米作为研究对象，运用成像高光谱仪获取其冠层和叶片的高光谱图像，并计算多种光谱植被指数，构建玉米叶绿素含量的光谱预测模型，并对模型进行了验证。结果表明，基于光谱指数MCARI/OSAVI构建的玉米植株叶绿素含量监测模型精度较高，验证样本预测的预测均方根误差RMSE为1.8。Vigneau et al. (2011) 验证了利用地面可移动高光谱成像装备对小麦叶片氮含量无损检测的可行性，通过建立小麦光谱信息与氮含量间PLS回归模型，对分离后的平整叶片进行研究，得到的决定系数R2达到了0.90；对温室中单株盆栽的小麦植株进行研究，得到R2为0.89；在大田种植的植株上取得了R2 = 0.88的结果，这充分说明高光谱成像技术在植物长势的无损检测中具有应用前景。
1 基于成像光谱技术的农作物长势监测研究材料与分析
1.1 基于成像光谱技术的农作物长势监测研究试验设备
高光谱成像仪为四川双利合谱科技有限公司自主研发的GaiaField-V10便携式高光谱成像仪，波段范围为400 - 1000 nm，共520个波段，光谱分辨率为4 nm，图像分辨率为1392*1040。高光谱采集软件为SpecView，数据分析软件为ENVI/IDL。图1为成像高光谱仪的实景图。
图 1 搭载在三脚架上的成像高光谱仪GaiaField-V10
1.2 基于成像光谱技术的农作物长势监测研究成像光谱仪数据评价
考虑到 ASD光谱辐射仪在农业遥感中广泛使用，其光谱信息往往作为作物长势及病虫害监测的重要依据，为此本研究以 ASD 光谱数据为标准，从2个角度依次对比 ASD 与GaiaField-V10的光谱反射率（其中GaiaField-V10成像光谱数据为纯小麦叶片光谱，即去除背景土壤、麦穗等的影响）。
**，将ASD采集的冬小麦冠层高光谱数据重采样为GaiaField-V10波段，并计算每个生育期重采样后的平均反射率，对比重采样的ASD、GaiaField-V10的生育期平均反射率。如图 2 所示，整体上，两种冬小麦冠层光谱信息在可见光-红边区域的变化趋势高度一致：GaiaField-V10光谱曲线在550nm附近出现“绿峰”特征，与ASD光谱曲线相符，且因抽穗期间冬小麦冠层出现小麦穗子且叶片发黄萎缩，导致2种光谱反射率在近红外区间差距较大；拔节期由于小麦叶面积较小，ASD获取的小麦冠层光谱含有较多的土壤信息，因此其在可见光区间与GaiaField-V10的光谱反射率存在大小差异，但峰值位置不变；整体而言无论是绿峰、红谷或者红边，GaiaField-V10和地物光谱仪ASD的光谱反射率曲线几乎吻合，在近红外区域存在差异主要是受土壤、麦穗、黄叶等原因的响。
图 2 不同生育期GaiaField-V10光谱曲线与重采样的 ASD光谱曲线对比
**，研究对比分析了成像光谱仪V10E和重采样的 ASD在400～1000nm 范围冬小麦冠层光谱反射率的相关性，如图3 所示，结果显示两者高度相关R2均在 0.995以上。拔节期由于小麦的覆盖度较低，因而ASD的光谱混合了较多的土壤信息，因此地物光谱仪ASD和成像光谱仪V10的反射率并不均匀地分布在1:1拟合线两侧，而孕穗期和抽穗期则均匀地分布在拟合线的两侧。
图3不同生育期的成像光谱仪V10和重采样的ASD 光谱反射率的相关性
1.3 基于成像光谱技术的农作物长势监测研究：成像光谱仪GaiaField-V10反射率光谱
以小麦拔节期的数据为例，成像光谱仪GaiaField-V10获取小麦拔节期的高光谱数据时间为3月13日中午10时-下午14时，天气为晴、无风。图4为小麦高光谱影像未去背景小麦叶片、去背景小麦叶片（包括阴影叶片和光照叶片）、光照叶片和阴影叶片的均值反射率。从图中可知，在可见光区域，去背景之后，小麦叶片的“绿峰”、“红谷”更为显著，去背景小麦叶片的“绿峰”光谱反射率高于未去背景小麦叶片的光谱反射率，“红谷”的反射率则低于未去背景小麦的光谱反射率。由于背景等因素的影响，小麦叶片的红边位置发生了“红移”，在近红外区域，去背景小麦叶片的光谱反射率值高于未去背景小麦的光谱反射率值。有太阳光照射的小麦叶片，无论是可见光还是近红外区域，其反射率值都高于无太阳光照射的小麦叶片，且有太阳照射时，其红边位置发生了“蓝移”。
图 4 小麦不同状态下的光谱反射率曲线
1.4 基于成像光谱技术的农作物长势监测研究 关于作物长势的反演
由于北京林科院采集的数据缺少农学参数（如叶绿素、氮素、SPAD值等），故无法根据小麦光谱反射率与农学参数构建相关模型。因此学者黄宇（2015）构建的相关模型对在北京林科院采集的数据进行SPAD值和冠层叶绿素的反演。
图5 北京林科院试验田作物SPAD值反演分布图
图6 北京林科院试验田作物冠层叶绿素值反演分布图
