高光譜遙感在農(nóng)業(yè)中的應(yīng)用

房華樂(lè)，任潤(rùn)東，蘇 飛，梁 勇

(山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山東泰安271018)

一、引 言

20世紀(jì)80年代初期出現(xiàn)了一種高分辨率的遙感技術(shù)——高光譜遙感[1]。高光譜遙感提供的波段信息能夠達(dá)到納米級(jí)，這就使得利用高光譜遙感對(duì)地物進(jìn)行區(qū)分時(shí)，能夠達(dá)到比以往遙感技術(shù)更好的效果，尤其是對(duì)具有納米級(jí)光譜特性的地物[2]。在過(guò)去的近30年時(shí)間里，遙感技術(shù)在農(nóng)業(yè)產(chǎn)量估計(jì)、災(zāi)害預(yù)報(bào)等方面不斷進(jìn)步，高光譜遙感技術(shù)也隨著科技發(fā)展應(yīng)運(yùn)而生，它的出現(xiàn)使我國(guó)農(nóng)業(yè)遙感走上了一個(gè)新的臺(tái)階[3]。

二、高光譜遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用分析

常規(guī)的遙感數(shù)據(jù)只能獲取較少的光譜信息，而高光譜遙感數(shù)據(jù)則可以獲取連續(xù)的光譜信息，并且能夠探測(cè)到常規(guī)遙感技術(shù)探測(cè)不到的物質(zhì)[4]。高光譜的這種特性使之在農(nóng)業(yè)生產(chǎn)中能夠更好、更精確地進(jìn)行作物識(shí)別、分類、估產(chǎn)等工作[5]。

1．對(duì)不同作物進(jìn)行識(shí)別和分類

在進(jìn)行農(nóng)業(yè)災(zāi)害監(jiān)測(cè)等工作之前，需要對(duì)不同作物進(jìn)行識(shí)別和分類。由于小麥等作物品種不同，生長(zhǎng)期不同，其光譜特性也是不同的，有時(shí)候不同植被的光譜差異甚微。高光譜的多波段且波段間相關(guān)性高等特點(diǎn)能夠很好地解決此問(wèn)題，進(jìn)而準(zhǔn)確地對(duì)不同植被和作物進(jìn)行識(shí)別和分類[6]。

在我國(guó)，利用高光譜遙感技術(shù)對(duì)不同植被和作物進(jìn)行識(shí)別和分類已經(jīng)有了很大進(jìn)展。劉亮等利用高光譜遙感數(shù)據(jù)，首先是對(duì)農(nóng)作物進(jìn)行識(shí)別和分類，然后對(duì)分類的結(jié)果進(jìn)行檢查，通過(guò)統(tǒng)計(jì)分析得出分類精度達(dá)到95%以上[7]。

吳見(jiàn)等用NDVI閾值方法提取植被信息，使用最小噪聲變換對(duì)Hyperion高光譜遙感影像進(jìn)行壓縮，采用一種空間信息與光譜信息相結(jié)合的高光譜影像植被分類法，最后完成研究區(qū)植被分類。結(jié)果表明，各植被類型的平均分類精度能夠達(dá)到90．3%，通過(guò)最大似然法得到的平均分類精度則僅為70．0%[8]。

劉良云等采用OMIS影像對(duì)北京小湯山精細(xì)農(nóng)業(yè)示范區(qū)進(jìn)行分類，通過(guò)計(jì)算地物表面溫度，在NDVI-LST空間生成了6類典型地物(長(zhǎng)勢(shì)良好的小麥、淤泥濕地、池塘水面、稀疏小麥、水草、裸露土地)的散點(diǎn)圖。根據(jù)地物表面溫度和歸一化植被指數(shù)，采用最大似然法的分類方法和在NDVI-LST空間生成的6類典型地物標(biāo)本，取得了較好的分類結(jié)果[9]。

通過(guò)以上研究結(jié)果，可以看出高光譜遙感能夠較為有效地對(duì)作物進(jìn)行分類和識(shí)別，并且分類的精度比較高。這對(duì)不同植被和作物進(jìn)行識(shí)別和分類，并且進(jìn)一步進(jìn)行產(chǎn)量估計(jì)和災(zāi)害預(yù)報(bào)等方面提供了有力保障。

2．對(duì)作物的葉綠素等生物物理參數(shù)進(jìn)行估算

葉綠素、生物量(干重、鮮重)等是作物生長(zhǎng)狀況的重要指標(biāo)，它們?cè)谧魑锏纳L(zhǎng)過(guò)程中起著至關(guān)重要的作用。因此，利用高光譜遙感技術(shù)對(duì)植物生物量和葉綠素等重要指標(biāo)進(jìn)行監(jiān)測(cè)，對(duì)于作物的管理調(diào)控及估產(chǎn)等具有重要意義。

陳燕等利用非成像高光譜儀，對(duì)北疆棉花品種進(jìn)行冠層光譜測(cè)定，對(duì)棉花冠層葉綠素密度與光譜數(shù)據(jù)進(jìn)行了回歸分析。研究結(jié)果表明，近紅外729 nm波段處一階微分光譜數(shù)值與葉綠素密度相關(guān)度較高，用此波段建立的葉綠素密度估算模型精度能夠達(dá)到 84．3%[10]。

吳長(zhǎng)山等對(duì)早播稻、晚播稻和玉米的多時(shí)相光譜測(cè)量數(shù)據(jù)與相對(duì)應(yīng)的葉片葉綠素密度測(cè)量數(shù)據(jù)進(jìn)行相關(guān)性分析。研究結(jié)果表明，早播稻、晚播稻和玉米的光譜反射率數(shù)據(jù)以及光譜數(shù)據(jù)與葉綠素密度具有較好的相關(guān)性[11]。

王強(qiáng)等以棉花冠層的葉綠素密度及冠層高光譜反射率作為數(shù)據(jù)源，在分析葉綠素密度與原始高光譜反射率等相關(guān)性的基礎(chǔ)上，采用線性以及多元逐步回歸技術(shù)構(gòu)建了葉綠素密度的高光譜診斷模型。研究結(jié)果表明，基于一階導(dǎo)數(shù)的光譜反射率估算模型的精度明顯高于原始光譜反射率[12]。

張東彥等通過(guò)田間掃描成像光譜儀獲得盆栽和大田玉米的冠層高光譜影像，構(gòu)建了玉米葉綠素含量光譜預(yù)測(cè)模型，并對(duì)葉綠素含量光譜預(yù)測(cè)模型進(jìn)行了驗(yàn)證。研究結(jié)果表明，成像光譜儀在微觀尺度上，對(duì)作物光譜信息探測(cè)方面具有著一定的應(yīng)用潛力[13]。

利用高光譜數(shù)據(jù)可以及時(shí)對(duì)作物的葉綠素等生理參數(shù)進(jìn)行估算，為作物良好的生長(zhǎng)提供保障。

3．作物長(zhǎng)勢(shì)監(jiān)測(cè)

利用高光譜遙感資料對(duì)作物生長(zhǎng)狀況及變化進(jìn)行大面積監(jiān)測(cè)，隨著作物的生長(zhǎng)，作物葉面積指數(shù)、葉片顏色也會(huì)發(fā)生變化，并且會(huì)引起反射率發(fā)生變化。反射率的改變也表現(xiàn)在不同的水分含量和作物長(zhǎng)勢(shì)好壞上。高光譜遙感監(jiān)測(cè)作物長(zhǎng)勢(shì)是指在作物生長(zhǎng)期內(nèi)，通過(guò)分析光譜值或植被指數(shù)的大小，進(jìn)而分析作物長(zhǎng)勢(shì)的好壞。高光譜監(jiān)測(cè)作物長(zhǎng)勢(shì)方法有植被指數(shù)、結(jié)合GIS技術(shù)動(dòng)態(tài)監(jiān)測(cè)等。

鄭有飛等利用高光譜技術(shù)對(duì)加拿大農(nóng)作物輪作系統(tǒng)的一部分進(jìn)行研究。研究結(jié)果表明，從小麥生長(zhǎng)季的早期到中期，小麥的光譜和葉面積指數(shù)在不同處理下差異非常明顯。用高光譜遙感資料監(jiān)測(cè)農(nóng)作物長(zhǎng)勢(shì)的最佳季節(jié)是7月中期，最佳植被指數(shù)是紅光波段和近紅外波段這兩個(gè)波段反射率的比值，以及基于這兩個(gè)波段構(gòu)造的歸一化植被指數(shù)[14]。

金秀良等通過(guò)對(duì)新疆棉花主產(chǎn)區(qū)棉花密度和水分進(jìn)行對(duì)比試驗(yàn)，分別分析了不同密度和水分處理的棉花整個(gè)生育期生物量與高光譜特征參數(shù)的相關(guān)性，及葉面積指數(shù)與高光譜特征參數(shù)的相關(guān)性。通過(guò)研究表明，基于高光譜特征參量的棉花長(zhǎng)勢(shì)監(jiān)測(cè)模型能夠較好地反映棉花長(zhǎng)勢(shì)參數(shù)與高光譜特征的數(shù)學(xué)關(guān)系[15]。

農(nóng)作物的長(zhǎng)勢(shì)監(jiān)測(cè)非常重要，對(duì)保障我國(guó)糧食安全和為農(nóng)作物估產(chǎn)等有著極其重要的意義。

4．作物估產(chǎn)

作物高光譜遙感估產(chǎn)主要是通過(guò)搭載在衛(wèi)星上的高光普遙感器，獲取作物各生長(zhǎng)時(shí)期的光譜特征數(shù)據(jù)，根據(jù)作物光譜特征與其長(zhǎng)勢(shì)及產(chǎn)量間的定量關(guān)系，進(jìn)而對(duì)其產(chǎn)量進(jìn)行預(yù)測(cè)。

白麗等根據(jù)棉花的生長(zhǎng)規(guī)律，用高光譜測(cè)定棉花各時(shí)期冠層的反射率，然后基于棉花盛蕾期到吐絮后期進(jìn)行的7次地面光譜和產(chǎn)量測(cè)定，根據(jù)光譜曲線特征構(gòu)建高光譜植被指數(shù)，最后對(duì)光譜反射率與產(chǎn)量統(tǒng)計(jì)分析。研究結(jié)果表明，各生育期可見(jiàn)光波段光譜反射率與產(chǎn)量間呈顯著負(fù)相關(guān)，短波紅外波段光譜反射率與產(chǎn)量間呈顯著負(fù)相關(guān)，近紅外波段光譜反射率與產(chǎn)量間呈顯著正相關(guān)[16]。

唐延林等對(duì)水稻進(jìn)行試驗(yàn)，對(duì)2個(gè)水稻品種在3個(gè)供氮水平下進(jìn)行了處理，然后測(cè)定了抽穗后水稻在不同時(shí)期冠層的高光譜反射率等。研究結(jié)果表明，抽穗后水稻冠層光譜反射率有兩個(gè)特點(diǎn)：①隨水稻冠層光譜反射率發(fā)育期推移在可見(jiàn)光范圍逐漸增大;②水稻冠層光譜反射率在近紅外區(qū)域逐漸減小[17]。

三、高光譜遙感技術(shù)的現(xiàn)存問(wèn)題

經(jīng)過(guò)分析研究，雖然高光譜應(yīng)用范圍已經(jīng)越來(lái)越廣，但目前高光譜遙感技術(shù)還存在不少的問(wèn)題，主要表現(xiàn)在以下幾個(gè)方面：①對(duì)作物群體的高光譜研究少;②由于作物生長(zhǎng)環(huán)境等因素，使得遙感成像中的同譜異物、同物異譜現(xiàn)象普遍;③ 高光譜遙感技術(shù)還不能獲取作物高度等與作物生長(zhǎng)發(fā)育相關(guān)的可視物理信息。

四、結(jié)束語(yǔ)

高光譜技術(shù)在農(nóng)業(yè)中的應(yīng)用是遙感領(lǐng)域研究熱點(diǎn)之一，高光譜遙感憑借著光譜分辨率較高等優(yōu)點(diǎn)，在推動(dòng)農(nóng)業(yè)發(fā)展、保證國(guó)家糧食安全中起到了重要作用。雖然高光譜遙感在農(nóng)業(yè)應(yīng)用中已經(jīng)取得了一些研究進(jìn)展，但是還存在一些不足[18-19]。隨著科學(xué)技術(shù)的發(fā)展，遙感光譜分辨率和空間分辨率也將不斷提高，高光譜遙感在農(nóng)業(yè)方面的應(yīng)用正在從理論走向業(yè)務(wù)化運(yùn)作[20]。高光譜遙感與“3S”等技術(shù)相結(jié)合，使得高光譜遙感在作物長(zhǎng)勢(shì)評(píng)估、災(zāi)害監(jiān)測(cè)等方面具有更廣闊的應(yīng)用前景。

[1]孫釗．高光譜遙感的應(yīng)用[J]．貴州教育學(xué)院學(xué)報(bào)：自然科學(xué)，2004，15(4)：58-61．

[2]楊哲海，韓建峰，宮大鵬，等．高光譜遙感技術(shù)的發(fā)展與應(yīng)用[J]．海洋測(cè)繪，2003，23(6)：55-58．

[3]李映雪，謝曉金，徐德福．高光譜遙感技術(shù)在作物生長(zhǎng)監(jiān)測(cè)中的應(yīng)用研究進(jìn)展[J]．麥類作物學(xué)報(bào)，2009，29(1)：174-178．

[4]楊國(guó)鵬，余旭初，馮伍法，等．高光譜遙感技術(shù)的發(fā)展與應(yīng)用現(xiàn)狀[J]．測(cè)繪通報(bào)，2008(10)：1-4．

[5]洪霞，江洪，余樹(shù)全．高光譜遙感在精準(zhǔn)農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J]，2010，38(1)：529-531，540．

[6]姚云軍，秦其明，張自力，等．高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展[J]．農(nóng)業(yè)工程學(xué)院，2008，24(7)：301-306．

[7]劉亮，姜小光，李顯彬，等．利用高光譜遙感數(shù)據(jù)進(jìn)行農(nóng)作物分類方法研究[J]．中國(guó)科學(xué)院研究生院學(xué)報(bào)，2006，23(4)：484-488．

[8]吳見(jiàn)，彭道黎．基于空間信息的高光譜遙感植被分類技術(shù)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2012，28(5)：150-153．

[9]劉良云，張兵，鄭蘭芬，等．利用溫度和植被指數(shù)驚醒地物分類和土壤水分反演[J]．紅外與毫米波學(xué)報(bào)，2002，21(4)：269-273．

[10]陳燕，黃春燕，王登偉，等．北疆棉花葉綠素密度的高光譜估算研究[J]．新疆農(nóng)業(yè)科學(xué)，2006，43(6)：451-454．

[11]吳長(zhǎng)山，項(xiàng)月琴，鄭蘭芬，等．利用高光譜數(shù)據(jù)對(duì)作物群體葉綠素密度估算的研究[J]．遙感學(xué)報(bào)，2000，4(3)：228-232．

[12]王強(qiáng)，易秋香，包安明，等．基于高光譜反射率的棉花冠層葉綠素密度估算[J]．農(nóng)業(yè)工程學(xué)報(bào)，2012，28(15)：125-132．

[13]張東彥，劉镕源，宋曉宇，等．應(yīng)用近地成像高光譜估算玉米葉綠素含量[J]．光譜學(xué)與光譜分析，2011，31(3)：771-775．

[14]鄭有飛，GUO X，OLFERT O，等．高光譜遙感在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用[J]．氣象與環(huán)境科學(xué)，2007，30(1)：10-16．

[15]金秀良，李少昆，王克如，等．基于高光譜特征參數(shù)的棉花長(zhǎng)勢(shì)參數(shù)監(jiān)測(cè)[J]．西北農(nóng)業(yè)學(xué)報(bào)，2011，20(9)：73-77．

[16]白麗，王進(jìn)，蔣桂英，等．干旱區(qū)基于高光譜的棉花遙感估產(chǎn)研究[J]．中國(guó)農(nóng)業(yè)科學(xué)，2008，41(8)：2499-2505．

[17]唐延林，王紀(jì)華，黃敬峰，等．利用水稻成熟期冠層高光譜數(shù)據(jù)進(jìn)行估產(chǎn)研究[J]．作物學(xué)報(bào)，2004，30(8)：780-785．

[18]滕安國(guó)，高峰，夏新成，等．高光譜技術(shù)在農(nóng)業(yè)中的應(yīng)用研究進(jìn)展[J]．江蘇農(nóng)業(yè)科學(xué)，2009(3)：8-11．

[19]程一松，胡春勝．高光譜遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J]．農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究，2001，17(3)：193-195．

[20]林婷，劉湘南，金銘．改進(jìn)ICA算法及其在作物光譜分類中的應(yīng)用[J]．計(jì)算機(jī)工程，2011，37(11)：272-274．