利用高光譜遙感監(jiān)測的作物養(yǎng)分指標檢測

精準農(nóng)業(yè)技術(shù)包含信息獲取、信息管理和決策及變量作業(yè)3個部分，其中如何方便、快速、準確、可靠地獲取作物信息，已經(jīng)成為實施精準農(nóng)業(yè)關(guān)鍵的問題。養(yǎng)分生理指標作為作物內(nèi)部指標，與作物生長的狀態(tài)以及產(chǎn)量密切相關(guān)。如氮、磷、鉀、鋅等營養(yǎng)元素與作物生長狀態(tài)密切相關(guān)，缺少任何一種元素都可能會引起植物的不正常生長；而氮、葉綠素含量、冠層參數(shù)等指標與作物的產(chǎn)量相關(guān)，可以作為作物產(chǎn)量預(yù)估指標；當作物受到環(huán)境脅迫時，其生理信息和外部形態(tài)都會發(fā)生改變，如受到病蟲害侵染時，作物會作出應(yīng)激反應(yīng)產(chǎn)生酶以及某些產(chǎn)物。因此，作物當中一些特定的酶含量、氨基酸含量、蛋白含量的變化反映了作物在逆境中的狀況，可以作為作物逆境脅迫響應(yīng)指標。目前隨著光譜傳感技術(shù)和圖像處理分析技術(shù)的日益發(fā)展,無人機與光譜軟硬件的結(jié)合也越發(fā)純熟。在農(nóng)業(yè)、林業(yè)、資源、生態(tài)、環(huán)境保護等領(lǐng)域都得到了廣泛應(yīng)用。

作物的光譜特征是環(huán)境因子（生物因子和非生物因子）影響的結(jié)果。利用光譜和成像技術(shù)快速、無損地獲取作物的養(yǎng)分生理信息，間接預(yù)估作物的產(chǎn)量以及監(jiān)測作物長勢與逆境脅迫響應(yīng)，有助于實現(xiàn)農(nóng)業(yè)精準化、數(shù)字化、信息化以及智能化管理作業(yè)。光譜成像技術(shù)將光譜分析技術(shù)和成像技術(shù)結(jié)合起來，它既能獲取樣本的光譜信息也能獲取空間信息，并且能同時獲取樣本的物理特性和化學(xué)特性。光譜圖像通常是三維（3D）的，由二維的空間信息和一維的光譜信息組成。根據(jù)波段的多少，光譜成像技術(shù)可以分為多光譜成像技術(shù)和高光譜成像技術(shù)。通常來說，高光譜成像技術(shù)獲取的圖像由大量連續(xù)的波段（幾十個或幾百個）組成，而多光譜成像技術(shù)的圖像由一系列離散的波段（一般少于10個）組成。

高光譜圖像的光譜分辨率更高，能夠更好地獲取樣本的信息，對于監(jiān)測作物信息精度更高。

養(yǎng)分指標檢測

氮和葉綠素類含量是作物重要的養(yǎng)分指標，與作物產(chǎn)量密切相關(guān)?；诠庾V和成像技術(shù)作物養(yǎng)分信息的獲取根據(jù)是否直接利用光譜信息可分為基于直接光譜信息作物養(yǎng)分信息快速獲取（如逐步多元回歸、偏小二乘、權(quán)重系數(shù)、支持向量機等）和基于植被指數(shù)作物養(yǎng)分信息快速獲取。基于直接光譜信息作物養(yǎng)分獲取即通過原始光譜處理建模檢測作物養(yǎng)分信息，而基于植被指數(shù)的養(yǎng)分檢測是通過建立植被指數(shù)與養(yǎng)分的模型進行分析。

圖1  無人機高光譜影像作物葉綠素a分布

圖2 無人機高光譜影像作物氮素分布