在農(nóng)業(yè)現(xiàn)代化的進(jìn)程中,，如何更加精準(zhǔn)和高效地管理農(nóng)作物,，以實(shí)現(xiàn)增產(chǎn),、提質(zhì)和降耗,，成為了一個(gè)重要的課題,。高光譜成像技術(shù)憑借其優(yōu)勢(shì)，正在為智慧農(nóng)業(yè)的發(fā)展提供新的解決方案,。本篇我們將探討高光譜技術(shù)在精準(zhǔn)農(nóng)業(yè)中的幾種主要應(yīng)用,，揭示其在推動(dòng)農(nóng)業(yè)生產(chǎn)革新與提升效率方面的作用。

高光譜成像的優(yōu)勢(shì)

• 無(wú)損檢測(cè)

• 高效獲取大面積農(nóng)田的光譜數(shù)據(jù)

• 降低人工成本,，實(shí)現(xiàn)智能化管理

高光譜成像線掃描示意圖,，不僅能捕捉到農(nóng)作物的圖像，還能獲取其在數(shù)百個(gè)極窄波長(zhǎng)范圍內(nèi)的光譜信息（圖源網(wǎng)絡(luò)）

典型濕地植物葉片的光譜曲線

高光譜成像在農(nóng)業(yè)中的應(yīng)用

1. 作物生長(zhǎng)監(jiān)測(cè)

養(yǎng)分管理：高光譜成像技術(shù)能夠有效監(jiān)測(cè)農(nóng)作物對(duì)氮,、磷,、鉀等營(yíng)養(yǎng)元素的吸收。當(dāng)作物缺乏某種營(yíng)養(yǎng)元素時(shí),，其葉片的光譜反射率會(huì)發(fā)生變化,。例如，缺氮的作物葉綠素含量降低,，導(dǎo)致可見(jiàn)光波段的反射率上升,，而近紅外波段的反射率則下降。通過(guò)分析高光譜數(shù)據(jù),，種植者可以準(zhǔn)確評(píng)估作物的營(yíng)養(yǎng)狀態(tài),，從而優(yōu)化施肥策略。

干旱脅迫監(jiān)測(cè)：干旱是影響作物產(chǎn)量的關(guān)鍵因素,。高光譜成像可以通過(guò)監(jiān)測(cè)植物葉片在特定波段的反射率變化來(lái)判斷干旱脅迫的程度,。例如，在干旱條件下,，植物葉片的水分含量減少,，導(dǎo)致近紅外和中紅外波段的反射率發(fā)生變化。

大麥在干旱脅迫下的時(shí)空動(dòng)態(tài),，可以通過(guò)假彩色圖像進(jìn)行可視化,。干旱脅迫植物的圖像只記錄到第10天,，也就是僅在肉眼可見(jiàn)的干旱脅迫出現(xiàn)之前，進(jìn)行對(duì)植物狀態(tài)的觀察,。圖像中,，綠色區(qū)域表示植物健康的概率較高，而深紅色區(qū)域則表示與干旱脅迫相關(guān)的概率較高,。

葉綠素監(jiān)測(cè)：葉綠素是植物光合作用的關(guān)鍵成分,，主要吸收可見(jiàn)光譜中的輻射能量，尤其是在藍(lán)光和紅光區(qū)域,。農(nóng)作物的“紅邊”特性與葉綠素含量密切相關(guān),，葉綠素濃度越高，紅光區(qū)域的吸收效果越好,，表明植物光合作用的效率更高,。結(jié)合高光譜遙感技術(shù)與人工智能方法，可以有效監(jiān)測(cè)農(nóng)作物的葉綠素含量,，實(shí)現(xiàn)作物生長(zhǎng)動(dòng)態(tài)的分析,。

2. 產(chǎn)量預(yù)估

通過(guò)分析作物在特定生長(zhǎng)階段的高光譜光譜特征，結(jié)合歷史氣象數(shù)據(jù),、土壤信息等,，可以建立產(chǎn)量預(yù)測(cè)模型。Li, K.-Y等人使用高光譜成像儀,，提取窄波段植被指數(shù),，評(píng)估春小麥、豌豆和燕麥混合種植的谷物產(chǎn)量和秸稈產(chǎn)量,。Feng, H等人研究使用地物光譜數(shù)據(jù)（350~2500nm）和無(wú)人機(jī)高光譜數(shù)據(jù)（450~950nm）估算冬小麥產(chǎn)量,。

平均輻射度，來(lái)自春小麥（SW）,、豌豆和燕麥混合物（P+O）的高光譜數(shù)據(jù),，按照A.土壤耕作法（STM）和B.耕作法（CM）農(nóng)業(yè)作分組，其中包含子集,。

3. 病蟲(chóng)害監(jiān)測(cè)

被昆蟲(chóng)啃食的植物,，葉綠素下降，葉面積,、葉片機(jī)構(gòu)也會(huì)發(fā)生變化,；而感染真菌病害的植物葉片,，其細(xì)胞結(jié)構(gòu)會(huì)被破壞,，葉綠素會(huì)分解。這些都會(huì)導(dǎo)致葉片在可見(jiàn)光波段的反射率升高,，近紅外波段的反射率也會(huì)發(fā)生變化,。通過(guò)定期監(jiān)測(cè)農(nóng)田的光譜,，可以及時(shí)發(fā)現(xiàn)病蟲(chóng)害，采取防治措施,。

結(jié)語(yǔ)

隨著高光譜成像技術(shù)的不斷發(fā)展,，我們期待其在農(nóng)業(yè)中的廣泛應(yīng)用，助力實(shí)現(xiàn)更高效的作物監(jiān)測(cè)和管理,。

參考論文：

1. M. Rossini , F. Fava , S. Cogliati , M. Meroni , A. Marchesi , C. Panigada , C. Giardino , L. Busetto , M. Migliavacca , S. Amaducci , R. Colombo. Assessing canopy PRI from airborne imagery to map water stress in maize. ISPRS Journal of Photogrammetry and Remote Sensing. 2013, Volume 86, 168-177.

2. Li, K.-Y.; Sampaio de Lima, R.; Burnside, N.G.; Vahtm?e, E.; Kutser, T.; Sepp, K.; Cabral Pinheiro, V.H.; Yang, M.-D.; Vain, A.; Sepp, K. Toward Automated Machine Learning-Based Hyperspectral Image Analysis in Crop Yield and Biomass Estimation. Remote Sens. 2022, 14, 1114.

3. Feng, H.; Tao, H.; Fan, Y.; Liu, Y.; Li, Z.; Yang, G.; Zhao, C. Comparison of Winter Wheat Yield Estimation Based on Near-Surface Hyperspectral and UAV Hyperspectral Remote Sensing Data. Remote Sens. 2022, 14, 4158.

4. 譚雨蕾, 李雪巖, 張力元. 高光譜遙感在農(nóng)作物研究中的應(yīng)用與發(fā)展趨勢(shì). 中國(guó)農(nóng)學(xué)通報(bào) . 2024, (34): 141 -148.