一、作物生長(zhǎng)狀況監(jiān)測(cè)

高光譜圖像分析可以獲取作物在不同生長(zhǎng)階段的光譜特征，通過(guò)分析這些特征，可以實(shí)時(shí)監(jiān)測(cè)作物的生長(zhǎng)狀況，如葉片營(yíng)養(yǎng)含量、葉面積、植株高度等。這對(duì)于實(shí)施精準(zhǔn)施肥、澆水和調(diào)整種植策略具有重要意義。

農(nóng)作物高光譜遙感識(shí)別和分類

農(nóng)作物遙感識(shí)別是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的重要內(nèi)容，也是資源遙感的重要組成部分。植被光譜不僅具有高度相似性和空間變異性，而且具有時(shí)間動(dòng)態(tài)性強(qiáng)等特點(diǎn)。不同植被的光譜隨時(shí)間的變化規(guī)律也具有明顯的區(qū)別，因此充分 發(fā)揮高光譜遙感的獨(dú)特性能，特別是其在區(qū)分地表細(xì)微差別方面的優(yōu)勢(shì)，同時(shí)結(jié)合植被的時(shí)間動(dòng)態(tài)特征，將大大提高土地覆蓋類型的識(shí)別與分類精度。

基于常州水稻生長(zhǎng)期80波段ＰＨＩ航空高光譜圖像，利用混合決策樹(shù)方法對(duì)水稻品種進(jìn)行了高光譜圖像精細(xì)分類，完成了對(duì) 11種地物（其中6個(gè)水稻品種）的劃分，測(cè)試樣本的分類精度達(dá)到 94.9％。

以中國(guó)華北地區(qū)冬小麥識(shí)別為例，利用MODIS自身光譜信息，即可 實(shí)現(xiàn)作物遙感全覆蓋自動(dòng)識(shí)別，并可達(dá)到較高的精度，比傳統(tǒng)方法認(rèn)為的冬小麥遙感識(shí)別的最佳時(shí)間（返青期的3月份）提前約一個(gè)季度。

以上研究結(jié)果表明，高光譜遙感技術(shù)能有效地對(duì)作物進(jìn)行分類和識(shí)別，且分類精度較高，這對(duì)于大比例尺尺度上研究地表作物覆蓋，提取更加細(xì)致的信息提供了有力保障。

高光譜遙感監(jiān)測(cè)作物葉面積指數(shù)、生物量和葉綠素含量

葉面積指數(shù)（ＬＡＩ）通常是指單位面積土地上所有葉片表面積的總和，或單位面積上植物葉片的垂直投影面積總和。它是生態(tài)系統(tǒng)的一個(gè)重要結(jié)構(gòu)參數(shù)，可用來(lái)反映植物葉面數(shù)量、冠層結(jié)構(gòu)變化、植物群落生命活力及其環(huán)境效應(yīng)，為植物冠層表面物質(zhì)和能量交換的描述提供結(jié)構(gòu)化的定量信息。葉面積指數(shù)與生物量（干重、鮮重）和葉綠素是衡量作物生長(zhǎng)狀況的重要指標(biāo)。如何利用遙感技術(shù)實(shí)時(shí)監(jiān)測(cè)植株葉面積、生物量和葉綠素，對(duì)于作物的管理調(diào)控及估產(chǎn)具有重要意義。

采用單變量線性與非線性擬合模型和逐步回歸分析，建立水稻ＬＡＩ的高光譜遙感估算模型，提出高光譜變量與ＬＡＩ之間的擬合分析中，藍(lán)邊內(nèi)一階微分的總和與紅邊內(nèi)一階微分總和的比值和歸一化差植被指數(shù)是最佳變量。

利用棉花不同品種、不同密度冠層關(guān)鍵生育時(shí)期的反射光譜數(shù)據(jù)，應(yīng)用光譜多元統(tǒng)計(jì)分析技術(shù)與光譜微分處理技術(shù)，建立了基于植被指數(shù)和歸一化植被指數(shù)的5種函數(shù)形式的棉花干物質(zhì)積累估測(cè)模型。

由以上研究結(jié)果可知，利用高光譜數(shù)據(jù)可以及時(shí)估算及預(yù)測(cè)作物的生物量、葉面積指數(shù)、葉綠素等生理參數(shù)。目前，光譜特征正成為實(shí)時(shí)、快速監(jiān)測(cè)作物長(zhǎng)勢(shì)的有效手段。

農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)

高光譜遙感的超多波段（幾十、上百個(gè) ）和高分辨率（3 ～20ｎｍ）使其可用于探測(cè)植被的精細(xì)光譜信息（特別是植被各種生化組分的吸收光譜信息 ），反演植被各生化組分的含量，監(jiān)測(cè)植被的生長(zhǎng)狀況。

另外，還可通過(guò)高光譜信息監(jiān)測(cè)植物病蟲(chóng)害。植物病蟲(chóng)害監(jiān)測(cè)是通過(guò)監(jiān)測(cè)葉片的生物化學(xué)成分來(lái)實(shí)現(xiàn)的，病蟲(chóng)害感染導(dǎo)致葉片葉肉細(xì)胞的結(jié)構(gòu)發(fā)生變化，進(jìn)而使葉片的光譜反射率發(fā)生變化。

利用遙感信息進(jìn)行作物估產(chǎn)是利用某種植被指數(shù)在作物生長(zhǎng)發(fā)育關(guān)鍵期內(nèi)的和與產(chǎn)量的實(shí)測(cè)或統(tǒng)計(jì)數(shù)據(jù)間建立的各種形式的相關(guān)方程來(lái)實(shí)現(xiàn)的，如目前單產(chǎn)估算應(yīng)用較多的是回歸分析法，其基本原理為：

式中，ｙ為作物產(chǎn)量；xi為經(jīng)過(guò)平滑的光譜反射率或DNVI指數(shù)。

二、病蟲(chóng)害檢測(cè)

高光譜圖像分析可以有效地檢測(cè)作物表面的病蟲(chóng)害，如葉銹病、蚜蟲(chóng)、草地貪夜蛾等。通過(guò)分析病蟲(chóng)害的光譜特征，可以實(shí)現(xiàn)對(duì)病蟲(chóng)害的早期預(yù)警和快速識(shí)別，有助于減輕病蟲(chóng)害對(duì)作物產(chǎn)量和質(zhì)量的影響。

病蟲(chóng)害是病害和蟲(chóng)害的并稱，植物病蟲(chóng)害通常會(huì)對(duì)農(nóng)業(yè)產(chǎn)量造成重大損失，成為日益威脅糧食安全、生態(tài)系統(tǒng)完整性的嚴(yán)重問(wèn)題，越來(lái)越受到社會(huì)的廣泛關(guān)注。

對(duì)病蟲(chóng)害的早期監(jiān)測(cè)方法目前仍然停留在主要靠人工肉眼來(lái)識(shí)別、判斷，存在效率低、誤差大、滯后性嚴(yán)重等弊端；也有提前施藥來(lái)預(yù)防病蟲(chóng)害的發(fā)生，但會(huì)產(chǎn)生用藥不精準(zhǔn)、時(shí)機(jī)不成熟，造成農(nóng)藥浪費(fèi)，環(huán)境污染的問(wèn)題。而且隨著社會(huì)老齡化問(wèn)題的逐漸嚴(yán)重，農(nóng)戶單打獨(dú)斗作業(yè)方式的弊端日益凸顯，越來(lái)越不符合農(nóng)業(yè)現(xiàn)代化的發(fā)展。

賽斯拜克高光譜遙感技術(shù)在全波段具備更為豐富的光譜信息，可反映植被不同生物物理特性的細(xì)微變化，目前已在農(nóng)作物營(yíng)養(yǎng)素診斷、分類識(shí)別、品質(zhì)鑒定、食品加工、病蟲(chóng)害監(jiān)測(cè)等方面有大量研究和不同程度的應(yīng)用。尤其在糧食作物、經(jīng)濟(jì)作物、蔬菜作物、果品等農(nóng)作物的病蟲(chóng)害監(jiān)測(cè)方面。

無(wú)人機(jī)高光譜的柑橘黃龍病植株的監(jiān)測(cè)與分類

在柑橘樹(shù)病蟲(chóng)害方面：高光譜成像儀對(duì)柑橘黃龍病進(jìn)行了早期無(wú)損檢測(cè)及病情分級(jí)，快速診斷、快速識(shí)別正常、缺素和黃龍病柑桔葉片。

三、土壤質(zhì)量評(píng)估

高光譜圖像分析可以獲取土壤的光譜特征，通過(guò)分析這些特征，可以評(píng)估土壤的質(zhì)量和肥力，如土壤有機(jī)質(zhì)含量、土壤類型、酸堿度等。這對(duì)于實(shí)施精準(zhǔn)施肥、改良土壤和保護(hù)耕地具有重要意義。

土壤有機(jī)質(zhì)含量高光譜估測(cè)模型構(gòu)建及精度對(duì)比

以山東省煙臺(tái)市棲霞市蘋果園為研究區(qū)，采集100個(gè)土壤樣本，獲取其高光譜反射率，利用定量化學(xué)方法測(cè)定土壤有機(jī)質(zhì)含量。結(jié)果表明，可以利用RF方法快速預(yù)測(cè)蘋果果園土壤有機(jī)質(zhì)含量，了解土壤養(yǎng)分分布狀況，指導(dǎo)農(nóng)民合理施肥，從而提高果園生產(chǎn)管理效率。

高光譜遙感監(jiān)測(cè)作物養(yǎng)分及水分狀況

在農(nóng)作物生產(chǎn)中，水肥是影響作物生長(zhǎng)的最主要因素之一。氮磷鉀肥是作物生長(zhǎng)和產(chǎn)量形成所必需的重要元素；水分是作物的主要組成成分，水分虧缺將直接影響作物的生理生化過(guò)程和形態(tài)結(jié)構(gòu)，從而影響作物生長(zhǎng)。因此，及時(shí)準(zhǔn)確地監(jiān)測(cè)作物的水分狀況對(duì)提高作物水分管理水平、指導(dǎo)節(jié)水農(nóng)業(yè)生產(chǎn)具有重要意義。利用高光譜遙感技術(shù)對(duì)作物礦質(zhì)營(yíng)養(yǎng)和水分脅迫進(jìn)行監(jiān)測(cè)，進(jìn)而估算作物的營(yíng)養(yǎng)和需水狀況，從而指導(dǎo)施肥灌溉，是近年來(lái)發(fā)展起來(lái)的一門新技術(shù)。

大量研究結(jié)果表明，利用高光譜遙感技術(shù)可以對(duì)作物的營(yíng)養(yǎng)狀況和水分含量進(jìn)行比較準(zhǔn)確的分析和檢測(cè)，為變量施肥和灌溉提供參考，從而節(jié)省農(nóng)業(yè)資源的投入。高光譜養(yǎng)分和水分診斷模型在農(nóng)業(yè)生產(chǎn)中具有較高的應(yīng)用價(jià)值和廣闊的應(yīng)用前景。

四、農(nóng)業(yè)災(zāi)害預(yù)警

高光譜圖像分析可以用于農(nóng)業(yè)災(zāi)害預(yù)警，如干旱、洪澇、霜凍等。通過(guò)分析地物的光譜特征，可以實(shí)時(shí)監(jiān)測(cè)災(zāi)害的發(fā)生和發(fā)展情況，為農(nóng)業(yè)災(zāi)害預(yù)警和防災(zāi)減災(zāi)提供有力支持。

東北三省地區(qū)生長(zhǎng)季旱澇對(duì)春玉米產(chǎn)量的影響

基于1988—2017年氣象站點(diǎn)數(shù)據(jù)和災(zāi)情、產(chǎn)量等統(tǒng)計(jì)數(shù)據(jù)，以中國(guó)東北三省為研究區(qū)，通過(guò)對(duì)比多時(shí)間尺度指標(biāo)和標(biāo)準(zhǔn)化降水蒸散指數(shù)與旱澇受災(zāi)率的關(guān)系，選擇優(yōu)勢(shì)指數(shù)表征東北春玉米生長(zhǎng)及干濕狀況，基于HP濾波構(gòu)建相對(duì)氣象產(chǎn)量，利用距離相關(guān)分析方法選取合理時(shí)間尺度和關(guān)鍵月份的指數(shù)，分析這些指數(shù)與春玉米相對(duì)氣象產(chǎn)量的關(guān)系以及不同生育階段水分條件與產(chǎn)量之間的關(guān)系。對(duì)東北三省地區(qū)預(yù)估旱澇災(zāi)害對(duì)春玉米產(chǎn)量影響，和及時(shí)采取災(zāi)害防御措施具有一定的參考價(jià)值。

如何利用高光譜遙感影像數(shù)據(jù)進(jìn)行農(nóng)作物精細(xì)分類。

農(nóng)作物精細(xì)分類對(duì)于農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、產(chǎn)量預(yù)估、災(zāi)害評(píng)估、保障國(guó)家糧食安全具有重要意義。同時(shí)也是農(nóng)業(yè)生產(chǎn)過(guò)程中合理分配資源、精準(zhǔn)施肥的重要依據(jù)。隨著空間技術(shù)的發(fā)展，利用高光譜遙感衛(wèi)星實(shí)時(shí)對(duì)地觀測(cè)，通過(guò)分析高光譜遙感影像數(shù)據(jù)進(jìn)行農(nóng)作物精細(xì)分類逐漸成為一種主流方式。

本次的案例我們采用“珠海一號(hào)”高光譜衛(wèi)星OHS-2（貴陽(yáng)一號(hào)）的影像——河北雄安新區(qū)，作為實(shí)驗(yàn)區(qū)域。高光譜遙感影像數(shù)據(jù)經(jīng)過(guò)輻射定標(biāo)，并在定標(biāo)結(jié)果的基礎(chǔ)上進(jìn)行了FLAASH大氣校正。為了實(shí)驗(yàn)的準(zhǔn)確性，我們還對(duì)研究區(qū)域進(jìn)行實(shí)地調(diào)查，調(diào)查樣點(diǎn)如圖1所示。

圖為“珠海一號(hào)”衛(wèi)星星座傳回的衛(wèi)星圖片：河北雄安新區(qū)圖（1）

去云處理

從圖1的“珠海一號(hào)”高光譜遙感衛(wèi)星影像中可以看到，研究區(qū)域的東南區(qū)域存在部分云量，在分類之前需要先將云掩膜去除。云的光譜特征曲線如圖2所示，云的反射率在480nm~866nm之間具有較高的值，而在紅光范圍內(nèi)640nm附近處于相對(duì)較低的反射率。根據(jù)這一特點(diǎn)，將云提取出來(lái)。結(jié)果如圖3所示。

圖（2）

圖（3）

分類過(guò)程

我們將實(shí)地提取的農(nóng)作物進(jìn)行分析得出平均光譜，如下圖所示，將農(nóng)作物分為玉米、紅薯、大豆、花生、蔬菜、草地、林地、其他植被和非植被（水體、建筑、裸地和道路）。

影像中不同地物的光譜特征曲線圖（4）

分析方法

（1）首先利用歸一化植被指數(shù)NDVI，進(jìn)行區(qū)分遙感影像中的植被與非植被。

計(jì)算公式：

NDVI=(NIR-RED)/(NIR+RED)

NIR為地物在近紅外波段的反射值，RED為地物在紅光波段的反射值。

-1<=NDVI<=1，負(fù)值表示地面覆蓋為云、水、雪等，對(duì)可見(jiàn)光高反射；NDVI=0表示有巖石或裸土等，NIR和RED近似相等；NDVI為正值，表示有植被覆蓋，且隨覆蓋度增大而增大；

（2）根據(jù)圖（4）各地物光譜以及NDVI特征構(gòu)建分類決策樹(shù)進(jìn)行農(nóng)作物分類，決策樹(shù)如下圖（5）所示：

圖（5）

結(jié)果分析

通過(guò)圖（5）的分類決策樹(shù)進(jìn)行分類法得到圖（6）的分類結(jié)果。

圖（6）

分類精度評(píng)價(jià)

實(shí)驗(yàn)利用“珠海一號(hào)”高光譜遙感衛(wèi)星影像數(shù)據(jù)，結(jié)合實(shí)地調(diào)查樣點(diǎn)，基于決策樹(shù)分類方法，對(duì)研究區(qū)土地覆蓋類型進(jìn)行分類，利用驗(yàn)證樣點(diǎn)基于混淆矩陣并利用實(shí)測(cè)點(diǎn)對(duì)分類結(jié)果進(jìn)行精度驗(yàn)證Kappa系數(shù)為0.95，總體精度達(dá)95.94%，精度評(píng)價(jià)結(jié)果如下表1所示，其中花生、玉米、大豆、紅薯、蔬菜具有較高的分類精度，花生和玉米存在小部分混分，由于遙感影像不可避免會(huì)存在“同譜異物”現(xiàn)象，導(dǎo)致蔬菜和其他植被存在混分現(xiàn)象。

表1 分類結(jié)果精度驗(yàn)證（%）

農(nóng)作物面積統(tǒng)計(jì)

根據(jù)分類結(jié)果對(duì)研究區(qū)農(nóng)作物面積進(jìn)行統(tǒng)計(jì)，利用像元數(shù)乘以單位像元面積（“珠海一號(hào)”高光譜衛(wèi)星分辨率為10米），即乘以10米×10米。

表2 研究區(qū)農(nóng)作物面積統(tǒng)計(jì)

從表2可以看出，研究區(qū)中玉米面積占農(nóng)作物比例最大，達(dá)到65.89%，面積為997.64km2。而蔬菜面積所占比例最小，為2.53%，面積為38.32km2。

高光譜圖像分析在精準(zhǔn)農(nóng)業(yè)領(lǐng)域具有廣泛的應(yīng)用前景。通過(guò)高光譜圖像分析，農(nóng)民可以更精確地了解作物生長(zhǎng)狀況、土壤質(zhì)量、病蟲(chóng)害發(fā)生情況等信息，從而實(shí)現(xiàn)精準(zhǔn)施肥、澆水、除草和調(diào)整種植策略等，為精準(zhǔn)農(nóng)業(yè)發(fā)展提供了有力的技術(shù)支持。