在農(nóng)業現代化(huà)的進(jìn)程(chéng)中(zhōng)，如何更(gēng)加精準和(hé)高(gāo)效(xiào)地(dì)管(guǎn)理農(nóng)作物，以實現增產，提質和降(jiàng)耗，成為(wéi)了一個重要的課題
。高(gāo)光譜(pǔ)成(chéng)像技術憑借其(qí)優勢，正(zhèng)在為智慧農業(yè)的發(fā)展提供新(xīn)的解(jiě)決(jué)方案
。本(běn)篇我們將(jiāng)探討高(gāo)光(guāng)譜技(jì)術在(zài)精準農業(yè)中的(dí)幾種主要(yào)應用(yòng)，揭(jiē)示(shì)其(qí)在推動(dòng)農(nóng)業(yè)生(shēng)產革(gé)新與(yǔ)提升效率方(fāng)麵的作(zuò)用
。

高光(guāng)譜(pǔ)成像的優勢(shì)

• 無(wú)損檢(jiǎn)測

• 高(gāo)效獲取大(dà)麵積農(nóng)田的光(guāng)譜(pǔ)數據

• 降(jiàng)低人工成(chéng)本，實現智能(néng)化管理

高光譜(pǔ)成(chéng)像綫掃(sǎo)描示(shì)意(yì)圖，不(bù)僅能(néng)捕(bǔ)捉到(dào)農作(zuò)物(wù)的(dí)圖(tú)像(xiàng)，還(huán)能獲取其在(zài)數(shù)百個極(jí)窄波(bō)長範圍內(nèi)的(dí)光譜(pǔ)信息(xī)（圖源網(wǎng)絡(luò)）

典(diǎn)型濕(shī)地植物葉(yè)片的光譜曲(qū)綫(xiàn)

高(gāo)光譜(pǔ)成(chéng)像在(zài)農業(yè)中的應(yīng)用(yòng)

1. 作物生(shēng)長監(jiān)測

養(yǎng)分(fēn)管理：高光譜(pǔ)成像技術(shù)能夠有(yǒu)效監測農(nóng)作物(wù)對(duì)氮(dàn)，磷，鉀等(děng)營(yíng)養(yǎng)元素(sù)的(dí)吸(xī)收(shōu)
。當作物(wù)缺(quē)乏(fá)某種(zhǒng)營(yíng)養元素時(shí)，其葉(yè)片的光譜反射(shè)率(shuài)會發生(shēng)變化
。例如，缺氮的作物(wù)葉(yè)綠素(sù)含量降低，導(dǎo)致(zhì)可(kě)見(jiàn)光(guāng)波(bō)段的(dí)反(fǎn)射率上(shàng)升，而(ér)近紅外(wài)波(bō)段的反(fǎn)射(shè)率(shuài)則下(xià)降
。通(tōng)過(guò)分析高(gāo)光譜(pǔ)數(shù)據，種植(zhí)者可(kě)以準(zhǔn)確(què)評(píng)估(gū)作(zuò)物的營養(yǎng)狀(zhuàng)態，從(cóng)而(ér)優化施(shī)肥策略(lüè)
。

幹旱脅迫監(jiān)測：幹(gān)旱(hàn)是影(yǐng)響(xiǎng)作物產量的(dí)關(guān)鍵因素(sù)
。高光譜(pǔ)成像可(kě)以通(tōng)過(guò)監測植物葉片在(zài)特定(dìng)波段(duàn)的反射(shè)率變(biàn)化(huà)來判(pàn)斷幹旱(hàn)脅迫的程度(dù)
。例如，在(zài)幹旱條件(jiàn)下，植(zhí)物葉(yè)片的水分含量減(jiǎn)少，導致近紅外(wài)和中(zhōng)紅(hóng)外波(bō)段的(dí)反(fǎn)射率發(fā)生(shēng)變(biàn)化(huà)
。

大麥在(zài)幹旱脅迫下(xià)的時空動態(tài)，可(kě)以(yǐ)通(tōng)過假彩色(sè)圖像進行可視化(huà)
。幹旱(hàn)脅迫植(zhí)物(wù)的(dí)圖(tú)像(xiàng)隻(zhī)記錄到第(dì)10天，也(yě)就(jiù)是(shì)僅在(zài)肉(ròu)眼(yǎn)可(kě)見(jiàn)的(dí)幹旱脅(xié)迫出(chū)現(xiàn)之前(qián)，進行對(duì)植(zhí)物狀態的觀察(chá)
。圖(tú)像(xiàng)中，綠色(sè)區域(yù)表示植物(wù)健康的概(gài)率較高(gāo)，而(ér)深(shēn)紅色區域則(zé)表示與(yǔ)幹(gān)旱脅迫相(xiāng)關的(dí)概率較高
。

葉綠(lǜ)素監(jiān)測：葉(yè)綠素是植(zhí)物光(guāng)合作用的(dí)關(guān)鍵(jiàn)成(chéng)分(fēn)，主(zhǔ)要吸收可(kě)見光譜(pǔ)中的輻(fú)射能(néng)量(liáng)，尤其(qí)是在藍(lán)光和紅(hóng)光(guāng)區域
。農作(zuò)物的(dí)“紅邊(biān)"特性與葉綠(lǜ)素(sù)含量(liáng)密(mì)切(qiē)相關(guān)，葉綠(lǜ)素(sù)濃(nóng)度(dù)越(yuè)高，紅光區域的吸收(shōu)效果越(yuè)好(hǎo)，表明植物(wù)光合作用的效(xiào)率更(gēng)高
。結合高光譜遙感(gǎn)技術(shù)與人(rén)工智能方(fāng)法(fǎ)，可以(yǐ)有效監測農作(zuò)物的葉綠(lǜ)素含量，實現作物(wù)生(shēng)長動態(tài)的(dí)分析
。

2. 產量預估(gū)

通過分(fēn)析作物(wù)在特定生(shēng)長(cháng)階(jiē)段的高(gāo)光譜光譜(pǔ)特(tè)征(zhēng)，結合歷史氣(qì)象(xiàng)數(shù)據，土壤(rǎng)信(xìn)息等，可以建立(lì)產(chǎn)量預測模型
。Li, K.-Y等人使用(yòng)高光譜(pǔ)成(chéng)像儀，提取(qǔ)窄(zhǎi)波段(duàn)植被指數，評估春小麥(mài)，豌豆(dòu)和燕(yàn)麥混合(hé)種植的穀(gǔ)物(wù)產量和秸(jiē)稈(gǎn)產(chǎn)量(liáng)
。Feng, H等(děng)人研究(jiū)使(shǐ)用地物(wù)光譜數(shù)據（350~2500nm）和無(wú)人機(jī)高光(guāng)譜(pǔ)數(shù)據(jù)（450~950nm）估算冬(dōng)小麥產量(liáng)
。

平(píng)均輻(fú)射(shè)度，來自(zì)春小(xiǎo)麥(mài)（SW），豌豆(dòu)和(hé)燕(yàn)麥(mài)混合物（P+O）的高光譜數(shù)據，按照A.土(tǔ)壤耕(gēng)作(zuò)法（STM）和B.耕(gēng)作法（CM）農業(yè)作(zuò)分組(zǔ)，其(qí)中(zhōng)包含(hán)子(zǐ)集
。

3. 病蟲害(hài)監(jiān)測(cè)

被(bèi)昆蟲(chóng)啃食的植(zhí)物，葉綠素下降，葉(yè)麵積，葉(yè)片(piàn)機構(gòu)也會發(fā)生變化；而(ér)感染(rǎn)真(zhēn)菌病(bìng)害的(dí)植物(wù)葉片，其細胞(bāo)結構(gòu)會(huì)被(bèi)破壞，葉綠(lǜ)素會分解(jiě)
。這(zhè)些都會導致(zhì)葉(yè)片(piàn)在可見光波(bō)段(duàn)的(dí)反(fǎn)射(shè)率(shuài)升(shēng)高(gāo)，近紅(hóng)外(wài)波段的反(fǎn)射率也(yě)會發生變化
。通過(guò)定期(qī)監測(cè)農田的光(guāng)譜(pǔ)，可以及時(shí)發現(xiàn)病(bìng)蟲害，采取防(fáng)治措(cuò)施
。

結(jié)語

隨著(zhuó)高光譜(pǔ)成像技(jì)術的(dí)不斷發展，我們期待其(qí)在農(nóng)業中(zhōng)的廣(guǎng)泛應(yīng)用，助力實(shí)現(xiàn)更(gēng)高(gāo)效(xiào)的(dí)作(zuò)物監測(cè)和管理
。

參(cān)考(kǎo)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.; Vahtmäe, 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(lǐ)雪岩(yán), 張力(lì)元. 高(gāo)光譜(pǔ)遙(yáo)感在農作物(wù)研(yán)究中(zhōng)的(dí)應用與發展(zhǎn)趨勢(shì). 中國(guó)農學(xué)通報(bào) . 2024, (34): 141 -148.