1、高光谱技术在农业遥感中的应用 杨赛 高光谱技术在农业遥感应用背景农业遥感应用中，特别是作物长势评估、灾害监测和农业管理等方面，利用高光谱遥感数据能准确地反映田间作物本身的光谱特征以及作物之间光谱差异，可以更加精准地获取一些农学信息，如作物含水量、叶绿素含量、叶面积指数（LAI）等生态物理参数，从而方便地预测作物长势和产量。遥感 遥感即遥远的感知，指在一定距离上，应用探测仪器不直接接触目标物体，从远处把目标的电磁波特性记录下来，通过分析，揭示出物体的特征性质及其变化的综合性探测技术。摄影照相便是一种最常见的遥感,照相机并不接触被摄目标,而是相隔一定的距离,通过镜头把被摄目标的影像记录在底片上,经
2、过化学处理,相片便重现被摄目标的图像。从拍摄目标到再现目标所用的手段,便是一种遥感技术。图 遥感信息的获取、传输、判断分析和运用的全过程研究方向（1）作物叶片光谱特征研究；（2）作物分类与识别；（3）作物生态物理参数反演与提取；（4）作物养分诊断与监测研究；（5）作物长势监测与产量预测；（6）农业遥感信息模型研究；（7）农业灾害监测。作物叶片光谱特征研究作物的叶片光谱特征与作物生长状况有直接的关系，包括光谱反射率变化对作物化学组分敏感性变化、土壤水分胁迫下与正常条件下作物光谱特征变化对作物生长状况的影响、作物光谱中红边位置与作物叶绿素含量之间关系等。利用成像光谱仪从400nm到1900nm波段
3、范围内分析水分胁迫条件下水稻光谱特征和反射能力，发现近红外/中红外波段反射率及其一阶微分导数变化可以探测早期水稻冠层水分胁迫作用的影响，作物叶片光谱特征研究对于应用高光谱遥感技术监测作物病虫害，以及了解农田养分供应状况，采取有效增肥措施和加强农田管理具有积极意义。作物分类与识别光谱角分类：光谱角分类通过计算测定光谱和参考光谱之间“夹角”来表征两者之间相似程度，从而实现光谱匹配分类。决策树分层分类：决策树是一种把一个数据集循环地划分到越来越小的子集中去的方法。树由节点组成，一组中间节点和一组末端节点（叶子）组成一个决策树。作物生态物理参数反演与提取作物生态物理参数主要包括作物水分、叶绿素含量等表
4、征农学信息的参量。目前，高光谱遥感数据反演与提取作物生态物理参数主要有3类方法：利用多元回归方法建立高光谱数据（原始反射率、光谱微分等）与作物农学信息参数之间的关系；构建基于光谱特征的光谱指数与作物含水量等农学信息之间的经验方程；建立物理模型来反演与提取作物参数。本文着重选取作物水分和叶绿素含量（代表性的生态物理参数）两类参数加以论述；作物养分诊断与监测研究作物养分高光谱诊断与监测方法主要包括：多元统计回归方法诊断作物养分含量基于特定吸收波段内波谱特征参数的作物养分诊断作物长势监测与产量预测 作物长势监测：作物长势是作物生长发育状况评价的综合参数，长势监测是对作物苗情、生长状况与变化的宏观监测
5、。作物产量预测：作物高光谱遥感产量预测是通过搭载在卫星上的高光普遥感器，来获取作物各生长时期光谱特征数据，对其反映的产量进行预测。农业遥感信息模型研究农业遥感信息模型是应用遥感信息和地理信息影像化的方法，集成农学模型、数理模型和地学模型建立起来的一种模型。常见的农业遥感信息模型包括土壤含水量遥感信息模型、作物旱灾估算遥感信息模型等 绿色植物的反射光谱特性曲线农业灾害监测1）农业干旱监测：常用的遥感农业干旱监测方法分为植被指数-地表温度法、热惯量法等。2）农业病虫害监测：基于波谱波长位置变量分析方法是农业病虫害监测的主要方法 高光谱农业遥感应用尚需解决的关键问题 1）高光谱遥感农学信息提取模型的
6、适用性 高光谱遥感农学信息提取模型虽多，但很难找到一种通用 的方法2）田间组分混合光谱分解模型和端元提取方法 研究多种田间组分（作物、土壤等）混合光谱分解模型，特别是作物不同生长阶段，作物、土壤等组成的混合光谱具有复杂的机制，需要加强研究解决途径1）农业光谱数据库的完善与扩充 完善和扩充农业光谱数据库，是提高农学信息提取模型精度和适用性的基础，也是开展精准农业研究的前提。2）高光谱遥感与GIS、GPS集成应用 高光谱遥感与GIS、GPS的一体化应用可以有效解决只靠高光谱技术面临着一些问题3）加强高光谱数据农学信息挖掘研究充分利用光谱空间中光谱变化知识进行农学信息的深入挖掘将是有效解决混合光谱分解的有效手段之一总结与展望 随着精准农业研究的深入，遥感光谱分辨率和空间分辨率的不断提高，今后高光谱遥感在农业方面的应用从理论走向业务化运作成为一个主要发展方向。虽然高光谱遥感在农业应用中已经取得了一些研究进展，但是走向成熟仍然任重而道远。Thank you
