一、作物生長狀況監(jiān)測

高光譜圖像分析可以獲取作物在不同生長階段的光譜特征，通過分析這些特征，可以實時監(jiān)測作物的生長狀況，如葉片營養(yǎng)含量、葉面積、植株高度等。這對于實施精準施肥、澆水和調整種植策略具有重要意義。

農作物高光譜遙感識別和分類

農作物遙感識別是遙感技術在農業(yè)領域應用的重要內容，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，而且具有時間動態(tài)性強等特點。不同植被的光譜隨時間的變化規(guī)律也具有明顯的區(qū)別，因此充分 發(fā)揮高光譜遙感的獨特性能，特別是其在區(qū)分地表細微差別方面的優(yōu)勢，同時結合植被的時間動態(tài)特征，將大大提高土地覆蓋類型的識別與分類精度。

基于常州水稻生長期80波段ＰＨＩ航空高光譜圖像，利用混合決策樹方法對水稻品種進行了高光譜圖像精細分類，完成了對 11種地物（其中6個水稻品種）的劃分，測試樣本的分類精度達到 94.9％。

以中國華北地區(qū)冬小麥識別為例，利用MODIS自身光譜信息，即可 實現(xiàn)作物遙感全覆蓋自動識別，并可達到較高的精度，比傳統(tǒng)方法認為的冬小麥遙感識別的最佳時間（返青期的3月份）提前約一個季度。

以上研究結果表明，高光譜遙感技術能有效地對作物進行分類和識別，且分類精度較高，這對于大比例尺尺度上研究地表作物覆蓋，提取更加細致的信息提供了有力保障。

高光譜遙感監(jiān)測作物葉面積指數、生物量和葉綠素含量

葉面積指數（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)的一個重要結構參數，可用來反映植物葉面數量、冠層結構變化、植物群落生命活力及其環(huán)境效應，為植物冠層表面物質和能量交換的描述提供結構化的定量信息。葉面積指數與生物量（干重、鮮重）和葉綠素是衡量作物生長狀況的重要指標。如何利用遙感技術實時監(jiān)測植株葉面積、生物量和葉綠素，對于作物的管理調控及估產具有重要意義。

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，藍邊內一階微分的總和與紅邊內一階微分總和的比值和歸一化差植被指數是最佳變量。

利用棉花不同品種、不同密度冠層關鍵生育時期的反射光譜數據，應用光譜多元統(tǒng)計分析技術與光譜微分處理技術，建立了基于植被指數和歸一化植被指數的5種函數形式的棉花干物質積累估測模型。

由以上研究結果可知，利用高光譜數據可以及時估算及預測作物的生物量、葉面積指數、葉綠素等生理參數。目前，光譜特征正成為實時、快速監(jiān)測作物長勢的有效手段。

農作物長勢監(jiān)測和估產

高光譜遙感的超多波段（幾十、上百個 ）和高分辨率（3 ～20ｎｍ）使其可用于探測植被的精細光譜信息（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)測植被的生長狀況。

另外，還可通過高光譜信息監(jiān)測植物病蟲害。植物病蟲害監(jiān)測是通過監(jiān)測葉片的生物化學成分來實現(xiàn)的，病蟲害感染導致葉片葉肉細胞的結構發(fā)生變化，進而使葉片的光譜反射率發(fā)生變化。

利用遙感信息進行作物估產是利用某種植被指數在作物生長發(fā)育關鍵期內的和與產量的實測或統(tǒng)計數據間建立的各種形式的相關方程來實現(xiàn)的，如目前單產估算應用較多的是回歸分析法，其基本原理為：

式中，ｙ為作物產量；xi為經過平滑的光譜反射率或DNVI指數。

二、病蟲害檢測

高光譜圖像分析可以有效地檢測作物表面的病蟲害，如葉銹病、蚜蟲、草地貪夜蛾等。通過分析病蟲害的光譜特征，可以實現(xiàn)對病蟲害的早期預警和快速識別，有助于減輕病蟲害對作物產量和質量的影響。

病蟲害是病害和蟲害的并稱，植物病蟲害通常會對農業(yè)產量造成重大損失，成為日益威脅糧食安全、生態(tài)系統(tǒng)完整性的嚴重問題，越來越受到社會的廣泛關注。

對病蟲害的早期監(jiān)測方法目前仍然停留在主要靠人工肉眼來識別、判斷，存在效率低、誤差大、滯后性嚴重等弊端；也有提前施藥來預防病蟲害的發(fā)生，但會產生用藥不精準、時機不成熟，造成農藥浪費，環(huán)境污染的問題。而且隨著社會老齡化問題的逐漸嚴重，農戶單打獨斗作業(yè)方式的弊端日益凸顯，越來越不符合農業(yè)現(xiàn)代化的發(fā)展。

賽斯拜克高光譜遙感技術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微變化，目前已在農作物營養(yǎng)素診斷、分類識別、品質鑒定、食品加工、病蟲害監(jiān)測等方面有大量研究和不同程度的應用。尤其在糧食作物、經濟作物、蔬菜作物、果品等農作物的病蟲害監(jiān)測方面。

無人機高光譜的柑橘黃龍病植株的監(jiān)測與分類

在柑橘樹病蟲害方面：高光譜成像儀對柑橘黃龍病進行了早期無損檢測及病情分級，快速診斷、快速識別正常、缺素和黃龍病柑桔葉片。

三、土壤質量評估

高光譜圖像分析可以獲取土壤的光譜特征，通過分析這些特征，可以評估土壤的質量和肥力，如土壤有機質含量、土壤類型、酸堿度等。這對于實施精準施肥、改良土壤和保護耕地具有重要意義。

土壤有機質含量高光譜估測模型構建及精度對比

以山東省煙臺市棲霞市蘋果園為研究區(qū)，采集100個土壤樣本，獲取其高光譜反射率，利用定量化學方法測定土壤有機質含量。結果表明，可以利用RF方法快速預測蘋果果園土壤有機質含量，了解土壤養(yǎng)分分布狀況，指導農民合理施肥，從而提高果園生產管理效率。

高光譜遙感監(jiān)測作物養(yǎng)分及水分狀況

在農作物生產中，水肥是影響作物生長的最主要因素之一。氮磷鉀肥是作物生長和產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程和形態(tài)結構，從而影響作物生長。因此，及時準確地監(jiān)測作物的水分狀況對提高作物水分管理水平、指導節(jié)水農業(yè)生產具有重要意義。利用高光譜遙感技術對作物礦質營養(yǎng)和水分脅迫進行監(jiān)測，進而估算作物的營養(yǎng)和需水狀況，從而指導施肥灌溉，是近年來發(fā)展起來的一門新技術。

大量研究結果表明，利用高光譜遙感技術可以對作物的營養(yǎng)狀況和水分含量進行比較準確的分析和檢測，為變量施肥和灌溉提供參考，從而節(jié)省農業(yè)資源的投入。高光譜養(yǎng)分和水分診斷模型在農業(yè)生產中具有較高的應用價值和廣闊的應用前景。

四、農業(yè)災害預警

高光譜圖像分析可以用于農業(yè)災害預警，如干旱、洪澇、霜凍等。通過分析地物的光譜特征，可以實時監(jiān)測災害的發(fā)生和發(fā)展情況，為農業(yè)災害預警和防災減災提供有力支持。

東北三省地區(qū)生長季旱澇對春玉米產量的影響

基于1988—2017年氣象站點數據和災情、產量等統(tǒng)計數據，以中國東北三省為研究區(qū)，通過對比多時間尺度指標和標準化降水蒸散指數與旱澇受災率的關系，選擇優(yōu)勢指數表征東北春玉米生長及干濕狀況，基于HP濾波構建相對氣象產量，利用距離相關分析方法選取合理時間尺度和關鍵月份的指數，分析這些指數與春玉米相對氣象產量的關系以及不同生育階段水分條件與產量之間的關系。對東北三省地區(qū)預估旱澇災害對春玉米產量影響，和及時采取災害防御措施具有一定的參考價值。

如何利用高光譜遙感影像數據進行農作物精細分類。

農作物精細分類對于農作物長勢監(jiān)測、產量預估、災害評估、保障國家糧食安全具有重要意義。同時也是農業(yè)生產過程中合理分配資源、精準施肥的重要依據。隨著空間技術的發(fā)展，利用高光譜遙感衛(wèi)星實時對地觀測，通過分析高光譜遙感影像數據進行農作物精細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”高光譜衛(wèi)星OHS-2（貴陽一號）的影像——河北雄安新區(qū)，作為實驗區(qū)域。高光譜遙感影像數據經過輻射定標，并在定標結果的基礎上進行了FLAASH大氣校正。為了實驗的準確性，我們還對研究區(qū)域進行實地調查，調查樣點如圖1所示。

圖為“珠海一號”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”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640nm附近處于相對較低的反射率。根據這一特點，將云提取出來。結果如圖3所示。

圖（2）

圖（3）

分類過程

我們將實地提取的農作物進行分析得出平均光譜，如下圖所示，將農作物分為玉米、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NDVI，進行區(qū)分遙感影像中的植被與非植被。

計算公式：

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，負值表示地面覆蓋為云、水、雪等，對可見光高反射；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）根據圖（4）各地物光譜以及NDVI特征構建分類決策樹進行農作物分類，決策樹如下圖（5）所示：

圖（5）

結果分析

通過圖（5）的分類決策樹進行分類法得到圖（6）的分類結果。

圖（6）

分類精度評價

實驗利用“珠海一號”高光譜遙感衛(wèi)星影像數據，結合實地調查樣點，基于決策樹分類方法，對研究區(qū)土地覆蓋類型進行分類，利用驗證樣點基于混淆矩陣并利用實測點對分類結果進行精度驗證Kappa系數為0.95，總體精度達95.94%，精度評價結果如下表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存在“同譜異物”現(xiàn)象，導致蔬菜和其他植被存在混分現(xiàn)象。

表1 分類結果精度驗證（%）

農作物面積統(tǒng)計

根據分類結果對研究區(qū)農作物面積進行統(tǒng)計，利用像元數乘以單位像元面積（“珠海一號”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)農作物面積統(tǒng)計

從表2可以看出，研究區(qū)中玉米面積占農作物比例最大，達到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農業(yè)領域具有廣泛的應用前景。通過高光譜圖像分析，農民可以更精確地了解作物生長狀況、土壤質量、病蟲害發(fā)生情況等信息，從而實現(xiàn)精準施肥、澆水、除草和調整種植策略等，為精準農業(yè)發(fā)展提供了有力的技術支持。