农业高光谱成像：机遇、收益和未来前景

农业光谱成像简史

在田间使用无人机、卫星和传感器进行遥感已经彻底改变了世界各地的农业，使了解作物每天和每年发生的情况成为可能。

从 20 世纪 70 年代就出现了，是最常用的遥感指标。与可见红色相比，无人机和卫星捕捉到反射的近红外光多多少——NDVI 指定一个介于 -1 和 1 之间的值。较高的值 (0–1) 表示活的绿色材料，较高的数字意味着较高的植物密度和健康。较低的值对应于非植物表面，例如土壤或水。无人机测绘软件等行业工具将这些值转换为易于理解的视觉图像，使农场经营者能够轻松区分裸土与草地或森林、估计生物量、检测压力下的植物以及区分农作物和作物阶段。

高分辨率光谱学，包括多光谱和高光谱成像，是遥感领域的最新发展，增强了我们观察的能力，从而解决了人眼不可见领域的问题。高光谱成像的独特优势在于能够通过分析植物和土壤在一系列窄光谱带上的反射特性来表征植物和土壤的各种化学和生物特征。

高光谱成像可应用于各种行业，从矿物学、医学成像到食品质量分析和农业。农业具有生物复杂性和生长条件、天气、土壤和作物类型、作物品种等的巨大可变性，是高光谱成像技术的完美目标。

甘蔗品种，高光谱图像

什么是高光谱成像?

高光谱成像是现有遥感数据中信息最丰富的来源之一。它可以捕获整个、连续的颜色和光的电磁光谱，而不仅仅是人眼通常可见的红、绿和蓝光波段。高光谱成像最初是为军事和太空用途而开发的，现在正被用于解决包括农业在内的无数商业机会。但是，这是有代价的。这些图像是在大量窄带上连续收集的，这使得数据比其他类型的多光谱数据更加庞大和复杂。巨大的数据量加上昂贵的硬件以及操作和数据处理的复杂性通常对高光谱数据处理和分析构成重大挑战。

NASA 开发了用于军事应用的高光谱成像技术，该技术主要由军事和研究机构使用。今天，高光谱成像并没有广泛应用于商业领域，包括农业。

在连续光谱覆盖的大量窄带上收集的高光谱数据比多光谱数据庞大且复杂，给数据处理和分析带来了重大挑战。

高光谱成像相对于传统图像的优势

高光谱成像的独特优势在于能够通过分析植物和土壤在一系列窄光谱带上的反射特性来表征植物和土壤的各种化学和生物特征。高光谱成像扩展了人类的视野，可以捕捉到农学家看不到的问题。

高光谱分辨率提供了更多的信息内容来描述被分析的对象。由于农业是一个生物复杂且最多样化的环境，光谱学是表征生物复杂性和各种作物参数的有力工具。高光谱成像技术可以捕获各种变化(品种、天气、土壤类型)。高光谱成像的高光谱分辨率扩展了几个可以使用光谱成像解决的潜在问题。

从理论上讲，当解决特定问题所需的光谱带已知时，可以开发多光谱相机。尽管如此，它仍然不能用于截然不同的地理、气候条件、土壤条件。不可能事先知道具有少量波段选择的特定多光谱相机是否会捕获有关特定感兴趣现象的相关信息。

sinespec(赛斯拜克)在高光谱成像中的独特地位

sinespec(赛斯拜克)采用独特的方法来解决这些问题，并使高光谱成像成为全球农业经营的一种经济高效且易于使用的解决方案。

我们专有的轻型高光谱相机可以很容易地安装到无人机、飞机和其他遥感设备上，以测量电磁波谱的可见光、近红外光和红外光部分——提供比以往任何时候都更深刻的关于植物和田地的洞察力。该高光谱相机专为农业设计高倍传感器内数据压缩可实现经济上可行的农业应用。

HSI 数据处理——一个非常具有挑战性的部分，由sinespec(赛斯拜克)通过将我们的硬件与数据处理软件紧密集成来解决。该相机经过专门设计，可在与我们的分析软件配合使用时有效地提供最大量的信息。HSI 数据处理包括多个步骤，包括大气校正，以解释太阳辐射与大气的相互作用。

成像数据的解释。此外，我们还开发了机器学习和计算机视觉算法，为我们的作物模型提供动力，并帮助它们有效地处理所摄取数据的复杂性。通过这种方式，我们可以针对不同作物条件带来的各种挑战提供可靠的分析和作物管理建议。

我们能够交叉校准各种成像传感器，包括可用的 RGB 和多光谱无人机以及星载成像数据源。重要的是，任何成像数据源的好坏取决于其校准。在大多数情况下，少量经过良好校准的波段优于大量未校准的波段。

玉米品种，高光谱图像

高光谱成像在农业中的潜在应用

作物营养和施肥，包括常量和微量元素(P、K、Mg、Mn、Cu、Mn、Zn)

早期疾病检测和压力(例如，柑橘绿化)

用于支持植物育种实验的高通量表型分析的生物物理指标。生物物理特性分析(例如，LAI、生物量、产量、密度)

植物物种、植被类型及其基因型的光谱鉴别

生化特性分析(例如，花青素、类胡萝卜素、叶绿素)

不同施肥方式的评估，高光谱图像