高光谱遥感在农作物监测中的作用

种地的人都知道，作物缺营养不是一下子表现出来的。氮不足的时候，叶子先是底部的老叶开始发黄，然后慢慢往上蔓延——等你站在地头一眼看出发黄的时候，缺素已经持续了一段时间，产量可能已经受了影响。

传统的做法是等到看见症状再追肥，或者凭经验定期施肥。前者的问题是滞后，后者的问题是盲目——不缺氮的地也撒一遍，缺钾的地反而没补上。

高光谱遥感技术正在改变这件事。它能够在作物外观还没有明显变化时，通过光谱特征的变化提前发现营养问题。

为什么光谱能“看见”营养状况？

作物的叶片颜色、叶绿素含量、细胞结构——这些生理指标的变化会直接反映在叶片反射的光谱上。氮素充足时叶片叶绿素含量高，对红光和蓝光的吸收强，近红外波段的反射也高。氮素不足时，叶片叶绿素下降，光谱特征随之改变。

高光谱相机获取的是连续、窄波段的光谱信息，与多光谱相机只能获取几个宽波段不同，高光谱能够捕捉到更细微的光谱差异。这意味着它不仅能判断“有没有问题”，还能分辨“是什么问题”——缺氮和缺钾的光谱特征不一样，缺水和缺磷的信号也不同。

能测什么？不只是氮

氮是作物需求量最大的营养元素，也是高光谱营养监测中研究最深入的方向。无人机搭载高光谱相机，可以在冬小麦的关键生育期获取冠层光谱数据，结合机器学习算法反演叶片氮含量。相关研究已经证明，高光谱技术可以准确、无损地诊断油菜的氮磷养分亏缺。马铃薯的氮素监测也通过无人机高光谱影像建立了较为成熟的估测模型。

磷和钾同样可以被监测。研究表明，利用无人机高光谱成像结合机器学习算法，可以估算马铃薯的氮、磷、钾含量。油茶的叶片氮、磷、钾含量也可以通过无人机高光谱遥感结合深度学习算法进行诊断。甚至有研究开发了针对水稻14种NPK营养压力的高光谱库，为精准识别不同营养胁迫提供了参考基准。

从“凭经验撒”到“按数据施”

传统施肥往往是“一炮轰”——不管地力差异，整片地施同样的量。这种方式不仅浪费肥料，还容易造成土壤板结和面源污染。

有了高光谱监测数据，施肥就有了依据。在作物的关键生育期获取高光谱影像，通过反演模型得到叶片氮含量或氮营养指数，再根据数据决定追肥量。缺氮的地多施，不缺的少施或不施——肥料用在了真正需要的地方，产量和品质也不会因为缺肥而受影响。

赛斯拜克SF500无人机高光谱成像系统

赛斯拜克（SINESPEC）SF500无人机高光谱成像系统，基于大疆M350RTK工业级无人机平台深度开发，核心载荷采用科研级CMOS探测器与高衍射效率透射光栅分光元件。光谱范围覆盖400~1000nm，光谱分辨率优于2.5nm，支持超过1000个连续光谱通道。

系统可同步获取目标的空间图像和光谱信息，结合专业反演模型，输出叶片氮含量、叶绿素含量、氮营养指数等关键农学参数的空间分布图。目前已在小麦、玉米、水稻、马铃薯、油菜等多种作物的营养监测研究中得到应用验证。

作物缺不缺营养，不等肉眼看见再补救——高光谱技术让这件事有了提前量。