多光谱、高光谱在作物信息诊断上的应用

作物的光谱特征是环境因子影响的结果。利用光谱和成像技术快速、无损地获取作物的养分生理信息，有助于实现农业精准化、数字化、信息化以及智能化管理作业。本文简单介绍了多光谱、高光谱在作物信息诊断上的应用。

植被指数检测

植被指数是一类具有一定生化意义的不同波段光谱值的组合，通常有比值植被指数、线性组合植被指数、修正植被指数、差值植被指数等。不同波段组合的植被指数对于不同指标预测效果不同。在农业上，基于光谱技术检测作物生理指数的波段范围一般在400～2500nm之间，涉及到色素（叶绿素、类胡萝卜素等）、氮、水分等吸收和叶片细胞的内部结构。在400～740nm可见光波段，叶绿素在480、650、670～680、740nm处有吸收峰，类胡萝卜素在420、425、440、450、470、480nm均有吸收峰，叶黄素在425、445、475nm有吸收峰。而在740～1300nm近红外波段由于健康的叶肉细胞反射作用，其反射率急剧升高；作物水分的吸收峰主要集中在970、1450、1944nm处。因此当作物受到胁迫作用时，相应的氮、色素、酶等发生变化，通过应用各种植被指数监测这些生理指标变化，可判断作物胁迫情况、生长状况以及产量情况。然而，多光谱只有区区几个波段，虽然能构建一些植被指数，但是构建的植被指数未必能反映作物的生理生化信息及长势状态。高光谱则不同，其数百上千个波段信息，即使同一植被指数，也能有成千上万种组合，而这么多种组合以及这么多的植被指数，总能找到适合监测作物的生理生化信息及长势状态的敏感指数。

图1无人机高光谱影像下作物长势分布图

养分指标检测

氮和叶绿素类含量是作物重要的养分指标，与作物产量密切相关。基于光谱和成像技术作物养分信息的获取根据是否直接利用光谱信息可分为基于直接光谱信息作物养分信息快速获取（如逐步多元回归、偏最小二乘、权重系数、支持向量机等）和基于植被指数作物养分信息快速获取。基于直接光谱信息作物养分获取即通过原始光谱处理建模检测作物养分信息，而基于植被指数的养分检测是通过建立植被指数与养分的模型进行分析。

图2无人机高光谱影像作物叶绿素a分布

图3无人机高光谱影像作物氮素分布

水分胁迫监测

通过光谱和成像技术对作物水分胁迫信息进行快速获取，有利于作物肥水管理的精准化控制。研究者张晓东等应用了多光谱成像技术和高光谱技术研究水分胁迫下油菜叶片的含水率。基于高光谱建立的模型预测结果优于基于多光谱成像建立的模型。

图4WBI指数变化（WBI值越大，植物含水量越高，越利于植物生长）

病害胁迫监测

早期作物病虫害诊断对科学防治病虫害，保证作物产量具有重要意义。目前，病虫害诊断可分为直接方法和间接方法。直接方向主要是以化学分析方法为主，包含聚合酶链反应、DNA阵列等方法。而间接方法主要是以电子鼻、光谱仪等为主的传感器技术。光谱和成像技术是一种病虫害诊断的快速、无损、有效检测技术。当作物受到病虫害胁迫时，作物内部的生理指标以及外部形态均会发生变化，在光谱和成像技术上以光谱响应与纹理、颜色等特征呈现。因此，光谱和成像技术通过分析某一波段或者多个波段光谱以

及作物图像信息对作物病虫害胁迫作出诊断。此外，用于诊断病虫害的植被指数主要有归一化植被指数、绿色归一化植被指数、比值植被指数、光化学反射、叶片水分植被指数1、水分指数、水分波段指数等。

图5病害胁迫，越黄发病越严重，越绿发病越轻