農(nóng)業(yè)光譜數(shù)字技術(shù)在作物信息監(jiān)測上的應(yīng)用進展

雷利琴，官春云

?

農(nóng)業(yè)光譜數(shù)字技術(shù)在作物信息監(jiān)測上的應(yīng)用進展

雷利琴，官春云

(湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，長沙 410128)

隨著精細農(nóng)業(yè)的發(fā)展，光譜數(shù)字技術(shù)已成為數(shù)字農(nóng)業(yè)的重要研究方法。綠色植物具有典型的光譜特性，不同的肥水管理、栽培措施及品種類型導(dǎo)致作物生長狀況發(fā)生變化，從而會形成獨特的光譜特征。農(nóng)業(yè)光譜數(shù)字技術(shù)就是通過尋找作物農(nóng)學(xué)參數(shù)敏感波段的光譜反射率及其衍生指數(shù)與作物農(nóng)學(xué)參數(shù)相關(guān)關(guān)系及內(nèi)在規(guī)律，基于這樣的定量化規(guī)律性關(guān)系，來監(jiān)測作物光合、生長、含水量、氮素營養(yǎng)、產(chǎn)量和品質(zhì)等。

光譜技術(shù)；數(shù)字農(nóng)業(yè)；作物監(jiān)測

信息科學(xué)與農(nóng)業(yè)科學(xué)交叉融合而形成的農(nóng)業(yè)數(shù)字信息技術(shù)正快速發(fā)展成為一門新興的高技術(shù)學(xué)科。農(nóng)業(yè)數(shù)字信息技術(shù)增強了對農(nóng)作研究對象的量化描述和認識，綜合發(fā)展和集成單項農(nóng)業(yè)理論與技術(shù)，實現(xiàn)了農(nóng)業(yè)自然資源與經(jīng)濟資源的合理有效配置和優(yōu)化利用，提高了農(nóng)業(yè)管理決策的科學(xué)性和預(yù)見性，促進了農(nóng)產(chǎn)品生產(chǎn)力的提高，為農(nóng)業(yè)科技提供新的研究手段和方法，方便快捷地實現(xiàn)了農(nóng)業(yè)科技成果的廣泛傳播和推廣應(yīng)用，使傳統(tǒng)粗放性和經(jīng)驗性的農(nóng)業(yè)管理模式向數(shù)字化、精確化和科學(xué)化的現(xiàn)代農(nóng)業(yè)管理模式轉(zhuǎn)變，使農(nóng)業(yè)產(chǎn)業(yè)產(chǎn)生更大的社會、經(jīng)濟和生態(tài)效益。

當前有關(guān)農(nóng)業(yè)數(shù)字化的關(guān)鍵技術(shù)的研究主要集中在農(nóng)作信息管理技術(shù)、農(nóng)作過程模擬技術(shù)、農(nóng)作信息監(jiān)測技術(shù)、農(nóng)作管理決策技術(shù)、數(shù)字農(nóng)作平臺技術(shù)等。其中，農(nóng)作信息監(jiān)測是農(nóng)業(yè)數(shù)字信息獲取的主要內(nèi)容。農(nóng)作信息的無損實時監(jiān)測包括空間監(jiān)測和地面監(jiān)測。由于遙感資料的獲取具有固定的周期，且遙感圖像的解譯受到天氣狀況的影響顯著，運行成本較高，目前越來越多的科學(xué)家開始利用地面監(jiān)測，如利用光譜數(shù)字技術(shù)來研究農(nóng)情信息。LAI（葉面積指數(shù)）、干物質(zhì)等指標的光譜監(jiān)測技術(shù)已趨于成熟。

農(nóng)業(yè)光譜數(shù)字技術(shù)是指在地面平臺上運用各種傳感器獲取植被的信息即植被光譜反射率，再通過分析不同環(huán)境條件下植被生理生化特征(如植株各生育期養(yǎng)分含量、含水量、生長指標、產(chǎn)量、品質(zhì)指標)與作物冠層光譜反射特征的關(guān)系，找出能敏感反映植被生理生化特征的光譜波段范圍，并得出植被生理生化特征與敏感波段光譜反射率之間的定量關(guān)系，最后建立植被生理生化特征的綜合監(jiān)測模型與診斷系統(tǒng)的一種科學(xué)技術(shù)。

1 綠色植被的典型光譜特征

不同于水體、土壤、巖石等地物的光譜特征，受農(nóng)學(xué)參數(shù)的影響，綠色植被的反射光譜特征大體表現(xiàn)為：葉綠素吸收大部分的藍光和紅光，反射大部分綠光；植物葉片構(gòu)造中的柵欄組織散射不受葉綠素影響的紅外光。綠色植物的反射光譜波形是相似的：在可見光400～680 nm波段，具有中等大小的反射率值，其中530～560 nm波段與葉綠素和氮素密切相關(guān)，反射率相對較低，綠光550 nm附近是葉綠素的強反射峰；而在600～680 nm的紅光波段區(qū)域，也因葉綠素和氮素的強烈吸收，使得650～680 nm附近的反射率較低；在680～760 nm波段，反射率曲線陡而接近于直線，其斜率與葉綠素的含量密切相關(guān)；在760～1 300 nm波段，近紅外光反射率都偏大，其中1 100～1 300 nm波段反射率趨于穩(wěn)定；1 300～2 600 nm短波紅外光譜區(qū)，隨波長的增加，吸收增加，而反射、透射減小，且吸收的增加呈現(xiàn)若干個波峰與波谷，此波段的綠色植物的光譜特性主要受葉片水分的影響，其中在1 496，2 054，2 172和2 352 nm等紅外波段，反射率也與氮素狀況密切相關(guān)[1]。

研究表明，植被的葉片結(jié)構(gòu)、葉綠素、水分含量和其他生物化學(xué)組分對光譜的吸收、透射、折射及反射直接影響著植被的反射光譜特征。植被因不同種類、不同生育時期以及不同健康狀況，其植株形態(tài)、冠層結(jié)構(gòu)、養(yǎng)分含量、含水量、長勢長相、產(chǎn)量、品質(zhì)等特征不同，繼而其光譜反射特性也不同，并且其光譜反射特性差異主要表現(xiàn)在反射率的大小。在作物生長過程中，不同的肥水管理、栽培措施及品種類型導(dǎo)致作物生長狀況發(fā)生變化，從而會形成獨特的光譜特征。

農(nóng)業(yè)光譜數(shù)字技術(shù)就是通過尋找作物農(nóng)學(xué)參數(shù)敏感波段的光譜反射率及其衍生指數(shù)與作物農(nóng)學(xué)參數(shù)相關(guān)關(guān)系及內(nèi)在規(guī)律，基于這樣的定量化規(guī)律性關(guān)系，來進行農(nóng)作信息監(jiān)測。

2 光譜數(shù)字技術(shù)在作物信息監(jiān)測上的應(yīng)用

2.1 光合監(jiān)測

目前，國外已有部分關(guān)于光譜監(jiān)測植物光合能力的研究。Carter發(fā)現(xiàn)波長701 nm的光譜反射率(reflectance) R701和波長820 nm的光譜反射率R820的比值植被指數(shù)RVI(R701, R820)或由它們組成的歸一化植被指數(shù)NDVI(R701, R820)能很好地監(jiān)測月松樹光合能力[2]。然而，直接以作物葉片凈光合速率為農(nóng)學(xué)參數(shù)結(jié)合植株冠層光譜反射率建立定量關(guān)系來監(jiān)測作物光合的報道很少，大多數(shù)光合監(jiān)測研究都集中在葉綠素與光譜反射率的定量定性關(guān)系上。葉綠素是作物光合作用的主要色素，是吸收光能的主要物質(zhì)，其含量的高低直接影響作物的光合和物質(zhì)積累能力。因此，實時掌握作物葉綠素含量與冠層光譜反射率的動態(tài)變化可以有效地監(jiān)測作物光合能力。葉綠素對紅光、藍光的強吸收、對近紅外光極弱吸收和水分對近紅外光的強吸收，造成了植被光譜在可見波段的低反射率、近紅外波段的高反射率和短波近紅外區(qū)域的較高反射率特征。通常，綠波段和紅邊波段(350～750 nm)是植被葉片葉綠素含量的敏感光譜波段集中區(qū)。吳長山等[3]發(fā)現(xiàn)了幾種農(nóng)作物在762 nm波段的導(dǎo)數(shù)光譜能很好地監(jiān)測葉綠素含量，其建立的監(jiān)測模型的RRMSE（相對均方差根）約為0.272 g/m2，2（精度）約為80.6%。Horler等[4]發(fā)現(xiàn)，700 nm波段的導(dǎo)數(shù)光譜與植被葉綠素含量呈顯著相關(guān)關(guān)系，能很好地監(jiān)測植株的光合能力。

2.2 生長監(jiān)測

作物生長監(jiān)測是數(shù)字農(nóng)業(yè)的重要任務(wù)之一，其目的是為田間管理提供及時的作物信息，也為早期估計產(chǎn)量提供苗前依據(jù)。在作物長勢監(jiān)測中最常用的作物生長特征參數(shù)是葉面積指數(shù)和群體生物量，一般可以采用紅、綠、近紅外三個波段范圍反射率的比值、差值、導(dǎo)數(shù)等來監(jiān)測作物的LAI和生物量。

總體上，紅光區(qū)域光譜反射率與葉面積指數(shù)相關(guān)性較為密切，在研究作物葉面積指數(shù)與其冠層光譜的關(guān)系中，唐延林等[5]發(fā)現(xiàn)，比值植被指數(shù)R990/R550、R800/R550和R750/R550的變量與作物的LAI呈顯著相關(guān)關(guān)系，據(jù)此能很好地建立LAI監(jiān)測模型。可見光波段和近紅外短波段也是葉面積指數(shù)的敏感波段。李映雪等[6]在研究小麥葉面積指數(shù)與冠層反射光譜的定量關(guān)系中發(fā)現(xiàn)LAI與它們的反射率分別呈負相關(guān)和顯著正相關(guān),其中比值植被指數(shù)RVI(R810,R510)和差值植被指數(shù)DVI(R810, R560)與小麥LAI呈顯著線性和指數(shù)函數(shù)關(guān)系。

由于作物生物量與葉面積指數(shù)密切相關(guān)，因此紅光波段(620~700 nm)和近紅外波段(740~1 100 nm)也是生物量的敏感光譜區(qū)域。唐延林等[5]對水稻、玉米和棉花的研究發(fā)現(xiàn)，鮮干葉重與冠層光譜的比值植被指數(shù)RVI(R990，R550)，RVI(R800，R550)，RVI(R750，R550)，RVI(R800，R680)及紅邊參數(shù)的相關(guān)極顯著；作物生物量在三邊(藍邊、黃邊和紅邊)光譜區(qū)也有定量的規(guī)律性。在水稻地上鮮生物量的高光譜遙感估算模型研究中，王秀珍等發(fā)現(xiàn)由紅邊內(nèi)一階微分總和與藍邊內(nèi)一階微分總和構(gòu)成的比值植被指數(shù)與地上鮮生物量有顯著的線性關(guān)系[7]。

2.3 含水量監(jiān)測

作物生產(chǎn)中最為重要的措施之一就是作物水分調(diào)控與管理。因為水是植物生命活動的必要條件，植株含水量的變化直接影響植物對營養(yǎng)物質(zhì)的吸收和運輸以及一系列生理生化反應(yīng)，從而影響植物生長、產(chǎn)量和品質(zhì)。植株水分的敏感光譜波段主要有970，1 450，1940，950～970和1 300～2 500 nm等。缺水時，植株葉片的光譜反射率增加；當植株含水量升高時，近紅外反射率隨著降低，其中R970和R900能很好地反映植株的含水量?；谥仓旰颗c光譜反射率之間的相關(guān)關(guān)系，Penuelas等[8]發(fā)現(xiàn)比值指數(shù)R1600/R820的變量能很好地監(jiān)測植株含水量。Danson等[9]發(fā)現(xiàn)葉片含水率的敏感波段在1 360～1 470 nm和1 830～2 080 nm等波段處，其導(dǎo)數(shù)光譜能很好地監(jiān)測葉片含水率。

2.4 氮素營養(yǎng)監(jiān)測

在作物生產(chǎn)過程中，適時掌握作物氮素生理參數(shù)的動態(tài)，是實施因苗管理、因需施肥，進而實現(xiàn)現(xiàn)代作物生產(chǎn)優(yōu)質(zhì)、高產(chǎn)、高效、安全、生態(tài)目標，減少資源浪費和環(huán)境污染的必要條件。作物氮素營養(yǎng)的無損監(jiān)測與精確診斷被認為是作物高效氮肥管理的關(guān)鍵技術(shù)。作物氮素參數(shù)監(jiān)測的適宜特征光譜隨不同的作物和試驗條件而有所差異，因此有關(guān)氮素指標與光譜參數(shù)的規(guī)律性和定量化關(guān)系是科研當中普遍關(guān)注的熱點與重點。在波長500～700 nm處，光譜反射率受氮素影響最顯著。植株缺氮時，葉片光譜反射率的差異主要在530 nm處；430 nm波段、550 nm波段、680 nm波段都是植物氮素狀況的敏感波段，其中430 nm和680 nm兩波段的差值與和值的比值可以很好地用來監(jiān)測小麥氮素含量[10]。Munden等[11]發(fā)現(xiàn)綠光545 nm波段反射率和紅光660 nm波段反射率與小麥氮含量的線性函數(shù)能極好地監(jiān)測小麥氮含量狀況。也有研究顯示，在680 nm波段處，植株缺氮會導(dǎo)致早稻葉片可見光區(qū)域的反射率增加，而近紅外區(qū)域的反射率降低，ND和RVI等植被指數(shù)也能很好地監(jiān)測水稻葉片含氮量[12]。因此葉片的氮素含量可以通過光譜分析方法來估測。

2.5 產(chǎn)量及品質(zhì)監(jiān)測

運用光譜技術(shù)檢測作物生長的光譜數(shù)字特性建立農(nóng)作物產(chǎn)量的光譜監(jiān)測模型，進而估測作物產(chǎn)量，能夠大大降低大面積產(chǎn)量預(yù)報的成本和更準確地評價不同地區(qū)和栽培條件下作物產(chǎn)量的變異狀況。已有研究顯示，利用冠層多光譜反射率檢測谷類作物籽粒產(chǎn)量是行之有效的。肖乾廣等監(jiān)測發(fā)現(xiàn)抽穗前后是小麥單產(chǎn)估測的最佳時機[13]。目前，比值植被指數(shù)(RVI)、歸一化植被指數(shù)(NDVI)和差值植被指數(shù)(DVI)是稻麥產(chǎn)量預(yù)報中常用的植被指數(shù)。黃敬峰等在研究水稻估產(chǎn)模型中發(fā)現(xiàn)以RVI和NDVI得到的檢測模型誤差都在0.01以下，其中以NDVI檢測到的產(chǎn)量有的擬合誤差只有0.4289%，極其精確[14]。在前人研究的基礎(chǔ)上，很多研究者建立了適用于不同生態(tài)區(qū)的估產(chǎn)模式，如黃敬峰等在研究浙江省水稻產(chǎn)量模型時，先建立水稻產(chǎn)量與葉面積指數(shù)(LAI)的回歸模型，再結(jié)合葉面積指數(shù)與光譜指數(shù)變量(RVI，NDVI)的極顯著性相關(guān)關(guān)系,能很好地估算出水稻的產(chǎn)量[15]。

利用光譜數(shù)字技術(shù)在作物收獲前對其品質(zhì)進行無損監(jiān)測，有助于制定合理的品質(zhì)分級分類收獲和加工方案，對確保糧食生產(chǎn)的優(yōu)質(zhì)優(yōu)價具有重要的意義[16，17]。國內(nèi)外已有一些利用反射光譜來反演作物品質(zhì)狀況的報道，用偏最小二乘法結(jié)合冠層光譜反射率和小麥籽粒蛋白質(zhì)含量，Hansen等發(fā)現(xiàn)兩者有很好的相關(guān)關(guān)系，利用此關(guān)系能很好地預(yù)測小麥籽粒的蛋白質(zhì)含量[18]；小麥抽穗后的冠層植被比值指數(shù)RVI(R1500，R610)以及RVI(R1220,R560)的指數(shù)變量能極好地監(jiān)測籽粒蛋白質(zhì)和淀粉積累量[19]。研究表明，利用冠層反射光譜監(jiān)測作物籽粒品質(zhì)是可行的。

3 總 結(jié)

光譜數(shù)字技術(shù)發(fā)展很快，高光譜分辨率能動態(tài)、快速、準確、及時地識別農(nóng)作性質(zhì)和組成成分，以提供各種農(nóng)作長勢、水肥狀況、病蟲害情況等信息數(shù)據(jù)，方便農(nóng)作診斷、決策和估產(chǎn)；無損獲取農(nóng)作信息的技術(shù)能大大降低大區(qū)域估產(chǎn)成本，能更合理地制定農(nóng)產(chǎn)品品質(zhì)分級分類收獲和加工方案，能更準確地預(yù)報作物產(chǎn)量因地區(qū)和栽培條件不同而發(fā)生的變異狀況，對確保糧食生產(chǎn)的安全和優(yōu)質(zhì)優(yōu)價具有重要的作用。

雖然光譜技術(shù)在國內(nèi)外農(nóng)業(yè)上的運用取得了很大的進步，但在運用中也存在一些問題。在技術(shù)設(shè)計方面，連接光譜儀探頭的光纜線長度影響光譜反射率值，線越短，探頭越靈敏，測試的反射率越準，由于光譜儀本身設(shè)計需要，探頭的靈敏度有一定的誤差，而且不適合痕量分析。在經(jīng)濟成本方面，光譜技術(shù)不適于分散性樣品的分析，很多情況下光譜技術(shù)僅是一種間接分析技術(shù)，需要耗費人力和財力不斷地對模型進行維護，因為每一種模型只能適應(yīng)一定的時間和空間范圍，并且用戶的技術(shù)會影響模型的使用效果。在環(huán)境因子方面，植株冠層光譜受大氣因素影響大，需盡量在晴朗無云的天氣下進行測試，陰天時，大氣水汽增加，強烈干擾植株水分對光譜的吸收波段，天氣稍有變化，就會影響模型的精確度；還有影響作物生長的氣象因子很難消除，需通過融入積溫和降雨等參數(shù)建立光譜-氣象融合模型，以提高估產(chǎn)精度。在波譜類型選擇方面，已有研究一般基于多光譜反射儀獲得的光譜數(shù)據(jù)，波段少且分辨率低，易導(dǎo)致關(guān)鍵信息的缺失，而植物的高光譜波譜寬，其反射率的連續(xù)性、精細性好，有助于獲得豐富的敏感波段組合及良好參數(shù)類型，在試驗中同時進行多光譜和高光譜觀測研究能更好地解析作物光譜與農(nóng)學(xué)參數(shù)的定量關(guān)系。在植物群體因子方面，已有采用光譜技術(shù)對作物的研究，大多數(shù)都集中在對植物冠層的研究，即使植物冠層可以反映大面積田塊的生長情況，但是冠層光譜受土壤背景、作物生長密度、作物葉片大小、作物生長階段的影響還是比較大的，因此植株及冠層形態(tài)的變化對反射光譜的影響還需進一步探索，在建立作物監(jiān)測和診斷模型時，必須設(shè)法消除植株和植株冠層結(jié)構(gòu)對光譜反射率的影響，以提高由冠層光譜信息建立的監(jiān)測模型精度。

[1] 寇有觀，蕭林．農(nóng)業(yè)遙感[M]．北京：中國農(nóng)業(yè)出版社，1988．18-38．

[2] Carter GA．Reflectance wavebands and indices for remote estimation of photosynthesis and stomatal conductance in pine canopies [J]．Remote Sensing of Environment，1998，63：61-72．

[3] 吳長山，項月琴．利用高光譜數(shù)據(jù)對作物群體葉綠素密度估算的研究[J]．遙感學(xué)報，2000，4(3)：228-232．

[4] Horler DN，Barber H．Approaches to detection of geochemical stress in vegetation[J]．Advances in Space Research，1983，(3)：175-179．

[5] 唐延林，王秀珍，王福民，等．農(nóng)作物LAI和生物量的高光譜法測定[J]．西北農(nóng)林科技大學(xué)學(xué)報：自然科學(xué)版，2004，32(11)：100-104．

[6] 李映雪，朱艷，戴廷波，等．小麥葉面積指數(shù)與冠層反射光譜的定量關(guān)系[J]．應(yīng)用生態(tài)學(xué)報，2006，17(8)： 1443-1447．

[7] 王秀珍，黃敬峰，李云梅．水稻地上鮮生物量的高光譜遙感估算模型研究[J]．作物學(xué)報，2003，29(6)：815-821．

[8] Penuelas J，F(xiàn)ilella I，Biel C，et al．The reflectance at the 950-970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing，1993，14(10)：1887-1905．

[9] Danson FM，Steven MD，Malthus TJ，et al ．High spectral resolution data for determining leaf water concentration [J]．International Journal of Remote Sensing，1992，(1)：461-470．

[10] Filella I，Penuelas J．The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status[J]．International Journal of Remote Sensing，1994 15(7)：182-193．

[11] Munden R，Curran PJ，Catt JA．The relationship between the red edge and chlorophyll concentration in the broadbalk winter wheat experiment at Rothamsted [J]. International Journal of Remote Sensing，1994，15：705-709．

[12] 王人潮，陳銘臻，蔣亨顯．水稻遙感估產(chǎn)的農(nóng)學(xué)機理研究I．不同氮素水平的水稻光譜特征及其敏感波段的選擇[J]．浙江農(nóng)業(yè)大學(xué)學(xué)報，1993，19(增刊)：7-14．

[13] 肖乾廣，周嗣松，陳維英，等．用氣象衛(wèi)星數(shù)據(jù)對冬小麥進行估產(chǎn)的試驗[A]．見：全國冬小麥遙感綜合測產(chǎn)協(xié)作組．冬小麥氣象衛(wèi)星遙感動態(tài)監(jiān)測與估產(chǎn)[C]．北京：氣象出版社，1993．23-30．

[14] 黃敬峰，楊忠恩，王人潮，等．基于GIS的水稻遙感估產(chǎn)模型研究[J]．遙感技術(shù)與應(yīng)用，2002，17(3)：125-128．

[15] 黃敬峰，楊忠恩，王人潮，等．基于GIS的浙江省水稻遙感估產(chǎn)最佳時相選擇[J]．應(yīng)用生態(tài)學(xué)報，2002，13(3)：290-294．

[16] Delgado JA，Ristau RJ，Dillon MA．Use of innovative tools to increase nitrogen use efficiency and protect environmental quality in crop rotations [J]. Communications in Soil Science and Plant Analysis，2001，32：1321-1354．

[17] Sembiring H，Raun WR，Johnson GV，et al．Detection of nitrogen and phosphorus nutrient status in winter wheat using spectral radiance[J]．Journal of Plant Nutrition，1998，21(6)：1207-1233．

[18] Hansen PM，Jorgensen JR，Thomsen A．Predicting grain yield and protein content in winter wheat and spring barley using repeated canopy reflectance measurements and partial least squares regression[J]．J Agri Sci，2002，139：307-318．

[19] 田永超，朱艷，曹衛(wèi)星，等．利用冠層反射光譜和葉片SPAD值預(yù)測小麥籽粒蛋白質(zhì)和淀粉的積累[J]．中國農(nóng)業(yè)科學(xué)，2004，37(6)：808-813．

責任編輯：李東輝

2011-07-15

雷利琴(1986—)，女，湖南衡陽人，碩士研究生，研究方向：數(shù)字農(nóng)業(yè)。

S123

A

1001-5280(2011)06-0626-04

10.3969/j.issn.1001-5280.2011.06.25