基于高光譜遙感技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)研究進(jìn)展

摘要：高光譜遙感技術(shù)的快速發(fā)展使得作物長(zhǎng)勢(shì)監(jiān)測(cè)方法更加簡(jiǎn)單、便捷、準(zhǔn)確，同時(shí)還可獲得大范圍的作物信息，這為實(shí)現(xiàn)棉花生長(zhǎng)狀態(tài)的快速、連續(xù)監(jiān)測(cè)提供了重要技術(shù)支撐。綜述高光譜遙感技術(shù)在棉花長(zhǎng)勢(shì)監(jiān)測(cè)方面的研究進(jìn)展，并對(duì)高光譜遙感技術(shù)在棉花長(zhǎng)勢(shì)監(jiān)測(cè)方面的未來(lái)發(fā)展進(jìn)行展望。

關(guān)鍵詞：高光譜遙感技術(shù)；棉花；長(zhǎng)勢(shì)監(jiān)測(cè)；應(yīng)用

中圖分類號(hào)：S127;S562 " " 文獻(xiàn)標(biāo)識(shí)碼：A " "文章編號(hào)：1674-1161（2024）01-0069-03

隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)，農(nóng)業(yè)的發(fā)展也越來(lái)越受到重視。棉花作為我國(guó)重要的經(jīng)濟(jì)作物，是重要的農(nóng)業(yè)生產(chǎn)資料，在國(guó)民經(jīng)濟(jì)中占有重要地位。棉花作為喜溫作物，具有生長(zhǎng)周期長(zhǎng)、根系發(fā)達(dá)、覆蓋度大、產(chǎn)量高、品質(zhì)好等特點(diǎn)。在棉花生長(zhǎng)過(guò)程中，科學(xué)獲取棉花長(zhǎng)勢(shì)信息并及時(shí)準(zhǔn)確地對(duì)棉花長(zhǎng)勢(shì)進(jìn)行監(jiān)測(cè)，有利于及時(shí)采取措施來(lái)促進(jìn)棉花產(chǎn)量的提高，進(jìn)而為實(shí)現(xiàn)農(nóng)業(yè)高產(chǎn)高效提供技術(shù)支撐。高光譜遙感是在可見光、近紅外、中紅外波段下獲取的一種可以快速反映植物生理狀態(tài)及環(huán)境信息的技術(shù)，具有全光譜、高空間分辨率、信息豐富等特點(diǎn)。目前，高光譜遙感技術(shù)在農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)方面已經(jīng)得到了廣泛應(yīng)用。

闡述高光譜遙感技術(shù)在作物長(zhǎng)勢(shì)監(jiān)測(cè)方面的研究進(jìn)展，并提出基于高光譜遙感技術(shù)進(jìn)行作物生長(zhǎng)過(guò)程動(dòng)態(tài)監(jiān)測(cè)的研究展望，旨在為今后利用高光譜遙感技術(shù)進(jìn)行農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)提供參考。

1 高光譜技術(shù)在棉花生化參數(shù)監(jiān)測(cè)中的應(yīng)用

1.1 色素含量的監(jiān)測(cè)

葉綠素是棉花在各個(gè)生育期生長(zhǎng)發(fā)育的最主要色素，它是構(gòu)成棉花器官的重要物質(zhì)，也是棉花進(jìn)行光合作用時(shí)的重要能量轉(zhuǎn)化場(chǎng)所，其能夠?yàn)槊藁ǜ鞣N生理活動(dòng)提供能量[1]。利用高光譜技術(shù)對(duì)棉花葉片葉綠素的相對(duì)含量進(jìn)行快速準(zhǔn)確的監(jiān)測(cè)，既是精準(zhǔn)預(yù)測(cè)棉花生長(zhǎng)態(tài)勢(shì)的前提，也是數(shù)字化農(nóng)業(yè)的核心要求，同時(shí)也可為精準(zhǔn)農(nóng)業(yè)的大規(guī)模、無(wú)損化數(shù)據(jù)采集提供強(qiáng)有力的技術(shù)支撐、為信息化農(nóng)業(yè)的推進(jìn)提供強(qiáng)有力的保障[2]。

根據(jù)Wessman的研究成果[3+4]，他們通過(guò)分析冠層反射光譜來(lái)確定植物中的氮元素和葉綠素濃度，證實(shí)了高光譜技術(shù)可有效測(cè)量葉綠素含量并給出精準(zhǔn)的結(jié)果，這表明葉綠素濃度的變化與其特定的光譜屬性有顯著關(guān)系。此外，田明璐等[5]發(fā)現(xiàn)，在構(gòu)建基于多項(xiàng)式逐步回歸法的葉綠素相對(duì)含量（SPAD）預(yù)測(cè)模型時(shí)，其模型的精確度要優(yōu)于采用線性回歸法的模型。王爍等[6]分析了棉花葉片SPAD值與多種植被指數(shù)的相關(guān)性，其中具體分析了400～2 000 nm波段內(nèi)光譜反射率與優(yōu)化指數(shù)RSI和SPAD值的相關(guān)關(guān)系，并構(gòu)建了一元和多元回歸模型。陳燕等[7]通過(guò)對(duì)棉花原始光譜做一階微分處理后，發(fā)現(xiàn)表征棉花葉片的葉綠素密度的敏感波段位于729 nm處，利用此波段來(lái)估測(cè)葉綠素密度，精度可達(dá)84.3%。所以，使用高光譜數(shù)據(jù)不僅可以有效監(jiān)測(cè)葉綠素含量，還能獲取葉綠素密度等關(guān)鍵信息。

1.2 營(yíng)養(yǎng)元素含量的監(jiān)測(cè)

作為植物生長(zhǎng)的關(guān)鍵養(yǎng)分之一，氮素對(duì)農(nóng)作物的成長(zhǎng)有著重要作用。當(dāng)面臨氮肥壓力時(shí)，農(nóng)作物的發(fā)育會(huì)受到阻礙，會(huì)導(dǎo)致其葉片面積指數(shù)、生物質(zhì)量、覆蓋率、葉綠素濃度及蛋白質(zhì)水平下降，進(jìn)而影響整個(gè)植株群落的光學(xué)特性變化。因此，使用遙感手段來(lái)無(wú)損傷地檢測(cè)農(nóng)田中的氮素一直以來(lái)都是農(nóng)業(yè)遙感領(lǐng)域的主要關(guān)注點(diǎn)[8]。

近年來(lái)，對(duì)棉花氮素的精確測(cè)量和評(píng)估已經(jīng)引起了眾多科學(xué)家的注意，例如黃春燕等[9]的研究中就使用了高光譜技術(shù)來(lái)檢測(cè)植物葉片的氮元素累積情況；而吳華兵等[10]則運(yùn)用了高光譜反射率和相關(guān)的高光譜特性去探討不同的氮肥處理方式如何影響棉花種類中的葉片氮含量的變化，并進(jìn)一步探究其與冠層反射光譜之間的數(shù)量關(guān)聯(lián)；王克如等[11]致力于探索棉花冠層的光譜特性和它們與植株氮含量之間是否存在一種可測(cè)量的聯(lián)系，并以此為目標(biāo)實(shí)現(xiàn)了對(duì)棉株氮元素的監(jiān)控。

1.3 生理生化組分的監(jiān)測(cè)

對(duì)于農(nóng)作物的成長(zhǎng)與發(fā)展來(lái)說(shuō)，水分起著至關(guān)重要的作用，它是決定農(nóng)作物生物代謝及形體構(gòu)造的關(guān)鍵元素。如果缺少足夠的水分，將會(huì)導(dǎo)致植物的生理化學(xué)反應(yīng)和形狀結(jié)構(gòu)出現(xiàn)偏差，進(jìn)而對(duì)它們的生長(zhǎng)產(chǎn)生負(fù)面影響。然而，用傳統(tǒng)的測(cè)量方式（例如干質(zhì)量法）來(lái)計(jì)算葉片含水率需要花費(fèi)較長(zhǎng)時(shí)間、消耗大量資源，并且可能造成損害。此外，這種方法僅能提供局部信息，無(wú)法在大范圍內(nèi)使用，這大大限制了農(nóng)業(yè)管理決策的完整性、及時(shí)性和公正性。

隨著高光譜遙感技術(shù)的發(fā)展，現(xiàn)在可以在更大范圍內(nèi)迅速且無(wú)損傷地檢測(cè)農(nóng)作物的葉片含水量。紀(jì)景純[12]的研究表明，利用與植物水分相關(guān)聯(lián)的光學(xué)特性來(lái)計(jì)算其反射率，可有效評(píng)估植物的水分狀態(tài)，然而不同的地理位置和農(nóng)業(yè)生態(tài)環(huán)境會(huì)導(dǎo)致水分特性的光譜波段有所變化，因此使用光譜指數(shù)能部分抵消這些影響。王娟[13]研究了盆栽棉花數(shù)字圖像的冠層垂直投影面積的變化，借此實(shí)現(xiàn)了對(duì)棉花干旱脅迫的無(wú)損監(jiān)測(cè)。李玉霞等[14]以1 600和820 nm處反射率的比值構(gòu)建指數(shù)SR對(duì)區(qū)域植被的含水量進(jìn)行了估測(cè)。

2 高光譜技術(shù)在棉花長(zhǎng)勢(shì)參數(shù)監(jiān)測(cè)中的應(yīng)用

2.1 葉面積指數(shù)的監(jiān)測(cè)

對(duì)于農(nóng)田生態(tài)系統(tǒng)的核心要素——即葉面積指數(shù)（LAI）來(lái)說(shuō)，其重要程度不僅僅在于影響著農(nóng)業(yè)生產(chǎn)中的諸多生命科學(xué)現(xiàn)象，而且還為研究者提供了一種觀察并理解種植活動(dòng)變化的方式。此外，作為眾多糧食類產(chǎn)品成長(zhǎng)模式及管理策略的關(guān)鍵變量之一，它的重要性不容忽視[15+16]。全球范圍內(nèi)關(guān)于此項(xiàng)課題的大部分探討都是由學(xué)者們推動(dòng)開展起來(lái)的[17+18]。傳統(tǒng)的利用衛(wèi)星圖像來(lái)獲取有關(guān)LAI信息的方式包括通過(guò)直接測(cè)量或結(jié)合大氣散射理論等技術(shù)手段來(lái)實(shí)現(xiàn)，而另一種更為先進(jìn)的技術(shù)是運(yùn)用計(jì)算機(jī)模擬算法去計(jì)算該數(shù)值[19]，但最常用的還是依賴于具有特定頻率的光學(xué)儀器設(shè)備，如近紫外多通道成像儀或者激光雷達(dá)等[20]，另外一些新的發(fā)展趨勢(shì)則傾向于用具有高分辨率的高空平臺(tái)搭載的多角度探測(cè)器來(lái)獲得更準(zhǔn)確的結(jié)果[21]，例如MODIS和ASTER。

孫莉等[22]的研究主要集中于棉花的整個(gè)生命周期中的特性表現(xiàn)、光譜變換模式以及其葉面積指數(shù)（LAI）和葉綠素含量之間的關(guān)聯(lián)性和變動(dòng)趨勢(shì)；而張立楨等[23]則以棉花LAI的動(dòng)態(tài)減少和增加來(lái)作為物質(zhì)流動(dòng)中庫(kù)源關(guān)系的基石，借此來(lái)模擬其生長(zhǎng)過(guò)程；此外，張懷志等[24]也采用知識(shí)工程和系統(tǒng)建模的方式，根據(jù)諸如預(yù)期產(chǎn)出量、耕種密度、生態(tài)環(huán)境條件和生產(chǎn)標(biāo)準(zhǔn)等多種因素的影響，構(gòu)建了棉花葉面積指標(biāo)的動(dòng)態(tài)模型。這些研究都揭示了一個(gè)事實(shí)：使用高光譜遙感技術(shù)能夠更準(zhǔn)確地測(cè)量農(nóng)作物的葉面積指數(shù)，這不僅能節(jié)省時(shí)間和精力去收集與農(nóng)作物葉面積指數(shù)有關(guān)的信息，而且還能避免傳統(tǒng)方式可能帶來(lái)的植物損傷。

2.2 生物量的監(jiān)測(cè)

植物生物量的評(píng)估與葉片面積比例有緊密聯(lián)系，它是植物重要的生物物理指標(biāo)的一部分。因此，通過(guò)衛(wèi)星圖像來(lái)測(cè)算植物生物量通常會(huì)涉及到葉面積指數(shù)或產(chǎn)出的討論。對(duì)此，主要采用植被指數(shù)、高光譜特性與生物量之間的關(guān)聯(lián)研究方法，借此來(lái)實(shí)現(xiàn)對(duì)植物葉面積指數(shù)的有效監(jiān)控。借助高光譜遙感技術(shù)，還可以迅速且無(wú)損傷地檢測(cè)植物生物量。國(guó)內(nèi)在棉花生物量監(jiān)測(cè)方面的研究較少，目前采用的主要方法包括稱重法、稱重-高光譜測(cè)量法和無(wú)人機(jī)測(cè)量法等。黃春燕等[25]采用紅波段和近紅外波段組合的高光譜植被指數(shù)和波段深度信息與棉花生物量之間建立了回歸關(guān)系，以此來(lái)實(shí)現(xiàn)對(duì)棉花生物量的估算。目前針對(duì)生物量監(jiān)測(cè)的研究主要圍繞小麥、水稻，花生等作物，但是有關(guān)棉花地上生物量估算的研究國(guó)內(nèi)外則少有報(bào)道。因此，高光譜遙感技術(shù)在棉花生物量監(jiān)測(cè)方面還有待進(jìn)一步研究與探索。

3 高光譜技術(shù)在棉花產(chǎn)量監(jiān)測(cè)中的應(yīng)用

在農(nóng)業(yè)現(xiàn)代化的大背景下，作物估產(chǎn)逐漸成為精準(zhǔn)農(nóng)業(yè)中不可或缺的重要組成部分，長(zhǎng)時(shí)間來(lái)，越來(lái)越多的學(xué)者也對(duì)有關(guān)作物估產(chǎn)方面的課題進(jìn)行了廣泛研究，并取得了較好的成果。及時(shí)準(zhǔn)確的估產(chǎn)，有利于提前進(jìn)行人工干預(yù)，從而提高產(chǎn)量，這也是各類信息監(jiān)測(cè)、科學(xué)種植和管理的最終目的。傳統(tǒng)的作物地面測(cè)量估產(chǎn)雖然精度較高，但會(huì)消耗大量時(shí)間和人力，而作物遙感估產(chǎn)也已逐步取代了傳統(tǒng)的人工地面測(cè)量和統(tǒng)計(jì)[26+27]。及時(shí)、準(zhǔn)確地對(duì)作物產(chǎn)量進(jìn)行預(yù)測(cè)，對(duì)作物的田間管理和相關(guān)政策的制定具有極其重要的現(xiàn)實(shí)意義，近年來(lái)國(guó)內(nèi)外學(xué)者對(duì)此也已進(jìn)行了諸多研究。

隨著無(wú)人機(jī)遙感技術(shù)的不斷發(fā)展和成熟，各學(xué)者借助無(wú)人機(jī)圖像空間分辨率高、獲取速度快、影像成本低等優(yōu)勢(shì)，并以無(wú)人機(jī)影像和光譜指數(shù)為基礎(chǔ)進(jìn)行了諸多棉花估產(chǎn)研究[28]。白麗等[29]通過(guò)野外光譜儀獲取了棉花冠層不同生育階段的光譜曲線，并根據(jù)棉花冠層的光譜特征構(gòu)建了光譜指數(shù)、建立了棉花產(chǎn)量的高光譜估算模型，由此實(shí)現(xiàn)了對(duì)棉花產(chǎn)量的預(yù)測(cè)。戴建國(guó)等[30]利用高清無(wú)人機(jī)影像數(shù)據(jù)，通過(guò)采集棉花不同生育期的時(shí)間序列數(shù)據(jù)來(lái)將不同時(shí)期的影像輸入到卷積神經(jīng)網(wǎng)絡(luò)和雙向長(zhǎng)短期記憶的混合串行結(jié)構(gòu)中，進(jìn)而實(shí)現(xiàn)了對(duì)棉花產(chǎn)量的估算。

4 存在的問題及展望

高光譜遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用和發(fā)展空間十分廣闊的同時(shí)，其也存在著一些關(guān)鍵性難題：1）高光譜資料翔實(shí)豐富，可為遙感反演和定量遙感提供依據(jù)，但例如輻射矯正、幾何校正、高光譜數(shù)據(jù)的大氣定標(biāo)等預(yù)處理精度都會(huì)受到很大限制。因此，如何實(shí)現(xiàn)對(duì)高光譜數(shù)據(jù)的精確快速預(yù)處理，使高光譜數(shù)據(jù)能夠保證時(shí)相性，是高光譜數(shù)據(jù)在應(yīng)用中的重要關(guān)鍵問題。關(guān)于這類問題，在硬件和軟件開發(fā)水平還有待提高的同時(shí)，還受到目前技術(shù)水平的制約[32]。2）目前，雖然對(duì)于高光譜遙感技術(shù)理論和實(shí)驗(yàn)的研究比較深入，但其在實(shí)際生產(chǎn)力轉(zhuǎn)化方面的能力還略顯不足，如農(nóng)作物生長(zhǎng)信息的高光譜數(shù)據(jù)定量分析尚處于研發(fā)期，要想在農(nóng)業(yè)生產(chǎn)中大規(guī)模應(yīng)用高光譜數(shù)據(jù)，未來(lái)還需要更豐富的經(jīng)驗(yàn)知識(shí)，對(duì)高光譜數(shù)據(jù)的處理也要求更加靈活。只有解決了這些問題，才能更好地將其應(yīng)用到農(nóng)業(yè)生產(chǎn)中，并使其發(fā)揮更大的價(jià)值，這些問題都是高光譜遙感技術(shù)今后發(fā)展面臨的重要問題。

高光譜遙感技術(shù)在今后的發(fā)展中可以將各個(gè)領(lǐng)域結(jié)合起來(lái)，比如在氣象、海洋、林業(yè)等資源領(lǐng)域中，高光譜遙感技術(shù)與相關(guān)行業(yè)的合作，發(fā)展空間就非常大，而且這一技術(shù)在其他領(lǐng)域的應(yīng)用方法，也可以用在農(nóng)業(yè)領(lǐng)域中。此外，還能將GPS、GIS、RS三大系統(tǒng)的3S技術(shù)深度應(yīng)用融合在一起[33]，比如在數(shù)據(jù)處理能力方面，遙感技術(shù)獲取資料的能力就很強(qiáng)；管理能力、數(shù)據(jù)分析能力非常強(qiáng)的地理信息系統(tǒng)；GPS則在全球衛(wèi)星定位系統(tǒng)中的精確定位能力十分出眾。這些技術(shù)的優(yōu)點(diǎn)和特點(diǎn)可以得到綜合利用，從而為決策提供充分信息，以便對(duì)作物進(jìn)行分析，同時(shí)結(jié)合GPS提供的平面高程數(shù)據(jù)和地形地貌，可實(shí)現(xiàn)綜合分析研究，從而有利于發(fā)揮高光譜遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的優(yōu)勢(shì)和作用[34]。

參考文獻(xiàn)

[1] 王榮江，畢建杰，陳英麗.不同氮素水平對(duì)棉花苗期氮素吸收和葉綠素含量的影響[J].農(nóng)業(yè)科技通訊，2020（12）：170-172+258.

[2] 依爾夏提·阿不來(lái)提.基于高光譜數(shù)據(jù)的棉花生理生化指標(biāo)估測(cè)研究[D].烏魯木齊：新疆大學(xué)，2020.

[3] WESSMAN C A， ABER J D. Foliar analysis using near infrared reflectance spectroscopy[J].Canadian Journal of Forest Research，1988，18（1）：6-11.

[4] 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）： 1459-1470.

[5] 田明璐，班松濤，常慶瑞，等.基于無(wú)人機(jī)成像光譜儀數(shù)據(jù)的棉花葉綠素含量反演[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016， 47（11）：285-293.

[6] 王爍，常慶瑞，劉夢(mèng)云，等.基于高光譜遙感的棉花葉片葉綠素含量估算[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，22 （4）：16-27.

[7] 陳燕.基于高光譜數(shù)據(jù)的棉花生長(zhǎng)信息定量模型研究[D].石河子：石河子大學(xué)，2007.

[8] BODO，M URS S.Estimating the nitrogen nutrition index using spectral canopy reflectance measurements[J].European Journal of Agronomy，2008，7：1-7．

[9] 黃春燕，王登偉，閆潔，等.棉花葉綠素密度和葉片氮積累量的高光譜監(jiān)測(cè)研究[J].作物學(xué)報(bào)，2007，33（6）： 931-936.

[10] 吳華兵，朱艷，田永超，等.棉花冠層高光譜參數(shù)與葉片氮含量的定量關(guān)系[J].植物生態(tài)學(xué)報(bào)，2007，31（5）：903-909.

[11] 王克如，潘文超，李少昆，等.不同施氮量棉花冠層高光譜特征研究[J].光譜學(xué)與光譜分析，2011，31（7）： 1868-1872.

[12] 紀(jì)景純，趙原，鄒曉娟，等.無(wú)人機(jī)遙感在農(nóng)田信息監(jiān)測(cè)中的應(yīng)用進(jìn)展[J].土壤學(xué)報(bào)，2019，56（4）：773-784.

[13] 王娟.基于計(jì)算機(jī)視覺的棉花干旱診斷研究[D].石河子：石河子大學(xué)，2014.

[14] 李玉霞，楊武年，童玲，等.基于光譜指數(shù)法的植被含水量遙感定量監(jiān)測(cè)及分析[J].光學(xué)學(xué)報(bào)，2009，29（5）：1403-1407.

[15] DOBERMANN A， PAMPOLINO M F.Indirect leaf area index measurement as a tool for characterizing rice growth at the field scale[J].Communications on Soil Science and Plant Analysis，1995，26：1507-1523．

[16] RUNNING S W， NEMANI R R， PETERSON D L， et al.Mapping regional forest evapotranspiration and photosynthesis by coupling satellite data with ecosystem sim ulation[J].Ecology，1989，70：1090-1101.

[17] 黃敬峰，王淵，王福民，等.油菜紅邊特征及其葉面積指數(shù)的高光譜估算模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2006， 22（8）：22-26．

[18] ROSHANAK D， ANDREW S， MARTIN S， et al.Inversion of a radiative transfer model for estimating vegetation LAI and chlorophyll in a heterogeneo us grassland[J].Remote Sensing of Environment，2008，112（5）：2592-2604

[19] 王登偉，黃春燕，馬勤建，等.棉花高光譜植被指數(shù)與LAI和地上鮮生物量的相關(guān)分析[J].中國(guó)農(nóng)學(xué)通報(bào)，2008（3）：426-429.

[20] FANG H， LIANG S， ANDRES KUUS.Retrieving leaf area index using a genetic algorithm with a canopy radiative transfer model[J].Remote Sensing of Environment，2003，85：257-270．

[21] 張曉陽(yáng)，李勁峰.利用垂直植被指數(shù)推算作物葉面積系數(shù)的理論模式[J].遙感技術(shù)與應(yīng)用，1995，10（3）：13-18．

[22] MAUSER W， BACH H.Imaging spectroscopy in hydrology and agriculture-determination of model parameters[C]//Hill J，Megier J（Eds.），Imaging spectrometry-a tool for environmental observations.Dordrecht，The Netherlands：Kluwer Academic Publishing，1995：261-283．

[23] 孫莉，陳曦，包安明，等.棉花各生育期高光譜數(shù)據(jù)與葉片生物物理生物化學(xué)量的相關(guān)分析[J].干旱區(qū)地理，2004，27（1）：124-129.

[24] 張立楨，曹衛(wèi)星，張思平.棉花形態(tài)發(fā)生和葉面積指數(shù)的模擬模型[J].棉花學(xué)報(bào)，2004，16（2）：77-83.

[25] 張懷志，曹衛(wèi)星，周治國(guó)，等.棉花適宜葉面積指數(shù)的動(dòng)態(tài)知識(shí)模型[J].棉花學(xué)報(bào)，2003，15（3）：151-154.

[26] 黃春燕，王登偉，曹連莆，等.棉花地上鮮生物量的高光譜估算模型研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（3）：131-135.

[27] 解毅，王鵬新，王蕾，等.基于作物及遙感同化模型的小麥產(chǎn)量估測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（20）：179-186.

[28] 譚昌偉，杜穎，童璐，等.基于開花期衛(wèi)星遙感數(shù)據(jù)的大田小麥估產(chǎn)方法比較[J].中國(guó)農(nóng)業(yè)科學(xué)，2017，50（16）：3101-3109.

[29] 溫鵬飛，朱鵬，張強(qiáng)，等.不同水氮耦合條件下棉花冠層NDVI分析與產(chǎn)量估算[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，21（1）：33-38.

[30] 白麗，王進(jìn)，蔣桂英，等.干旱區(qū)基于高光譜的棉花遙感估產(chǎn)研究[J].中國(guó)農(nóng)業(yè)科學(xué)，2008（8）：2499-2505.

[31] 戴建國(guó)，蔣楠，薛金利，等.基于CNN-BiLSTM的棉花產(chǎn)量預(yù)測(cè)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2021，37（17）：152-159.

[32] 陳仲新，郝鵬宇，劉佳，等.農(nóng)業(yè)遙感衛(wèi)星發(fā)展現(xiàn)狀及我國(guó)監(jiān)測(cè)需求分析[J].智慧農(nóng)業(yè)，2019，1（1）：32-42.

[33] 付元元，楊貴軍，段丹丹，等.AVIRIS高光譜數(shù)據(jù)光譜特征在植被分類中的對(duì)比分析[J].智慧農(nóng)業(yè)，2020， 2（1）：68-76.

[34] 康亞麗，韓亞男.山西省智慧農(nóng)業(yè)發(fā)展對(duì)策研究[J].南方農(nóng)機(jī)，2018，49（8）：151.

Research Progress of Cotton Growth Monitoring Based on Hyperspectral Remote Sensing Technology

SHI Jing， WANG Jiaqiang*

（College of Agriculture， Tarim University， Alar Xinjiang 843300）

Abstract： The rapid development of hyperspectral remote sensing technology has made the crop growth monitoring method simpler， more convenient and more accurate， and at the same time， it can also obtain a wide range of crop information， which provides an important technical support for the realization of rapid and continuous monitoring of the growth status of cotton. This paper summarizes the research progress of hyperspectral remote sensing technology in cotton growth monitoring， and looks forward to the future development of hyper spectral remote sensing technology in cotton growth monitoring.

Key words： "hyperspectral remote sensing technology; cotton; growth monitoring; application