高光谱遥感技术的发展及其在农业上的应用

江西农业学报 2009,21(5):23~26A cta Ag ricu lt urae Ji angx i

高光谱遥感技术的发展及其在农业上的应用

王为

收稿日期:2009-01-30

作者简介:王为(1980-),男,江苏泗阳人,博士,主要从事作物分子育种与种质资源创新以及信息农业研究。

(江苏沿海地区农业科学研究所,江苏盐城224002)

摘 要:概述了高光谱遥感技术的产生和发展以及应用现状,并介绍了高光谱遥感在作物长势监测、生化参数估算以及作物估产等农业领域上的应用。

关键词:高光谱;遥感技术;农业;应用

中图分类号:TP79 文献标识码:A 文章编号:1001-8581(2009)05-0023-04

Review on Develop ment and Application of H ypers pectral Re mote Sensi n g in Agriculture

W ANG W e i

(Ag ricu lt ural Science Institute of Coasta lR eg i on o f Ji angsu ,Y ancheng 224002,Ch i na)

Abstract :The paper gave a rev i ew on the deve l op m ent and current s i tuati on of hype rspectral re m ote sens i ng techno l ogy ,and i n troduced itsm a i n app lica tions i n ag ricu lt ure s uch as de tec ting the vegetati on g row t h state ,esti m ati ng b i oche m i ca l characteristi c para m e ters and t he producti v ity of crops and so on .

K ey words :H yperspectra;l R e m ote sensi ng technology ;Ag ricu lt ure ;A ppli cati on

遥感是20世纪60年代发展起来的对地观测综合性技术,是指应用探测仪器,不与探测目标相接触,从远处把目标的电磁波特性记录下来,通过分析,揭示出物体的特征性质及其变化的综合性探测技术[1]

。经过几十年的发展,无论在遥感平台、遥感传感器、还是遥感信息处理、遥感应用等方面,都获得了飞速的发展,目前遥感正进入一个以高光谱遥感技术、微波遥感技术为主的时代

[2~3]

。高光谱遥感图像由于其高光谱分辨率的特点正

在受到国内外的广泛关注。从地面遥感传感器到测视雷

达,从田间养分速测仪到星载的成像光谱仪,遥感技术在农业领域的应用已有了很大进展,同时取得了巨大的经济效益和社会效益。本文就高光谱遥感技术的产生、发展及其在农业上的应用进行一个介绍和阐述,以期给相关科研人员提供一点参考。

1 高光谱遥感技术的产生与发展

1.1 高光谱遥感技术的产生 高光谱遥感即高光谱分辨率遥感(Hyperspectr al R e mote Se ns i ng),是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据,它的基础是测谱学(Spectrosco py)

[4]

。高光谱遥感技术主要

特点是波段多、光谱分辨率高、空间分辨率较高、邻波段的相关性高,数据冗余大。经国际遥感界的共识,光谱分辨率在10-1

数量级范围的称为多光谱(M ultispectral),这样的遥感器在可见光和近红外光谱区只有几个波段;

而光谱分辨率在10-2

的遥感信息称之为高光谱遥

感

[5]

。高光谱遥感与常规遥感数据的主要区别在于它

能获取观测各种地物的连续光谱信息,并借此定义特殊

的光谱特征,并且有些在宽波段遥感中不可探测的物质,在高光谱遥感中能被探测。因此在地物探测和环境监测研究中,利用高光谱遥感数据,可采用确定性方法(模型),而不像宽波段遥感采用的统计方法

[4]

。高光谱遥

感技术是连接遥感数据处理、地面测量、光谱模型和应用的强有力工具,其显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱图像,其超多波段信息使得根据混合光谱模型进行混合象元分解获取 子象元 或 最终光谱单元 信息的能力得到提高,从而使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数[6]

。

1.2 高光谱遥感技术的发展 1983年,第一幅由航空成像光谱仪(A I S-1)获取的高光谱分辨率图像以全新的面貌呈现在科学界面前,它的正式出现标志着第一代高光谱分辨率传感器面世。第一代成像光谱仪以A I S-1和A I S-2为代表。在以后几年中,A I S 数据被成功地应用在多个地学研究邻域,这类高光谱分辨率数据由于二维固体阵列探测器宽度(每行像元数)非常有限,但它确实开创了高光谱和高空间分辨率兼有、光谱和图像合一的高光谱遥感技术的新时代[4]

。第二代高光谱成像仪于1987年问世,美国宇航局从1983年开始研制一种叫做航空可见光/成像光谱仪(AV I R I S),它是第二代成像光谱仪的代表。与A I S 传感器相比,AV I R I S 在传感器本身、定标、数据系统及飞行高度等方面都有很大的改

进[4]。1999年底反射成功的EO -1卫星是NA S A 戈达得飞行中心、麻省理工林肯实验室和TR W 公司合作研

制的高光谱卫星,它由先进陆地成像仪、高光谱成像仪和大气校正仪三个基本遥感系统组成。美国轨道图像公司研制的新一代O r bvie w-4是国际上完全以商业运行为目标的高光谱卫星,它是高光谱和高空间分辨率相结合的卫星,除了保留O r bvie w-3型的全色1m、多光谱4m 的空间分辨率外,还将在0.4~2.5 m光谱范围内获取200多个波段的高光谱遥感图像[6]。

高光谱遥感技术的兴起是遥感技术在20世纪最大成就之一。随着计算机软件、数据分析方法、特别是传感器技术水平的提高,高光谱遥感技术将会得到更加积极的发展和应用。

2 高光谱遥感在农业上的应用

高光谱遥感在农业中的应用,主要表现在快速、精确地进行作物生长信息的提取、作物长势监测、作物胁迫监测、估算植被(作物)初级生产力与生物量、估算光能利用率和蒸散量以及作物品质遥感监测预报。从而相应调整投入物资的投入量,达到减少浪费,增加产量,改善品质,保护农业资源和环境质量的目的。高光谱遥感凭借其极高的光谱分辨率为精细农业的发展提供了技术保障和数据来源。

2.1 作物生长信息的提取 作物生产中,准确、迅速、经济地判断作物氮营养状况,进而确定氮肥需要量,对提高作物的实时精确施肥具有重要意义。近年来,随着相关领域科技水平的不断提高,氮素营养诊断的测试技术正由传统的实验室常规测试向田间直接无损测试方向发展;同时测试水平正由定性或半定量的手工测试向精确定量的智能化方向发展。目前,针对作物氮素诊断的智能化无损测试技术已成为国内外研究的热点,其中较成熟的技术方法主要有便携式叶绿素仪法和遥感系统中应用的高分辨率多光谱近地测量技术。这两项技术都是基于当作物氮素发生变化时,其光谱反射特性发生改变的基础上,但在具体的应用中两者又有所不同。相对于传统的低光谱分辨率遥感(通常指光谱分辨率在0.1 m 以上)而言,高光谱分辨率遥感(光谱分辨率在0.1 m 以下)数据最主要的特点就是成像通道数量的增加和成像波段的变窄。从而使植被遥感的监测目标发生了很大的变化,获取子像元(最终光谱单元信息)的能力得到提高,使得遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数[6~7]。通过高光谱遥感植被指数技术可以提取植被冠层结构定量信息。蒲瑞良等[8]用小型机载成像光谱仪(CASI)测得的航空高光谱分辨率数据(光谱范围约417~800n m)估计森林族叶化学成分浓度,最后用导数光谱的多项式逐步回归方程进行分析。对于总叶绿素,最佳的R2值来自二阶微分光谱的三项式回归方程(R2=0.944),此方程包含的中心波长分别为748、507和735n m,而对于全氮的最佳R2值来自一阶微分光谱的三项式方程(R2=0.933),中心波长分别为780、764和566n m。结果表明:使用光谱方式的CASI数据及NDV I值提取植被信息,结合光谱微分技术能明显地改善森林族叶化学成分的估算精度。吴长山等[9,10]分析了水稻、玉米多时相的群体以及叶片光谱特征与叶绿素密度(单位面积农作物的叶绿素含量,等于叶绿素含量与鲜叶生物量的乘积)的关系,得出这几种农作物的导数光谱在近红外波段762nm处与叶绿素密度具有高度相关性。王柯[11]等的实验数据表明540、680和740~1070n m的光谱数据在水稻所有的生长阶段都与叶片氮浓度相关显著。

2.2 作物长势监测 作物的反射光谱特征主要由叶片中的叶肉细胞、叶绿素、水分含量和其他生物化学组分对光线的吸收和反射形成的,受叶色、叶片结构及水分状况、叶片的生理生化性质、植株形态及长势长相等因素的影响[12]。可见光波段反射率主要受叶绿素等各种色素的影响,近红外波段反射率则由叶片水分状况起决定作用,不同的植物、同一作物的不同生育时期,以及同一作物的不同健康状况,其光谱反射特性均不一样。因此研究作物不同生长条件下的光谱特性与这些生理指标的关系,就可以实时的监测作物的长势和进行苗情诊断,从而科学地指导农事活动。高光谱遥感以其超多波段、光谱分辨率高等特点被用来反演叶子各组分含量,监测作物的生长状况[13]。

王延颐[14]用美制的EXOTEC H100A四通道光谱仪在试验田分析了水稻各生育期(分蘖盛期、穗分化期、齐穗期、灌浆期及乳熟期)在一些特征太阳光谱波段(400、500、670、800、900nm)反射波谱特征,结论是:稻田光谱与水稻长势的相关性较好,在水稻灌浆期,稻田光谱与水稻理论产量的相关性也较好,尤其是800n m的反射光谱值。实验也已经证明用高光谱分辨率数据能够估计叶子化学成分[15]。浦瑞良和宫鹏使用多元统计和光谱导数技术评价小型机载成像光谱仪(CASl)数据用于估计冠层生化浓度(总叶绿索、全氮和全磷)的潜力和效率[8]。Peter so n等运用航空成像光谱仪(A I S)对森林冠层中氮和木质素含量进行了监测[16]。为了探索植物叶片氮素遥感诊断的可能性,20世纪70年代以来有关科学家就进行了大量的基础研究,寻找氮素的敏感波段及其反射率在不同氮素水平下的表现。研究发现许多植物在缺氮时无论是叶片还是植物冠层水平的可见光波段反射率都有增加,对氮含量变化最敏感的波段在530~560nm区域[16~19]。冯伟[20]通过分析小麦叶片糖氮比与冠层高光谱参数的定量关系,确立小麦叶片糖氮比的定量监测模型,与传统的破坏性取样及实验室化学分析方法相比,该研究为小麦叶片糖氮比的定量分析提供了一种无损、快速的技术途径,同时也拓展了作物生理参数遥感监测的研究领域。研究结果对于小麦植株生长特征及碳氮代谢参数的实时监测和精确诊断具有重要意义,为遥感技术

24江 西 农 业 学 报 21卷

在精准农业中的可能应用奠定了技术基础。

2.3 作物胁迫监测 李德成等[21]模拟酸雨对水稻叶片反射光谱特性的影响,结果表明:酸雨会引起水稻叶片反射光谱可见光区和中红外区的反射率升高,近红外区的反射率降低,相应的反射率比值也随之变化,一阶和二阶导数光谱蓝移,且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关。这一结果也表明遥感技术监测酸雨污染作物是可行的。另外,高光谱遥感亦可用于监测重金属对作物的胁迫,在某些植被类型中,蓝移还与重金属含量偏高有关。水稻受重金属铬和铜污染伤害后,无论在生理上还是在反射光谱方面变化都比较显著,特别是铬和铜拌土生长的水稻在分蘖期受到的影响最明显。植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形变化。可以通过植物的光谱特性监测植物(作物)的各种缺素症和病虫害[22]。

2.4 估算植被(作物)初级生产力NPP与生物量 冠层的理化特性在一定程度上控制着森林的初级生产力(NPP)。比如叶面积和氮含量通过控制光合作用和传输速率来影响NPP。已经证明在不同的温带森林区,矿物氮的含量有助于估计年NPP。张良培[23]利用样本NDV I 和测量所得的生物量数据进行回归分析,相关系数在0.7以上,黄熟期叶绿素的损失会在可见光波段表现出来,在出穗期的R1100和R1200可用于生物量估算。Ha me[24]等结合地面调查和高分辨率图像用相关分析的方法建立了预测生物量的模型,然后再直接应用到低分辨率的AVHRR图像上,成功地估算了面积达几百万平方公里的欧洲以针叶树占优势的北方针叶林的生物量,并且估算的精度超出了预先的期望。同样,在农作物上也可以利用这种技术方法,测定作物的初级生产力NPP 与生物量。

高光谱遥感同样可以用于估计农作物产量,可以综合上述各种功能以及有关的数据分析方法进行农作物产量的估计,随着新的传感器和数据分析方法的出现,遥感估产的精确性也得到了提高[4]。杨庆锋等[25]分析了小麦光谱特征与干物质积累量的相关关系,说明通过遥感手段监测冬小麦的群体质量是可行的,该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。樊科研等[26]以A S DF ieldSpec光谱仪实测大田中不同生育期加工番茄的冠层高光谱及其产量,采用单时相线性逐步回归和复合回归,首次建立了加工番茄高光谱与产量的估算模型,对加工番茄的产量进行了遥感估测。

2.5 估算光能利用率和蒸散量 理论和实验都证明植物冠层的光合有效辐射与反射率有联系[4]。高光谱遥感所得的APAR(光合有效辐射)比LA I(叶面积指数)能更可靠地估计作物生物量,因为作物的光合作用过程直接把APAR能量转换成干物质,因此AP AR是作物初级生产力的一个较好的指标。张良培等[23]通过分析光合背景物质土壤光谱信号的特点,认为利用对光谱信号一阶导数的运算就能对混合光谱中的土壤信号进行压缩,由此计算AP AR(在波长726.3nm处)能更客观地反映实际。H all等[27]基于反射率曲线的二阶导数与光合有效辐射AP AR的相关关系,对陆地植被的AP AR进行了估计。研究表明,可直接反演二向反射模型,用卫星和地面测量的光谱数据估算叶子的生物物理参数LA I和FAP AR(Kuusk,Patrice&Bichero n)。

2.6 作物品质遥感监测预报 中国对优质农作物有巨大需求,部分优质农作物产品供不应求或依赖进口。通过监测作物生长过程而进行调优栽培,优化作物分类收获、分级收购加工体制,提高作物品质监控水平是保证作物品质的重要组成部分[28]。遥感技术的发展为作物品质信息的监测和预报提供了快捷、低廉、无损检测的手段。近期研究重点是区域性的遥感模型与农学模型链接,农作物品质遥感-农学监测复合模型研制。综合考虑土壤因子、气象因子等,通过监测作物干旱、过量施氮、病虫害、倒伏等作物品质的限制性因子,监测作物的生长和营养状况,链接遥感数据和作物模型,利用光学、热红外、雷达数据相互补充,充分考虑遥感数据和非遥感数据结合,有望建成实用化和商业化的作物品质监测预报系统,以指导作物分类收获,分级收购、加工或贮藏;对农作物产品实现优质优价,为粮食期货和参与国际粮食贸易提供决策信息,大大缩短粮食加工企业的检测化验时间并降低成本。在现阶段采用 遥感粗分级筛选+实验室精测试可能成为定单农业中质量控制和降低成本的重要模式,受到粮食收购、加工等部门和企业用户的重视和期待[28]。

3 高光谱遥感应用展望

当前中美等国将陆续发射一系列的对地观测卫星,构成传感器网,从可见光、近红外、热红外到微波等波段对地球进行全天时、全天候观测。不久的将来,遥感数据源将更丰富。遥感定量化研究近年来发展迅速,从传感器的校正、标定到大气校正,从植被的二向反射至多角度遥感,提高了数据源精度。随着定量遥感的发展、遥感数据源的丰富,在已有的研究基础上,加强机理研究是必然趋势[28]。

作为对地观测高新技术发展起来的高光谱遥感,已经成为3S技术的重要组成部分,可以应用于土地资源调查、农作物生长监测、土壤等环境条件对农作物生长影响的监控、病虫害监测与评估、估产等许多方面。但对高光谱遥感数据的分析方法限制了其在某些方面的应用,所以高光谱遥感信息的提取及解译还需要进一步提高,为应用领域的扩展提供理论基础。

目前,在农业方面地面遥感已经取得了比较全面的进展,但由地面光谱向高空的反演仍处于探索阶段。高光谱遥感技术的发展为多平台遥感相结合的实现提供可

25

5期 王为:高光谱遥感技术的发展及其在农业上的应用

能,随着星-机-地一体化技术的发展,可以通过卫星遥感数据更为准确地获取田间作物高光谱信息,结合GPS、G I S等信息技术指导农业生产实践。高光谱遥感在农业上的应用是遥感技术在农业上研究发展进程的重要阶段,我国应该加快研究步伐,从而缩短与世界先进国家的差距,利用新的科学技术尤其是高光谱遥感这类技术更好的发展我国农业。

参考文献:

[1]梅安新,彭望琭.遥感导论[M].北京:高等教育出版社,2001.

[2]杨哲海,韩建峰,宫大鹏,等.高光谱遥感技术的发展与应用

[J].海洋测绘,2003,23(6):55~58.

[3]袁迎辉,林子瑜.高光谱遥感技术综述[J].中国水运,2007,7

(8):156~157.

[4]浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版

社,2000.2~9.

[5]王人潮,史舟等.农业信息科学与农业信息技术[M].北京:中

国农业出版社,2003.26~30.

[6]童庆禧,郑兰芬.湿地植被成像光谱遥感研究[J].遥感学报,

1997,1(1):50~57.

[7]刘海启.美国农业遥感技术应用现状简介[J].国土资源遥感,

1997,19(4):62~65.

[8]蒲瑞良,宫鹏.森林生物化学与CASI高光谱分辨率遥感数据

的相关分析[J].遥感学报,1997,1(2):115~123.

[9]吴长山,项月琴,郑兰芬,等.利用高光谱数据对作物群体叶

绿素密度估算的研究[J].遥感学报,2000,4(3):228~232. [10]吴长山,童庆禧,郑兰芬,等.水稻、玉米的光谱数据与叶绿素

的相关分析[J].应用基础与工程科学学报,2000,8(1):31

~36.

[11]王珂,沈掌泉.不同钾素营养水平的水稻冠层和叶片光谱特

征研究初报[J].科技通报,1997,13(4):211~214.

[12]Co m pt on J.Tucker.R e m ot e Sensi ng o f Leaf W ater Content i n

t he N ear Infrared[J].Re m ote Sensi ng of Env i ron m en,t1980,

10:23~32.

[13]牛铮.叶片化学组分成像光谱遥感探测机理分析[J].遥感学

报,2000,4(2):125~129.

[14]王延颐,高庆芳.稻田光谱与水稻长势及产量结构要素关系

的研究[J].国土资源学报,1996,(1):51~55.[15]A l_Abbas,Barr R A H,H a11SD,et al.Spectra o fN or m al and

Nu-trient defi c i entM ai ze Leaves[J].A grono m y Journa,l1974,

66:16~20.

[16]T racyM B l ack m er,Jam es-SS,Gary-Ev,et a.l N itrogen De

ficiency Detecti on U si ng Refl ected Short-wave Radi ati on fro m Irri gated Corn Canopies[J].Agrono m y Journa,l1996,88:1~5.

[17]T racy M Black m er,Ja m es S.Schepers,G ary E.U arve.l L i ght

R e-fl ectance Co m pared w it h O t her N itrogen Stress M easure m ents i n Corn Leaves[J].Agrono m y Journa,l1994,86:934 ~938.

[18]Fernandez-S,V i dal-D,Si m on-E,et a.l R adi o m etric Char

acter i stics ofT riti cu m aesti vu m cv.A stra l underW ater and N i trogen Stress[J].Internati onal Journal of Re m ote Sensi ng,1994,

16(9):1867~1884.

[19]J ohnson L F,H l avaka C A,Peterson D L,et a.l M ultivariate

Anal ysi s ofAV I RIS D at a f or Canopy B i oche m i cal Esti m ation a l ong t he Oregon T ransect[J].R e m ote Sensi ng of Environ m en,t

1994,47:216~230.

[20]冯伟,姚霞,田永超,等.基于高光谱遥感的小麦叶片糖氮比

监测[J].中国农业科学,2008,41(6):1630~1639.

[21]李德成,徐彬彬.模拟酸雨对水稻叶片反射光谱特性影响的

初步研究[J].环境遥感,1996,11(4):241~247.

[22]田国良.土壤中铬、铜伤害对水稻光谱特性的影响[J].环境

遥感,1998,3(1):140~149.

[23]张良培,郑兰芬.利用高光谱对生物量进行估计[J].遥感学

报,1997,1(2):111~114.

[24]申广荣,王人潮.植被高光谱遥感的应用研究综述[J].上海

交通大学学报(农业科学版),2001,19(4):315~321. [25]杨庆锋,王纪华,莫良玉.基于冠层反射光谱的冬小麦干物

质积累量的估测研究[J].安徽农业科学,2008,36(24):

10436~10438.

[26]樊科研,田丽萍,王进.基于冠层高光谱遥感对加工番茄产

量的估算模型[J].安徽农业科学,2008,36(10):4343 ~4345.

[27]程乘旗,马廷,王立明.用于植被冠层分析的高光谱波段的组

合方法研究[J].地理学与国土研究,2002,18(2):23~25. [28]王纪华,李存军,刘良云.作物品质遥感监测预报研究进展

[J].中国农业科学2008,41(9):2633~2640.

(上接第22页)

对热带作物木薯来说,试验所在地相对纬度较高,前期气温较低,一般要在4月上旬栽种;后期霜冻来得早,一般要在11月中旬收获,有效生长期缩短,对生育期较长的品种,由于生态条件的差异,其产量、品质优势可能尚未得到表现。参考文献:

[1]闫庆祥,叶剑秋李开绵,等.9个木薯新品种(系)引种试种适

应性研究初报[J].热带农业科学,2005,25(5):5~7.

[2]袁展汽,肖运萍,刘仁根,等,江西适宜种植能源作物的边际土

地资源分析及评价[J].江西农业学报,2008,20(1):92~94.

[3]袁展汽,肖运萍,刘仁根.江西发展能源作物木薯的可行性及

前景分析[J].江西农业学报,2008,20(4):93~94.

26江 西 农 业 学 报 21卷