多光譜儀、高光譜在糧食作物信息內容確認上的運用科學研究
農業科技包括信息內容獲得、信息化管理和管理決策及自變量工作3個一部分，在其中怎樣便捷、迅速、精確、靠譜地獲得農作物信息內容，早已變成執行農牧業為重要的難題。營養物質生理學指標值做為農作物內部指標值，與農作物生長發育的情況及其生產量息息相關。如氮、磷、鉀、鋅等營養元素與作物生長狀態密切相關，缺少任何一種元素都可能會引起植物的不正常生長;而氮、葉綠素含量、冠層主要參數等指標值與農作物的生產量有關，能夠 做為農作物生產量預計指標值;當農作物遭受自然環境威逼時，其生理學信息內容和外界形狀都是產生更改，如遭受病害浸染時，農作物會做出現象造成酶及其一些物質。
因此，作物當中一些特定的酶含量、氨基酸含量、蛋白含量的變化反映了作物在逆境中的狀況，可以作為作物逆境脅迫響應指標。目前隨著光譜傳感技術和圖像處理分析技術的日益發展,無人機與光譜軟硬件的結合也越發純熟。在農業、林業、資源、生態、環境保護等領域都得到了廣泛應用。
作物的光譜特征是環境因子(生物因子和非生物因子)影響的結果。利用光譜和成像技術快速、無損地獲取作物的養分生理信息，間接預估作物的產量以及監測作物長勢與逆境脅迫響應，有助于實現農業化、數字化、信息化以及智能化管理作業。光譜成像技術將光譜分析技術和成像技術結合起來，它既能獲取樣本的光譜信息也能獲取空間信息，并且能同時獲取樣本的物理特性和化學特性。光譜圖像通常是三維(3D)的，由二維的空間信息和一維的光譜信息組成。根據波段的多少，光譜成像技術可以分為多光譜成像技術和高光譜成像技術。通常來說，高光譜成像技術獲取的圖像由大量連續的波段(幾十個或幾百個)組成，而多光譜成像技術的圖像由一系列離散的波段(一般少于10個)組成。高光譜圖像的光譜分辨率更高，能夠更好地獲取樣本的信息，對于監測作物信息精度更高。然而，由于高光譜圖像通常攜帶有大量的信息，因此需要對數據進行降維，去除冗余信息。高光譜成像技術也有它的局限性，如成本高，處理速度慢等。因此，高光譜成像技術主要用于基礎研究。相比高光譜成像技術，多光譜成像技術更適合田間的大面積監測。植被指數是一類具有一定生化意義的不同波段光譜值的組合，通常有比值植被指數、線性組合植被指數、修正植被指數、差值植被指數等。不同波段組合的植被指數對于不同指標預測效果不同。在農業上，基于光譜技術檢測作物生理指數的波段范圍一般在400～2 500 nm之間，涉及到色素(葉綠素、類胡蘿卜素等)、氮、水分等吸收和葉片細胞的內部結構。在400～740 nm 可見光波段，葉綠素在480、650、670～680、740 nm 處有吸收峰，類胡蘿卜素在 420、425、440、450、470、480 nm均有吸收峰，葉黃素在 425、445、475 nm 有吸收峰。而在 740～1 300 nm 近紅外波段由于健康的葉肉細胞反射作用，其反射率急劇升高;作物水分的吸收峰主要集中在970、1 450、1 944 nm 處。因此當作物受到脅迫作用時，相應的氮、色素、酶等發生變化，通過應用各種植被指數監測這些生理指標變化，可判斷作物脅迫情況、生長狀況以及產量情況。然而，多光譜只有區區幾個波段，雖然能構建一些植被指數，但是構建的植被指數未必能反映作物的生理生化信息及長勢狀態。高光譜則不同，其數百上千個波段信息，即使同一植被指數，也能有成千上萬種組合，而這么多種組合以及這么多的植被指數，總能找到適合監測作物的生理生化信息及長勢狀態的敏感指數。
圖1 無人機高光譜影像下作物長勢分布圖氮和葉綠素類含量是作物重要的養分指標，與作物產量密切相關。
基于光譜和成像技術作物養分信息的獲取根據是否直接利用光譜信息可分為基于直接光譜信息作物養分信息快速獲取(如逐步多元回歸、偏小二乘、權重系數、支持向量機等)和基于植被指數作物養分信息快速獲取。基于直接光譜信息作物養分獲取即通過原始光譜處理建模檢測作物養分信息，而基于植被指數的養分檢測是通過建立植被指數與養分的模型進行分析。
圖2 無人機高光譜影像作物葉綠素a分布
圖3 無人機高光譜影像作物氮素分布通過光譜和成像技術對作物水分脅迫信息進行快速獲取，有利于作物肥水管理的化控制。
研究者應用了多光譜成像技術和高光譜技術研究水分脅迫下油菜葉片的含水率。基于高光譜建立的模型預測結果優于基于多光譜成像建立的模型。
圖4 WBI 指數變化(WBI 值越大，植物含水量越高，越利于植物生長)早期作物病蟲害診斷對科學防治病蟲害，保證作物產量具有重要意義。
目前，病蟲害診斷可分為直接方法和間接方法。直接方向主要是以化學分析方法為主，包含聚合酶鏈反應、DNA 陣列等方法。而間接方法主要是以電子鼻、光譜儀等為主的傳感器技術。光譜和成像技術是一種病蟲害診斷的快速、無損、有效檢測技術。當作物受到病蟲害脅迫時，作物內部的生理指標以及外部形態均會發生變化，在光譜和成像技術上以光譜響應與紋理、顏色等特征呈現。因此，光譜和成像技術通過分析某一波段或者多個波段光譜以及作物圖像信息對作物病蟲害脅迫作出診斷。此外，用于診斷病蟲害的植被指數主要有歸一化植被指數、綠色歸一化植被指數、比值植被指數、光化學反射、葉片水分植被指數1、水分指數、水分波段指數等。
圖5 病害脅迫，越黃發病越嚴重，越綠發病越輕1)基于光譜成像技術作物指標檢測模型的穩健性、傳遞性不高。
由于受到作物生理因素(品種、生長階段等)、環境因素(光照、土壤、溫度、降水等)、檢測參數、田間管理因素(灌溉、施肥等)、指標之間互相干擾等因素影響，作物指標模型很難涵蓋適用所有情況。2)針對作物脅迫水平的診斷仍存在問題。由于作物病蟲害、雜草、水分等脅迫沒有統一的評價指標，很難建立定量診斷模型。糧食作物生理學信息內容的認知和獲得，早已在農業、管理決策和農作物生長發育情況的檢驗中充分發揮了關鍵的功效，已變成農牧業和農業信息化發展趨勢的關鍵內容。在農牧業中，迅速高質量地獲得糧食作物營養物質生理學信息內容(氮、葉綠素類、蛋白質類、酶類等)仍是農業的管理方法和工作科學研究的重中之重和難題，有關方式和技術性的提升，對保持農牧業的化、智能化、信息化管理和智能化系統管理方法和工作具備關鍵實際意義。
