|
|
早在20世纪60年代人造卫星围绕地球获取地球的图片资料是,成像就已经成为研究地球的有力工具。在传统的成像技术中,人们就知道黑白图像的灰度级别代表了光学特性的差异因而可用于辨别不同的材料,在此基础上,成像技术有了更高的发展,对地球成像时,选择一些颜色的滤波片成像对于提高特殊农作物、研究大气、海洋,土壤等辨别能力大有益处。这就是最早的多光谱成像技术。
物体的颜色决定于物体表面反射出来的光谱,也决定于物体本身对可见光光谱范围内电磁波的反射率。传统的成像设备诸如数码相机、扫描仪进行色彩图像的采集。但是通过这样的方式得到物体光谱反射率的方法存在同色异谱的问题,但是在多光谱成像系统中却不出现此问题,于是光纤激光器诞生。
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有了很大发展,同时取得了巨大的经济和社会效益。高光谱成像技术的发展为遥感信息定量应用开辟了新的领域,并逐渐成为新兴的精准农业最重要的技术手段之一。本文综述了遥感监测技术在水稻、小麦、大豆、玉米等作物上的应用情况,以期为精确农业生产提供借鉴与参考。
农作物高光谱遥感识别和分类
农作物遥感识别是遥感技术在农业领域应用的重要内容,也是资源遥感的重要组成部分。植被光谱不仅具有高度相似性和空间变异性,而且具有时间动态性强等特点。不同植被的光谱随时间的变化规律也具有明显的区别,因此充分发挥高光谱遥感的独特性能,特别是其在区分地表细微差别方面的优势,同时结合植被的时间动态特征,将大大提高土地覆盖类型的识别与分类精度。
研究结果表明,高光谱成像技术能有效地对作物进行分类和识别,且分类精度较高,这对于光纤激光器大比例尺度研究地表作物覆盖、入侵植物监测等提取更加细致的信息提供了有力保障。
光谱成像遥感监测作物叶面积指数、生物量和叶绿素含量
叶面积指数(LAI)通常是指单位面积土地上所有叶片表面积的总和,或单位面积上植物叶片的垂直投影面积总和。它是生态系统的一个重要结构参数,可用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应,为植物冠层表面物质和能量交换的描述提供结构化的定量信息。叶面积指数与生物量(干重、鲜重)和叶绿素是衡量作物生长状况的重要指标。如何利用遥感技术实时监测植株叶面积、生物量和叶绿素,对于作物的管理调控及估产具有重要意义。
采用单变量线性与非线性拟合模型和逐步回归分析,建立水稻LAI的高光谱遥感估算模型,在光谱成像变量与LAI之间的拟合分析中,蓝边内一阶微分的总和与红边内一阶微分总和的比值和归一化差植被指数是最佳变量。根据测定的不同品种类型、不同株型、不同发育期的春玉米叶片及其他器官、不同叶位叶片及叶片不同部位的高光谱反射率和叶片叶绿素、类胡萝卜素含量,提出叶片叶绿素和类胡萝卜素浓度与光谱植被指数R800/R550、R673/R640、PSSRa、PSNDa、RCh、CARI、λred、Dλred和Sred极显著相关。对早播稻、晚播稻和玉米的多时相群体光谱成像 数据和相应的叶片叶绿素密度测量数据进行了相关性分析,结果表明早播稻、晚播稻和玉米的群体光谱反射率数据及其导数光谱数据与叶绿素密度具有很好的相关性。通过获取水稻生育期的光谱反射率数据,对光谱数据和实际测量值进行了相关性分析,发现水稻叶片叶绿素浓度与其光谱反射率具有相关性,且在450~680nm和750~770nm光谱区内相关性较好,在686nm处两者的相关性最高;水稻叶片的“红边”拐点位置波长与其叶绿素浓度具有很强的相关性(复相关系数为0.88)。通过利用多元回归方法分析了水稻多时相的可见光、近红外和中红外光谱与叶面积指数、干生物量及产量的关系,并研究了水稻冠层的可见光、近红外和中红外反射光谱,进而评价水稻的缺水情况,结果表明,其一阶导数光谱在960nm处与水稻冠层水分指数具有很高的相关性,可用于指导灌溉作业。
氮、磷、钾等元素的缺乏可导致小麦叶绿素含量降低和可见光(400~700nm)及近红外波段(700~1100nm)光谱反射率增加。光纤激光器通过研究了不同供氮水平下2个水稻品种冠层、主茎叶片在不同发育期的高光谱反射率及对应的叶绿素、类胡萝卜素含量,结果表明,不同供氮水平的水稻冠层和叶片光谱差异明显,其光谱反射率随供氮水平的提高在可见光范围内降低,在近红外区域增高。小麦叶片氮积累与冠层高光谱参数也存在定量关系,研究表明,冠层叶片氮积累量随着施氮水平的提高而增加,光谱反射率在不同叶片氮积累水平下发生相应变化。580~710nm和750~950nm波段可作为检测水稻钾营养水平的冠层光谱敏感波段。对于不同水分胁迫下冬小麦的高光谱反射率和红边参数测量表明,不同水分处理下冬小麦高光谱反射率具有绿色植物特征。研究发现,可见光、近红外区域受背景影响较小,而短波近红外区域受背景影响较大。 |
|