仪器网首页 欢迎您: 请登录 免费注册 仪器双拼网址:www.yiqi.com
发求购 学知识 提问题 查标准 找商机 手机版
官方微信
天津中科谱光信息技术有限公司
主营产品:便携式光谱仪;“水色”水质光谱检测系统;“农色”农作物长势光谱监测系统等
公司新闻
 
当前位置:首页>公司新闻>利用高光谱技术进行植被状态监测

利用高光谱技术进行植被状态监测

发布:天津中科谱光信息技术有限公司
浏览次数:978

高光谱分辨率高,并具有波段多、信息量丰富的特点。其数据是3维图谱形式——空间信息、辐射信息和光谱维信息,其中光谱维的信息正是普通光学遥感所欠缺的。采用高光谱技术进行农业病虫害监测主要是利用其光谱维的相关信息对感染病虫害的农作物进行分析研究。农作物光谱维度方向的特征信息主要集中在作物叶片中生物化学成分的变化而形成的吸收波形处,通过对采集的作物光谱数据进行相关的处理分析,可以反映出作物内部物质的吸收波形变化,即作物的各种生化组分的吸收光谱信息[1-2]。

dscn1869_副本.jpg


作物受到病虫害感染后会呈现许多的症状,诸如卷叶、叶片枯萎、作物矮小、叶片大面积凋落以及影响作物的正常光合作用等[3],而这些特征的出现也会导致感染病虫害的农作物光谱特征的改变。一般健康的植物其光谱曲线总是呈现明显的“峰和谷”特征[4-5],当作物发生病虫害时,其光谱特征会出现在可见光区域的反射率明显上升,而在近红外区域其反射率明显下降的现象。基于此种变化也使得应用高光谱实施作物病虫害监测成为可能。

DSC00611.jpg


为了研究作物吸收反射光谱的特征,通常情况下是通过提取作物光谱的一些特征参数,达到增强有用信息而YZ无用信息的目的,并以这些参数来鉴别目标物的各组分及模拟、反演它的生物物理、化学参数进行病虫害的监测。

目前国内外常用的光谱变换及特征提取参数的方法主要有原始光谱的导数变换及对数变换、光谱位置和面积的特征参数提取、光谱吸收特征参数提取、基于连续同去除的特征参数提取4种方法。


#01导数变换及对数变换

导数变换是最常用的高光谱变换形式之一,通过导数变换可以减弱或消除背景及大气散射的影响,并提高不同吸收特征的对比度。在实际分析处理过程中,鉴于实际光谱数据的离散型,导数变换一般是用差分方法来进行近似计算[6]。

一阶导数可以部分消除线性和二次型背景噪声光谱;二阶导数光谱可以完全消除线性噪声光谱影响,能基本消除二次型背景噪声光谱。

对数变换一般是对原始光谱反射率ρ直接求对数lgρ或求ρ倒数的对数lg(1/ρ),原始光谱经lg(1/ρ)变换可以反映作物的吸收特征,称为伪吸收数。由于在可见光区域一般植被原始光谱反射率值较低,经对数变换之后,不仅可以增强可见光区域的光谱差异,而且还能减少因光照条件变化引起的乘性因素影响。通常情况下,对数变换可以和导数变化一起使用,可以同时达到增强某些特定的光谱信息而消除背景噪声的作用。

黄敬峰等[7]对健康水稻和受病虫害胁迫的水稻进行一阶导数光谱和二阶导数光谱分析研究,以期获得不同数据形式的光谱敏感区域和敏感波段。研究表明,蓝光450~515nm、绿光550~590nm、红光650~690nm和近红外725~790nm一阶导数光谱对病虫害胁迫敏感,其中以750nm为ZX的近红外区域一阶倒数光谱变异ZD;对于二阶导数而言,在530、550、670、730nm等4个吸收特征区域内,CRSSDR在各个区域内的变异较小,受害水稻叶片原始光谱二阶导数的光谱在710~750nm极小值远小于健康叶片。

导数变换及对数变换能较好消除土壤低频背景噪声,提高应用高光谱技术实施作物病虫害监测的精度。如果能够建立感染病虫害的农作物与其对应生理参数的模型,将会更有助于高光谱遥感技术应用于农作物病虫害研究中的定量化发展。


#02基于光谱位置和面积的特征参数

在导数变换的基础上,可以提取基于光谱位置和面积的特征参数,其中基于光谱位置的参数主要包括“红边”、“蓝边”、“黄边”(称为“三边”),是指在一定光谱区域内ZD一阶导数值所在波长位置相应的“边”位置,区域内所有波段的一阶导数值的综合即为相应的面积。

“红边”现象是绿色植被区别于其他地物最明显的光谱特征,在岩石、土壤和大部分植物凋落物中不存在“红边”现象,而且“红边”位置变化区域正好位于太阳高照度区。因此,“红边”是绿色植物的可诊断性特征,在高光谱分析中可以通过“红边”来减弱或消除混合背景的影响[8-10]。

“黄边”和“蓝边”也是绿色作物的光谱特征之一,“黄边”的覆盖范围为560~640nm,是绿光向红光的过渡区,“蓝边”的覆盖范围为490~530nm,是蓝光向绿光的过渡区。参照红边参数的算法,可以提取相应的“黄边”和“蓝边”参数。

红边参数包括红边幅值、红边位置、红边面积、红谷反射率、红边宽度等,相应地,蓝/黄边参数包括蓝/黄边幅值、蓝/黄边位置、蓝/黄边面积等。

黄木易等[11-12]采用红边参量分析了小麦条锈病的冠层光谱特征,并对各模型进行均方根误差检验,研究结果表明:红边参量的最小振幅、红边振幅与最小振幅比值模型的决定系数达0.8以上,均方根在0.10~0.13之间,与冬小麦条锈病病情指数有较好的关系,可采用这些光谱参数建立相应的模型来对冬小麦条锈病进行,通过研究发现条锈病冬小麦发生了红边蓝移现象,550~750nm处的特征吸收峰的深度、面积与单叶严重度呈显著负相关。

基于光谱位置和面积的特征参数方法主要是通过野外采集的感染病虫害农作物光谱曲线进行分析研究,但是该方法不能对感染病虫害的农作物的全部波段信息进行分析研究,在对病虫害进行快速识别的过程中可能会导致“同谱异物”等情况的发生。


#03基于连续统去除的特征参数

连续统去除法就是用实际光谱波段值除以连续统上相应波段值,该方法矫正了由于波段依赖而引起的波段反射率极值点的漂移,即连续统去除将波段极值点校正到其真正的波段位置[13]。通过连续统去除法归一化,光谱“峰”值点上反射率相对值均为1,而非“峰”值点反射率均小于1。这样可以将光谱统一到[0,1]之间,数据间就具备了可比性;因为连续统去除之后的光谱反射率相对值,可以反映不同变换方式的光谱在吸收特征区间[0,1]之间所携带的信息量差异,通过这些信息量的差异可以判断农作物受病害感染的敏感波段。

刘占宇等[14-15]对健康叶片和受倒杆线虫危害的水稻叶片采用连续统去除法进行不同变换形式光谱特征选择研究,对水稻原始光谱进行连续统去除处理后,其原始光谱CRRS在以470、670、1200nm为ZX的3个光谱吸收特征区域中,变异ZD的是以670nm为ZX的区域位置,变异最小的是以1200nm为ZX的区域;由此可以认为对原始光谱CRRS而言,对病虫害较为敏感的光谱特征区域为蓝光430~530nm波段以及绿光-近红外的550~730nm波段。对水稻对数光谱进行连续统去除处理后,在以550nm和740nm为ZX的3个光谱吸收特征区域中对对数光谱CRLS进行连续统去除后,变异ZD的是以740nm为ZX的区域位置;即表明对数光谱CRLS而言,对病虫害较为敏感的光谱特征区域为蓝光-红光480~670nm波段以及红光-近红外680~960nm波段。

目前基于统去除法进行的农作物病虫害监测主要还是侧重于应用光谱仪野外采集光谱数据,随后将采集的光谱数据在实验室进行相应的特征变换信息提取操作,对比正常叶片与感染病虫害叶片的光谱特征差异进行病虫害研究分析,随着卫星遥感技术的不断发展,要实现从高光谱卫星影像中快速、准确提取相应的病虫害光谱特征信息,就需要针对特定的农作物病虫害光谱特征曲线建立光谱特征数据库。


#04光谱指数

光谱指数即光谱特征数据经过一系列的线性和非线性组合之后构成的对目标地物有指示作用的数学模型。光谱指数能够增强感兴趣的目标地物的相关信息,减弱诸如太阳高度角、大气环境影响等因素对原始数据带来的误差,从而提高对目标地物的信息提取精度。

当农作物受到病虫害感染后,其物理和化学状态会发现某些变化,而利用光谱指数可以提取农作物相应的变化参数。

黄木易等[16]查找相关文献进行比对研究了冬小麦条锈病光谱,利用相关性最 好的666nm和相关性最弱的758nm波段组合设计了SAI(Spectral angle index),并在此基础上建立条锈病胁迫指数SRSI(stripe rust stressed index)反演冬小麦条锈病的发生情况。乔红波[17]于2003-2004年间,对北京、郑州地区受麦蚜、白 粉病危害的不同生育期冬小麦采用便携式光谱仪进行的光谱特征分析,并且将小麦归一化植被指数NDVI与冬小麦受麦蚜、白 粉病危害程度进行了相关回归性分析,结果表明归一化植被指数与小麦受麦蚜、白 粉病危害呈现显著相关,该项研究也为采用航空航天遥感卫星监测大面积的冬小麦受麦蚜、白 粉病危害情况提供了一定的理论依据。

从以上研究中可以看出,目前为止,针对农作物病虫害监测已经构建了较多的病虫害监测植被指数。如果作物同时受到多种病虫害的感染,而且一旦受到季节环境等因素的限制,其模型的反演将会变得更为复杂。


#05中科谱光“农色”农作物长势光谱监测系统

“农色”农作物长势光谱监测系统是一款基于光谱分析技术的、可在野外快速进行农业生物量和农作物长势检测的智能系统。“农色”能够对农作物的生长状况进行连续、快速的现场检测,为农事操作提供实时信息,为农作物生长特性研究提供了全新的技术手段,有利于智能化JZ农业的发展。

30dd486d9446209fb3717e952e43fb1.pngf16be82b1b128e38ab916cd4f9f7032.png

便携式农作物监测仪 HS-C-P (400-1000)


“农色”主要技术指标

2c551d37f49a1fe96de695b1ddca779.png


“农色”APP

9001e7e86ccfc49c113b890423e37f8.png


“农色”农作物长势光谱监测系统是面向农作物种植的病害虫害智能识别和长势在线监测系统,具备庞大的农作物图谱大数据库,具备农作物长势状况光谱在线诊断、农作物水肥状态JZ诊断、病虫害智能识别和监测数据云平台共享等功能。该系统可根据用户需求进行定制,满足用户的多样化需求,能够实现农户与消费者之间的快速信息交互。



文章参考内容来源于网络及发表文献及图书,部分参考文献陈列于文章末尾,其余内容如有侵权,请及时联系我们予以删除。

参考文献

[1]申广荣,王人潮.植被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.

[2]HartmutK,Lichtenthaler,FatbardhaB.Detectionofphotosyntheticactivityandwaterstressbyimagingtheredchlorophyllfluorescence[J].PlantPhysiolBio-chem,2000,38:889-895.

[3]AggarwalPK,KalraN,ChanderS,etal.Infocropagenericsimulationmodelforassessmentofcropyields,lossesduetopestsandenvironmentalimpactofagro-ecosystemsintropicalenvironments1modeldescription[J].AgriculturalSystems,2006,89:1-25.

[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,2000:52-96.

[5]杨可明,郭达志.植被高光谱特征分析及其病害信息提取研究[J].地理与地理信息科学,2006,22(4):31-34.

[6] Tsai F, Philpot W, Derivative analysis of hyperspectral data [J]. Remote Sensing of Environment,1998,66:41-51.

[7] 黄敬峰,王福明,王秀珍.水稻高光谱实验研究[M].杭州:浙江大学出版社,2010:166-169.

[8] Bach H, Mauser W. Improvements of plant parament estimationswith hyperspectral data compared to multis-pectral data[J]. SPIE,1997,29:59-67.

[9] Curran P J, Windham W R, Gholz H L. Exploring the relationship between reflectance red edge and chlorophyll content in slash pine leaves[J]. Three Physiology,1995,15(2):203-206.

[10] Giteson A A, Merzlyak M N. Signature analysis of leaf reflectance spectra: algorithm development for remote sensing of chlorophyll[J]. Journal of Plant Physiology,1996,148:494-500.

[11] 黄木易.冬小麦条锈病害的高光谱遥感监测[D].合肥:安徽农业大学,2004.

[12] 黄木易,黄文江,刘良云,等.冬小麦条锈病单叶光谱特性及严重度反演[J].农业工程学报,2004,20(1):176-180.

[13] Clevers R N. Roush T L. Reflectance spectroscopy: quantitative analysis techniques for remote sensing application. Journal of Geophysical Research,1984,89(27):6329-6340.

[14] 刘占宇.水稻高光谱病虫害胁迫遥感监测研究[D].杭州:浙江大学,2008.

[15] 刘占宇,黄敬峰,董永平,等.天然草地地上生物量的高光谱遥感估算模型[J].农业工程学报,2006,22(2):111-115.

[16] 黄木易,王纪华,黄义德,等.高光谱遥感监测冬小麦条锈病的研究进展(综述)[J].安徽农业大学学报,2004,31(1):119-122.

[17] 乔红波.麦蚜、白 粉病危害后冬小麦冠层高光谱的测量与分析[D].北京:ZG农业科学院,2004.


2021-05-31
认证会员 第 5 年

天津中科谱光信息技术有限公司

认证:工商信息已核实
仪企号 
天津中科谱光信息技术有限公司
友情链接 
手机版 
天津中科谱光信息技术有限公司手机站
开启全新的世界
m.yiqi.com/zt73187/
官方微信

仪器网微信服务号

扫码获取最新信息


仪器网官方订阅号

扫码获取最新信息

在线客服

咨询客服

在线客服
工作日:  9:00-18:00
联系客服 企业专属客服
电话客服:  400-822-6768
工作日:  9:00-18:00
订阅商机

仪采招微信公众号

采购信息一键获取海量商机轻松掌控