精準農(nóng)業(yè)技術(shù)包含信息獲取、信息管理和決策及變量作業(yè)3個部分，其中如何方便、快速、準確、可靠地獲取作物信息，已經(jīng)成為實施精準農(nóng)業(yè)關(guān)鍵的問題。養(yǎng)分生理指標作為作物內(nèi)部指標，與作物生長的狀態(tài)以及產(chǎn)量密切相關(guān)。如氮、磷、鉀、鋅等營養(yǎng)元素與作物生長狀態(tài)密切相關(guān)，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、冠層參數(shù)等指標與作物的產(chǎn)量相關(guān)，可以作為作物產(chǎn)量預(yù)估指標;當作物受到環(huán)境脅迫時，其生理信息和外部形態(tài)都會發(fā)生改變，如受到病蟲害侵染時，作物會作出應(yīng)激反應(yīng)產(chǎn)生酶以及某些產(chǎn)物。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(yīng)指標。目前隨著光譜傳感技術(shù)和圖像處理分析技術(shù)的日益發(fā)展,無人機與光譜軟硬件的結(jié)合也越發(fā)純熟。在農(nóng)業(yè)、林業(yè)、資源、生態(tài)、環(huán)境保護等領(lǐng)域都得到了廣泛應(yīng)用。

作物的光譜特征是環(huán)境因子(生物因子和非生物因子)影響的結(jié)果。利用光譜和成像技術(shù)快速、無損地獲取作物的養(yǎng)分生理信息，間接預(yù)估作物的產(chǎn)量以及監(jiān)測作物長勢與逆境脅迫響應(yīng)，有助于實現(xiàn)農(nóng)業(yè)精準化、數(shù)字化、信息化以及智能化管理作業(yè)。光譜成像技術(shù)將光譜分析技術(shù)和成像技術(shù)結(jié)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(xué)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(jù)波段的多少，光譜成像技術(shù)可以分為多光譜成像技術(shù)和高光譜成像技術(shù)。通常來說，高光譜成像技術(shù)獲取的圖像由大量連續(xù)的波段(幾十個或幾百個)組成，而多光譜成像技術(shù)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(jiān)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(shù)據(jù)進行降維，去除冗余信息。高光譜成像技術(shù)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(shù)主要用于基礎(chǔ)研究。相比高光譜成像技術(shù)，多光譜成像技術(shù)更適合田間的大面積監(jiān)測。

1 水分脅迫監(jiān)測

通過光譜和成像技術(shù)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精準化控制。研究者張曉東等應(yīng)用了多光譜成像技術(shù)和高光譜技術(shù)研究水分脅迫下油菜葉片的含水率?；诟吖庾V建立的模型預(yù)測結(jié)果優(yōu)于基于多光譜成像建立的模型。

圖1 WBI 指數(shù)變化(WBI 值越大，植物含水量越高，越利于植物生長)

2 病害脅迫監(jiān)測

早期作物病蟲害診斷對科學(xué)防治病蟲害，保證作物產(chǎn)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(xué)分析方法為主，包含聚合酶鏈反應(yīng)、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(shù)。光譜和成像技術(shù)是一種病蟲害診斷的快速、無損、有效檢測技術(shù)。當作物受到病蟲害脅迫時，作物內(nèi)部的生理指標以及外部形態(tài)均會發(fā)生變化，在光譜和成像技術(shù)上以光譜響應(yīng)與紋理、顏色等特征呈現(xiàn)。因此，光譜和成像技術(shù)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(shù)主要有歸一化植被指數(shù)、綠色歸一化植被指數(shù)、比值植被指數(shù)、光化學(xué)反射、葉片水分植被指數(shù)1、水分指數(shù)、水分波段指數(shù)等。

圖2 病害脅迫，越黃發(fā)病越嚴重，越綠發(fā)病越輕

綜述

盡管多光譜、高光譜技術(shù)已經(jīng)成為精準農(nóng)業(yè)信息獲取中關(guān)鍵技術(shù)，然而仍存在一些問題。

1)基于光譜成像技術(shù)作物指標檢測模型的穩(wěn)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(huán)境因素(光照、土壤、溫度、降水等)、檢測參數(shù)、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(tǒng)一的評價指標，很難建立定量診斷模型。

農(nóng)作物生理信息的感知和獲取，已經(jīng)在農(nóng)業(yè)生產(chǎn)、決策和作物生長狀態(tài)的檢測中發(fā)揮了重要的作用，已成為精準農(nóng)業(yè)和農(nóng)業(yè)信息化發(fā)展的重要內(nèi)容。在精準農(nóng)業(yè)中，快速無損地獲取農(nóng)作物養(yǎng)分生理信息(氮、葉綠素類、蛋白類、酶類等)仍是農(nóng)業(yè)生產(chǎn)的精準管理和作業(yè)研究的重點和難點，相關(guān)方法和技術(shù)的突破，對實現(xiàn)農(nóng)業(yè)的精準化、數(shù)字化、信息化和智能化管理和作業(yè)具有重要意義。

責任編輯：gt