農業(yè)光譜成像簡史

在田間使用無人機、衛(wèi)星和傳感器進行遙感已經徹底改變了世界各地的農業(yè)，使了解作物每天和每年發(fā)生的情況成為可能。

從 20 世紀 70 年代就出現了，是最常用的遙感指標。與可見紅色相比，無人機和衛(wèi)星捕捉到反射的近紅外光多多少——NDVI 指定一個介于 -1 和 1 之間的值。較高的值 (0–1) 表示活的綠色材料，較高的數字意味著較高的植物密度和健康。較低的值對應于非植物表面，例如土壤或水。無人機測繪軟件等行業(yè)工具將這些值轉換為易于理解的視覺圖像，使農場經營者能夠輕松區(qū)分裸土與草地或森林、估計生物量、檢測壓力下的植物以及區(qū)分農作物和作物階段。

高分辨率光譜學，包括多光譜和高光譜成像，是遙感領域的最新發(fā)展，增強了我們觀察的能力，從而解決了人眼不可見領域的問題。高光譜成像的獨特優(yōu)勢在于能夠通過分析植物和土壤在一系列窄光譜帶上的反射特性來表征植物和土壤的各種化學和生物特征。

高光譜成像可應用于各種行業(yè)，從礦物學、醫(yī)學成像到食品質量分析和農業(yè)。農業(yè)具有生物復雜性和生長條件、天氣、土壤和作物類型、作物品種等的巨大可變性，是高光譜成像技術的完美目標。

甘蔗品種，高光譜圖像

什么是高光譜成像?

高光譜成像是現有遙感數據中信息最豐富的來源之一。它可以捕獲整個、連續(xù)的顏色和光的電磁光譜，而不僅僅是人眼通?？梢姷募t、綠和藍光波段。高光譜成像最初是為軍事和太空用途而開發(fā)的，現在正被用于解決包括農業(yè)在內的無數商業(yè)機會。但是，這是有代價的。這些圖像是在大量窄帶上連續(xù)收集的，這使得數據比其他類型的多光譜數據更加龐大和復雜。巨大的數據量加上昂貴的硬件以及操作和數據處理的復雜性通常對高光譜數據處理和分析構成重大挑戰(zhàn)。

NASA 開發(fā)了用于軍事應用的高光譜成像技術，該技術主要由軍事和研究機構使用。今天，高光譜成像并沒有廣泛應用于商業(yè)領域，包括農業(yè)。

在連續(xù)光譜覆蓋的大量窄帶上收集的高光譜數據比多光譜數據龐大且復雜，給數據處理和分析帶來了重大挑戰(zhàn)。

高光譜成像相對于傳統(tǒng)圖像的優(yōu)勢

高光譜成像的獨特優(yōu)勢在于能夠通過分析植物和土壤在一系列窄光譜帶上的反射特性來表征植物和土壤的各種化學和生物特征。高光譜成像擴展了人類的視野，可以捕捉到農學家看不到的問題。

高光譜分辨率提供了更多的信息內容來描述被分析的對象。由于農業(yè)是一個生物復雜且最多樣化的環(huán)境，光譜學是表征生物復雜性和各種作物參數的有力工具。高光譜成像技術可以捕獲各種變化(品種、天氣、土壤類型)。高光譜成像的高光譜分辨率擴展了幾個可以使用光譜成像解決的潛在問題。

從理論上講，當解決特定問題所需的光譜帶已知時，可以開發(fā)多光譜相機。盡管如此，它仍然不能用于截然不同的地理、氣候條件、土壤條件。不可能事先知道具有少量波段選擇的特定多光譜相機是否會捕獲有關特定感興趣現象的相關信息。

sinespec(賽斯拜克)在高光譜成像中的獨特地位

sinespec(賽斯拜克)采用獨特的方法來解決這些問題，并使高光譜成像成為全球農業(yè)經營的一種經濟高效且易于使用的解決方案。

我們專有的輕型高光譜相機可以很容易地安裝到無人機、飛機和其他遙感設備上，以測量電磁波譜的可見光、近紅外光和紅外光部分——提供比以往任何時候都更深刻的關于植物和田地的洞察力。該高光譜相機專為農業(yè)設計高倍傳感器內數據壓縮可實現經濟上可行的農業(yè)應用。

HSI 數據處理——一個非常具有挑戰(zhàn)性的部分，由sinespec(賽斯拜克)通過將我們的硬件與數據處理軟件緊密集成來解決。該相機經過專門設計，可在與我們的分析軟件配合使用時有效地提供最大量的信息。HSI 數據處理包括多個步驟，包括大氣校正，以解釋太陽輻射與大氣的相互作用。

成像數據的解釋。此外，我們還開發(fā)了機器學習和計算機視覺算法，為我們的作物模型提供動力，并幫助它們有效地處理所攝取數據的復雜性。通過這種方式，我們可以針對不同作物條件帶來的各種挑戰(zhàn)提供可靠的分析和作物管理建議。

我們能夠交叉校準各種成像傳感器，包括可用的 RGB 和多光譜無人機以及星載成像數據源。重要的是，任何成像數據源的好壞取決于其校準。在大多數情況下，少量經過良好校準的波段優(yōu)于大量未校準的波段。

玉米品種，高光譜圖像

高光譜成像在農業(yè)中的潛在應用

作物營養(yǎng)和施肥，包括常量和微量元素(P、K、Mg、Mn、Cu、Mn、Zn)

早期疾病檢測和壓力(例如，柑橘綠化)

用于支持植物育種實驗的高通量表型分析的生物物理指標。生物物理特性分析(例如，LAI、生物量、產量、密度)

植物物種、植被類型及其基因型的光譜鑒別

生化特性分析(例如，花青素、類胡蘿卜素、葉綠素)

不同施肥方式的評估，高光譜圖像