麦姆斯咨询报道，近期，伊利诺伊大学厄巴纳-香槟分校（University of Illinois at Urbana-Champaign，以下简称：UIUC）一项研究表明，其开发的基于机器学习和辐射传输模型的机载高光谱成像传感器，可以提供更高的光谱和空间分辨率，有望进一步为农业生产发挥重要价值。

近年来，农业现代化水平不断提升，但由于担心农作物产量低而导致的过度施肥，仍在持续不断地对环境造成破坏。

肥料中过量的氮会进入地下水，并最终作为温室气体的组成部分进入大气中，对环境造成影响。因此迫切需要一种可以对农作物中氮成分进行实时、无损和高空间分辨率的监测方法。

目前，UIUC的一项研究成果展示了一种通过机载高光谱成像技术来实现这一目标的方法，该技术将对农业生产发挥巨大价值。

该研究成果已发表于International Journal of Applied Earth Observation and Geoinformation期刊。UIUC研究团队通过将高光谱成像仪安装在飞机上，实现了对玉米叶片氮成分和相关光合性状的快速准确检测，据称该研究成果是首次提出。

该高光谱成像仪装有两个传感器，光谱范围分别为400~1000nm和950~2500nm，可有效覆盖可见光到短波红外波段，且空间分辨率最小可达0.5m。

该研究的共同作者、UIUC的Sheng Wang说：“测量农作物中的氮成分非常费时费力，不过，利用机载高光谱成像技术可以帮助我们对农田作物进行快速扫描，每英亩农田只需几秒钟。”

“与卫星成像等类似技术相比，机载高光谱成像技术可提供更高的光谱和空间分辨率。我们的研究方法填补了实地测量和卫星成像之间的空白，并为可持续、精准农业中的农作物氮管理提供了一种更具成本效益和更高精准度的方法。”

利用机载高光谱成像技术实现量化监测

研究团队想要从农作物光谱响应中获得感兴趣的数据并不容易，该项研究所需的计算数据还包括农作物的地面真实数据，研究团队需要对田间农作物叶片和冠层进行实地测量，以便与机载高光谱成像传感器获得的数据进行对比。

除了考量叶片模型、辐射传输、观测角度和观测时间因素之外，该研究计算方法还包括叶片冠层和土壤的反射率数据，以及叶片和冠层上叶绿素、氮成分等可量化的关键农作物性状，以此综合评估农作物氮缺乏或过剩。

可量化的农作物性状与土壤施肥率关系图

研究团队在伊利诺斯州的农田上空进行了三次观测，成功地监测到了关键的叶片和冠层氮素特征，还包括一些与光合性状和农作物产量有关的特征，据研究团队称，相关数据精度可高达85%。

“这些数据非常接近真实的地面检测结果。”该研究的共同作者、UIUC自然资源与环境科学系的Kaiyu Guan说：“利用该机载高光谱成像传感器，甚至可以取代地面农作物实况数据采集，并且在精度上没有太多损失。与此同时，我们还能以更低的成本监测覆盖更广的区域。”

机载高光谱成像传感器依赖其高精准度的特性，有望成功在现实农业中实现更广泛的应用。UIUC希望此类高光谱成像仪未来能够在NASA及其独立承包商的空间任务中占据一席之地。

“人们无法对不可量化的事物进行管控。”Kaiyu Guan说：“这正是我们为该项技术投入如此多精力的原因。”

版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。