麥姆斯咨詢報道，近期，伊利諾伊大學厄巴納-香檳分校（University of Illinois at Urbana-Champaign，以下簡稱：UIUC）一項研究表明，其開發的基于機器學習和輻射傳輸模型的機載高光譜成像傳感器，可以提供更高的光譜和空間分辨率，有望進一步為農業生產發揮重要價值。

近年來，農業現代化水平不斷提升，但由于擔心農作物產量低而導致的過度施肥，仍在持續不斷地對環境造成破壞。

肥料中過量的氮會進入地下水，并最終作為溫室氣體的組成部分進入大氣中，對環境造成影響。因此迫切需要一種可以對農作物中氮成分進行實時、無損和高空間分辨率的監測方法。

目前，UIUC的一項研究成果展示了一種通過機載高光譜成像技術來實現這一目標的方法，該技術將對農業生產發揮巨大價值。

該研究成果已發表于International Journal of Applied Earth Observation and Geoinformation期刊。UIUC研究團隊通過將高光譜成像儀安裝在飛機上，實現了對玉米葉片氮成分和相關光合性狀的快速準確檢測，據稱該研究成果是提出。

該高光譜成像儀裝有兩個傳感器，光譜范圍分別為400~1000nm和950~2500nm，可有效覆蓋可見光到短波紅外波段，且空間分辨率最小可達0.5m。

該研究的共同作者、UIUC的Sheng Wang說：“測量農作物中的氮成分非常費時費力，不過，利用機載高光譜成像技術可以幫助我們對農田作物進行快速掃描，每英畝農田只需幾秒鐘。"

“與衛星成像等類似技術相比，機載高光譜成像技術可提供更高的光譜和空間分辨率。我們的研究方法實地測量和衛星成像之間的空白，并為可持續、精準農業中的農作物氮管理提供了一種更具成本效益和更高精準度的方法。"

利用機載高光譜成像技術實現量化監測

研究團隊想要從農作物光譜響應中獲得感興趣的數據并不容易，該項研究所需的計算數據還包括農作物的地面真實數據，研究團隊需要對田間農作物葉片和冠層進行實地測量，以便與機載高光譜成像傳感器獲得的數據進行對比。

除了考量葉片模型、輻射傳輸、觀測角度和觀測時間因素之外，該研究計算方法還包括葉片冠層和土壤的反射率數據，以及葉片和冠層上葉綠素、氮成分等可量化的關鍵農作物性狀，以此綜合評估農作物氮缺乏或過剩。

可量化的農作物性狀與土壤施肥率關系圖

研究團隊在伊利諾斯州的農田上空進行了三次觀測，成功地監測到了關鍵的葉片和冠層氮素特征，還包括一些與光合性狀和農作物產量有關的特征，據研究團隊稱，相關數據精度可高達85%。

“這些數據非常接近真實的地面檢測結果。"該研究的共同作者、UIUC自然資源與環境科學系的Kaiyu Guan說：“利用該機載高光譜成像傳感器，甚至可以取代地面農作物實況數據采集，并且在精度上沒有太多損失。與此同時，我們還能以更低的成本監測覆蓋更廣的區域。"

機載高光譜成像傳感器依賴其高精準度的特性，有望成功在現實農業中實現更廣泛的應用。UIUC希望此類高光譜成像儀未來能夠在NASA及其獨立承包商的空間任務中占據一席之地。

“人們無法對不可量化的事物進行管控。"Kaiyu Guan說：“這正是我們為該項技術投入如此多精力的原因。"

版權聲明：部分文章推送時未能與原作者取得聯系。若涉及版權問題，敬請原作者聯系我們。