高光谱遥感在农作物生长监测的应用研究进展
国外高光谱农业应用现状
国外高光谱农业应用已经在许多国家得到广泛应用，并取得了显著的成效。
以下是一些国外高光谱农业应用的现状：
1.作物健康监测：通过高光谱遥感技术，可以对作物的生长状态、营养状况和病虫害情况
进行实时监测。
这有助于农民及时发现植物的健康问题并采取相应的措施，从而提高作物产量和质量。
2.土壤水分管理：高光谱遥感技术可以用来评估土壤的水分状况，帮助农民合理使用灌溉
资源，避免过度灌溉或缺水造成的问题。
通过监测土壤水分，可以达到节水、增产和减少环境风险的目标。
3.植被覆盖分析：高光谱遥感技术可以精确测量和分析植被覆盖率。
这对于农田管理和土
地利用规划非常重要，有助于确定植被的分布和变化，优化农作物种植结构，改善土地利用效益。
4.施肥管理：高光谱遥感技术可以帮助农民进行精确的施肥管理。
通过分析作物叶片的氮
含量和叶绿素浓度，确定植物的营养需求，并根据需要进行合理的施肥，提高肥料利用率，减少环境污染。
5.病虫害监测：高光谱遥感技术可以检测并监测农田中的病虫害情况。
通过分析作物的反
射光谱，可以及早发现植物受到的胁迫和病虫害的侵袭，从而采取相应的防治措施，减少农药使用。
6.农田资源管理：高光谱遥感技术可以评估农田的土壤质量、植被覆盖和地形特征，优化
农田的规划和管理，提高土地利用效率和农业生产的可持续性。
以上只是国外高光谱农业应用的一些例子，实际上还有许多其他领域也在积极探索这项技术的应用，如果园管理、森林资源监测等。
随着技术的不断发展和成熟，高光谱遥感在农业领域的应用前景将更加广阔。
高光谱遥感影像分析与农作物生长监测
高光谱遥感影像分析与农作物生长监测高光谱遥感影像分析是一种利用高光谱遥感数据获取地表信息的技术。
通过获取物体在不同波段上的反射光谱信息，可以对不同地物进行识别和分类。
在农业领域，高光谱遥感影像分析可以应用于农作物生长监测、病虫害诊断、土壤肥力评估等方面。
本文将重点探讨高光谱遥感影像分析在农作物生长监测中的应用。
首先，高光谱遥感影像分析可以提供农作物的生长状态信息。
通过对高光谱影像的处理和分析，可以获取农作物在不同生长阶段下的光谱特征。
由于不同作物在不同生长阶段的光谱特征不同，因此可以利用高光谱影像分析的结果来判断作物的生长状态，如作物的种植面积、生长周期、生长速度等。
其次，高光谱遥感影像分析可以提供作物的营养状况信息。
农作物的生长与其所处环境的营养状况息息相关，而高光谱遥感影像分析可以通过测量农作物反射光谱来获取其营养状况信息。
例如，氮是农作物生长所需的主要营养元素之一，它在光谱上表现为特定波段的显著吸收，因此可以通过对高光谱影像进行分析，来获取农作物的氮营养水平，进而指导农民进行精准施肥，提高作物产量和品质。
此外，高光谱遥感影像分析还可以用于作物病虫害的诊断与监测。
不同病虫害对农作物的光谱反射有不同的影响，通过对遥感数据的分析，可以识别出病虫害引起的光谱异常。
通过对农田进行定期的高光谱遥感影像监测，可以及时发现和诊断作物的病虫害问题，提供有针对性的防治措施。
这将有助于减少农药使用量，降低农药残留，提高农作物的质量和环境可持续性。
最后，高光谱遥感影像分析还可以用于土壤肥力评估。
土壤的养分含量和质地对农作物生长具有重要影响，而这些信息可以通过高光谱遥感影像分析获取。
通过对土壤的反射光谱进行分析，可以获得土壤参数如土壤有机质含量、土壤含水量等的估计值。
这些估计值可以与实际的土壤采样数据进行比对，从而评估土壤的肥力状况，指导农民制定科学施肥方案，提高农作物产量和土壤健康。
综上所述，高光谱遥感影像分析在农作物生长监测中有着广泛的应用前景。
高光谱影像处理与分析方法在农业监测中的应用
高光谱影像处理与分析方法在农业监测中的应用近年来，随着高光谱遥感技术的迅速发展，高光谱影像处理与分析方法在农业监测中的应用逐渐得到了广泛关注。
高光谱遥感技术可以提供大量的光谱信息，对于农业生产的监测和管理具有重要的意义。
本文将介绍高光谱影像处理与分析方法在农业监测中的应用，并探讨其在农业生产和可持续发展中的潜力。
高光谱影像处理与分析方法是指对高光谱遥感数据进行处理和分析，以获取地物的光谱特征和空间分布信息。
在农业监测中，高光谱影像处理与分析方法可以用于土地利用分类、农作物生长状态监测、病虫害监测、养分管理等方面。
首先，高光谱影像处理与分析方法可以应用于土地利用分类。
通过高光谱遥感数据的处理和分析，可以准确地区分不同类型的土地利用，如耕地、林地、草地、水域等。
这对于土地规划、农业生产布局以及环境保护具有重要的意义。
高光谱影像处理与分析方法通过提取高光谱数据中的特征信息，可以有效地区分出不同土地利用类型的光谱反射特征，从而实现土地利用分类。
其次，高光谱影像处理与分析方法在农作物生长状态监测方面具有潜力。
利用高光谱遥感技术可以获取到农作物的光谱信息，进而推断其生长状态和健康状况。
通过对高光谱数据的分析，可以得到农作物的叶绿素含量、叶面积指数等生长指标，从而实现对农作物生长状态的监测。
这对于农业生产管理和调控具有重要的意义，可以帮助农民及时了解农作物的生长状况，做出科学的管理决策。
另外，高光谱影像处理与分析方法还可以应用于病虫害监测。
由于病虫害对农业生产的影响很大，因此及早发现和准确监测病虫害的发生和传播对于农业生产的管理和控制至关重要。
高光谱遥感技术可以通过光谱分析的方法，提取出植被在不同受害程度下的光谱特征，从而实现对病虫害的监测和预测。
通过高光谱影像处理与分析方法，可以在大范围内准确地识别出受害的植被，并及时做出应对措施，从而降低病虫害对农业生产的影响。
最后，高光谱影像处理与分析方法在养分管理方面也具备应用前景。
高光谱遥感技术在作物生长监测中的应用
高光谱遥感技术在作物生长监测中的应用遥感技术是指通过卫星或飞机等高空观测平台获取地球表面信息的技术。
高光谱遥感技术是其中一种，它可以对物体的反射光谱进行高精度测量和分析，将物体对光的反射光谱分成不同的波段，获取不同波段下物体反射的能力。
这使得高光谱遥感技术成为了作物生长监测的有力工具。
一、高光谱遥感技术在作物生长监测中的基本原理高光谱遥感技术是通过测量远距离目标反射回来的电磁波谱，从而获取地球表面物质的信息。
其基本原理是利用一定波长范围内处于发射状态的伽马矩阵对物体反射光谱进行精细测量和分析。
通过这种方式，可以获得大量的光谱数据，分析出作物主要生长期的生长状态，如叶绿素含量、叶面积指数、植被覆盖率、植被生物量等指标，为研究作物生长提供了可靠的数据依据。
二、高光谱遥感技术在农业生产中的应用非常广泛，尤其在作物生长监测中更是得到了广泛应用。
监测作物的生长状态，是农业生产中的重要环节。
高光谱遥感技术具有非常好的应用前景，可以为我们提供很多有价值的数据指标。
以下是高光谱遥感技术在作物生长监测中的一些应用。
1、植被指数分析植被指数（vi）是利用遥感技术来测量植物的生长状况，其包含了植物叶绿素含量、植被覆盖率、植物生物量等多种参数。
植被指数可以直接反映植物的生长状态，能够在很大程度上反映农作物的生长状态。
通过对植被指数进行分析，农民们可以更加有效地进行农田管理。
2、作物类型分类高光谱遥感技术可以识别出不同形态和特征的植被类型，包括水稻、小麦、玉米、大豆等，能够分别进行精准的作物分类和区别，从而为作物科学监测和长期管理提供了依据。
对于农民而言，它能够减少不必要的浪费和时间成本，提高生产率。
3、水分追踪作物在整个生长周期中，需要不断地吸收水分以维持正常的生长状态。
高光谱遥感技术通过监测地表植物覆盖状态和土壤水分含量，可以在作物生态系统h中追踪水的分布和运动状态。
这种方法可以有效地减少水的浪费，提高水的使用效率，为作物的健康生长提供保障。
高光谱遥感技术的发展与应用现状
三、高光谱遥感技术的应用现状
然而，目前高光谱遥感技术还存在一些问题和挑战。首先，高光谱遥感技术 的数据采集和处理成本较高，限制了其广泛应用。其次，高光谱遥感技术的数据 处理算法和模型还不够完善，分类精度有待提高。此外，由于高光谱遥感技术使 用的光谱波段范
三、高光谱遥感技术的应用现状
围较窄，对于某些特定地物目标的识别精度有限。
一、高光谱遥感技术概述
一、高光谱遥感技术概述
高光谱遥感技术是一种利用电磁波谱中可见光、近红外、中红外和热红外波 段的光谱信息，进行地表特征识别的遥感技术。它能够揭示出地物的光谱特征， 反映地物的空间、形态、结构等信息，具有很高的空间分辨率和光谱分辨率。
一、高光谱遥感技术概述
高光谱遥感技术的应用，为地球表面的资源调查、环境监测、精准农业等提 供了强有力的技术支持。
四、未来展望
四、未来展望
针对现有问题和未来发展趋势，高光谱遥感技术的研究和应用将朝着以下几 个方向发展：
1、降低成本：通过研发成本更低的硬件设备和优化数据处理算法，降低高光 谱遥感技术的数据采集和处理成本，促进其广泛应用。
四、未来展望
2、提高精度：通过对数据处理算法和模型的深入研究和完善，提高高光谱遥 感技术的分类精度和识别精度。
三、高光谱遥感技术的应用现状
高光谱遥感技术可以用于土地资源调查、土地利用规划、土地资源保护等方 面的应用。例如，通过对不同土地类型的光谱特征进行分析，可以实现对土地类 型的精细分类和利用评估。
三、高光谱遥感技术的应用现状
在农作物监测方面，高光谱遥感技术可以用于农作物的生长状态监测、产量 预测、品质评估等方面的应用。例如，通过测量农作物的叶绿素含量和水分含量 等光谱特征，可以判断农作物的生长状况和预测产量。此外，高光谱遥感技术在 地质勘察、城市规划、军事侦察等领域也有广泛的应用。
高光谱遥感在农作物生长监测的应用研究进展
高光谱遥感在农作物生长监测的应用研究进展高光谱遥感是一种获取大量连续波段光谱信息的遥感技术，具有广泛的应用前景。
在农业方面，高光谱遥感可以用于监测农作物的生长情况和健康状况，为农业管理提供科学依据。
本文将对高光谱遥感在农作物生长监测的应用研究进展进行综述。
农作物生长监测是农业管理的重要内容之一。
传统的农作物生长监测方法主要依靠人工野外观测和定期采集植物样本进行实验室分析，工作量大且费时费力。
而高光谱遥感技术可以在大范围内非接触性地获取农作物的光谱信息，使得农作物生长监测更为高效和精确。
高光谱遥感技术利用设备采集到的大量波段光谱数据，可以提取出丰富的植被信息。
通过对光谱数据的分析和处理，可以获取到农作物的生长状态、光合作用强度、叶绿素含量等指标，进而评估农作物的健康状况和适应性。
2. 农作物营养状态监测。
农作物的营养状态对其生长发育和产量形成有着重要的影响。
高光谱遥感技术可以通过分析植物的光谱数据，提取出植物的叶绿素含量、氮素含量等营养指标，从而评估农作物的营养状况和需肥情况。
通过及时监测和调整农作物的营养状况，可以提高农作物的产量和品质。
3. 农作物病虫害监测。
高光谱遥感技术可以通过分析植物的光谱数据，提取出植物的特征波段，从而识别和监测农作物的病虫害。
通过分析农作物的光谱特征，可以迅速检测到农作物受到的病虫害的严重程度和分布范围，提高农作物病虫害的监测效率，并给出相应的防治措施。
4. 农作物气候适应性评估。
不同农作物对气候条件有不同的适应性，高光谱遥感技术可以通过分析植物的光谱数据，提取出植物的光合作用强度、水分利用效率等指标，从而评估农作物对不同气候条件的适应性。
这对于制定适合不同气候条件下的农业管理措施具有重要意义。
高光谱成像技术在农作物识别中的应用研究
高光谱成像技术在农作物识别中的应用研究摘要：高光谱成像技术是一种应用于农业领域的先进技术，其通过获取农田的高光谱图像数据并分析处理，可以实现对农作物的快速识别和监测。
本文将介绍高光谱成像技术在农作物识别中的应用研究，并探讨其在提高农作物产量、保障农业可持续发展方面的潜力。
1. 引言农作物的识别和监测是农业生产中至关重要的环节。
传统的人工野外观察和遥感图像分析存在着时间和空间上的局限性，而高光谱成像技术通过获取农田的高光谱图像数据，可以提供更加精准、全面的农作物信息，为农业生产决策提供科学依据。
2. 高光谱成像技术及原理高光谱成像技术是一种获取被测物体在可见光到近红外光谱范围内连续的光谱信息的方法。
其原理基于不同物质在不同波长下的吸收、反射和散射特性，通过获取物体在光谱上的反射率曲线，进而识别物体的组成和特征。
3. 农作物识别中的高光谱成像技术应用3.1 农作物的种类识别高光谱成像技术能够获取农田中作物的光谱信息，通过对比已知作物的光谱库，可以准确地识别农田中不同作物的种类，包括小麦、玉米、水稻等。
3.2 农作物的健康状况评估高光谱成像技术还可以通过分析作物的光谱信息来评估农作物的健康状况。
通过测量作物叶片的反射率和吸收率，并结合光谱指数计算模型，可以准确判断作物的养分状况、病虫害感染等问题，及时采取相应的措施。
3.3 农作物的生长监测高光谱成像技术还可以实现对农作物生长过程中的监测。
根据作物在不同生长阶段的光谱特征，可以通过高光谱图像数据来实时监测作物的生长情况，包括生长速度、生长状态以及农田的光照强度等。
4. 高光谱成像技术在农作物识别中的应用案例研究4.1 小麦品种分类研究通过高光谱成像技术获取小麦品种的光谱数据，并基于数据建立分类模型，可以实现对不同小麦品种的准确识别，并为农作物选育提供重要参考。
4.2 农作物病虫害检测研究利用高光谱成像技术可以准确地检测农作物的病虫害问题。
通过对受感染作物和健康作物的光谱特征进行对比分析，可以及时发现并定位农作物病虫害的问题，提前采取相应的防治措施。
高光谱成像在农业中的应用
高光谱成像在农业中的应用高光谱成像技术是一种多波段可见光与近红外光谱的图像技术，可有效地获取地物的光谱、小尺度属性和分布特征。
该技术主要应用于遥感影像分析、环境保护、城市规划等领域，而在农业领域也有着广泛的应用前景。
本文将从植物生长、病虫害诊断、农业环境监测三个层面，详细介绍高光谱成像技术在农业中的应用。
一、植物生长监测高光谱成像技术可以对植物各阶段的光谱反射率进行测量，进而获取不同波长下的特征光谱曲线，从而对植物生长阶段、营养状态等进行评估。
与传统的全光谱测量相比，高光谱成像技术可以快速获取大量的光谱数据，有效节约时间成本。
通过高光谱成像技术，可以对农作物进行非接触式的光谱检测，进而了解植物叶片上所包含的光谱信息，包括农作物的植被指数、叶面积指数、叶绿素含量等生长参数。
例如，在某一农作物旺盛生长的阶段，其叶绿素的含量相应增加，因此光谱成像技术可以获得更加明显的反射波峰值，有效地善别植物生长的不同阶段，更快速、准确地进行农业作物品质及特性的检测与评估。
二、病虫害诊断农作物生长过程中面临着来自病原体、昆虫害、气候变化和土地污染等各种外在压力，这些因素将直接影响农业的产出和农民的经济利益。
通过高光谱成像技术，可以检测农作物在发病之后，反射光谱的改变，并对植物叶面进行非接触式的快速诊断和应对。
例如，某些病原体会影响其周围植物的叶片光谱、叶片植绿素含量等，从而导致植物反射率发生变化。
利用高光谱成像技术，可以定位病害发生区域，并及时进行防治，有效地防止农作物产生更多的损失。
三、农业环境监测高光谱成像技术可以用于农业环境污染的监测和评估。
通过检测农业区域不同波长的反射光谱，可以准确、快速地评估农业灌溉水、土壤、农药等污染源的种类和程度。
同时，高光谱成像技术也能追踪土地、水体和大气环境的变化。
例如，在农田的应用中，高光谱成像技术可以监测土壤的pH 值、铁、铜、锰等重金属的含量，进一步评估农田的土壤污染情况。
在农业灌溉水监测中，可以检测水体的COD、悬浮颗粒物、磷含量等，进而监测水体污染情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
农艺·园艺农村经济与科技2019年第30卷第5期（总第457期）高光谱遥感在农作物生长监测的应用研究进展黄亮平（湖南师范大学 资源与环境科学学院，湖南 长沙 410081）[摘要]随着高光谱遥感技术的不断发展，高光谱遥感在农业方面的应用已经成为高光谱遥感研究的热点领域。
高光谱遥感技术可以实时准确快速地得到农作物生长状况的信息，为精准农业的实现提供重要的技术支持。
从农作物生化参数（叶绿素含量、氮含量、含水量）监测、物理参数（叶面积指数、生物量）监测、病虫害监测三个方面对高光谱遥感在农作物生长监测的应用研究取得的新进展进行归纳和总结，并对其应用前景进行展望。
[关键词]高光谱遥感；农作物；生长监测[中图分类号]S127 [文献标识码]A1 引言精准农业是综合应用现代高新科技，以获得农田高产、优质、高效的现代化农业生产模式和技术体系。
精准农业是未来农业发展的方向，是实现农业可持续发展的主要途径，其中遥感技术是实施精准农业的重要工具之一。
传统遥感技术用于精准农业管理中真正成功的例子很少。
主要原因是常规遥感数据的光谱分辨率比较低，还有就是波段不完全覆盖可见光至红外光的光谱范围，且波段在波谱上不连续，因此难以区分外形类似、品质相近、生长期相同的混作作物。
而高光谱遥感的光谱分辨率一般小于10 nm，在电磁波谱的可见光、近红外、中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据，这些光谱可以很好地描述作物的“红边”特性，“红边”现象是绿色植被区别于其他地物最明显的光谱特征。
高光谱遥感技术是实施精准农业的重要工具之一，目前已成为精准农业技术的研究重点，因此高光谱遥感技术是精准农业发展的重要方向。
2 生化参数监测2.1 叶绿素含量监测叶绿素含量是表征植被胁迫状态的一个重要指示因子，同时也是其它生化参数估算的重要基础。
利用高光谱技术估算叶绿素含量，对于评估农作物生长状况、预测产量以及生长监测具有重要意义。
可以为估测农作物冠层叶绿素含量提供参考，从而为农作物叶绿素含量的实时、快速、无损监测奠定基础。
孙勃岩等分别利用回归分析方法和BP神经网络方法搭建冬小麦叶绿素质量分数的估算模型，并对比模型估算与田间实测的叶绿素质量分数，分析反演精度，从中筛选出精度最高的模型。
吕杰等发现运用粒子群优化算法和支持向量机构建叶片尺度玉米叶绿素含量高光谱估测模型，能准确预测玉米叶绿素含量，能够解决小样本玉米采样点情况下叶绿素含量反演问题。
王烁以棉花花铃期叶片高光谱反射率为数据源，分别分析了13种植被指数和优化光谱指数RSI与棉花叶片叶绿素相对含量（SPAD）的相关关系，构建线性及非线性回归监测模型并进行验证。
章文龙等选取秋茄（ Kandelia candel） 作为研究对象，采集叶片并测定其叶片正面和反面反射光谱以及叶绿素含量。
选取13个常用参数进行敏感性分析，并进一步选取与叶绿素相关系数较高的参数建立估算模型。
2.2 氮含量监测氮平衡指数（NBI）是反映农作物长势的重要指标之一。
农作物氮素（N）的实时无损监测对农作物生产中氮素的精确管理具有重要意义。
利用高光谱遥感数据能够实时、动态、非破坏性、快速有效地监测农作物氮肥盈亏状况，为农业生产和管理提供精准信息，并指导农民进行准确、合理氮素施肥，减少农民的成本和氮素对环境的污染。
M Quemada等发现在评估玉米氮素状况和预测开花产量方面，基于空中高光谱与地面光学传感器测量的指标一样可靠。
L He等建立了一种新的角度不敏感植被指数（AIVI），相比较于植被指数（VIs），AIVI提高了冬小麦叶片氮浓度（LNC）测量的预测精度和角度稳定性。
F Li等测试光谱指标和偏最小二乘回归（PLSR）的性能，并比较它们在冬小麦冠层氮含量预测中的应用。
李长春等以无人机高清数码影像和高光谱遥感数据，以及地面实测大豆NBI数据为基础，采用经验模型法构建NBI反演模型，通过分析验证模型得出最佳反演模型。
2.3 含水量监测农作物水势是体现农作物水分状况的一个重要生理指标。
对农作物水势的监测能为农作物灌溉的精确管理提供科学依据。
传统的农作物水势监测方法耗时、耗力且局限于小范围的点上监测。
而采用高光谱技术，可以快速、无损、准确估算农作物水势，从而优化农作物灌溉方案。
陈智芳等通过相关性分析、回归分析等方法，基于不同水分处理，构建4种植被指数与冬小麦叶水势的估算模型。
林毅和魏楠通过对春玉米不同生育时期的土壤水分控制试验，观测不同生长状况的玉米冠层高光谱反射率，分析光谱反射率变化特征，建立光谱参数对土壤水分的反演模型。
吴见等对EO–1[收稿日期]2018-12-20[作者简介]黄亮平（1994—），女，硕士研究生，研究方向：GIS应用开发。
-42-农艺·园艺Hyperion高光谱数据进行波段筛选和植被含水量指数计算，采用耦合叶片与冠层辐射传输模型对玉米冠层含水量估测能力进行分析，在此基础上，将MCARII和NDWI进行整合，以完成玉米冠层含水量估测。
3 物理参数监测3.1 叶面积指数监测叶面积指数（LAI）又叫叶面积系数，是指单位面积内所有叶子单面面积之总和。
传统的LAI测量方法费时、费力且具有破坏性。
利用高光谱遥感技术可以对作物LAI进行及时、无损的监测，是实现作物精确、高效管理的关键。
L Liang等利用高光谱植被指数，提出了一种混合反演方法来估算作物的LAI值。
X Li等利用不同的技术提取冬小麦的高光谱特征，为了找到预测精度最高的特征子集，采用偏最小二乘回归（PLSR）和投影中的变量重要度（VIP）对LAI值进行估计。
H Yua等将随机森林（RF）、人工神经网络（ANN）和支持向量机（SVM）回归模型与偏最小二乘回归（PLS）模型进行比较，从无人机高光谱遥感中检索大豆叶面积指数。
3.2 生物量监测生物量是生物在某一特定时刻单位空间的个体数、重量或其含能量，可用于指某种群、某类群生物（如浮游动物）或整个生物群落的生物量。
生物量是作物重要的生物物理参数之一，利用高光谱遥感技术正确估算地上生物量（AGB）对于准确的农作物生长监测和产量预测是必要的，可以指导农业经营。
ML Gnyp等针对冬小麦开发、改进和验证了一个高光谱植被指数多尺度生物量模型，提出了一种新的高光谱植被指数GnyLi。
为了确定冬小麦生物量估算的最佳方法，Y Fu等比较了包含窄带植被指数和红边位置（REP）的单变量技术和包含带深度参数的偏最小二乘回归（PLSR）分析的多变量校准技术的效用。
ML Gnyp等利用高光谱冠层遥感技术，通过一种或多种策略识别出最优测量值，从而提高水稻AGB的估计值。
4 病虫害监测在农作物生长过程中，病虫害会降低其产量和质量，影响经济效益。
对病虫害进行监测和预警并采取方法治理，可有效提高农作物产量和质量，减少经济损失。
然而，传统的农作物病虫害监测方法不仅效率低下，而且还存在准确率低和实效性不强等问题。
因此，高光谱遥感准确、实时等优点使它成为农作物病虫害监测的一种高效手段与前沿技术。
简俊凡等从使用高光谱遥感技术监测农作物病虫害的原理和技术路线出发，首先阐述了4种光谱特征提取和变换方法；然后论述了3种病虫害监测参数反演方法，建立了光谱反射率和病虫害监测参数间的回归关系；最后分析了将高光谱遥感技术用于农作物病虫害监测的优势和存在问题。
G Krishna等基于高光谱反射率数据，采用偏最小二乘（PLS）和多元线性回归（MLR）技术，对冬小麦条锈病的严重程度进行了评价。
确定了冬小麦条锈病的适宜波段，建立了评价条锈病严重程度的光谱模型。
乔红波等首次将近地成像光谱监测方法应用于小麦全蚀病监测。
NR Prasannakumar等利用高光谱遥感技术，对水稻作物褐飞虱（简称BPH）的危害进行田间试验，建立了多元线性回归模型并验证有效性，有助于监测水稻作物BPH胁迫。
5 结束语高光谱遥感作为一种新的遥感技术已经在农业方面得到广泛的应用。
高光谱可以准确探测并获取农作物的精细光谱信息来反演生化参数和物理参数以及进行病虫害监测，进一步发展和完善了农作物遥感监测技术，很大程度上提高了监测效率和精度。
高光谱遥感在农作物生长监测方面具有一定的应用潜力，利用高光谱遥感影像进行农作物生长监测是未来精准农业快速发展与实施的重要方向。
[参考文献][1] 孙勃岩，常庆瑞，刘梦云.冬小麦冠层叶绿素质量分数高光谱遥感反演研究[J].西北农业学报，2017，26（4）：552-559.[2] 吕杰，汪康宁，李崇贵，等.基于高光谱遥感的玉米叶绿素含量估测模型[J].中国矿业大学学报，2016，45（2）：405-410.[3] 王烁.基于高光谱遥感的棉花叶片叶绿素含量估算[J].中国农业大学学报，2017，22（4）：16-27.[4] 章文龙，曾从盛，高灯州，等.闽江河口湿地秋茄叶绿素含量高光谱遥感估算[J].生态学报，2014，34（21）：6190-6197.[5] Quemada M， Gabriel J L， Zarco-Tejada P. Airborne hyperspectralimages and ground-level optical sensors as assessment tools for maize nitrogen fertilization[J]. Remote Sensing， 2014，6（4）： 2940-2962.[6] He L， Song X， Feng W， et al. Improved remote sensing of leafnitrogen concentration in winter wheat using multi-angular hyperspectral data[J]. Remote Sensing of Environment， 2016（174）： 122-133. [7] Li F， Mistele B， Hu Y， et al. Reflectance estimation of canopynitrogen content in winter wheat using optimised hyperspectral spectral indices and partial least squares regression[J]. European Journal of Agronomy， 2014（52）： 198-209.[8] 李长春，陈鹏，陆国政，等.基于无人机高清数码影像和高光谱遥感数据反演大豆典型生育期氮平衡指数[J].应用生态学报，2018，29（4）：1225-1232．[9] 陈智芳，宋妮，王景雷，等.基于高光谱遥感的冬小麦叶水势估算模型[J].中国农业科学，2017，50（5）：871-880.[10] 林毅，魏楠.干旱条件下春玉米高光谱特征及土壤含水量反演[J].生态学杂志，2016，35（5）：1323-1329.[11] 吴见，谭靖，邓凯，等.基于优化指数的玉米冠层含水量遥感估测[J].湖南农业大学学报（自科版），2015，41（6）：685-690.[12] Liang L， Di L， Zhang L， et al. Estimation of crop LAI usinghyperspectral vegetation indices and a hybrid inversion method[J].Remote Sensing of Environment， 2015（165）： 123-134.[13] Li X， Zhang Y， Bao Y， et al. Exploring the best hyperspectralfeatures for LAI estimation using partial least squares regression[J].黄亮平：高光谱遥感在农作物生长监测的应用研究进展-43-农艺·园艺农村经济与科技2019年第30卷第5期（总第457期）Remote Sensing， 2014， 6（7）： 6221-6241.[14] Yuan H， Yang G， Li C， et al. Retrieving soybean leaf area indexfrom unmanned aerial vehicle hyperspectral remote sensing： Analysis of RF， ANN， and SVM regression models[J]. Remote Sensing， 2017，9（4）： 309.[15] Gnyp M L， Bareth G， Li F， et al. Development and implementationof a multiscale biomass model using hyperspectral vegetation indices for winter wheat in the North China Plain[J]. International Journal of Applied Earth Observation and Geoinformation， 2014（33）： 232-242. [16] Fu Y， Yang G， Wang J， et al. Winter wheat biomass estimationbased on spectral indices， band depth analysis and partial least squares regression using hyperspectral measurements[J].Computers and Electronics in Agriculture， 2014（100）： 51-59.[17] Gnyp M L， Miao Y， Yuan F， et al. Hyperspectral canopy sensing ofpaddy rice aboveground biomass at different growth stages[J]. Field Crops Research， 2014（155）： 42-55.[18] 简俊凡，何宏昌，王晓飞，等.农作物病虫害遥感监测综述[J].测绘通报，2018（9）：24-28.[19] Krishna G， Sahoo R N， Pargal S， et al. Assessing wheat yellow rustdisease through hyperspectral remote sensing[J]. Int. Arch. Photogramm.Remote Sensing Spatial Inform. Sci， 2014： 1413-1416.[20] 乔红波，师越，郭伟，等.利用近地成像高光谱遥感对小麦全蚀病的监测[J].植物保护学报，2015，42（3）：475-476.[21] Prasann akumar N R， Chander S， Sahoo R N. Characterization ofbrown planthopper damage on rice crops through hyperspectral remote sensing under field conditions[J]. Phytoparasitica， 2014， 42（3）：387-395.浅析芒果属植物叶绿体DNA提取方法何飞宇（山东师范大学，山东 济南 250000）[摘要]芒果是重要的经济果树之一，富含多糖、单宁、多酚等次生代谢的干扰物质，不易获取DNA。