每年，全球約30%的糧食因病蟲害受損，而氣候變化進一步加劇了害蟲的擴散。在我國，稻縱卷葉螟和稻飛虱等害蟲每年造成400-500萬噸糧食減產(chǎn)。如何精準監(jiān)測病蟲害，減少農(nóng)藥使用，同時保障水稻健康生長，已成為農(nóng)業(yè)生產(chǎn)中的關(guān)鍵問題。高光譜成像技術(shù)為這一問題提供了新的解決思路。

傳統(tǒng)的人工調(diào)查方法費時費力，難以滿足大規(guī)模農(nóng)田的實時監(jiān)測需求。相比之下，無人機（UAV）搭載的高光譜成像系統(tǒng)能夠提供大范圍、高分辨率的數(shù)據(jù)，精準捕捉水稻葉片的生理變化，為病蟲害識別提供可靠依據(jù)。

01高光譜成像的優(yōu)勢：

✅ 提供豐富的光譜信息，可檢測細微的作物生理變化；

✅ 適用于大范圍農(nóng)田監(jiān)測，提高數(shù)據(jù)采集效率；

✅ 結(jié)合人工智能算法，實現(xiàn)智能化蟲害識別。

圖1. 實驗場地

02 實地研究：高光譜成像在水稻病蟲害監(jiān)測中的應(yīng)用

本研究在廣東省黃埔區(qū)一塊8600平方米的稻田內(nèi)，利用300TC機載高光譜成像系統(tǒng)開展水稻病蟲害監(jiān)測。該系統(tǒng)由北京依銳思遙感技術(shù)有限公司提供，其核心參數(shù)如下：

光譜范圍：400~1000nm

光譜分辨率：3~4nm

影像分辨率：高達4.5cm（100米飛行高度）

03 實驗設(shè)計：構(gòu)建對照區(qū)與實驗區(qū)

為了分析害蟲發(fā)生情況，研究團隊設(shè)立了兩個實驗區(qū)，以對比不同病蟲害管理方式的影響。

✅ 對照區(qū)：定期噴灑農(nóng)藥，并實施標準化水肥管理； 

✅ 實驗區(qū)：完全不使用農(nóng)藥，以觀察害蟲自然發(fā)生情況。

研究團隊在水稻拔節(jié)期（9月28日）和抽穗期（10月25日）分別采集光譜數(shù)據(jù)，首先從MegaCube軟件（Version 2.14.0，北京依銳思遙感技術(shù)有限公司）導(dǎo)出研究區(qū)域的高光譜影像，并基于輻射校準文件和數(shù)字高程數(shù)據(jù)進行幾何校正。隨后，利用ArcGIS軟件基于研究區(qū)域的正射影像和地面控制點對高光譜影像進行地理配準。利用ENVI軟件進行高光譜影像拼接，然后基于MegaCube軟件（Version 2.14.0）生成超立方體數(shù)據(jù)。最后，根據(jù)地面白板反射率數(shù)據(jù)和反射率灰布數(shù)據(jù)將超立方體數(shù)據(jù)轉(zhuǎn)化為反射率數(shù)據(jù)，以獲得可用于光譜分析的高光譜影像。

圖2.本研究的技術(shù)流程

圖 3. 健康水稻和受感染水稻的光譜反射率：（A）9 月 28 日；（B）10 月 25 日

圖4. 不同特征的貢獻排名

圖5. 水稻害蟲發(fā)生空間分布：（A）9月28日；（B）10月25日

研究成果：精準識別害蟲分布

分析結(jié)果表明，稻縱卷葉螟的發(fā)生面積在短短一個月內(nèi)，從64.28%上升到90.53%。結(jié)合高光譜數(shù)據(jù)與人工智能算法（XGBoost模型），研究團隊成功提取了受害水稻的光譜特征，并繪制了害蟲分布圖，為精準施藥提供了科學(xué)依據(jù)。

關(guān)鍵技術(shù)亮點

光譜特征提取：識別健康水稻與受害水稻的光譜差異；

人工智能分析：利用XGBoost模型優(yōu)化病蟲害識別精度；

害蟲分布圖繪制：直觀展示害蟲擴散趨勢，為精準施藥提供支持。

本研究表明，無人機+高光譜成像+人工智能 的組合能夠有效提升農(nóng)田病蟲害監(jiān)測精度，為農(nóng)業(yè)生產(chǎn)提供更科學(xué)的數(shù)據(jù)支撐。這一技術(shù)的推廣有望實現(xiàn)：

✅ 精準施藥，減少農(nóng)藥浪費，降低環(huán)境污染；

✅ 高效監(jiān)測，節(jié)省人力，提高農(nóng)業(yè)生產(chǎn)效率； 

✅ 智能分析，為水稻管理提供科學(xué)數(shù)據(jù)支持。

隨著智能農(nóng)業(yè)的發(fā)展，高光譜成像技術(shù)將在病蟲害監(jiān)測、作物長勢評估、土壤分析等領(lǐng)域發(fā)揮更大作用，為農(nóng)業(yè)生產(chǎn)提供更加高效、綠色、可持續(xù)的解決方案。