研究背景

每年，全球约30%的粮食因病虫害受损，而气候变化进一步加剧了害虫的扩散。在我国，稻纵卷叶螟和稻飞虱等害虫每年造成400-500万吨粮食减产。如何精准监测病虫害，减少农药使用，同时保障水稻健康生长，已成为农业生产中的关键问题。高光谱成像技术为这一问题提供了新的解决思路。

传统的人工调查方法费时费力，难以满足大规模农田的实时监测需求。相比之下，无人机（UAV）搭载的高光谱成像系统能够提供大范围、高分辨率的数据，精准捕捉水稻叶片的生理变化，为病虫害识别提供可靠依据。

01高光谱成像的优势：

提供丰富的光谱信息，可检测细微的作物生理变化；

适用于大范围农田监测，提高数据采集效率；

结合人工智能算法，实现智能化虫害识别。

图1. 实验场地

02 实地研究：高光谱成像在水稻病虫害监测中的应用

本研究在广东省黄埔区一块8600平方米的稻田内，利用300TC机载高光谱成像系统开展水稻病虫害监测。该系统由北京依锐思遥感技术有限公司提供，其核心参数如下：

光谱范围：400~1000nm

光谱分辨率：3~4nm

影像分辨率：高达4.5cm（100米飞行高度）

03 实验设计：构建对照区与实验区

为了分析害虫发生情况，研究团队设立了两个实验区，以对比不同病虫害管理方式的影响。

对照区：定期喷洒农药，并实施标准化水肥管理； 

实验区：完全不使用农药，以观察害虫自然发生情况。

研究团队在水稻拔节期（9月28日）和抽穗期（10月25日）分别采集光谱数据，首先从MegaCube软件（Version 2.14.0，北京依锐思遥感技术有限公司）导出研究区域的高光谱影像，并基于辐射校准文件和数字高程数据进行几何校正。随后，利用ArcGIS软件基于研究区域的正射影像和地面控制点对高光谱影像进行地理配准。利用ENVI软件进行高光谱影像拼接，然后基于MegaCube软件（Version 2.14.0）生成超立方体数据。最后，根据地面白板反射率数据和反射率灰布数据将超立方体数据转化为反射率数据，以获得可用于光谱分析的高光谱影像。

图2.本研究的技术流程

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

图4. 不同特征的贡献排名

图5. 水稻害虫发生空间分布：（A）9月28日；（B）10月25日

 

研究成果：精准识别害虫分布

分析结果表明，稻纵卷叶螟的发生面积在短短一个月内，从64.28%上升到90.53%。结合高光谱数据与人工智能算法（XGBoost模型），研究团队成功提取了受害水稻的光谱特征，并绘制了害虫分布图，为精准施药提供了科学依据。

关键技术亮点

光谱特征提取：识别健康水稻与受害水稻的光谱差异；

人工智能分析：利用XGBoost模型优化病虫害识别精度；

害虫分布图绘制：直观展示害虫扩散趋势，为精准施药提供支持。

本研究表明，无人机+高光谱成像+人工智能 的组合能够有效提升农田病虫害监测精度，为农业生产提供更科学的数据支撑。这一技术的推广有望实现：

 精准施药，减少农药浪费，降低环境污染；

 高效监测，节省人力，提高农业生产效率； 

 智能分析，为水稻管理提供科学数据支持。

随着智能农业的发展，高光谱成像技术将在病虫害监测、作物长势评估、土壤分析等领域发挥更大作用，为农业生产提供更加高效、绿色、可持续的解决方案。