國際認(rèn)可！雙利合譜機(jī)載高光譜技術(shù)助力科研團(tuán)隊(duì)登上遙感頂刊

更新時(shí)間：2025-10-21

點(diǎn)擊次數(shù)：421

南京農(nóng)業(yè)大學(xué)程濤教授團(tuán)隊(duì)依托雙利合譜Gaiasky-mini2-VN機(jī)載高光譜成像系統(tǒng)提供的精準(zhǔn)數(shù)據(jù)，在國際頂刊《Remote Sensing of Environment》上發(fā)表了突破性研究成果，成功解決了水稻稻瘟病遙感監(jiān)測中物候干擾這一核心難題。該研究不僅印證了雙利合譜機(jī)載高光譜技術(shù)在科研領(lǐng)域的可靠性，彰顯了其在生態(tài)監(jiān)測、植被研究等前沿課題中的核心支撐價(jià)值，更直觀的展現(xiàn)了國產(chǎn)高光譜設(shè)備在農(nóng)業(yè)遙感前沿研究中的強(qiáng)大支撐能力與國際影響力。

文章正文：

近日，南京農(nóng)業(yè)大學(xué)程濤教授團(tuán)隊(duì)在國際頂級遙感期刊 Remote Sensing of Environment（中科院一區(qū)TOP期刊）發(fā)表最新研究成果，論文題為
《Mitigating the phenological influence on spectroscopic quantification of rice blast disease severity with extended PROSAIL simulations》。
該研究基于機(jī)載高光譜成像系統(tǒng)（江蘇雙利合譜科技有限公司 Gaiasky-mini2-VN），提出了突破性的模型校正方法，為水稻稻瘟病的遙感監(jiān)測提供了全新的解決方案。

背景：稻瘟病遙感監(jiān)測的難題

稻瘟病是全球性重大真菌病害，被稱為“水稻癌癥"，可導(dǎo)致30%以上的產(chǎn)量損失。傳統(tǒng)人工調(diào)查方式費(fèi)時(shí)費(fèi)力、主觀性強(qiáng)，而高光譜遙感憑借對植物光譜特征的敏感性，已成為病害監(jiān)測的重要手段。然而，在實(shí)際應(yīng)用中，作物生育期變化（即物候差異）常與病害光譜響應(yīng)相混淆，導(dǎo)致病害定量估計(jì)不準(zhǔn)確。如何在多時(shí)相、多生育期條件下穩(wěn)定、準(zhǔn)確地量化病害程度，是當(dāng)前遙感病理監(jiān)測領(lǐng)域的核心難題。

創(chuàng)新點(diǎn)：擴(kuò)展PROSAIL模型，揭示物候影響機(jī)制

本研究首*提出了 “病害擴(kuò)展PROSAIL模型（RB-extended PROSAIL）"，將稻瘟病感染程度（Disease Severity, DS）作為新的參數(shù)引入輻射傳輸模擬中。
研究團(tuán)隊(duì)通過實(shí)測病斑光譜與模型混合分析，成功構(gòu)建了稻瘟病葉片與冠層的光譜仿真數(shù)據(jù)集，能夠在不受物候差異影響的條件下區(qū)分病害信號(hào)。

結(jié)果顯示，擴(kuò)展后的模型將紅光、近紅外和短波紅外關(guān)鍵波段的模擬誤差分別降低了 36.3%、16.6% 和 17.5%，大幅提升了模型對病害反射特征的重現(xiàn)能力。

核心成果：發(fā)現(xiàn)葉綠素是物候干擾的關(guān)鍵因素

通過靈敏度分析與因子分離（disentanglement analysis），團(tuán)隊(duì)發(fā)現(xiàn)：葉綠素含量（Leaf Chlorophyll Content, LCC）是造成病害監(jiān)測誤差的主控因子。稻株在不同生育期葉綠素含量差異顯著，而RIBI（Rice Blast Index）這一病害指數(shù)同時(shí)對葉綠素與病斑均敏感，導(dǎo)致輕病樣本常被誤判。

為此，研究提出了基于VOG1植被指數(shù)的歸一化修正方法——nRIBInir指數(shù)，能夠有效消除葉綠素對RIBI的干擾，使得稻瘟病嚴(yán)重度估算的R2由0.67提升至0.79，rRMSE降低9%，尤其在輕度感染樣本中精度提升最為顯著。

實(shí)驗(yàn)設(shè)計(jì)：機(jī)載高光譜精準(zhǔn)識(shí)別病害分布

研究利用江蘇雙利合譜科技有限公司 Gaiasky-mini2-VN 機(jī)載高光譜相機(jī)（400–1000 nm）對江蘇稻田進(jìn)行實(shí)地航測，并結(jié)合無人機(jī)影像構(gòu)建了稻瘟病空間分布圖。

結(jié)果表明，經(jīng)nRIBInir校正后的病害分布結(jié)果與地面調(diào)查高度一致，能夠準(zhǔn)確識(shí)別嚴(yán)重病區(qū)與感染中心，實(shí)現(xiàn)了從定性識(shí)別到定量評估的跨越。

此外，該指數(shù)可靈活適配衛(wèi)星（如Sentinel-2、GF-5、EnMAP等）及多光譜無人機(jī)平臺(tái)，具備多尺度推廣潛力，可服務(wù)于病害監(jiān)測、抗性育種、精準(zhǔn)藥劑管理等多種農(nóng)業(yè)應(yīng)用場景。

意義與展望

該研究首*從機(jī)理層面揭示了作物物候?qū)Σ『庾V估算的干擾機(jī)制，并提出了可量化、可修正的解決方案。
論文成果不僅推動(dòng)了病害遙感監(jiān)測的精度化和標(biāo)準(zhǔn)化，也為構(gòu)建“機(jī)理—模型—應(yīng)用"一體化的農(nóng)業(yè)智慧監(jiān)測體系提供了新思路。

本研究展示了國產(chǎn)高光譜設(shè)備在國際前沿科研中的強(qiáng)大實(shí)力也反映出我國機(jī)載高光譜成像技術(shù)在農(nóng)業(yè)遙感領(lǐng)域已具備國際水平的應(yīng)用能力。

文章核心方法與結(jié)果的相關(guān)圖表