樊麗，黃云，張敏，胡偉，李小燕，劉俊

（1 內(nèi)蒙古農(nóng)業(yè)大學園藝與植物保護學院，呼和浩特010018）（2 內(nèi)蒙古量蘊農(nóng)業(yè)發(fā)展有限公司）（3 包頭市綠緣生態(tài)開發(fā)有限責任公司）（4 內(nèi)蒙古自治區(qū)農(nóng)牧業(yè)技術(shù)推廣中心）

我國果樹種植面積和產(chǎn)量均居世界首位，水果進出口交易額在整個世界水果市場中排名前列[1]，我國果業(yè)具有廣闊的國內(nèi)外市場潛力和有力的國際競爭[2]。隨著全球經(jīng)濟和貿(mào)易關(guān)系的加強，我國的水果出口近年來有所增加，但增長緩慢，結(jié)構(gòu)性不平衡等問題依然存在，水果生產(chǎn)、加工、貯存、運輸和發(fā)達國家制定的食品安全標準不一致，許多國家對進口水果的質(zhì)量和農(nóng)藥殘留實行嚴格限制，這些都是我國水果出口的主要貿(mào)易障礙。但目前的技術(shù)無法動態(tài)監(jiān)測果樹的生長、病蟲害的發(fā)生、水果的內(nèi)部質(zhì)量，以及果品損傷等[3]。因此，準確、快速、沒有破壞性的檢測技術(shù)在果樹生長和水果品質(zhì)感知領(lǐng)域的研究非常重要。

高光譜遙感（Hyperspectral Remote Sensing）是一種新型的光敏技術(shù)，集光譜學、機器視覺、計算機成像、近紅外光譜學等多學科知識于一體，有機地融合了成像技術(shù)和分光光度技術(shù)的特性，獲取的信息不僅包括二維空間場景的信息，還有光譜輻射和縱向分布的信息，創(chuàng)建了一個數(shù)據(jù)立方體。高光譜遙感技術(shù)同時具有光譜技術(shù)和傳統(tǒng)的二維成像技術(shù)高分辨率、超多波段和圖像光譜集成等優(yōu)勢[4]。高光譜遙感技術(shù)利用光遇到物體時會被吸收并通過光的散射、反射和透射等形式得到該物體的特征光譜信息，然后識別出具有診斷性的波譜，這種技術(shù)最先運用在軍事方面，如今在越來越多的領(lǐng)域也具有更廣泛的應(yīng)用。

隨著智能化農(nóng)業(yè)時代的到來，高光譜遙感技術(shù)逐步應(yīng)用于果樹學研究中。高光譜遙感技術(shù)在果樹研究上主要應(yīng)用于果樹病蟲害檢測、果樹產(chǎn)量預測、果實內(nèi)部品質(zhì)無損檢測、果實采收損傷檢測及果實農(nóng)藥殘留檢測等方面。因此，總結(jié)目前高光譜遙感技術(shù)在果樹學上的應(yīng)用，發(fā)現(xiàn)現(xiàn)存問題，并結(jié)合新時期果樹產(chǎn)業(yè)發(fā)展的方向和應(yīng)用需求，提出未來高光譜遙感技術(shù)在果樹學研究中的發(fā)展趨勢，為高光譜遙感技術(shù)在智慧果業(yè)中的深度應(yīng)用提供參考。

1 高光譜遙感技術(shù)原理概論

所謂的高光譜遙感技術(shù)的全稱是高光譜分辨率遙感技術(shù)，這是一種利用在電磁波譜中可見和紅外波段范圍內(nèi)，獲得許多狹小且連續(xù)的電磁波段，從而獲取相關(guān)可視的光譜特征數(shù)據(jù)的技術(shù)。

高光譜遙感技術(shù)具有較高的光譜分辨率，能從納米級別顯示出各種物體光譜大小的細微差異，獲得非常詳細和準確的分析結(jié)果。因為不同地物的物理和化學性質(zhì)決定了其對不同波段的光表現(xiàn)出不同的頻譜響應(yīng)，所以光譜特性反映了地物的內(nèi)在特性。研究表明，將光譜學和圖像檢測技術(shù)相結(jié)合，能增強對地物屬性進行分類和識別的能力。

高光譜遙感系統(tǒng)結(jié)合了屏幕傳輸與高效學習傳感器圖像采集技術(shù)的優(yōu)勢，該體系具備可視化、動態(tài)監(jiān)測、高靈敏度和抗震性能好等優(yōu)點，非常適合在所有的遙感區(qū)域中使用；它可以用于識別外部光譜目標，然后可以通過內(nèi)部高光譜成像進行檢測。該方法的原理是：透鏡收集到地面物體的輻射，然后將其準直到光譜元件上，用于提高準直度的間隙，并且通過光譜元件的垂直光譜色散在圖像傳感器上形成圖像。散射場的活動以恒定的速率持續(xù)捕捉，這就產(chǎn)生了二維圖像。在攝像系統(tǒng)中，光源產(chǎn)生的光被物體吸收和散射，成為信息載體，進入相機的輸入端口，光信號被映射到一個二維陣列中，通過高光譜圖像數(shù)據(jù)處理進行分析和存儲[5]。

2 高光譜遙感技術(shù)的發(fā)展

2.1 國外高光譜遙感技術(shù)研究進展

高光譜遙感技術(shù)起源于多光譜遙感技術(shù)，1970年，高光譜遙感技術(shù)作為遙感發(fā)展史上的一個概念和技術(shù)上的創(chuàng)新而出現(xiàn)。而現(xiàn)代遙感的前沿高光譜視覺遙感技術(shù)是1980 年出現(xiàn)的一種新型遙感技術(shù)，該技術(shù)與合成孔徑雷達成像技術(shù)并駕齊驅(qū)。該技術(shù)通過遙感照片與全景、多光譜圖像相結(jié)合，獲取地物空間數(shù)據(jù)和地物光譜信息，是遙感史上一個重要的進步標志。第一個國際光譜儀AIS-1，是一個機載勘測光譜儀，于1980 年代在加州理工學院設(shè)計和建造，在植被特征和礦物取圖方向上取得了顯著成果，此后各國陸續(xù)研發(fā)出多種類型的成像光譜儀，開啟了航天高光譜時代[6]。

高光譜遙感技術(shù)的應(yīng)用和普及在很大程度上與處理分析軟件的發(fā)展關(guān)聯(lián)密切。全球已開發(fā)出了10多套高光譜圖像處理與分析軟件系統(tǒng)，對高光譜遙感技術(shù)的廣泛應(yīng)用和推廣起到了推波助瀾的作用。

近10年，高光譜遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用越來越熱門，特別是美國、日本等現(xiàn)代農(nóng)業(yè)較發(fā)達的國家，其中美國運用得較多。以色列成立了農(nóng)業(yè)科技公司FruitSpec，這家以高光譜圖像作技術(shù)支持的農(nóng)業(yè)科技公司正在運用這種技術(shù)參與對果園早期水果的產(chǎn)量預測，其業(yè)務(wù)領(lǐng)域已擴大到北美和南美、南非和歐洲的客戶群。

2.2 國內(nèi)高光譜遙感技術(shù)研究進展

20 世紀80 年代，我國在國家科學技術(shù)研究計劃的支持下，開始研發(fā)獨立的高光譜成像技術(shù)[7]。根據(jù)需求，我國先后研發(fā)了以紅外波段和紫外波段、中長波紅外光為主體的航空專用掃描儀、紫外光譜儀和超聲波測厚儀等。直到20 世紀80 年代末陸續(xù)研發(fā)了新興的自動化信息系統(tǒng)成像光譜儀，并對航天航空方面的新技術(shù)加大支持力度。21 世紀以來，有關(guān)高光譜技術(shù)應(yīng)用的私營部門呈井噴式出現(xiàn)，市場開始進入高速發(fā)展時期。緊接著我國又自行研制了更為先進的推掃式成像光譜儀和光機掃描光譜成像儀等，且在全球范圍內(nèi)均有應(yīng)用，得到了世界各國的認可，推動了航空光譜成像技術(shù)的發(fā)展與進步。2002 年3月，我國的神舟三號載人飛船發(fā)射了一個自行研制的中分辨率成像光譜儀。這是與歐洲航天局環(huán)境衛(wèi)星發(fā)射系統(tǒng)上的MERIS同時進入地球軌道的同一類型的儀器，是美國航天局開發(fā)的大型MODIS 空間遙感儀器的后續(xù)產(chǎn)品。2007 年10月，我國將“嫦娥一號”衛(wèi)星送入月球軌道，攜帶一個成像光譜儀作為其主要有效載荷。我國開發(fā)的高光譜技術(shù)系統(tǒng)正在被用于航空航天領(lǐng)域，高光譜圖像處理和分析系統(tǒng)及相應(yīng)的軟件正在被改進，并被用于廣泛的行業(yè)和領(lǐng)域[8]。

當前我國屬于現(xiàn)代農(nóng)業(yè)發(fā)展的重要階段，高光譜遙感技術(shù)屬于新型技術(shù)，適合用于智慧農(nóng)業(yè)和數(shù)字農(nóng)業(yè)等現(xiàn)代農(nóng)業(yè)技術(shù)。由于高光譜遙感不會對農(nóng)作物造成損害，因而被廣泛應(yīng)用于監(jiān)測農(nóng)作物的葉片面積。這彌補了傳統(tǒng)遙感技術(shù)獲取農(nóng)作物葉面積指數(shù)時間過長的缺點，從而獲得最準確、損害最小的遙感監(jiān)測數(shù)據(jù)。

3 高光譜遙感技術(shù)在果樹上的應(yīng)用

3.1 果樹病蟲害檢測

果樹傳統(tǒng)種植手段的缺點會帶來通風不好、遮擋光源、操作不便等問題，隨著自然環(huán)境條件和氣溫的變化，病蟲害的適應(yīng)性和抗性也在不斷增強，因此要實時監(jiān)測果樹病蟲害的發(fā)生情況，合理防治病蟲害，以減少用藥，進行綠色防控，保證果樹的健康生長，提高果品的質(zhì)量和產(chǎn)量。傳統(tǒng)領(lǐng)域的專家通過觀察樹體、樹勢、葉片、果實等生長狀況來診斷病害，這種傳統(tǒng)的方法時間成本高、效率低，并且有較多誤差因素。利用高光譜遙感技術(shù)獲取待測物信息的特征光譜能發(fā)現(xiàn)待測物的狀況。Siedliska等[9]利用高光譜成像技術(shù)來診斷草莓的真菌感染現(xiàn)象，對2 個不同品種的草莓接種2 種不同的真菌，并以2 個未接種的果實作為空白對照。實驗表明，反向傳播神經(jīng)網(wǎng)絡(luò)（BNN）模型獲得了區(qū)分真菌種類的最佳預測精度，區(qū)分接種果實和對照果實的精度為97.00%。Wang等[10]發(fā)現(xiàn)了一種高光譜反射成像檢測技術(shù)，可用于檢測棗樹果實的外部蟲害。實驗測試了棗樣品的果皮受損區(qū)域和受蟲害區(qū)域，基于確定的有效波長，使用逐步判別分析法將棗分類為蟲害或無蟲害，準確率約為97.0%。當果實發(fā)生內(nèi)部缺陷和病變時，其病果的內(nèi)部物理化學性質(zhì)與正常蘋果明顯不同，所以發(fā)生病變的果實與正常的果實對光譜能量吸收和散射不同，它們的光譜響應(yīng)也不一樣。喬虹[11]基于高光譜成像技術(shù)，通過光譜成像系統(tǒng)獲取了藍莓害蟲的高光譜圖像，提取光譜特征信息和害蟲圖像信息，研究了藍莓害蟲無損檢測理論和藍莓害蟲檢測模型。王加華等[12]采用峰面積歸一化、主成分分析和偏最小二乘法回歸分析，根據(jù)可見光和近紅外光譜來區(qū)分蘋果褐腐病和水心病。結(jié)果顯示，3 種方法對褐腐病蘋果的區(qū)分率均為100.0%，對水心病蘋果的區(qū)分率分別為79.2%、95.0%、96.7%，對正常蘋果的區(qū)分率分別為88.6%、98.2%和98.8%，表明可見-近紅外光譜和化學分析的結(jié)合能夠快速和無損地診斷蘋果褐腐病和水心病。此外，何寬等[13]利用高光譜成像技術(shù)提出的光譜信息分割（SIS）和外圍特征控制（RFS）檢測樹莓病害，為檢測樹莓腐爛病和樹莓分類提供了新的參考方法。

3.2 果實產(chǎn)量預測

產(chǎn)量估計和預測在果樹育種和栽培領(lǐng)域特別重要。果枝數(shù)量、果實大小和數(shù)量與最終產(chǎn)量密切相關(guān)。因此，早期預測產(chǎn)量可以保持最佳的葉果比，確保高產(chǎn)。產(chǎn)量估計傳統(tǒng)上是通過小樣本推斷和使用歷史數(shù)據(jù)進行的。此外，它必須由在該領(lǐng)域具有豐富經(jīng)驗的專家來完成。高光譜遙感為專家耗時和主觀的現(xiàn)場分析提供了一種低成本、快速和非破壞性的替代方法。Zabawa等[14]使用全卷積神經(jīng)網(wǎng)絡(luò)（FCN）對單個葡萄漿果的圖像分割，圖像是通過Phenoliner 田間表型平臺獲得的，圖像中的單個葡萄果實是用FCN 檢測的。葡萄藤經(jīng)常交錯重疊，因此高光譜對葡萄果實的有效檢測變得困難。在葡萄園中檢測葡萄，將單個漿果的檢測制定為具有3 類的分類任務(wù)，即“漿果”“邊緣”和“背景”。使用連接組件算法來確定漿果的數(shù)量。在60 張圖像中自動計算的漿果數(shù)量與人工檢測的漿果數(shù)量進行了比較，這些圖像顯示了葡萄在垂直地震剖面（VSP）技術(shù)和半簡約的樹籬修剪中的情況。結(jié)果顯示，在VSP 系統(tǒng)中檢測葡萄漿果的準確率為94.0%，SMPH系統(tǒng)準確率為85.6%。Gennaro等[15]使用無人機來獲取葡萄園的三通道圖像，無監(jiān)督的識別算法被用來確定集群的數(shù)量和大小，并預測每個葡萄樹的產(chǎn)量。通過聚類檢測得到的分割結(jié)果顯示，當葉片被部分摘除且葡萄完全成熟時，準確率超過85.0%，在收獲的第1周，估計葡萄產(chǎn)量的準確率超過84.0%。李俊偉等[16]研究了與機器視覺方法有關(guān)的定性方法，以估計和分類葡萄單粒重和果徑大小，即對現(xiàn)有的葡萄樣品進行分割和表示，并采用一維線性判別法和PLS 預算法對葡萄單粒重和果徑大小進行分析，結(jié)果顯示，PLS 模型在預測葡萄單粒重和果徑大小方面是有效的，預測系數(shù)分別為0.980 和0.945。

3.3 果實內(nèi)部品質(zhì)檢測

在發(fā)育成熟的過程中果實的內(nèi)外部品質(zhì)也在發(fā)生變化：果實長到合適的大?。还麑嵵械目扇苄怨绦挝锖?、糖分、氨基酸、蛋白質(zhì)等營養(yǎng)物質(zhì)逐漸增加；部分積聚在果肉細胞腔內(nèi)的有機酸轉(zhuǎn)化為糖分和類胡蘿卜素，進而形成花青素而使果實顏色發(fā)生變化；產(chǎn)生一些揮發(fā)性芳香物質(zhì)，出現(xiàn)果實獨特的香氣，這些指標均能反映果實的內(nèi)部品質(zhì)。檢測果實成熟度和內(nèi)部品質(zhì)的傳統(tǒng)方法主要是在實驗室中進行外觀檢測和理化檢測。這些檢測方法費時、費力，多數(shù)具有破壞性。如傳統(tǒng)的硬度測試方法通常會損壞樣品。近年來，國內(nèi)外學者開始研究用于果實成熟度判別分析的無損檢測技術(shù)，其中高光譜遙感技術(shù)憑借自身優(yōu)勢，在果實成熟度和內(nèi)部品質(zhì)判定方面的應(yīng)用逐漸增多。孫炳新等[17]利用近紅外光譜技術(shù)，在643.26～985.11 nm 波長范圍內(nèi)，建立了預測紅富士蘋果脆度和酸度的模型，模型的相關(guān)系數(shù)分別達到0.941 和0.925。王轉(zhuǎn)衛(wèi)等[18]研究了富士蘋果在發(fā)育后期833～2 500 nm 波長范圍內(nèi)的近紅外測量的光譜特性，建立了預測可溶性固形物含量、含水量、硬度和氫離子濃度的PLS 支持向量機和極限學習機模型，用3 種降維方法，即PCA、連續(xù)投影算法、信息變量消除法來對模型進行性能預測，得到對蘋果各部分檢測的最佳模型。宮元娟等[19]研究了用可見的近紅外光譜法對寒富蘋果內(nèi)部品質(zhì)信息進行在線檢測的可行性及不同光譜預處理方法對蘋果品質(zhì)模型的影響，并應(yīng)用PLS 對寒富蘋果的可溶性固形物含量、總酸含量和硬度做出了適當?shù)念A測模型。高升[20]通過可見近紅外光譜技術(shù)和高光譜遙感技術(shù)對生長中的紅地球葡萄內(nèi)部品質(zhì)進行無損檢測研究，設(shè)計了一種便攜式紅地球葡萄果實和果穗內(nèi)部品質(zhì)檢測裝置。

3.4 果實損傷檢測

在采摘和運輸過程中，果實可能因外部的撞擊或擠壓而受到機械損傷。為了最大限度地減少水果貯存和運輸所造成的經(jīng)濟損失，目前對水果的機械損傷大多通過視覺檢測，測量精度低，分類不準確，不能滿足消費者對水果質(zhì)量的需求。Elmasry等[21]使用高光譜測量和人工神經(jīng)網(wǎng)絡(luò)（ANN）模型來檢測蘋果凍害，在獲得蘋果的光譜特征后，建立了一個反向傳播ANN 模型來選擇最佳波長，對蘋果進行分類，并檢測冷損傷引起的硬度變化，平均準確率為98.4%。上海交通大學的Wang等[22]利用高光譜遙感技術(shù)檢測藍莓果實內(nèi)部的機械損傷，并基于高光譜傳輸成像實現(xiàn)了深度學習方法的軟損傷檢測研究，通過建立卷積神經(jīng)網(wǎng)絡(luò)模型，應(yīng)用k-fold 交叉驗證模型評價方法，分類準確率達到88.0%，與以往的機器學習算法相比，識別效果更好，更有優(yōu)勢?；谇叭说难芯砍晒?，高光譜遙感技術(shù)可以通過檢測水果硬度的變化來檢測凍傷、風害等內(nèi)部損傷，是一種快速可靠的內(nèi)部損傷檢測方法。韓浩然等[23]利用高光譜成像技術(shù)檢測蘋果劃痕后發(fā)現(xiàn)，波段比算法和主成分分析的分類識別準確率達93.3%，更適合快速實時檢測蘋果的傷害。林思寒等[24]采用PLS和線性判別分析（LDA），基于高光譜遙感技術(shù)建立了PLS-LDA 橫向檢測模型，該模型對完好的和不同損傷程度的果實損壞性識別準確率達97.8%。

3.5 果實農(nóng)藥殘留檢測

水果表面的藥物殘留不僅對水果的質(zhì)量和安全產(chǎn)生重大影響，而且對水果貿(mào)易也有很大影響。因此，果品農(nóng)藥殘留檢測至關(guān)重要。目前，農(nóng)藥殘留常規(guī)的檢測法有凝膠色譜法、氣相色譜法和薄層色譜法，這些檢測方法不僅復雜、耗時長、成本高，而且具有破壞性。因此，要快速輕松地識別果實表面的農(nóng)藥殘留物，需要一種非接觸、簡單、快速、準確的方法。而具備圖像和光譜的高光譜遙感技術(shù)能做到檢測過程無污染、無接觸和非破壞性。Jiang等[25]為了實現(xiàn)蘋果中農(nóng)藥殘留的有效檢測，采用基于機器視覺的分割算法和高光譜技術(shù)對蘋果圖像的前景和背景區(qū)域進行分割，構(gòu)建了AlexNet-CNN 農(nóng)藥殘留檢測系統(tǒng)，運用高光譜技術(shù)檢測6 144 幅蘋果農(nóng)藥殘留圖，而檢測結(jié)果中，測試組的認證準確率為99.1%，單波段圖像的平均精準度為95.4%。徐潔等[26]利用高光譜技術(shù)建立距離差異分析模型和貝葉斯差異分析模型，確定哈密瓜表面殘留的藥物種類。在紫外光環(huán)境下，距離辨別的準確度為94.7%。鹵素光源環(huán)境下偏置差分法的準確率達到100%。李增芳等[27]利用高光譜無損技術(shù)在線檢測贛南臍橙樣品表面不同農(nóng)藥殘留濃度變化之間的關(guān)系，結(jié)果表明，高光譜無損技術(shù)對較高濃度的果面農(nóng)藥殘留的檢測比低濃度的農(nóng)藥殘留檢測結(jié)果更明顯。通過上述研究可以看出，高光譜遙感技術(shù)是一種小樣本、非接觸式、快速、有效和低成本的可以檢測果蔬農(nóng)藥殘留濃度的方法。

4 存在的問題與發(fā)展趨勢

4.1 存在的問題

由于遙感數(shù)據(jù)、大氣干擾和建模技術(shù)的限制，目標作物的生理、生化和環(huán)境參數(shù)的反演精度可低至80%～90%。目標作物和環(huán)境參數(shù)的反演往往還處于研究階段，其準確性還不足以滿足智能農(nóng)業(yè)中對目標作物和環(huán)境的專題信息的需求。

受天氣條件、衛(wèi)星資源利用等因素限制，監(jiān)測時往往無法獲得有效數(shù)據(jù)，不能滿足生產(chǎn)管理監(jiān)測的時間和空間分辨率要求；特別是南方的陰雨天氣多，空氣濕度大，在生長期內(nèi)獲得的光學影像往往因云霧而模糊不清，難以應(yīng)用于實際生產(chǎn)。

高光譜圖像數(shù)據(jù)處理技術(shù)發(fā)展緩慢，導致高光譜遙感的應(yīng)用存在許多問題和困難。在實際檢測應(yīng)用中，高光譜遙感技術(shù)可以同時評估水果的外部和內(nèi)部品質(zhì)，定性分析精度高，但建模過程復雜，數(shù)據(jù)處理繁瑣緩慢，因此，光譜遙感技術(shù)采集的數(shù)據(jù)比較準確，適用于實驗階段，但相關(guān)數(shù)據(jù)太多，相應(yīng)的處理時間長，不適合在線檢測。

此外，高光譜數(shù)據(jù)的空間和光譜信息還沒有得到有效利用，完整的光譜數(shù)據(jù)庫還沒有建立。所以在這方面的研究還有很大的發(fā)展空間。

4.2 發(fā)展趨勢

高光譜遙感技術(shù)具有快速、高效、準確和無損的特點，已被廣泛用于農(nóng)業(yè)監(jiān)測。高光譜遙感通過分析高光譜數(shù)據(jù)特征光譜線，能夠準確評估植被和農(nóng)田的生態(tài)情況。比如檢測植物的脅迫效應(yīng)，測定植物葉綠素含量、植被覆蓋率，提取氨和木質(zhì)素等生物化學變量，檢測作物或土壤的水分變化，感應(yīng)葉片色素濃度的變化，監(jiān)測農(nóng)作物的生物物理特性和估算產(chǎn)量特征等。利用科學和系統(tǒng)的管理方法準確合理地規(guī)劃園藝資源的使用，利用高光譜遙感技術(shù)提高果品的產(chǎn)量和質(zhì)量，不對環(huán)境造成污染。

傳統(tǒng)的分析方法已經(jīng)不能滿足現(xiàn)代農(nóng)業(yè)發(fā)展的需要。因此，高光譜遙感被廣泛用于精準農(nóng)業(yè)的發(fā)展。利用高光譜技術(shù)獲得更完整和精確的信息參數(shù)，為果樹的栽培和管理提供了有利保證。除此以外，高光譜遙感技術(shù)還可用于果樹的綜合質(zhì)量監(jiān)測，提供不同生長時期的果實特征數(shù)據(jù)，以綜合預測最終產(chǎn)量和最終收益。目前，重點是不同果樹的產(chǎn)量，質(zhì)量監(jiān)測中的數(shù)據(jù)訪問和數(shù)據(jù)存儲。雖然高光譜技術(shù)已經(jīng)充分和準確地應(yīng)用于果樹研究，但仍需進一步研究。如何利用高光譜遙感技術(shù)監(jiān)測作物機械和果樹信息，并完善光譜信息數(shù)據(jù)庫，以支持進一步提高農(nóng)業(yè)信息監(jiān)測模型的適用性和準確性。

高光譜遙感技術(shù)的應(yīng)用首先要克服監(jiān)測精度問題，提升模式預測預報能力，在此基礎(chǔ)上，要梳理技術(shù)流程，進行系統(tǒng)開發(fā)，構(gòu)建智能信息服務(wù)平臺。精度的提升首先要從改變參數(shù)反演模式開始，嘗試新的思路和方法，將人工智能和深度學習應(yīng)用于算法優(yōu)化，并進行綜合驗證和精度評價。通過多源數(shù)據(jù)融合，充分利用不同衛(wèi)星和傳感器的數(shù)據(jù)，可以嘗試有效數(shù)據(jù)的使用。在高精度預報能力的基礎(chǔ)上，建立智能信息服務(wù)平臺，實現(xiàn)果樹學的智能化管理，并開展應(yīng)用和示范。在進行示范的同時，還將開展地面觀測，以驗證和評估監(jiān)測專題產(chǎn)品的準確性。