彭忻怡，潘玉霞，2，李艷大，曹中盛，舒時富，孫濱峰，葉 春，黃俊寶

（1.江西省農(nóng)業(yè)科學院農(nóng)業(yè)工程研究所/江西省智能農(nóng)機裝備工程研究中心/江西省農(nóng)業(yè)信息化工程技術研究中心，南昌330200；2.江西農(nóng)業(yè)大學農(nóng)學院，南昌 330045）

柑橘（Citrus reticulataBlanco）作為世界第一大類水果，是全球最重要的經(jīng)濟作物之一，每年全球總產(chǎn)量超過1.24 億t［1］，已成為世界各國的農(nóng)業(yè)主導產(chǎn)業(yè)。對柑橘生長指標信息進行實時監(jiān)測，不但能夠判斷柑橘的長勢和健康狀態(tài)，還能指導果農(nóng)科學合理施肥噴藥灌水，是實現(xiàn)柑橘豐產(chǎn)提質(zhì)增效的重要手段。植物葉片中葉綠素、蛋白質(zhì)等成分的化學鍵［2］在光輻射下會發(fā)生不同振動［3］，病害、營養(yǎng)元素的豐缺等因素都會影響葉片細胞數(shù)目、體積與成分，其不同的生理代謝狀態(tài)會使得表面結(jié)構(gòu)、內(nèi)部物質(zhì)種類與含量產(chǎn)生差異，對不同波長的電磁波產(chǎn)生各異的反射［4-6］。遙感技術正是基于此原理，利用數(shù)碼相機、多光譜與高光譜成像儀、熱紅外相機、激光雷達等［7］儀器，通過測量植被反射或發(fā)射的不同波長電磁波，獲取植物的光譜、紋理、形狀、高度等信息以反演植物的生長狀態(tài)。相對于傳統(tǒng)的目視診斷法、土壤化學分析法、植物組織分析法等［8］柑橘生長指標信息獲取方法，遙感監(jiān)測技術具有快速、無損、實時、省工節(jié)本和信息量大等優(yōu)勢，已成為智慧農(nóng)業(yè)發(fā)展的重要方向和研究熱點之一［9］。因此，本研究綜述了遙感技術在柑橘生化參數(shù)、水分脅迫、病害、產(chǎn)量及品質(zhì)等生長指標監(jiān)測中的應用進展，以期為提高柑橘精確管理水平和豐產(chǎn)高效栽培技術提供理論支撐。

1 柑橘生化參數(shù)監(jiān)測

利用不同的監(jiān)測平臺，可獲取葉片尺度和冠層尺度的柑橘生化參數(shù)數(shù)據(jù)。在葉片尺度上，主要利用手持式光譜儀或地面平臺搭載傳感器對每棵柑橘的葉片分別測量光譜響應，測量效率較低；在冠層尺度上，主要利用無人機平臺或衛(wèi)星平臺搭載傳感器對整個柑橘園進行快速監(jiān)測，但測量結(jié)果易受土壤散射、遮擋、傳感器視角等多種因素的影響，需要對柑橘冠層進行提取。近年來，國內(nèi)外學者在不同尺度的柑橘生化參數(shù)監(jiān)測方面開展了大量研究。束美艷等［10］利用無人機航拍圖像重建三維點云，引入基于冠層高度模型的分水嶺算法進行單木分割提取冠層信息，實現(xiàn)對柑橘空間位置的全覆蓋標記，這種方法計算簡單，但是需要已知柑橘園的數(shù)字高程模型；王鑫梅等［11］通過可視化無人機圖像手動選取冠層、土壤與陰影波譜差異較大的波段對冠層進行分割；Osco 等［12］利用神經(jīng)網(wǎng)絡像素級目標檢測輸出置信度圖像，以解決密集種植情況下矩形探測框無法很好描述植被冠層信息的問題。Liu 等［13］手動提取冠層中的新葉與老葉，并分別進行建模，發(fā)現(xiàn)新葉由于海綿葉肉反射性更強，普遍擁有更高的反射率，而老葉的光譜信息與植被生化參數(shù)相關系數(shù)更高；Osco等［14］利用葉面積指數(shù)將葉片尺度信息與冠層尺度信息聯(lián)系起來。目前的冠層分割方法大多需要如高程模型、標記樣本等先驗知識，如何更充分利用多光譜甚至高光譜圖像信息，提出更具通用性的冠層信息提取方法，有待進一步研究。此外，現(xiàn)有方法大多以冠層所有像素光譜響應的算術平均值作為單棵植物的光譜特征，沒有充分挖掘冠層信息。

國內(nèi)外學者根據(jù)采集的不同光譜反射率與柑橘生化參數(shù)，利用不同回歸統(tǒng)計方法建立生化參數(shù)監(jiān)測模型。Min 等［15］在可見光到紅外光波段對比了逐步多元線性回歸、偏最小二乘及相關系數(shù)3 種回歸方法對氮含量預測的表現(xiàn)，其中，偏最小二乘法由于能夠消除數(shù)據(jù)間共線性，更適合進行全譜分析，而逐步多元線性回歸更適合基于特征波段建立模型；Menesatti 等［16］利用偏最小二乘法對氮、磷、鉀在內(nèi)的多種化學參數(shù)共同進行回歸；考慮到高光譜數(shù)據(jù)維度高、計算負擔重的問題，黃雙萍等［17］利用主成分分析降維后通過支持矢量回歸方法進行預測；李金夢等［18］利用連續(xù)投影法找到特征波段完成降維，通過神經(jīng)網(wǎng)絡建立回歸；劉燕德等［19］通過試驗證明正適應加權法在柑橘葉綠素特征波段提取的效果優(yōu)于遺傳算法與連續(xù)投影法。還有部分學者從反射光譜中獲得各種植被指數(shù)并作為模型自變量，Naqvi等［20］利用植被指數(shù)反演植被葉綠素含量，并通過試驗證明修正三角植被指數(shù)與土壤和大氣抗性植被指數(shù)的組合能夠穩(wěn)健地預測葉綠素含量；李金夢［21］引入紋理信息協(xié)同優(yōu)化氮素預測模型，并通過試驗發(fā)現(xiàn)灰度直方圖效果優(yōu)于灰度共生矩陣；束美艷等［10］利用8 種常見植被指數(shù)聯(lián)合反演以去除土壤背景、光譜飽和性等因素影響。然而，由于使用的傳感器、研究的柑橘亞種與種植環(huán)境、管理的差異，在試驗環(huán)境下表現(xiàn)良好的模型不具有普適性，難以直接推廣應用。岳學軍等［22］得出隨著氮含量增加，可見光區(qū)域光譜反射率減小，而近紅外光波段光譜反射率增加；而Osco 等［23］卻發(fā)現(xiàn)柑橘氮含量與紅光、藍光、近紅外光的吸收水平呈顯著負相關，對綠光反射率影響不大。Grossman 等［24］的研究表明，逐步多元回歸方法盡管能夠得到較好的建模表現(xiàn)，但提取的特征波段與植被自身的吸收波段不相符。將柑橘的生物特性與光譜響應相結(jié)合，整合不同物候期植被參數(shù)，充分挖掘光譜信息，或許能夠減少回歸模型的過擬合現(xiàn)象，也使得特征波段擁有更強的解釋性。

2 柑橘水分脅迫監(jiān)測

水分對柑橘而言不可缺少，其中葉片含水量直接影響著柑橘光合作用［25］，冠層含水量則直接影響柑橘的開花坐果［26］。水分脅迫即柑橘植株含水量不足，通過對水分脅迫的監(jiān)測診斷，果農(nóng)能夠采取合理的灌溉策略，提早應對干旱與根澇災害。熱紅外遙感在水分脅迫監(jiān)測中占主導地位，其能夠通過柑橘的發(fā)射光反演冠層溫度，冠層溫度是蒸騰速率的函數(shù)，而蒸騰速率又與大氣蒸發(fā)需求和柑橘從土壤中可吸收的水分相關。相較于可見光對水分脅迫反應較遲鈍，熱紅外遙感由于與溫度相關，對水分脅迫變化更敏感。然而即使在水分充足的條件下，中午的柑橘葉片也會存在顯著的氣孔關閉現(xiàn)象［27］，引起冠層溫度上升，為熱紅外水分脅迫監(jiān)測帶來困難。水分脅迫參數(shù)主要包括葉片或冠層含水量、蒸發(fā)蒸騰指數(shù)、氣孔導度、莖或葉水勢等。近年來，國內(nèi)外許多學者在柑橘水分脅迫參數(shù)監(jiān)測方面開展了大量研究，Raj 等［28］發(fā)現(xiàn)400~1 000 nm 范圍內(nèi)對水分子O-H 鍵震動頻率敏感的7 個特征波長，并通過梯度提升機模型將葉片層面的高分辨率含水量推廣到基于衛(wèi)星數(shù)據(jù)的低分辨率果園層面。Ballester 等［29］利用手持紅外熱像儀測量冠層溫度，試驗證明雖然紅外反演的冠層溫度能夠作為水分脅迫的指標，但柑橘冠層溫度并不總是受水分脅迫影響，其相關時間尺度限于1 d，在季度尺度上，冠層溫度與大氣溫差與莖水勢無關；Kullberg 等［30］拓展了基于參考作物水分脅迫的傳統(tǒng)模型，將原本只適用于充分灌溉植被的蒸發(fā)蒸騰反演模型拓展到非充分灌溉的情況，既可以利用熱紅外遙感由溫度反演，也可以利用可見光與近紅外光的植被指數(shù)進行參數(shù)反演；Vanella等［31］通過電阻率層析成像改進基于衛(wèi)星的植被蒸發(fā)蒸騰指數(shù)估計，這種成像技術有助于準確估計土壤濕潤部分分布模式。

3 柑橘病害監(jiān)測

病害是造成柑橘減產(chǎn)與果農(nóng)經(jīng)濟損失的主要原因。柑橘病害主要有黃龍病、炭疽病、黑斑病、潰瘍病等，診斷對象包括柑橘葉片與果實，相較于葉片病害點檢測，果實病害點檢測更加困難。球狀的果實使得光強無法均勻分布，同時病害點可能與果實的莖或花萼連接處光譜相似，產(chǎn)生混淆。為解決上述問題，Li 等［32］通過巴特沃斯低通濾波器配合閾值進行光強分布均一化，利用顏色通量比率與細長區(qū)域去除算法有效區(qū)分莖段與缺陷點，這種方法能夠區(qū)分包括潰瘍病、炭疽病在內(nèi)的多種病害缺陷與正常果實，但是無法對各類缺陷進行分類；Ali 等［33］利用DeltaE 色差算法分離染病區(qū)域后，利用顏色直方圖與紋理信息進行分類。Sharif 等［34］首先通過加權分割方法提取病變像素點，通過混合特征選擇方法在豐富的紋理、顏色、幾何特征中選取最佳特征組合以投入支持向量機，實現(xiàn)了多種柑橘病害的分類。Moriya 等［35］對比發(fā)現(xiàn)在500~840 nm 波長范圍傳感器波段數(shù)增加提高了柑橘樹膠病的分類性能。隨著深度學習技術的不斷發(fā)展與廣泛應用，基于網(wǎng)絡的病害檢測也成為研究熱點之一，Pan 等［36］通過構(gòu)建密集連接卷積網(wǎng)絡，實現(xiàn)了對6 種柑橘病害的智能診斷，其識別準確率超過了88%。

4 柑橘產(chǎn)量監(jiān)測

相較于利用基于氣象因子的統(tǒng)計模型估產(chǎn)，基于遙感的方法在原理上更加直觀，通過與有效光合作用相關的光譜響應，與產(chǎn)量建立聯(lián)系［37］；此外，遙感技術的實時估產(chǎn)為柑橘后續(xù)管理與制定科學的采收加工計劃提供了條件，也是柑橘生產(chǎn)精確管理的重要內(nèi)容。柑橘產(chǎn)量存在大小年現(xiàn)象，即一年豐產(chǎn)，一年少產(chǎn)，有的甚至連續(xù)2~4 年低產(chǎn)［38］，這也為柑橘估產(chǎn)帶來挑戰(zhàn)。柑橘產(chǎn)量估測方法主要有基于數(shù)據(jù)統(tǒng)計的方法和基于圖像的方法?；跀?shù)據(jù)統(tǒng)計的方法通過遙感光譜數(shù)據(jù)或結(jié)合柑橘生化參數(shù)進行回歸預測；基于圖像的方法則根據(jù)無人機或車載傳感器拍攝圖像［39］，利用圖像進行估產(chǎn)。近年來，國內(nèi)外學者在柑橘產(chǎn)量監(jiān)測方面開展大量研究。Ye 等［40］發(fā)現(xiàn)基于偏最小二乘的回歸方法能夠在柑橘收獲前幾個月達到合理的預測結(jié)果，而基于植被指數(shù)或多元線性回歸的方法無法做到；此外，葉旭君等［41］進一步將估產(chǎn)時間提前到5 月，利用偏最小二乘回歸選出柑橘特征波段后，通過多元線性回歸完成預測；祝高明［42］將包括葉綠素、氮含量在內(nèi)的生化參數(shù)與光譜信息結(jié)合，獲取柑橘6 個月以來的光譜響應結(jié)果，得到了較好的產(chǎn)量預測結(jié)果；鄭雅之［43］根據(jù)各物候期建立多時相模型，以增強預測結(jié)果的魯棒性?；趫D像的估產(chǎn)方法通常應用于坐果后收獲前，但存在枝葉遮擋，未成熟果實與葉子顏色難以區(qū)分的問題。Dorj 等［44］通過色彩轉(zhuǎn)換、閾值分割、噪聲去除、分水嶺算法對采集到的自然圖像完成分割與計數(shù)；Choi 等［45］經(jīng)對比發(fā)現(xiàn)近紅外光圖像在Alexnet 網(wǎng)絡上對柑橘檢測效果較可見光和深度圖像更佳，真陽性率達96%，試驗通過車載傳感器自底向上觀測以減少遮擋；Apolo 等［46］微調(diào)了預訓練好的Faster-RCNN 模型，通過深度網(wǎng)絡進行柑橘檢測計數(shù)，并且提出了基于長短期記憶的網(wǎng)絡模型以處理無人機航拍的可見光圖像。將高光譜圖像、深度圖像及農(nóng)學參數(shù)共同應用于光學估產(chǎn)以及找到最適的估產(chǎn)時間是今后進一步探討的問題。

5 柑橘品質(zhì)監(jiān)測

柑橘品質(zhì)指標主要包括固酸比、可溶性固形物、可食率等。近年來，國內(nèi)外學者在柑橘品質(zhì)監(jiān)測方面開展大量研究。Song 等［47］通過分段粒子群優(yōu)化方法對可見光及近紅外高維光譜圖像降維提取特征變量以進行建?；貧w；Li 等［48］在基于可見光及近紅外光譜反射模式下，利用增強適應偏最小二乘法增加模型穩(wěn)健度，獲得了可行的預測模型。相較于基于反射或發(fā)射光譜的回歸模型，Tian 等［49］提出了基于透射模式的柑橘可溶性固形物診斷，以規(guī)避柑橘厚表皮漫反射對預測結(jié)果的影響；Zhang 等［50］提出利用激光誘導擊穿光譜技術分析柑橘果實及周圍葉片，對果實可溶性固形物含量進行預測，試驗還發(fā)現(xiàn)柑橘葉片中的鎂由于其參與碳水化合物運輸與光合作用，與可溶性固形物含量呈顯著相關。

6 展望

遙感技術能夠無損、低成本、實時、準確地獲取柑橘生化參數(shù)、產(chǎn)量、品質(zhì)、水分脅迫、病害等生長指標信息，為柑橘的精確管理提供技術支撐。然而，目前遙感技術在柑橘生長監(jiān)測中的應用還存在一些不足之處，冠層提取方法需要一定的先驗知識；冠層反射率受光照條件和傳感器視角的影響，可能出現(xiàn)同物異譜現(xiàn)象。因此，充分利用機器視覺方法建立合理的冠層提取算法，充分利用冠層紋理信息與形態(tài)學信息，對新葉與老葉的光譜特征進行耦合，對各物候期建立多時相回歸模型，將柑橘的生物特性與遙感信息結(jié)合，增加模型的泛用性以規(guī)避回歸中可能出現(xiàn)的過擬合現(xiàn)象，將可見光圖像、紅外圖像、深度圖像、生長參數(shù)等信息進行耦合以增加監(jiān)測模型的普適性等，這是今后柑橘生長監(jiān)測研究的重要方向。