摘要：不同农作物、不同生长阶段、不同健康状态的植被，其在400–2500nm范围内的反射率曲线具有显著差异，这些差异可以被地物光谱仪高精度地记录下来。
一、地物光谱仪在农业调查中的核心价值
“光谱就是作物的指纹”
不同农作物、不同生长阶段、不同健康状态的植被，其在400–2500nm范围内的反射率曲线具有显著差异，这些差异可以被地物光谱仪高精度地记录下来。
二、可量化的典型应用场景
1. 作物分类与制图
目标： 区分玉米、水稻、大豆、小麦等作物类型;
操作方式：
地面布点实测各类作物的反射率曲线;
构建典型作物光谱库(Spectral Library);
用于训练高分遥感影像的分类模型(如随机森林、SVM);
优势： 比单靠遥感影像的RGB/NDVI等指标更加准确，特别是在混作区或小地块区域;
案例：中国农业科学院在华北平原开展农作物遥感普查时，地物光谱仪用于快速建立样本标签库，遥感分类精度可达90%以上。
2. 作物长势监测与营养诊断
目标： 判断作物是否健康、生长是否旺盛、是否缺氮缺磷;
操作方式：
获取作物不同时期的冠层光谱曲线;
提取植被指数(如NDVI、PRI、RENDVI);
与叶绿素、氮含量、LAI等生理指标回归分析;
优势： 实现“非破坏式、连续化”营养状况评估;
案例： 在冬小麦田区，用地物光谱监测红边位移与氮含量变化，精度优于传统叶片化验方法，且响应速度更快。
3. 病虫害早期识别
目标： 快速发现病斑、虫害、病毒传播迹象;
操作方式：
对病变与健康植株分别采集高光谱数据;
分析波段间的反射差异(常集中在红边、近红外);
训练AI模型进行分类识别;
优势： 敏感度高、可提前几天发现肉眼未可见的感染情况;
案例： 某省农业大学在玉米螟早期监测中，通过地面光谱仪建立早期识别算法，准确率超过85%。
4. 产量预估与成熟度判断
目标： 在收割前科学预估单产;
操作方式：
定期采集不同田块的冠层光谱;
结合气象和土壤数据，训练反演模型;
预测最终干物质量或籽粒重量;
优势： 大面积、快速预估，不受人为经验影响;
案例： 某航遥所联合企业在黑龙江大豆主产区部署地面光谱观测，结合卫星反演产量，误差控制在±10%以内。
三、与遥感影像的联动使用
地物光谱仪的最大优势在于：
为无人机、高分卫星、多光谱相机提供“校正锚点”和“训练样本”。
也就是说，你可以用它：
提供遥感图像的真实反射率参考(辐射校正);
参与机器学习模型的标签数据构建;
校准不同传感器间的波段偏差(如多光谱相机 vs Sentinel-2);
四、农业场景下的采集建议与注意事项
总结一句话：
地物光谱仪，是连接作物实际状态与遥感影像模型之间的“桥梁”，它将作物的长势、营养、病害等状态转化为可分析的“光谱语言”，为精细农业、智慧农田和遥感制图提供了可量化、可重复的基础数据。
莱森光学(深圳)有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。
来源：老刘说科学
