國際認可！雙利合譜機載高光譜技術助力科研團隊登上遙感頂刊

閱讀：224 發(fā)布時間：2025-10-21

南京農業(yè)大學程濤教授團隊依托雙利合譜Gaiasky-mini2-VN機載高光譜成像系統(tǒng)提供的精準數(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載高光譜技術在科研領域的可靠性，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值，更直觀的展現(xiàn)了國產高光譜設備在農業(yè)遙感前沿研究中的強大支撐能力與國際影響力。

文章正文：

近日，南京農業(yè)大學程濤教授團隊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"，可導致30%以上的產量損失。傳統(tǒng)人工調查方式費時費力、主觀性強，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，在實際應用中，作物生育期變化（即物候差異）常與病害光譜響應相混淆，導致病害定量估計不準確。如何在多時相、多生育期條件下穩(wěn)定、準確地量化病害程度，是當前遙感病理監(jiān)測領域的核心難題。

創(chuàng)新點：擴展PROSAIL模型，揭示物候影響機制

本研究首*提出了 “病害擴展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。
研究團隊通過實測病斑光譜與模型混合分析，成功構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。

結果顯示，擴展后的模型將紅光、近紅外和短波紅外關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鍵因素

通過靈敏度分析與因子分離（disentanglement analysis），團隊發(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)同時對葉綠素與病斑均敏感，導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。

實驗設計：機載高光譜精準識別病害分布

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

結果表明，經nRIBInir校正后的病害分布結果與地面調查高度一致，能夠準確識別嚴重病區(qū)與感染中心，實現(xiàn)了從定性識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）及多光譜無人機平臺，具備多尺度推廣潛力，可服務于病害監(jiān)測、抗性育種、精準藥劑管理等多種農業(yè)應用場景。

意義與展望

該研究首*從機理層面揭示了作物物候對病害光譜估算的干擾機制，并提出了可量化、可修正的解決方案。
論文成果不僅推動了病害遙感監(jiān)測的精度化和標準化，也為構建“機理—模型—應用"一體化的農業(yè)智慧監(jiān)測體系提供了新思路。

本研究展示了國產高光譜設備在國際前沿科研中的強大實力也反映出我國機載高光譜成像技術在農業(yè)遙感領域已具備國際水平的應用能力。

文章核心方法與結果的相關圖表