遥感技术在甘蔗监测应用中的研究进展

陈燕丽，莫伟华*，杨绍锷，莫建飞，丁美花

(1广西壮族自治区气象科学研究所，广西南宁530022；2广西壮族自治区农业科学院，广西南宁530007)

0 引言

甘蔗是多年生草本植物，喜温喜雨，广泛种植于 37°N～31°S的热带和亚热带地区[1]。目前，全世界超过100个国家种植甘蔗，巴西是最大的甘蔗生产国，印度次之，中国列居第三。甘蔗茎节存储糖分能力强，含糖量10%～18%，是制糖的重要原料，全世界超过 50%的糖来源于甘蔗[2]。甘蔗也是一种重要的能源材料，在巴西等一些国家甘蔗主要用于生产酒精[3]，能源甘蔗已成为生物质能产业开发的热点之一[4]。作为一种重要的经济作物，甘蔗是许多发展中国家和地区的经济支柱，在我国广西、云南一些地区甘蔗是重要的脱贫致富的来源[5]。

甘蔗是一种大田期较长的作物，从发芽至收获，由于种植地区差异，生长期历时10～24个月不等，较长的生长周期及自然环境条件差异给甘蔗生长监测带来了诸多不便。遥感技术的迅速发展为甘蔗农业生产提供了便利工具，利用遥感监测技术可以开展实时、大范围、无破坏性的甘蔗生长状况探测，随着光谱探测技术的不断发展和统计学习方法的日益成熟，遥感技术在甘蔗生长状况监测的应用越来越深入。

作物冠层光谱反射特性是对其生长状况进行遥感监测的基础。由于作物郁闭度的差异，遥感接收到的冠层光谱信息通常是作物本身及其底层土壤两者的组合[6]，与冠层结构、叶面化学、农艺参数、大气条件等因素密切相关[7]。甘蔗冠层结构对光谱反射率的影响最大，作物株型是决定冠层结构的重要因子，紧凑型甘蔗冠层反射率一般低于中间型株型冠层，冠层叶片倾角直接影响甘蔗冠层反射率的高低，研究指出冠层叶片倾角越大，光谱反射率越低[7-9]，冠层结构还会影响太阳光在冠层和底层叶片之间透射作用大小[10]。叶片中的色素含量对甘蔗冠层光谱也会产生影响，包括叶绿素a、叶绿素b、胡萝卜素、叶黄素和花青素[6,11]。叶片的营养状况，如氮素亏缺，也会改变甘蔗冠层反射光谱[6,12]，波长550、741 nm附近光谱反射率对甘蔗叶片氮含量敏感[13]。叶片含水量高低也会通过改变对特定波段的吸收(如980 nm和1205 nm)进而影响甘蔗冠层光谱反射。农艺形状参数如叶面积指数的高低直接影响光谱反射率的大小，叶面积指数越高，光谱反射率越高[7,14]。土壤条件的差异也会改变甘蔗冠层光谱，不同土壤水分条件下甘蔗光谱反射率存在显著差异，甘蔗可见光和近红外波段反射率随着土壤含水量的增加而增大[15-16]。大气中的水汽等会直接影响遥感传感器接收的光谱反射信息，这也是大气校正的目的所在。目前针对太阳光与甘蔗冠层相互作用原理的相关研究多基于地面遥感，即利用手持光谱采集设备采集不同试验条件下甘蔗冠层光谱信息[14,17-19]，鲜见有关卫星轨道层次上的甘蔗光谱特性研究报道[7]。

基于甘蔗冠层反射率特征，遥感技术在甘蔗监测发挥了重要作用。本文综述了遥感技术在甘蔗信息识别、长势状况评估、产量估测、品种品质监测等方面的应用情况，并指出未来面临的机遇和挑战。

1 遥感技术在甘蔗信息识别中的应用

农作物识别主要是利用绿色植物特有的波谱反射特征，将农作物与其它地物区分开来[20]，作物识别是其面积估算和区域制图的基础，可为产量估测、灾情统计、收割进度等生产管理提供基础数据。学者们利用多源遥感数据开展了甘蔗识别研究。

低空间分辨率遥感数据主要以中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)为主，Xavier等人[21]利用MODIS增强型植被指数(Enhanced Vegetation Index, EVI)采用非监督分类方法提取了巴西甘蔗，发现甘蔗与牧草具有相似的光谱特征容易混淆，指出结合更高分辨率的遥感影像及采用监督分类方法是有效区分两者的有效途径。谭宗琨[22]和丁美花等人[23]利用 MODIS归一化植被指数(Normalized Difference Vegetation Index,NDVI)，采用监督分类(最大似然法)和逐步剔除相结合的方法提取广西甘蔗，识别精度分别达到 90%和85%，甘蔗面积估算在丘陵地区偏小、作物种类繁杂区偏大，提出地理信息(坡度)的引入及混合象元分解可提高识别精度。

中等分辨率遥感数据是目前甘蔗识别的主力遥感数据，以美国陆地探测卫星系统 Landsat系列应用最广泛。早在 1986年，周莳等人[24]利用 1978～1982年MSS 457波段假彩色合成卫星遥感图片，通过多时相分析、光谱特征分析、影像增强和计算机点读群法进行非监督分类，结合地学分析，确定了洞庭湖区甘蔗、水稻等多种农作物类型，总判断正确率达 92.6%。但在该研究之后，甘蔗遥感识别技术的深入研究和应用在国内有长达 20余年的空档期，该期间甘蔗识别技术在国外取得了长足发展。Landsat热成像仪(Thermal Mapper, TM)数据被发现对甘蔗具有较强的识别能力，在TM数据的蓝、绿和红光波段的甘蔗光谱反射率呈连续降低趋势[25]，在TM影像上甘蔗与多种作物如咖啡、柑橘类植物[26]以及木薯[27]光谱反射特征差异显著。Landsat数据的甘蔗识别能力已在多个地区得到了验证。Tardin等人[26]利用TM数据识别了巴西Furnas地区甘蔗，精度大于95%；Narciso等人[28]利用TM数据识别了南非Eston地区甘蔗，面积估算结果与46个农场主记录的面积数据误差小于5%；Hadsarang等人[29]发现1∶50000制图比例的TM假彩色合成影像可有效区分甘蔗与其他作物，基于此目视解译了泰国甘蔗种植分布情况。陈刘凤等人[30]利用Landsat8_OLI数据采用监督分类、非监督分类及NDVI剔除法相结合提取了云南耿马县甘蔗，分类精度 86.36%。利用TM 数据还可以快速监测甘蔗秸秆燃烧状况[31]。法国空间研究中心研制的地球观测卫星系统(Systeme Probatoire d'Observation de la Terre, SPOT)数据也具有较强的甘蔗识别能力，其可有效区分甘蔗种植区不同的土地利用类型[32]，利用简单的监督分类即可区分农场尺度下的甘蔗收割和未收割区[33]。我国环境减灾卫星HJ-1 CCD数据[23,34-35]、高分一号(GF-1)数据[36-38]和北京二号数据[39-40]等用于甘蔗信息提取也可达到90%以上的识别精度，HJ-1数据被成功用于甘蔗收割进度快速监测[41]。

雷达数据云雾穿透力强，对植被变化响应敏感，是作物监测的潜力数据源[42]，可有效解决南方云雨地区光学遥感数据在甘蔗监测的应用局限。合成孔径雷达(Advanced Synthetic Aperture Radar, ASAR)的极化hh和hv数据的比值与甘蔗叶面积指数变化具有较好的相关性，利用ASAR极化数据基于辐射传输理论可构建模型对甘蔗进行识别[43]。进一步研究指出在处于分蘖期(3月初至5月末)的甘蔗在雷达影像上极化特征明显，是甘蔗识别的有效时期[44]。利用时间序列 Sentinel雷达数据，通过绘制甘蔗极化特征生长曲线构建的甘蔗识别模型也可对甘蔗进行高精度识别[45]。雷达信息对甘蔗株高响应敏感，利用数据可有效监测甘蔗收割进度，且37°的入射角获取的雷达信号对监测甘蔗收割更有效[46]。

无人机航拍遥感技术近年来迅速发展，以其分辨率高、时效性强、受天气影响小等特点被用于作物信息调查[47]。利用无人机航拍影像通过作物表面模型(CSMs)可获得立体图像计算甘蔗株高[48]，且利用无人机航拍影像的亚米级高分辨率优势可监测甘蔗的一些细节信息，如识别甘蔗种植行数[49]、冠层覆盖度及株心数量[50]和种植密度[51]。

云雨天气及卫星回访周期的影响下难以保证高空间分辨率遥感数据的稳定性和连续性，多源遥感数据的简单结合或时空融合可更好地利用各种遥感数据的优势，改善遥感技术在甘蔗监测的应用局限。Markley等人[52]利用 SPOT5和增强型热制图仪(Ehanced Thermal Mapper, ETM)数据共同监测澳大利亚甘蔗收割面积，遥感识别的收割面积与收割机全球定位系统和人工调查获取的面积误差小于2%。彭光雄等人[53]利用CBERS02B和TM数据根据不同作物的物候差异对甘蔗和玉米进行遥感区分。黄丽等人[54]利用MSS和TM数据监测了1974～1991年云南潞江坝地区甘蔗种植面积变化情况。时空融合技术[55-56]解决了遥感影像在空间分辨率和时间分辨率上相互制约，单一的卫星传感器不能获得既具有高空间分辨率又具有高时间分辨率的影像的矛盾。利用增强型时空自适应融合模型(Enhanced Spatial-temporal Adaptive Fusion Model, ESTAFRM)对MODIS和HJ数据可进行有效融合获取时序高空间分辨率影像并适用于甘蔗分类[57-58]。

利用遥感技术进行甘蔗种植面积或收割进度调查精度一般可达到90%[59]，但低分辨率遥感影像由于混合像元的影响在甘蔗种植破碎零散地区难以达到满意的精度[22]，因此适用的遥感数据选择是非常必要的。此外，不同的分类方法对识别精度也有影响。目前应用于甘蔗识别的分类技术主要包括基于像元和面向对象两种分类方法。利用面向对象法，选择亚米级高空间分辨率无人机航拍数据[49]或中等分辨率的 TM[53]、Sentiel-2[60]、HJ数据[61-62]均可对甘蔗进行高精度识别。周振[61]和彭光雄等人[53]的研究均指出，面向对象方法分类的甘蔗识别精度高于BP神经网络法、光谱角分类法和最大似然法。

2 遥感技术在甘蔗生长状况评估中的应用

2.1 营养状况诊断

作物氮素营养的快速诊断有助于管理者及时有效地采取应对措施保障作物的高产量并合理管控化肥施用量[63]。作物氮素营养状况直接影响着作物的光谱信息，目前便携式叶绿素仪法、高光谱遥感诊断法和数字图像分析法是较常用的氮素营养诊断法。80年代开始学者们就开始了甘蔗氮素营养遥感诊断研究，Jackson等人[64]利用辐射仪获取的近地甘蔗冠层光谱信息可以较好地检测甘蔗氮素亏缺状况，且在其视觉症状不太明显的时候就可以进行检测，氮、钾元素充足的甘蔗其红外波段与红光波段的比值明显高于氮、钾元素缺乏的甘蔗。Schmidt等人[65]设置了不同施肥水平的试验点并利用DMSV传感器监测甘蔗养分变化，但未能检测到甘蔗养分亏缺。Abdel-Rahman等人[66]利用手持式光谱辐射仪FieldSpec 3获取的高光谱数据估算了甘蔗叶片中氮含量，光谱比值(R744/R2142)与4～5月的甘蔗叶片浓度显著线性相关(R2=0.74)，(R2200-R2025)/(R2200+R2025)与 6～7月的甘蔗叶片 N显著线性相关(R2=0.87)。Mokhele等人[67]做了相似的试验，发现红边指数(R740/R720)与甘蔗叶片 N 浓度显著线性相关(R2=0.81)。Miphokasap等人[68]将手持式光谱辐射仪获取的光谱反射率转换为一阶导数光谱(First-Derivative Spectrum, FDS)，发现基于FDS(750/700)的归一化微分指数(NDI)和基于FDS(724/700)的比率光谱指数(RVI)是表征氮浓度的最佳指标。利用便携式辐射计可以较好地诊断甘蔗氮素养分状况，但该研究目前还停留在试验阶段，不能测定田间大尺度的养分匮缺状况，目前鲜见基于卫星遥感甘蔗叶氮含量的相关报道。

2.2 病虫害监测

病虫害防治是甘蔗生产管理的重要环节，遥感技术在甘蔗病虫害监测研究最早是 Apan等人[69]利用 EO-1 Hyperion数据监测了澳大利亚甘蔗的橙色锈病(Puccinia kuehnii)，研究发现发生橙色锈病的甘蔗种植区光谱反射率信号特征显著，基于专家知识，利用与叶片色素、内部结构、水分含量相关的遥感波段计算了40个光谱植被指数，采用判别函数法筛选适用的监测指数可较好地区分病变区和未病变区。Abdel-Rahman等人[70]利用手持式田间光谱辐射计测定了遭受蓟马虫害的甘蔗冠层光谱信息，采用单向方差分析、敏感度分析和典型判别分析方法对光谱信息进行分析，发现可见光红边区域的光谱反射率与遭受蓟马虫害的甘蔗相关性最显著且对不同受害程度的甘蔗区分度最高。Palaniswami等人[71]利用印度IRS-P6卫星数据监测了甘蔗黄叶病，发现受灾蔗田在可见光、近红外和短波红外的 DN值明显高于非受灾蔗田，平均高 7.5个单位量。遥感甘蔗病虫灾监测仍需要深入研究，某些昆虫会对甘蔗生产造成严重的影响，但其在甘蔗植株呈现的视觉症状并不明显，需要深入分析由虫害导致的甘蔗生理变化机制，为利用遥感技术对其进行检测和监测奠定基础[72]。

2.3 水分状况监测

干旱是甘蔗生产过程中发生频率最高、影响范围最广、造成损失最严重的气象灾害之一[73]。通过监测甘蔗水分状况可以反映甘蔗旱情，但与小麦、水稻等大宗粮食作物相比，遥感技术应用于甘蔗水分状况监测方面的研究和应用相对较少。

已有研究普遍证实了近地遥感获取的光谱信息对甘蔗水分亏缺响应敏感。Jackson等人[64]采用手持辐射计测试了甘蔗地水分状况时发现利用红外波段与红光波段的比值可有效监测甘蔗水分亏缺。利用DMSV传感器获取的甘蔗冠层光谱信息可以识别甘蔗发育早期不同程度的水分胁迫[65]。水分胁迫条件下甘蔗冠层光谱反射率在460、560 nm和近红外波段(760～1200 nm)光谱反射率差异显著，土壤含水量与460、560 nm的反射率比值均呈显著正相关关系[15-16]。甘蔗叶片叶绿素含量高低与土壤水分条件密切相关，527～578 nm、701～731 nm的光谱反射率及红边位置(REP)与叶绿素含量均具有较高的相关性[74]，通过光谱信息反演叶绿素含量可以间接反映甘蔗水分盈亏状况[75]。在卫星轨道层次上，Landsat TM的近红外和短波红外波段被发现能够提供更多表征甘蔗水分状况的信息，可利用波段组合反演甘蔗水分含量状况[25]。星载雷达信号对由于水分胁迫导致的甘蔗田的 NDVI下降信息响应敏感[76]。

利用卫星遥感数据也可以监测甘蔗水分状况。低空间分辨率数据高级甚高分辨率辐射计(Advanced Very High Resolution Radiometer, AVHRR)和MODIS已广泛用于甘蔗区域性旱情监测评估中，基于AVHRR推算的甘蔗NDVI与水需求满意度指数(WRSI)之间存在显著的时滞相关关系，利用两者关系可以实现甘蔗水分状况监测，但由于甘蔗NDVI具有较强的季节性且 WRSI值变化较大，但该方法难以实现甘蔗水分状况预测[77]。利用AVHRR的热红外数据绘制的陆面温度分布图，结合气象数据制作甘蔗占主导地位的地区的蒸腾分布图，可用于跟踪管理蔗田灌溉[78]。利用MODIS推算的温度/植被干度指数(TVDI)与生长前期(4月)和生长高峰期(10月)甘蔗地土壤水分之间存在着显著的负相关关系，TVDI能很好地反映印度亚湿润地区甘蔗地土壤水分变化状况[79]。采用 MODIS数据和植被温度指数模型对 2004～2008年广西崇左市甘蔗种植区秋季旱情进行遥感监测，评估结果较理想[80]。利用MODIS卫星数据采用植被状态指数(VCI)和温度条件指数(TCI)构建干旱指数(DI)遥感监测模型，应用该模型对广西来宾市兴宾区典型甘蔗种植区2004、2005年秋季旱情进行了监测评估，评估结果与实际状况吻合度较高[81]。中等分辨率的TM数据也可以有效监测甘蔗区旱情。Yang等[82]根据植被指数-温度梯度(VITT)原理，利用Landsat TM数据估算了甘蔗种植区的蒸散状况，研究发现该方法对区域尺度的甘蔗区蒸散估算非常实用。Veysi等[83]对甘蔗地的冠层温度和植被水含量进行了实地测量，并利用实地测量的计算作物水分胁迫指数(CWSI)，发现基于Landsat 8热红外数据反演的CWSI对甘蔗田水分亏缺具有较好的响应。Lebourgeois等人[84]通过进行不同的水条件下(降雨和灌溉)的试验，验证了利用热红外线衍生的经验性作物水分胁迫指数(CWSIE)测量甘蔗水分状况的有效性。Mark等人[85]指出卫星反演的参数和地面测量的甘蔗水分状况之间具有良好的关系。Zhang等人[86]利用无人机系统(Unmanned Aerial System, UAS)装备热成像相机获取冠层温度图像，发现采用冠层温度测量方法可用于监测不同的甘蔗品种和灌溉制度的水分亏缺状况。

多源遥感数据时空融合技术在甘蔗旱情监测也开展了应用尝试，基于MODIS和HJ数据融合的时序数据反演的适用干旱指标可对甘蔗不同生育期旱情进行较准确的评估[58]。

2.4 寒冻害监测

寒冻害是甘蔗生产过程中影响仅次于干旱的气象灾害。丁美花[87]和谭宗琨等人[88]利用 MODIS数据并结合大量田间调查资料，利用冻害发生前、发生后及上一年同期的甘蔗NDVI值分别监测了2008年初市和区尺度的甘蔗寒冻害时空分布状况，结果显示由于甘蔗种植环境差异，以市为单位进行冻害评估结果更准确。何燕等人[89]采用统计分析和实地调查方法，结合MOD IS卫星遥感监测结果，分析了 2008年广西低温冻害对广西甘蔗及蔗糖生产造成的具体影响。钟仕全等人[90]结合 Landsat 8 OLI和MODIS遥感数据，利用冻害年和正常年的NDVI值差异监测评估了 2013年底云南耿马县甘蔗霜冻害。寒冻害分级指标决定了监测精度，目前遥感甘蔗寒冻害研究多针对单次过程，所制定的分级指标适用性有待考证，利用长时间序列遥感数据、灾情调查样本及更多的寒冻害过程案例可制定更客观合理的寒冻害分级指标。

2.5 长势综合评估

地理环境及耕作等条件的差异会使得某一空间区域范围内的甘蔗表现出不同的生长状态，农业生产中称之为长势(苗情)，许多情况下需要对区域范围内的甘蔗长势进行优劣评估。目前作物长势评估指标多采用 NDVI，评估方法主要有逐年比较模型和等级模型，模型中需要获取NDVI均值和极值均需要多年数据的积累[91]。针对甘蔗长势进行综合评估的研究报道较少，丁美花等人[92]利用NDVI分析了甘蔗年内长势动态变化，黄敏堂等人[93]采用简单的NDVI偏差模型对比分析了2009～2012年上思县甘蔗长势多年变化状况。中国气象局于2015年发布了气象行业标准《甘蔗长势卫星遥感评估技术规范》(QX/T 284-2015)[94]，提出利用NDVI偏差和标准差共同对甘蔗长势进行评估，并给出了甘蔗不同生育期的具体评估参数，为甘蔗长势客观定量评估提供科学依据。

3 遥感技术在甘蔗产量估测中的应用

甘蔗产量估测对甘蔗生产至关重要。目前已有相关研究利用低空间分辨率遥感数据和中低空间分辨率数据对甘蔗产量进行估测。

许多国家利用低空间分辨率遥感数据开展了甘蔗产量估测试验。Bastiaanssen等[95]利用 NOAA AVHRR数据建立了巴基斯坦甘蔗产量估测模型，甘蔗估测精度与区域统计数据均方根误差为 13.5 t/hm2，研究指出日照时数、空气温度和作物分布图可作为模型改进的重要因子。Simões等[14]利用MODIS光合有效辐射数据估测莫桑比克甘蔗产量的试验中结果并不理想，但通过对 MODIS光合有效辐射数据进行空间纯度、作物年历替代及不规则数据平滑等系信号增强处理获取的新数据序列可以有效检测甘蔗生物量累计的绝对变化和年际变化，产量估测误差最低可达0.6 t/hm2[96]。有研究证明，利用低分辨率的高时间分辨率优势，结合气象数据可以更好地估测甘蔗产量。SPOT 1 km NDVI数据与气象数据耦合被用于巴西不同尺度的甘蔗产量估测，对于大型甘蔗农场精度达66.7%～86.5%，但对于小型甘蔗种植社区产量估测精度仅为8.3%，低空间分辨率遥感数据对甘蔗种植纯度较低或小于遥感数据分辨率地区的甘蔗产量预测精度较低[97]。类似的研究也指出，降雨量和MODIS NDVI均与气象站5 km半径内的甘蔗产量无明显相关性，但在在更大的范围内，NDVI与雨季种植的甘蔗产量显著正相关(R2=0.57)[98]。对AVHRR NDVI的研究也得出相似结果，AVHRR NDVI与工厂尺度的甘蔗产量显著相关但与农场尺度甘蔗产量不相关[99-100]。SPOT NDVI与气象数据结合构建的甘蔗产量估测模型，对中产田和高产田估测精度较高分别为66.7%、86.5%[97]。SPOT NDVI估测甘蔗产量的最佳时期为收获前2个月，产量估测精度可达85%[101]。卫星数据和气候指标结合也可以较好地估测甘蔗产量，AVHRR NDVI与农业气候指数的耦合指数与巴西甘蔗产量的相关性较高(R2=0.69～0.79)[77]。学者们还发现通过适当的方法对卫星数据进行归一化可以提高其与产量的相关性，克服由于生长环境和甘蔗发育期的地区差异造成的NDVI难以估测甘蔗产量的现状，对路易斯安那州甘蔗产量的估测研究中，使用热变量对NDVI进行调整，甘蔗产量与调整后的 NDVI相关性较未调整NDVI高0.20[102]。利用归一化处理后的MODIS NDVI估测2002～2010年肯尼亚6个甘蔗种植区甘蔗产量，发现甘蔗产量与归一化 MODIS NDVI相关性在空间维度相关性较高(R2=0.53)，但其在时间维度相关性较低(R2=0.1)，利用现有卫星低分辨率数据估测甘蔗年产量存在较大困难[103]。利用遥感数据和其他辅助数据结合也可实现甘蔗产量估测。Goncalves等人[104]采用多元线性回归方法，利用AVHRR NDVI、甘蔗种植面积和WRSI共同构建了巴西圣保罗地区的甘蔗产量模型，估测精度较高(R2在0.9左右)。利用MODIS NDVI替代Goncalves提出的甘蔗产量估测模型中的 AVHRR NDVI能获得更高的甘蔗估测精度(R2＞0.94)[105]。在不使用甘蔗种植面积数据的情况下，MODIS NDVI和官方统计数据的结合也可实现甘蔗产量估测[106]。

中低空间分辨率数据也被用于甘蔗产量估测研究。Lee-Lovick和Kirchner[25]利用Landsat TM估测澳大利亚 Bundaberg地区的甘蔗产量，发现产量和任一波段的反射率均不相关。类似的研究也发现，Landsat ETM+反射率与Umfolozi工厂尺度的甘蔗产量无显著相关关系[107-108]。Ueno等人[109]利用Landsat TM数据估测日本甘蔗产量的精度也很低。利用 DMSV获取的精细分辨率光谱数据计算的NDVI与甘蔗产量相关性也不显著[101-102]，但利用田间光谱仪获取与Landsat ETM+相同波段数据，其红光波段、比值植被指数RVI、NDVI和土壤调节植被指数SAVI与甘蔗蔗茎产量及米蔗茎数高度相关(R2＞0.79)，利用RVI，LAI和NPM构建的模型可解释97%的甘蔗产量变化[14]。Rudorff和 Batista[110]的研究发现Landsat MSS数据结合农业气象模型估测甘蔗精度较高，同时指出单独利用光谱数据或农业气象数据也可估测甘蔗产量，但两者的耦合模型估测的甘蔗产量精度最高。Almeida等人[111]利用ASTER和Landsat ETM+数据，通过光谱增强、降维及设置权重等方法获取简单的DN值图像，发现利用该DN图像通过归一化处理估测的甘蔗产量精度高于传统方法。利用Landsat TM和ETM+长时间序列数据提取的绿色归一化植被指数 GNDVI可以较好地表征澳大利亚班达伯格地区的甘蔗长势状况，GNDVI最大值与历史甘蔗产量数据拟合效果较好(R2=0.69)[112]。Landsat反演的 NDVI与巴西圣保罗的某一甘蔗商业田甘蔗产量和总生物量相关性较好，R2分别为0.68和0.97[113]。利用SPOT4和SPOT5的NDVI序列采用多项式回归方法可以较好估测留尼汪岛地区甘蔗产量(R2=0.75)，并且可以提前 2个月实现产量预测[114]。何亚娟[115]利用 SPOT NDVI与甘蔗叶面积显著正相关，两者的二次函数拟合效果最佳(R2=0.84)，依据LAI-产量模型得倒的甘蔗单产数据与统计数据相对误差仅为 2.6%。刘吉凯[116]研究发现利用HJ NDVI在甘蔗不同生育期估产效果有差异，全生育期精度最高，关键生育期中以茎伸长中期精度最高，工艺成熟期精度最低。利用无人机获取的RGB航拍图像和地面2 m×2 m随机采样的株高、茎数、茎重的数据共同构建的甘蔗产量估测模型[117]。

尽管利用多种卫星遥感数据开展了甘蔗估产研究，泰国一些农场或制糖企业甚至在每年甘蔗收获前都定期开展产量评估[101]，但冠层密度、甘蔗种植和生长发育的地域差异使得甘蔗产量估测仍存在较大困难。学者们发展了众多的作物生长模型用于甘蔗估产，其中 APSIM、CANEGRO、QCANE应用较广泛，遥感和作物模型的耦合在理论上充分利用作物模型的机理性和遥感监测的区域性，可获得更优的产量估测结果，但由于作物模型需要气象要素、土壤状况、管理措施和田间观测数据等多重参数，众多输入参数的不确定性会加剧同化方法估测结果的变异，限制了其在区域性甘蔗产量估测上的应用。在利用SPOT4和SPOT5的NDVI数据对回归统计模型、Kumar-monteith效率模型、遥感-作物模型(MOSICAS)耦合3种遥感估产的比较分析中发现，传统的回归统计模型对留尼汪岛地区甘蔗产量估测精度最高[118]。

4 遥感技术在品种品质鉴定中的应用

4.1 品种鉴定

甘蔗品种鉴定对产量估测和灾害风险评估具有重要意义。目前已有相关研究利用光谱仪、多光谱和高光谱遥感数据等开展了甘蔗品种鉴别试验。Schmidt等人[65,119]的研究表明，利用高空间分辨率DMSV能够区分南非不同的甘蔗品种。Johnson等人[120]利用光谱仪收集自然光条件下的甘蔗反射率数据成功区分7个甘蔗品种，包括5个商业品种、1个常规种和 1个野生种。Fortes和 Demattê[7]利用Landsat ETM+数据的不同波段并计算植被指数共同与地面调查品种数据建立关系方程对4个甘蔗品种进行鉴别，甘蔗品种分类精度可达93.6%。但Gers等人[107-108]研究发现Umflozi地区的5大甘蔗品种在Landsat ETM+反射率数据上的差异不显著。在高光谱数据方面，Apan等人[71]利用 Hyperion数据，结合光谱反射率、波段比值、植被指数采用多元判别分析方法(MDA)对澳大利亚甘蔗品种进行辨别。识别精度对采样样本和品种分别为97%、74%。Galvão等人[8]利用类似的方法有效区分了巴西地区的甘蔗品种。但利用AVHRR、SPOT-5、CBERS-2、Landsat ETM+和 TERRA数据通过滤波函数模拟 Hyperion数据却无法对甘蔗品种进行有效识别[9]。目前可用的卫星高光谱数据日益丰富，但鲜见 IKONOS、QuickBird等数据用于甘蔗品种识别的报道。

4.2 品质鉴定

甘蔗糖分是决定甘蔗品质的关键，提高甘蔗糖分是国内外甘蔗种植者追求的目标，也是提高甘蔗经济效益的主要方法，因此甘蔗糖分监测是甘蔗品质鉴定的重要内容。目前针对甘蔗糖分监测目前常用方法是近红外(NIR)光谱分析技术[121]，利用近红外实验光谱仪获得甘蔗中蔗糖的特征振动信息，采用化学计量方法对所得的基团振动的近红外光谱进行分析，获得甘蔗中蔗糖分(主要为含糖量)信息[122-125]。尽管 NIR技术可实现蔗茎、蔗叶等非蔗汁样本糖分的快速测定，但由于NIR光谱试验仪器对环境适应性差、扫描速度低、设备体积较大且成本较高，因此并不适合在大田使用。目前有关利用NIR技术进行甘蔗糖分测定的报道仅限于对采样数据进行实验室测定。此外，微波技术在甘蔗糖分检测中也存在巨大潜力[126-127]，但该技术的应用也停留在实验室测定研究范畴[128]。在田间尺度上，Begue等人[114]研究发现，利用SPOT NDVI可较好地监测甘蔗糖分，两者的回归模型拟合精度较高(R2=0.75)，且甘蔗糖分在12%～25%之间时，SPOT NDVI与其线性相关，甘蔗糖分稳定25%时，SPOT NDVI与其相关性不明显。Zhao等人[129]分析糖分累积和产量形成规律，利用RapidEye和Landsat组成的时间序列遥感数据和降水量数据建立了甘蔗糖分估测模型，估测精度达 90.4%；之后又构建了遥感光谱数据与作物生产系统模拟模型 DSSAT同化的甘蔗糖分预测方法，并实现了对糖分含量及其峰值出现时间的准确预测[130]，为最佳砍运方案的制定提供了决策依据。

5 遥感技术用于甘蔗监测的挑战和机遇

综上所述，遥感光谱植被指数用于甘蔗品种、内在组分(氮素、糖分、水分)及病虫害遥感反演的可行性已被证实，但基于光谱指数的波段组合运算方法众多，不同方法所得指数用于估测甘蔗品种、内在组分及病虫害的稳定性和普适性均鲜有研究。高光谱数据对甘蔗品种、内在组分及病虫害的监测优势已有体现，但目前多局限于近地手持辐射计数据。需深入研究利用在轨高光谱数据甘蔗品种、内在组分及病虫害监测的方法模型。此外，基于遥感光谱信息的甘蔗产量估测方法众多，但可以运行化的估测模型较少。统计模型法、过程模型法、作物模型法及遥感-作物模型耦合等多种遥感甘蔗估产方法的稳定性和适用性仍需验证。

传感器开发和辐射校正技术的发展进一步促进了遥感技术的发展，但目前针对农业遥感关键光谱反射区鲜见研发专用的在轨传感器。对于甘蔗而言，关于其光谱反射原理及特性的研究仍然局限于近地手持辐射计获取的光谱数据，针对甘蔗群体品种、内在组分及病虫害研究甘蔗在轨光谱反射原理及特性，筛选最优波段组合并构建监测模型是实现遥感技术在甘蔗生产实际应用的有效途径。

日益丰富的卫星数据为农业遥感监测提供了众多的数据源，但在实际应用中，高质量数据的稳定性仍然是限制遥感技术在甘蔗监测应用的主要问题。可见光-近红外波段是目前众多卫星都搭载有的传感器，但目前遥感可见光—近红外数据在甘蔗种植区的应用面临较大的困难。雷达数据不受天气影响，但其处理技术较复杂，甘蔗在雷达影像上的光谱机理仍需深入研究。多源遥感数据时空融合技术解决了遥感影像在空间分辨率和时间分辨率上相互制约，单一的卫星传感器不能获得既具有高空间分辨率又具有高时间分辨率的影像的矛盾，为遥感数据在甘蔗监测的多元化深入应用提供了有效手段，但目前该技术在甘蔗的应用仅限于种植面积识别和干旱监测，且其融合的数据多为可见光-近红外的卫星遥感数据。时空融合技术在近地(小飞机)、雷达遥感数据的应用研究值得期待，耦合星-地多源遥感信息是充分发挥遥感优势，拓展遥感技术在甘蔗种植区应用的一种有效途径。

本文对遥感技术在甘蔗信息识别、生长状况评估、产量估测、品种品质等方面的应用情况进行了梳理，指出目前在甘蔗品种、内在组分、病虫害和产量评估中遥感监测模型存在着稳定性和适用性研究不足的问题，提出未来可在甘蔗光谱反射原理和多源遥感数据融合应用等方面深入研究，以期为遥感技术在甘蔗监测评估的深入应用提供参考。