将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合, 对冬小麦地上鲜生物量进行预测, 提高了冬小麦地上鲜生物量无损检测精度, 试验获取苗期93个样本的冠层光谱和冠层图像, 中后期(拔节期、 抽穗期、 开花期、 灌浆期)200个样本的冠层光谱和侧面图像。 将光谱反射率作为光谱特征参数, 并通过图像处理提取小麦覆盖度作为图像特征参数, 建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型, 将冠层光谱反射率和小麦覆盖度作为多信息融合的输入, 利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。 结果表明, 在苗期和中后期, 将光谱信息和图像信息融合, 采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。 苗期基于信息融合所建立的PLS模型验证集R2为0.881, 其RMSE为0.015　kg; 中后期基于信息融合所建立的PLS模型验证集R2为0.791, RMSE为0.059　kg。 由此可见, 相比单一的光谱模型和图像模型, 图像信息和光谱信息融合之后, 充分提高了光谱信息和图像信息的利用率, 使模型的精度得以提高。

高光谱成像技术因具有图谱合一的特点在作物品种鉴别方面具有较大潜力, 但目前研究大多只提取利用了光谱信息, 对图像信息没有进行有效利用。 本文利用近红外高光谱成像仪采集了强筋、 中筋、 弱筋3个类型共计6个品种的单粒小麦种子高光谱图像, 提取了长、 宽、 矩形度、 圆形度、 离心率等12个形态特征, 并对图像中的胚乳和胚区域进行分割建立掩膜, 提取了胚乳和胚区域的平均光谱信息。 采用PLSDA和LSSVM方法建立基于图像信息的判别模型, 结果表明强筋、 弱筋两者二分类的识别率能达到98%以上, 强筋、 中筋两者二分类的识别率只能达到74.22%, 说明近红外高光谱图像的形态信息能够反映品种间差异, 但单独利用图像信息进行分类时准确度可能欠佳。 采用SIMCA, PLSDA和LSSVM方法建立了胚乳和胚区域光谱信息的多分类模型, 胚乳区域的分类效果较胚区域略好, 说明籽粒不同部位的形状差异会影响分类效果。 进一步融合光谱信息和图像信息, 采用SIMCA, PLSDA和LSSVM方法建立融合模型, 识别率较单独的图像或光谱信息模型均略有提升, PLSDA方法从原来的96.67%提升到98.89%, 表明充分挖掘高光谱图像所包含的形态特征和光谱特征可有效提高分类效果。

为了实时、快捷、无损获取作物生长信息,采用新型的线性可调谐滤光片(LVF)分光技术,研制了作物生长信息光谱测量系统。选取线性可调谐滤光片为分光单元,硬件系统单元采用线阵CMOS探测器,在驱动单元脉冲信号的作用下完成光电转换、存储和转移等功能,并采用USB数据采集板对光电信号进行AD转换。上位机界面采用MFC和OpenGL语言编程。在室内用卤钨灯光源对玉米叶片进行验证,试验表明该系统能够较好地实现玉米冠层反射光谱的实时检测,在玉米叶绿素快速诊断方面具有可行性,为作物生长监测设备的研发提供了有力支持。

为了实现叶绿素含量的无损检测研究，采用激光后向散射图像技术来测量小麦叶片光学特性参量的方法，进行了理论分析和实验验证。利用670nm和970nm的半导体激光器和视频成像系统获得了小麦叶片的激光后向散射图像,通过漫反射理论分析了叶片组织表面的漫射光分布和在这两个波长下绿叶、黄叶、干叶的激光后向散射图像的变化特征，取得了其光学特性参量数据(约化散射系数和吸收系数)，并与叶片的叶绿素相对含量值建立对应的函数关系。结果表明，小麦叶片的光学特性参量与叶绿素相对含量值呈现线性相关，其中利用约化散射系数建立的叶绿素相对含量值预测模型中，预测集样本的相关系数为0.9095，预测均方根误差为5.9；利用吸收系数建立的叶绿素相对含量值预测模型中，预测集样本的相关系数为0.8366，预测均方根误差为7.5，说明激光后向散射图像技术测定植物叶绿素含量是可行的。这一结果对激光散射图像实现农作物长势诊断是有帮助的。

微小型移动式现场在线检测技术是分析仪器发展的新领域。 针对复杂工作环境中谱图存在强噪声干扰、 谱峰重叠、 不规则峰形等严重影响仪器的定性和定量准确度的瓶颈技术， 提出了一种基于小波变换和高斯拟合相结合的谱图在线综合处理方法， 用自研的仪器对甲苯和全氟三丁胺两种典型化合物的谱图进行了处理， 并与实验室分析仪器普遍应用的算法进行了对比分析。 结果表明， 综合方法能够有效解决强噪声干扰、 谱峰重叠、 不规则峰形问题， 提高仪器的定性和定量准确性， 同时能够实现数据压缩， 满足仪器的在线实时检测要求。 综合方法处理甲苯特征峰的平均信噪比（SNR）较移动平滑方法提高了1.3倍， 峰位误差ΔM降低了3.6倍， 处理全氟三丁胺谱图的数据压缩比为197∶1。

定量遥感是当前遥感发展的前沿， 作物组分信息解析是农业定量遥感的研究热点， 而成像高光谱技术为解决微观尺度的作物组分信息探测研究提供了强有力的手段。 利用成像光谱仪(pushbroom imaging spectrometer， PIS)与地物光谱仪(FieldSpec ProFR2500， ASD)同步收集冬小麦、 玉米不同生育期叶片的反射光谱， 通过不同算法提取PIS与ASD数据的红边位置， 验证成像光谱数据的精度。 结果表明: (1)PIS与ASD原始光谱数据在红边区间(670～740 nm)有很高的吻合度； (2)从室内光谱(玉米叶片)红边位置的提取结果看， 两仪器提取的红边位置都集中在700～720 nm； (3)从室外光谱(小麦叶片)红边位置的提取结果看， PIS与ASD数据提取结果有差异， PIS数据的红边位置在760 nm处， 而ASD数据的红边位置在720 nm处， 这种差异主要是成像光谱数据受氧气吸收的影响较大所致； (4)PIS与ASD的红边变幅不同， 但趋势相同。 以上结论为成像光谱数据的深入应用提供了参考。

红外显微成像技术诞生于20世纪90年代中期， 该方法的应用研究在国外刚刚起步， 而在国内这项技术还未被广泛认识。 它是一种快速、 无损的检测技术， 具有图谱合一、 微区化、 可视化、 高精度和高灵敏度等优点。 文章概述了红外显微成像系统的组成、 工作原理及工作方式， 重点介绍了其在生物医学、 微生物学、 法庭科学、 材料学、 营养饲料学以及农产品质量检测方面的研究进展， 分析了红外显微成像技术的研究难点， 并对其发展趋势进行了展望。

图谱合一的近地成像高光谱是现代数字农业对田块尺度的作物长势信息进行动态监测和实时管理的需要, 是促进农业定量遥感发展的重要手段之一。 文章通过自主研制的田间扫描成像光谱仪近地获得盆栽和大田玉米的冠层高光谱影像, 从影像中精确提取玉米不同层位的叶片反射光谱并计算TCARI, OSAVI, CARI, NDVI等多种光谱植被指数, 构建玉米叶绿素含量的光谱预测模型, 并对模型进行了验证。 结果表明, 基于光谱指数MCARI/OSAVI构建的玉米植株叶绿素含量预测模型精度较高, 验证样本预测的决定系数R2=0.887, 预测均方根误差RMSE为1.8。 研究表明, 成像光谱仪在微观尺度上的作物组分光谱信息探测方面具有较大的应用潜力。

传统的农作物信息诊断方法存在劳动强度大、 诊断时间长、 操作技术要求高、 受人为主观因素影响大等缺陷, 限制了农作物信息诊断的实时性和准确性。 成像光谱技术能够通过同时获得农作物的图像以及光谱信息, 实现对农作物生长状况、 病虫害等信息的快速、 无损检测, 已在作物信息诊断中得到越来越广泛的应用, 为农业的信息化提供了技术支持。 文章概述了成像光谱技术的原理, 重点介绍了其在农作物种子成分检测、 种子品种分类、 种子病虫害检测、 田间植株长势监测、 田间植株病虫害检测中的国内外最新研究进展, 分析了成像光谱技术应用于农作物信息诊断的难点, 并对其发展方向进行了展望。

作物在遭受各种胁迫下的长势及健康诊断是精细农业操作的重要环节。高光谱成像技术具有图谱合一的优势, 已成为近年来国内外研究的热点。 本文以叶片尺度的小麦为研究对象, 利用自主研发的成像光谱仪, 采集遭受养分、 病虫害胁迫的小麦叶片高光谱图像, 利用逐像素平均法增强光谱特征, 根据反射率差异进行分析研究。 结果表明, 提取的高光谱能够反映不同叶位叶片的养分差异, 还能利用成像图直观地进行作物养分胁迫程度判断; 利用成像光谱仪2 nm的光谱分辨率和毫米级的空间分辨率, 在作物感染病害时, 既可定量每个叶片的病斑个数, 又能定性地分析感染面积对叶片造成的影响; 在作物遭受虫害时, 可对蚜虫群体甚至单个蚜虫的光谱信息进行提取, 这为定量研究蚜虫对小麦叶片的危害提供了新的手段。 上述结果充分说明成像高光谱在作物长势定量定性分析研究中具有独特的优势。