Последние достижения в области гиперспектральных технологий визуализации и их применения в сельском хозяйстве

Recent Advances of Hyperspectral Imaging Technology and Applications in Agriculture
Yuhong He, Jiangui Liu, Jiali Shang, Bing Lu, Phuong D. Dao
2020-08-18

биофизические свойства сельскохозяйственных культурклассификация сельскохозяйственных культургиперспектральная съемкаточное земледелиедистанционное зондирование
Дистанционное зондирование является полезным инструментом для мониторинга пространственно-временных изменений морфологического и физиологического состояния сельскохозяйственных культур и поддержки практик точного земледелия. По сравнению с мультиспектральной визуализацией гиперспектральная визуализация представляет собой более совершенную технологию, способную получать детальный спектральный отклик целевых объектов. Из-за ограниченной доступности за пределами научного сообщества гиперспектральные изображения пока не получили широкого применения в точном земледелии. В последние годы были разработаны различные миниатюрные и недорогие бортовые гиперспектральные датчики, такие как Headwall Micro-Hyperspec и Cubert UHD 185-Firefly, а также были выведены на орбиту или планируются к запуску современные космические гиперспектральные датчики, включая PRISMA, DESIS, EnMAP и HyspIRI. Гиперспектральная визуализация становится всё более доступной для сельскохозяйственных применений. Вместе с тем получение, обработка и анализ гиперспектральных изображений по-прежнему представляют собой сложные научно-исследовательские задачи, обусловленные большим объёмом данных, высокой размерностью и сложностью анализа информации. Поэтому целесообразно провести всесторонний и углублённый обзор гиперспектральных технологий визуализации, включая различные платформы и датчики, методов обработки и анализа гиперспектральной информации, а также последних достижений в применении гиперспектральной визуализации в сельском хозяйстве. В связи с этим были рассмотрены публикации за последние 30 лет, посвящённые гиперспектральным технологиям визуализации и их применению в сельском хозяйстве. Обсуждены платформы и датчики визуализации, а также аналитические методы, использованные в научной литературе. Также оценена эффективность гиперспектральной визуализации в различных приложениях, включая картографирование биофизических и биохимических свойств сельскохозяйственных культур, характеристику почв и классификацию культур. Этот обзор призван помочь исследователям и специалистам в области сельского хозяйства лучше понять преимущества и ограничения гиперспектральной визуализации для сельскохозяйственных применений и способствовать внедрению этой ценной технологии.
1
Обзор литературы за 30 лет систематизирует платформы, сенсоры, аналитические методы и применения гиперспектральной съёмки в исследованиях культур, почв и классификации.
2
Получение, обработка и анализ гиперспектральных данных остаются сложными из-за больших объёмов данных, высокой размерности и комплексного содержания информации.
3
Гиперспектральная съёмка обеспечивает более детальную спектральную характеристику, чем мультиспектральная, для мониторинга морфологического и физиологического состояния культур.
4
Миниатюрные недорогие авиационные сенсоры и новые космические платформы делают гиперспектральную съёмку всё более доступной для сельскохозяйственных применений.
5
В обзоре оцениваются преимущества и ограничения гиперспектральной съёмки для картирования биофизических и биохимических свойств культур, характеристик почв и классов сельскохозяйственных культур.

Технология гиперспектрального изображениия и получаемые гиперспектральные изображения, применяемые в сельском хозяйстве

Возможности, методы обработки и анализа, а также эффективность применения гиперспектральной визуализации для картирования биофизических и биохимических свойств посевов, характеристик почвы и классификации сельскохозяйственных культур

Publication Details
Publication Date
2020-08-18
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Yuhong He
Jiangui Liu
Jiali Shang
Bing Lu
Phuong D. Dao
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%