基于VIS-NIR与SWIR高光谱图像融合的草莓植株干旱胁迫早期识别技术研究

本研究针对高光谱成像技术在作物管理中光谱范围受限的问题，创新性地融合可见光-近红外(VIS-NIR)和短波红外(SWIR)双传感器数据，开发了403波段(397-2500 nm)融合算法，使草莓干旱胁迫的PLS-DA模型分类准确率提升10%达99%，为农业精准监测提供了新范式。

　　

随着全球人口2050年预计达97亿，气候变化导致的干旱胁迫正严重威胁粮食安全。草莓作为高价值经济作物，其生长周期易受水分波动影响，传统检测方法在出现可见症状前难以识别胁迫。韩国研究人员在《Computers and Electronics in Agriculture》发表的研究，通过融合可见光-近红外(397-1003 nm)和短波红外(894-2504 nm)高光谱成像系统，开创了无症状期干旱胁迫检测新方法。

研究团队采用线扫描传感器结合SURF、MSER特征匹配算法，通过相似性/投影/仿射变换实现图像配准。利用MSE、SSIM等指标评估融合质量，最终构建403波段高光谱立方体。PLS-DA模型分析显示，融合数据较单一光谱数据分类准确率显著提升。

在系统开发部分，研究构建了双光谱成像平台：VIS-NIR系统采用4.7 nm分辨率光谱仪，SWIR系统配备HgCdTe探测器。图像融合评估阶段，722 nm与1264 nm波段的结构相似性验证了配准精度。通过特征对齐和几何变换，成功实现跨光谱域信息互补。

讨论指出，融合数据克服了单一光谱维度限制：VIS-NIR敏感于叶绿素变化，SWIR擅长捕捉水分/蛋白质特征。该方法使早期胁迫检测准确率达99%，误差率降低超10%。研究首次实现田间草莓全光谱覆盖检测，为高通量表型分析建立新标准。

结论强调，该技术突破传统光谱检测的时空限制，通过多模态数据融合为精准农业提供新工具。未来可扩展至其他作物胁迫监测，推动智能农业发展。韩国农村振兴厅等机构资助的该研究，标志着高光谱技术在农业应用中的重要突破。