多光谱相机在农业灾害评估中的应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SD780NDVI 可选的固件升级能实现一定时间间 隔的曝光控制
2.3 无人机平台多光谱数据获取方案
无人机对多光谱相机的要求： （1）相机本身的重量。安华 3 号无人机具备 10kg 左右载荷能力，能加载市场上的多光 谱相机设备及改装相机。 （2）相机的分辨率。市场上的多光谱相机分辨率较低，最高的在 200 万像素左右，通 过改装佳能 5D Mark II 相机，分辨率为 2100 万左右。在相同的镜头及像素尺寸下，相机的 分辨率越大，获取的影像范围就越大，能快速获取大范围的影像。 （3）数据处理方法。目前，安华无人机上装配的是 Canon 5D Mark II 相机，与此相机 相对应的数据处理软件，相机检校设备，数据处理技术比较成熟。改装 Canon 5D Mark II 相机所获取的影像及其处理方法与未改装的相机处理方法几乎一样，而市场上的多光谱相机 数据处理方法及相机检校方法还需要进一步的测试研究。 综合考虑，我们选择改装 Canon 5D 相机，从而实现获取多光谱数据。
表 2.1 FD-1665 多光谱相机参数
传感器类型 传感器尺寸
传感器技术
CCDபைடு நூலகம்尺寸
像素大小
最大帧率
(水平×竖直 像素)
（微米）
（全分辨率）
Sony ICX285 1392x1040
Progressive Scan CCD 2/3"
6.45x6.45
30
Sony ICX274 1628x1236
Progressive Scan CCD 1/1.8"
图 2.3 为多光谱遥感影像每个波段单独显示效果以及组合蓝、绿、红和组合蓝、绿、近 红外的显示效果。
蓝B
绿G
红R
近红外 NIR
图 2.3 多光谱相机的 4 个波段影像单独显示
水体
蓝 B+绿 G+红 R 蓝 B+绿 G+近红外 NIR 图 2.4 多光谱相机的 4 个波段影像组合显示 蓝 B+绿 G+红 R 组合显示为自然的彩色影像，与一般相机拍摄的影像类似；蓝 B+绿 G+近红外 NIR 组合显示为彩红外影像。图 2.4 上显示，在可见光彩色影像上，水体与植被 较难区分，而在彩红外影像上，很容易区分水体。区分水体的意义在于评估洪涝灾害，快速 准确的区分水体有利于识别洪涝灾害的过水面积，评估受灾情况。
因为相机可以同时获取可见光和近红外波段，因此，可以用来获取不同的 NDVI（归一化查 分植被指数）和 ENDVI（增强归一化查分植被指数）数据（www.maxmax.com）。
相机改装产品：
（1） XNiteCanon550NDVI Stress）相机
1800 万像素 数字单反相机 3 波段植被胁迫（Vegetation
2.2 多光谱相机
（1） 通过分光镜和多个 CCD 部件实现多光谱功能 目前市场上高分辨率的多光谱相机一般是通过分光镜，加载多个 CCD 部件实现多光谱
功能。由于 CCD 尺寸的限制，这类相机的特点是分辨率较低（最高为 200 万像素左右）；
由于加装了分光镜及配套设备，相机体积较庞大，加上其他控制部件和存储单元、电源等设
Camera
可见和近
768
Link
红外
多光谱相机 (2-CCD)
AD-080GE XGA
1024 x 1/3'' 30
GigE
可见和近
768
Vision
红外
3）国产 MCC4-12F 相机
MCC4-12F 型四波段 CCD 相机系统由中国科学院遥感应用研究所及北京国遥万维信息 技术有限公司联合研发，是我国首部可在民用无人小飞机上搭载的四波段 CCD 相机。搭载 在无人机上，具备机动灵活、受天气影响小、高位作业、应急性高等特点。通过四个可更换
3．多光谱数据在作物灾害评估分析中的应用试验
根据目前已有的改装后的多光谱相机获取数据及卫星影像数据，做了一系列多光谱数据 和普通可见光数据进行植被提取分类方面的实验，以对比这两种数据在农业方面的应用潜 力。
3.1 识别沙漠中植被
目的：识别并量化沙漠中植被长势。 设备：Canon 550 NDVI Mark II 植被胁迫相机 软件：ImageJ+MaxMax 增强 NDVI 宏代码（两个都免费）
图 2.2 QuickBird 卫星 4 波段影像及对应的光谱区间
图 2.2 显示了 QuickBird 卫星多光谱影像的蓝绿红近红外四个波段的影像。与植被的光 谱图对应，近红外波段植被最亮，其次是绿波段，蓝波段较暗，红波段最暗。影像上的水体 在近红外波段最暗，在其他三个波段的差异不太明显。因此，近红外波段为我们提供了一个 区分植被和水体的有效手段。我们所做的一系列实验表明通过组合近红外、绿和蓝波段组成 的假彩色影像在进行分类时相对于可见光波段的红绿蓝组合的影像具有较大优势。
常见的多光谱遥感影像有 4 个波段，即蓝（450-520nm）、绿（520-600nm）、红（630-690nm） 和近红外（760-900nm）。其光谱范围与常见植物光谱图对比如下：
图 2.1 常见植被光谱图和多光谱影像光谱范围 植被光谱图显示，植被在可见光波段，对绿光反射较强，对红光和蓝光反射较弱。相对 于可见光波段，植被在近红外波段具有很强的反射特性。多数植被在可见光波段的光谱差异 很小，而在近红外波段的光谱差异更大。光谱差异越明显，越有利于分类。 在农业上，为了识别作物种类，评估受灾情况，应尽量采用近红外波段的影像。 目前高分辨率卫星影像如 QuickBird（全色分辨率为 0.7m，多光谱分辨率为 2.8m）、 IKONOS（全色分辨率为 1m，多光谱分辨率为 4m）等的多光谱影像都包含蓝、绿、红和近 红外 4 个波段。下图为 QuickBird 4 波段卫星影像及其对应的光谱区间。
植物胁迫（Vegetation Stress）：对植物来说，包括任何能导致
植物死亡的因素，例如缺乏或者过量的冷、热、水、光照、荫蔽及肥料
等。植被胁迫现象普遍存在。比如，贫瘠的土壤植被生长情况差，而且
种类较少。海拔较高的地区因为温度较低，是得植被稀少种类单一。常
年光照较少的地区，很少有植物生存。
植被胁迫现象在农业遥感领域很有用，因为受胁迫的植被在光谱曲
宏脚本接下来对数据进行拉伸处理，将 NDVI 数据拉伸至用户设置的最大最小值。这是由于 对这种图像，最大的植株具有的 NDVI 值约为 0.50，而岩石的 NDVI 值为-0.15。NDVI 影像上的 像素至大多在-0.15-0.5 之间。通过将 ENDVI 值拉伸值-1.0 - 1.0，从而能更好地理解及识别图像。
4.4x4.4
14
2) 丹麦 JAI 公司 的 JAI AD-080 多光谱相机 JAI 用 IR 滤光片将近红外光线与可见光分离，并分别由两个 CCD 芯片对他们进行成像，
然后通过两个 CameraLink 通道输出两幅图像（第一幅为可见光、第二幅为近红外）。该相机 特别适用于药品包装、医疗成像和农产品中的水果检测。对化学品的表面检测、医疗成像和
水果检测等，在此类检测中希望能够通过一台相机同时给出利用可见光检测的结果（如物体
的尺寸）和通过近红外光检测的结果（如污点、温度、水果表面划伤等）。
表 2.2 AD-080 多光谱相机参数
相机类型
型号
规格
有效像素 芯片尺 行频 / 帧 接口
波长
寸
频
多光谱相机 (2-CCD)
AD-080CL XGA
1024 x 1/3'' 30
备，相机总重量在 6kg 左右。以下为较具有代表性的多光谱相机： 1）FluxData 公司 FD-1665 3CCD 多光谱相机
FluxData 公司能提供一系列 3CCD 多光谱相机，分辨率从 VGA 尺寸到 200 万像素。能 提供安装好的 5 波段或者 7 波段 RGB/NIR 相机，或者安装用于需求加装滤波器。
多光谱相机 在农业灾害评估中的应用
1. 普通数码相机在农业灾后评估中的困难
2011 年 8、9 月份，东北辽宁地区发生了风灾和涝灾，安华工程技术研究所研制的无人 机农业灾害评估系统在灾后评估发挥了重要作用，在较短的时间完成了数据获取，数据处理 及提取分析，得出了较准确的受灾面积数据。但是，在数据提取分析中，我们发现利用普通 数码相机拍摄的影像自动提取分析有一定困难。
线上与正常植被有所差异，根据这些差异，我们可以找出胁迫植被的因
素，例如通过研究干旱区植被曲线，可以研究对植被产生的影响，进而
对农业估产等应用有贡献。
（2）XNiteCanonSD780NDVI 被胁迫相机
1210 万像素 卡片式（Point & Shoot）轻型 3 波段植
主要用途及特征：
Remote Sensing
图 3.1 试验区域普通数码相机拍摄的影像 从影像上能看见一些看起来受到胁迫的植被，但是很难区分植被与沙漠。
图 3.2 未经处理的 Canon 550 NDVI MK II 相机拍摄的影像 注意到植被显示为红色。这是由于植被反射近红外波段的光由相机的红通道获取所致。 数据处理： 用 ImageJ 软件和 NDVI6_MKII 宏脚本处理。 宏脚本用了 3 个波段来计算 ENDVI，其公式为： ENDVI = ((Red + Green ) -2*Blue) / ((Red + Green) + 2*Blue)) 这样计算的原因在于植被在红外和绿波段都具有较强的反射性。植被吸收蓝光，因此将蓝通 道作为可见光通道，将其乘以 2 以补偿两个反射通道。
（微米）
（全分辨率）
Sony ICX285 1392x1040
2.8kg
2/3"
6.45x6.45
12
总重量： 2.8kg（相机） + 1.15kg（电池） +1.8kg（控制存储单元） = 5.75kg
（2）通过改造普通数码相机实现多光谱功能
目前，通过相机改装满足农业应用需求的厂家有美国 maxmax 公司。对于用于拍摄植 被的相机，通过对相机改造以使其能捕获蓝色、绿色和近红外波段的光线，而滤除红色波段。
的滤波窗口，可获取多达数十个波段的多光谱数据，可获得水体、水汽、测大气、气溶胶参
数，在水文环保调查、大气监测等领域，可提供比遥感卫星、大飞机遥感更机动、更及时、
更方便、更高分辨率的多光谱影像。
表 2.2MCC4-12F 多光谱相机参数
传感器类型 传感器尺寸
重量
CCD 尺寸
像素大小
最大帧率
(水平×竖直 像素)
植物虫害诊断
Plant disease diagnosis
植物疾病诊断
Camouflage detection
伪装探测
Forrest Analysis
森林分析
Plant Identification
植被识别
Easy to Use
易于使用
Up to 18 Megapixels of resolution
SD780NDVI model is small,
lightweight suitable for UAV's.
SD780NDVI optional
firmware
upgrade allows features such as
timed interval shutter control
达到 1800 万像素分辨率 SD780NDVI 相机体型小，重量轻，较适合无人机
图 1.2 影像不色彩不均一导致自动提取困难 基于以上原因，我们寻求能提供更多地物信息的相机设备，从而能够提高分类提取的自 动化程度，加快处理速度，提高受灾面积统计精度。
2．多光谱数据的优势
2.1 多光谱影像
人眼能识别的光谱区间为可见光区间，波长从 400nm 到 700nm。普通数码相机的光谱 响应区间为与人眼能识别的光谱区间相同，包含蓝（450-520nm）、绿（520-600nm）、红 （630-690nm）3 个波段，常见的数码影像就是由这 3 个波段的影像组合而成。
1.水体与植被难以区分 下图为辽宁冷子堡地区的影像，影像上的鱼塘显示为绿色，与水稻颜色类似，利用软件 进行自动识别时会出现较多的错分现象，必须引入较多的人工干预。
图 1.1 可见光影像上难以自动区分水体 2.由于天气条件限制，所获取的影像质量不好，难以自动识别受灾作物
若拍摄时所在地区的天气条件不太理想，比如有云雾，所拍摄的影像经过处理后拼接的 整幅影像在色调上很难一致，这样，同样的受灾情况在影像上差异较大，给灾后提取受灾面 积造成了较大困难。
遥感
Can be used as a Chlorophyll Meter 叶绿素量测
or
Plant stress and health
植物胁迫与健康
Fertilizer Optimization
优化施肥
Nitrogen Management Solutions
氮管理方案
Insect and pest plant diagnostics
2.3 无人机平台多光谱数据获取方案
无人机对多光谱相机的要求： （1）相机本身的重量。安华 3 号无人机具备 10kg 左右载荷能力，能加载市场上的多光 谱相机设备及改装相机。 （2）相机的分辨率。市场上的多光谱相机分辨率较低，最高的在 200 万像素左右，通 过改装佳能 5D Mark II 相机，分辨率为 2100 万左右。在相同的镜头及像素尺寸下，相机的 分辨率越大，获取的影像范围就越大，能快速获取大范围的影像。 （3）数据处理方法。目前，安华无人机上装配的是 Canon 5D Mark II 相机，与此相机 相对应的数据处理软件，相机检校设备，数据处理技术比较成熟。改装 Canon 5D Mark II 相机所获取的影像及其处理方法与未改装的相机处理方法几乎一样，而市场上的多光谱相机 数据处理方法及相机检校方法还需要进一步的测试研究。 综合考虑，我们选择改装 Canon 5D 相机，从而实现获取多光谱数据。
表 2.1 FD-1665 多光谱相机参数
传感器类型 传感器尺寸
传感器技术
CCDபைடு நூலகம்尺寸
像素大小
最大帧率
(水平×竖直 像素)
（微米）
（全分辨率）
Sony ICX285 1392x1040
Progressive Scan CCD 2/3"
6.45x6.45
30
Sony ICX274 1628x1236
Progressive Scan CCD 1/1.8"
图 2.3 为多光谱遥感影像每个波段单独显示效果以及组合蓝、绿、红和组合蓝、绿、近 红外的显示效果。
蓝B
绿G
红R
近红外 NIR
图 2.3 多光谱相机的 4 个波段影像单独显示
水体
蓝 B+绿 G+红 R 蓝 B+绿 G+近红外 NIR 图 2.4 多光谱相机的 4 个波段影像组合显示 蓝 B+绿 G+红 R 组合显示为自然的彩色影像，与一般相机拍摄的影像类似；蓝 B+绿 G+近红外 NIR 组合显示为彩红外影像。图 2.4 上显示，在可见光彩色影像上，水体与植被 较难区分，而在彩红外影像上，很容易区分水体。区分水体的意义在于评估洪涝灾害，快速 准确的区分水体有利于识别洪涝灾害的过水面积，评估受灾情况。
因为相机可以同时获取可见光和近红外波段，因此，可以用来获取不同的 NDVI（归一化查 分植被指数）和 ENDVI（增强归一化查分植被指数）数据（www.maxmax.com）。
相机改装产品：
（1） XNiteCanon550NDVI Stress）相机
1800 万像素 数字单反相机 3 波段植被胁迫（Vegetation
2.2 多光谱相机
（1） 通过分光镜和多个 CCD 部件实现多光谱功能 目前市场上高分辨率的多光谱相机一般是通过分光镜，加载多个 CCD 部件实现多光谱
功能。由于 CCD 尺寸的限制，这类相机的特点是分辨率较低（最高为 200 万像素左右）；
由于加装了分光镜及配套设备，相机体积较庞大，加上其他控制部件和存储单元、电源等设
Camera
可见和近
768
Link
红外
多光谱相机 (2-CCD)
AD-080GE XGA
1024 x 1/3'' 30
GigE
可见和近
768
Vision
红外
3）国产 MCC4-12F 相机
MCC4-12F 型四波段 CCD 相机系统由中国科学院遥感应用研究所及北京国遥万维信息 技术有限公司联合研发，是我国首部可在民用无人小飞机上搭载的四波段 CCD 相机。搭载 在无人机上，具备机动灵活、受天气影响小、高位作业、应急性高等特点。通过四个可更换
3．多光谱数据在作物灾害评估分析中的应用试验
根据目前已有的改装后的多光谱相机获取数据及卫星影像数据，做了一系列多光谱数据 和普通可见光数据进行植被提取分类方面的实验，以对比这两种数据在农业方面的应用潜 力。
3.1 识别沙漠中植被
目的：识别并量化沙漠中植被长势。 设备：Canon 550 NDVI Mark II 植被胁迫相机 软件：ImageJ+MaxMax 增强 NDVI 宏代码（两个都免费）
图 2.2 QuickBird 卫星 4 波段影像及对应的光谱区间
图 2.2 显示了 QuickBird 卫星多光谱影像的蓝绿红近红外四个波段的影像。与植被的光 谱图对应，近红外波段植被最亮，其次是绿波段，蓝波段较暗，红波段最暗。影像上的水体 在近红外波段最暗，在其他三个波段的差异不太明显。因此，近红外波段为我们提供了一个 区分植被和水体的有效手段。我们所做的一系列实验表明通过组合近红外、绿和蓝波段组成 的假彩色影像在进行分类时相对于可见光波段的红绿蓝组合的影像具有较大优势。
常见的多光谱遥感影像有 4 个波段，即蓝（450-520nm）、绿（520-600nm）、红（630-690nm） 和近红外（760-900nm）。其光谱范围与常见植物光谱图对比如下：
图 2.1 常见植被光谱图和多光谱影像光谱范围 植被光谱图显示，植被在可见光波段，对绿光反射较强，对红光和蓝光反射较弱。相对 于可见光波段，植被在近红外波段具有很强的反射特性。多数植被在可见光波段的光谱差异 很小，而在近红外波段的光谱差异更大。光谱差异越明显，越有利于分类。 在农业上，为了识别作物种类，评估受灾情况，应尽量采用近红外波段的影像。 目前高分辨率卫星影像如 QuickBird（全色分辨率为 0.7m，多光谱分辨率为 2.8m）、 IKONOS（全色分辨率为 1m，多光谱分辨率为 4m）等的多光谱影像都包含蓝、绿、红和近 红外 4 个波段。下图为 QuickBird 4 波段卫星影像及其对应的光谱区间。
植物胁迫（Vegetation Stress）：对植物来说，包括任何能导致
植物死亡的因素，例如缺乏或者过量的冷、热、水、光照、荫蔽及肥料
等。植被胁迫现象普遍存在。比如，贫瘠的土壤植被生长情况差，而且
种类较少。海拔较高的地区因为温度较低，是得植被稀少种类单一。常
年光照较少的地区，很少有植物生存。
植被胁迫现象在农业遥感领域很有用，因为受胁迫的植被在光谱曲
宏脚本接下来对数据进行拉伸处理，将 NDVI 数据拉伸至用户设置的最大最小值。这是由于 对这种图像，最大的植株具有的 NDVI 值约为 0.50，而岩石的 NDVI 值为-0.15。NDVI 影像上的 像素至大多在-0.15-0.5 之间。通过将 ENDVI 值拉伸值-1.0 - 1.0，从而能更好地理解及识别图像。
4.4x4.4
14
2) 丹麦 JAI 公司 的 JAI AD-080 多光谱相机 JAI 用 IR 滤光片将近红外光线与可见光分离，并分别由两个 CCD 芯片对他们进行成像，
然后通过两个 CameraLink 通道输出两幅图像（第一幅为可见光、第二幅为近红外）。该相机 特别适用于药品包装、医疗成像和农产品中的水果检测。对化学品的表面检测、医疗成像和
水果检测等，在此类检测中希望能够通过一台相机同时给出利用可见光检测的结果（如物体
的尺寸）和通过近红外光检测的结果（如污点、温度、水果表面划伤等）。
表 2.2 AD-080 多光谱相机参数
相机类型
型号
规格
有效像素 芯片尺 行频 / 帧 接口
波长
寸
频
多光谱相机 (2-CCD)
AD-080CL XGA
1024 x 1/3'' 30
备，相机总重量在 6kg 左右。以下为较具有代表性的多光谱相机： 1）FluxData 公司 FD-1665 3CCD 多光谱相机
FluxData 公司能提供一系列 3CCD 多光谱相机，分辨率从 VGA 尺寸到 200 万像素。能 提供安装好的 5 波段或者 7 波段 RGB/NIR 相机，或者安装用于需求加装滤波器。
多光谱相机 在农业灾害评估中的应用
1. 普通数码相机在农业灾后评估中的困难
2011 年 8、9 月份，东北辽宁地区发生了风灾和涝灾，安华工程技术研究所研制的无人 机农业灾害评估系统在灾后评估发挥了重要作用，在较短的时间完成了数据获取，数据处理 及提取分析，得出了较准确的受灾面积数据。但是，在数据提取分析中，我们发现利用普通 数码相机拍摄的影像自动提取分析有一定困难。
线上与正常植被有所差异，根据这些差异，我们可以找出胁迫植被的因
素，例如通过研究干旱区植被曲线，可以研究对植被产生的影响，进而
对农业估产等应用有贡献。
（2）XNiteCanonSD780NDVI 被胁迫相机
1210 万像素 卡片式（Point & Shoot）轻型 3 波段植
主要用途及特征：
Remote Sensing
图 3.1 试验区域普通数码相机拍摄的影像 从影像上能看见一些看起来受到胁迫的植被，但是很难区分植被与沙漠。
图 3.2 未经处理的 Canon 550 NDVI MK II 相机拍摄的影像 注意到植被显示为红色。这是由于植被反射近红外波段的光由相机的红通道获取所致。 数据处理： 用 ImageJ 软件和 NDVI6_MKII 宏脚本处理。 宏脚本用了 3 个波段来计算 ENDVI，其公式为： ENDVI = ((Red + Green ) -2*Blue) / ((Red + Green) + 2*Blue)) 这样计算的原因在于植被在红外和绿波段都具有较强的反射性。植被吸收蓝光，因此将蓝通 道作为可见光通道，将其乘以 2 以补偿两个反射通道。
（微米）
（全分辨率）
Sony ICX285 1392x1040
2.8kg
2/3"
6.45x6.45
12
总重量： 2.8kg（相机） + 1.15kg（电池） +1.8kg（控制存储单元） = 5.75kg
（2）通过改造普通数码相机实现多光谱功能
目前，通过相机改装满足农业应用需求的厂家有美国 maxmax 公司。对于用于拍摄植 被的相机，通过对相机改造以使其能捕获蓝色、绿色和近红外波段的光线，而滤除红色波段。
的滤波窗口，可获取多达数十个波段的多光谱数据，可获得水体、水汽、测大气、气溶胶参
数，在水文环保调查、大气监测等领域，可提供比遥感卫星、大飞机遥感更机动、更及时、
更方便、更高分辨率的多光谱影像。
表 2.2MCC4-12F 多光谱相机参数
传感器类型 传感器尺寸
重量
CCD 尺寸
像素大小
最大帧率
(水平×竖直 像素)
植物虫害诊断
Plant disease diagnosis
植物疾病诊断
Camouflage detection
伪装探测
Forrest Analysis
森林分析
Plant Identification
植被识别
Easy to Use
易于使用
Up to 18 Megapixels of resolution
SD780NDVI model is small,
lightweight suitable for UAV's.
SD780NDVI optional
firmware
upgrade allows features such as
timed interval shutter control
达到 1800 万像素分辨率 SD780NDVI 相机体型小，重量轻，较适合无人机
图 1.2 影像不色彩不均一导致自动提取困难 基于以上原因，我们寻求能提供更多地物信息的相机设备，从而能够提高分类提取的自 动化程度，加快处理速度，提高受灾面积统计精度。
2．多光谱数据的优势
2.1 多光谱影像
人眼能识别的光谱区间为可见光区间，波长从 400nm 到 700nm。普通数码相机的光谱 响应区间为与人眼能识别的光谱区间相同，包含蓝（450-520nm）、绿（520-600nm）、红 （630-690nm）3 个波段，常见的数码影像就是由这 3 个波段的影像组合而成。
1.水体与植被难以区分 下图为辽宁冷子堡地区的影像，影像上的鱼塘显示为绿色，与水稻颜色类似，利用软件 进行自动识别时会出现较多的错分现象，必须引入较多的人工干预。
图 1.1 可见光影像上难以自动区分水体 2.由于天气条件限制，所获取的影像质量不好，难以自动识别受灾作物
若拍摄时所在地区的天气条件不太理想，比如有云雾，所拍摄的影像经过处理后拼接的 整幅影像在色调上很难一致，这样，同样的受灾情况在影像上差异较大，给灾后提取受灾面 积造成了较大困难。
遥感
Can be used as a Chlorophyll Meter 叶绿素量测
or
Plant stress and health
植物胁迫与健康
Fertilizer Optimization
优化施肥
Nitrogen Management Solutions
氮管理方案
Insect and pest plant diagnostics