首页 > 新闻动态 > 企业新闻

发布时间：2025-10-24 发布者：谱视界来源：

项目案例丨推动农业现代化新变革！谱视界AeroSpot为大面积农田监测提供“空中光谱密码”！

谱视界AeroSpot

智慧农业

应用案例

无人值守的全自动高光谱感知系统

为大面积农田监测服务

无锡谱视界科技有限公司明星产品——智能小型机载光谱指数分析基站AeroSpot，以其灵活性、低成本、便于部署等特点，在智慧农业应用场景中频频展现出优势。

谱视界综合利用无人机与光谱技术，通过无人机机场，轻松实现非现场无人化监测，助力解决实际场景应用难题，本期就来看看谱视界全自动无人机智能光谱感知系统在大面积农田监测的具体应用，看看AeroSpot如何为农田开展“空中体检”。

智能小型机载光谱指数分析基站

AeroSpot

无人机智能基站，具备无人机智能存储、自主起降、智能作业、自动回收、自动换电、数据回传、智能分析、电池热替换等功能，搭载光谱指数分析仪，赋能无人机实现高光谱等数据采集，实现农业多场景的远程快速响应作业，从而在无人值守情况下实现无人机自动化作业全流程。

01高度的自动化和智能化

AeroSpot的高度自动化和智能化是其核心亮点。无人机机场系统能够实现全天候、全自动地执行监测任务，极大地提升监测效率，并持续稳定地为监测工作提供数据支持。

02卓越的飞行性能和稳定性

AeroSpot 无人机卓越的飞行性能和稳定性使其能够在复杂多变的农田环境中灵活穿梭，精准定位并获取高精度、高分辨率的光谱数据。而搭载的光谱指数分析仪 AeroSpot 能够精准捕捉农田中的关键参数；配合云平台可实现对农田空间分布变化的实时展现，为农田评估和作物健康分析提供了及时且可靠的依据。

03高度的灵活性和可扩展性

AeroSpot 机场与无人机的组合还具备高度的灵活性和可扩展性。无人机能够根据预设的监测需求快速调整飞行路径，实现对重点区域的高频次监测，或在突发事件发生时迅速做出应急响应，有效弥补了传统卫星遥感在时空分辨率上的不足，确保在关键时刻能够获取到最准确的监测数据。

04部署成本低

在成本方面，AeroSpot 的部署成本相对较低，尤其适合部署在固定农田周边，针对需要监测田块进行定期巡航，定期巡检，不仅降低了人力成本，还节省了大量时间，使得监测工作更加高效、经济。

05处理和分析监测数据迅速

通过智能算法和实时数据传输技术，监测数据能够迅速得到处理和分析，为智慧农业管理提供了及时、科学的决策支持，帮助管理者更精准地制定保护和治理策略，推动智慧农业的可持续发展。

案例效果

通过机场管理平台布置巡田任务，谱视界AeroSpot按航线远程自动执行任务，可以捕获到农田的实时高清影像及多光谱数据。通过这些数据，农民可以清晰地看到土地和作物的科学数据，生长状况、营养状况以及可能存在的病虫害威胁，这种精确的监测效果，为农民提供了科学的决策依据，使种植方案更加合理、高效。

谱视界智能小型机载光谱指数分析基站AeroSpot通过获取高精度的点光谱数据，采用“以点带面”的方式，（点为单条光谱数据，面为某个高度下点光谱数据代表的实际地面面积大小），以实现对大面积农田的全局可视化监测。这种技术不仅弥补了卫星遥感因天气条件、时空分辨率限制而无法按需获取整片农田或重点区域农田可视化数据的缺陷，还可以解决无人机高光谱成像技术在大面积农田拼接中的技术难题。

AeroSpot航点图

农业指数计算结果

农业指数是利用遥感数据定量反映作物生长状况、营养水平和生态环境特征的重要工具，通过对不同波段反射特性的计算，可以快速获取诸如NDVI、SAVI、PSRI、LAI、LNC等反映作物长势、健康与生理状态的关键参数。农业指数计算不仅能实现大范围、周期性、不接触的农情监测，还为作物产量预测、精准施肥、水分调控和病虫害预警等提供科学依据。因此，农业指数的计算是现代农业数字化管理和智能决策的核心环节，对提升农业生产效率、保障粮食安全和推动可持续农业发展具有重要意义。

FVC

FVC（植被覆盖度）是表示地表被绿色植被所覆盖比例的重要遥感指标，用于反映地表植被的空间分布和生长状况。FVC 值越高，说明地表被绿色植被覆盖的比例越大，生态环境良好，常见于森林、草地、农田等区域；值较低则表示植被稀疏或裸露，可能存在土地退化、荒漠化或人为破坏等问题。FVC 在生态监测、土地利用评估和植被动态分析中具有重要指示意义，是衡量生态系统健康程度的重要参数。

LAI

LAI（叶面积指数）是衡量单位地表面积上植物叶片总面积的遥感指标，广泛用于反映植被的密度、生产力和生态功能。LAI 值越高，表示植被覆盖度大、叶片繁茂，光合作用潜力强，通常出现在森林、农田等高产植被区域；LAI 值较低则代表植被稀疏、生长状况差，可能存在干旱、退化或人为扰动。作为生态系统结构和功能的重要参数，LAI 在农业管理、气候模型、碳循环研究等领域具有重要指示意义。

NDVI

NDVI（归一化植被指数）是一种广泛应用于遥感领域的植被监测指标，用于衡量地表植被的生长状况和覆盖程度。它利用植被对不同波段光的反射特性计算得到，公式为 NDVI = (NIR - RED) / (NIR + RED)，其中 NIR 表示近红外波段反射率，RED 表示红光波段反射率。NDVI 的取值范围在 -1 到 +1 之间，值越高表示植被越茂盛、健康（如森林、农田），中等值表示中度植被（如灌丛、草地），较低或负值则通常对应于裸土、水体、城市等非植被覆盖区域。NDVI 简单高效，适用于大范围植被监测、干旱评估、农作物长势分析等场景，是遥感生态评估中最常用的指数之一。

PSRI

PSRI（植物衰老反射指数）是一种用于监测植被衰老程度和类胡萝卜素积累的遥感指数，能够反映植物从健康生长期逐渐进入衰老或胁迫状态的过程。当植物叶绿素减少、类胡萝卜素相对增加时，PSRI 值会升高，表示植被可能处于老化、干旱胁迫或作物成熟后期；反之，较低的 PSRI 值通常代表叶片健康、光合活跃。该指数广泛应用于农作物成熟度评估、植被健康监测和环境胁迫识别等领域，是识别植被生理状态的重要工具。

SAVI

SAVI（土壤调节植被指数）是一种改进的植被指数，主要用于减弱土壤背景对植被识别的影响，特别适用于植被稀疏或裸露地表较多的区域。其取值范围一般在 -1 到 +1 之间，值越高表示绿色植被覆盖度越高、植被生长越健康，如森林、农田、草地等；值中等（约 0.2-0.5）通常表示中等覆盖度的灌木或杂草区域；值较低（小于 0.2）则表明植被稀疏甚至裸露，如荒地、沙地或建设用地；负值多与水体、雪或阴影有关。SAVI 能更准确地反映地表植被状况，是生态监测和土地利用分析中的重要指标。

mLICI

mLICI（改进型叶绿素指数）是一种用于估算植被叶绿素含量的遥感指数，能有效反映植被的光合作用能力和生长状况。mLICI 值越高，通常表示植被叶绿素含量丰富，光合作用强，植被生长健康旺盛；值较低则说明叶绿素含量较少，可能存在营养不足、干旱胁迫或植被稀疏等问题。mLICI 对于植被长势评估、农业产量预测和生态健康监测具有较强的指示意义，适合在不同植被类型和生育期下使用。

水稻长势指标模型反演结果

水稻长势指标是评估其生长发育状态、营养水平和产量潜力的重要依据，通过遥感模型反演这些指标，可以实现对大范围水稻种植区的快速、动态和精准监测。诸如叶面积指数（LAI）、叶绿素含量（Chl）、叶片氮含量（LNC）、叶片碳含量（LCC）等关键指标，能够全面反映水稻的光合作用能力、生物量积累和养分利用情况。数值的高低不仅直接反映水稻的健康程度，还具有重要的农业管理和产量预测意义。因此，开展基于遥感数据的水稻长势指标模型反演，对于实现精准农业管理、优化施肥灌溉方案和保障粮食安全具有重要应用价值。

LAI (m2·m-2)

叶面积指数（LAI, Leaf Area Index）是反映植被长势和冠层结构的重要指标，表示单位地表面积上植物叶片的总面积，用于评估植被的光合作用能力和生物量水平。LAI 在农业、林业和生态研究中广泛应用，能够反映作物或植被的生长密度和生态功能。数值越高，说明植被覆盖密集、叶片繁茂，具备较强的光合作用潜力和生物生产能力，通常出现在森林、高产农田等区域；数值较低则表明植被稀疏、生长不良，可能与干旱、退化、病虫害或人为干扰有关。作为表征植被结构和生态健康的重要参数，LAI 对农业决策、生态监测和气候模型输入具有重要意义。

LCC (mg·g-1)

叶绿素含量(Leaf Carbon Content,LCC)是反映植物光合能力和营养状况的重要长势指标，通常通过遥感手段估算叶片中叶绿素的丰度，用于判断植被的生长健康水平。叶绿素是植物进行光合作用的关键色素，其含量直接影响植物吸收光能和合成有机物的能力。数值较高表示植被生长旺盛、光合活跃、营养供应充足，常见于水分和养分适宜的区域，如健康的农作物或天然草地；数值较低则可能表明植物处于胁迫状态，如干旱、养分缺乏、病虫害或成熟衰老阶段。叶绿素含量作为判断植被健康与长势的重要参数，在农业监测、产量预测、环境评估等方面具有重要的指示意义。

LDW (kg·m-2)

叶干重（Leaf Dry Weight，LDW）是衡量植物单位面积叶片干物质量的重要长势指标，反映了植被在一定时间内通过光合作用积累的有机物质量。该指标通常以千克每平方米（kg·m⁻²）表示，是评估植被生物量、生产力和养分积累能力的重要参数。LDW 值较高，说明植被光合作用强、物质积累丰富，植株健壮、生长状况良好，多出现在水肥条件充足、生长环境适宜的区域；LDW 值较低则表明叶片薄、物质积累不足，可能由于水分胁迫、养分不足或植被退化所致。作为反映植被健康状况和生物生产力的关键指标，LDW 广泛应用于农业产量估算、生态系统监测和作物模型模拟中，具有重要的生态和管理指示意义。

LNA (g·m-2)

叶片氮积累量（Leaf Nitrogen Accumulation，LNA）是指单位面积上植物叶片中氮素的总积累量，是同时反映叶片氮含量与叶片生物量（如干重）综合状况的重要长势指标。LNA 能更全面地反映植被对氮素的吸收利用效率和生长潜力，是评估作物营养状况、产量潜力以及氮素利用效率的重要参数。LNA 值较高通常说明植被生长良好、光合作用强、氮素供应充足，适宜高产生长；而 LNA 值较低可能表明植株吸氮能力弱、叶片小或氮素供应不足，易导致生长受限和产量下降。作为连接养分吸收与生物量积累的关键指标，LNA 广泛用于农业施肥指导、作物模型参数化和生态系统氮循环研究，具有重要的生态和农业生产指示意义。

LNC (%)

叶片氮含量（Leaf Nitrogen Content，LNC）是衡量植物叶片中氮素水平的重要长势指标，直接关系到植物的光合作用效率、蛋白质合成能力以及整体营养状况。氮是叶绿素和多种酶的关键组成元素，对植物生长和产量形成起着决定性作用。LNC 值较高通常意味着植被生长旺盛、光合能力强、代谢活跃，表明土壤养分供应充足，适宜作物或植被快速生长；而 LNC 值较低则可能表明氮素不足，导致叶片发黄、光合作用减弱、生长缓慢，常见于养分贫瘠、干旱或植被退化区域。作为作物营养诊断、施肥管理和生态系统功能研究中的核心参数，LNC 在农业精准施肥、生态监测和作物模型分析中具有重要的指导和预警意义。