一、引言

貴州省喀斯特地貌廣泛分布，地形復(fù)雜且氣候多變，土壤干旱和侵蝕較為嚴(yán)重，耕地分布零碎同時(shí)土壤類型多樣，使得部分地區(qū)農(nóng)田耕作化程度低，造成土壤資源浪費(fèi)。因此，運(yùn)用合理的方法定量監(jiān)測(cè)出山區(qū)耕地SOM含量從微觀角度來(lái)說(shuō)能提高耕地土壤質(zhì)量，在宏觀角度來(lái)看能促進(jìn)貴州農(nóng)業(yè)建設(shè)與發(fā)展。

本文研究通過(guò)高光譜遙感技術(shù)實(shí)現(xiàn)山區(qū)耕地土壤有機(jī)質(zhì)的區(qū)域監(jiān)測(cè)，構(gòu)建行之有效的高光譜土壤有機(jī)質(zhì)預(yù)估模型。通過(guò)研究區(qū)的土壤采集，借助高光譜遙感數(shù)據(jù)獲取土壤反射率，結(jié)合耕地同步采樣數(shù)據(jù)，綜合運(yùn)用遙感影像處理、光譜分析和模型構(gòu)建等技術(shù)手段，篩選與土壤有機(jī)質(zhì)相關(guān)的敏感波段，建立對(duì)應(yīng)的估測(cè)模型，實(shí)現(xiàn)山區(qū)耕地土壤有機(jī)質(zhì)的遙感監(jiān)測(cè)。從而為土壤肥力信息的快速獲取提供有效的技術(shù)途徑，推動(dòng)精準(zhǔn)農(nóng)業(yè)的快速發(fā)展。

二、數(shù)據(jù)獲取及處理

2.1 研究區(qū)概況

研究區(qū)位于貴州省貴陽(yáng)市花溪區(qū)，貴州省農(nóng)業(yè)科學(xué)院貓?zhí)疗吕苯费芯渴痉痘兀?06°39′22″E，26°30′25″N），海拔高度為1150米，耕地土壤以黃壤為主。采樣點(diǎn)分布如圖2-1所示。

圖2-1研究區(qū)采樣點(diǎn)

貴州省農(nóng)業(yè)科學(xué)院擁有多個(gè)專業(yè)研究所，涵蓋糧、油、果、蔬、茶、桑、藥、畜牧、獸醫(yī)、水產(chǎn)、土壤、肥料、植物保護(hù)等50余個(gè)專業(yè)領(lǐng)域，農(nóng)產(chǎn)品培養(yǎng)基地多，使得土壤質(zhì)地均勻，透水性好，由于耕種化程度高使得土壤的微量元素和有機(jī)質(zhì)含量相對(duì)穩(wěn)定。研究區(qū)屬于亞熱帶溫潤(rùn)溫和型氣候，年平均氣溫15.6℃，其中，春季平均氣溫17.5℃，夏季平均氣溫23.3℃，秋季平均氣溫15.5℃，冬季平均氣溫6.7℃。全年極端最高氣溫33.4℃，極端最低氣溫-3.8℃。年降水量1104.5毫米左右，一日最大降雨量133.8毫米，最長(zhǎng)連續(xù)降水日數(shù)11天，最長(zhǎng)連續(xù)無(wú)降水日數(shù)11天，全年日照時(shí)數(shù)1287.4小時(shí)，比歷年多108.5小時(shí)，全年日照百分率29%，大于60%的天數(shù)有86天，小于20%的天數(shù)有184天，全年無(wú)霜期352天。充足的降雨量與日照時(shí)長(zhǎng)為農(nóng)業(yè)發(fā)展提供良好環(huán)境。

2.2數(shù)據(jù)獲取

2.2.1土樣采集及土壤有機(jī)質(zhì)含量的測(cè)定

采集土樣前要做好相應(yīng)的準(zhǔn)備（手持GPS定位儀、小鏟、記號(hào)筆、密封袋）。

根據(jù)研究區(qū)做好采樣規(guī)劃，土樣采集以田塊為單元，以5m×5m的采樣尺度在研究區(qū)耕地內(nèi)布點(diǎn)，采集樣點(diǎn)位置土樣。總共采集100份土壤樣品，其中廂間50份做訓(xùn)練集，廂面50份做驗(yàn)證集。采集到的土樣經(jīng)實(shí)驗(yàn)室風(fēng)干、去雜、研磨通過(guò)2mm篩后進(jìn)行有機(jī)質(zhì)含量的測(cè)定。土壤有機(jī)質(zhì)（SOM）測(cè)定采用重鉻酸鉀–硫酸硝化法。

2.2.2土壤有機(jī)質(zhì)含量統(tǒng)計(jì)分析

廂間和廂面樣本各50個(gè)，分別作為訓(xùn)練集和驗(yàn)證集，由表看出廂面樣本土壤有機(jī)質(zhì)含量多于廂間樣本，這是因?yàn)閹媸寝r(nóng)作生長(zhǎng)所需的土壤，土壤耕作化程度和施肥量相對(duì)較高，所以有機(jī)質(zhì)含量偏高。整體土壤有機(jī)質(zhì)含量介于40.68~47.94，均值為24.66，標(biāo)準(zhǔn)差為7.22，訓(xùn)練集和驗(yàn)證集樣本標(biāo)準(zhǔn)差分別為29.13和31.07，變異系數(shù)偏中等。

表2-1研究區(qū)土壤有機(jī)質(zhì)含量統(tǒng)計(jì)分析

2.2.3研究區(qū)機(jī)載高光譜數(shù)據(jù)的采集

本文采用高光譜成像系統(tǒng)對(duì)貴州省農(nóng)業(yè)科學(xué)院貓?zhí)疗吕苯费芯渴痉痘氐耐寥肋M(jìn)行高光譜采集。測(cè)定時(shí)間為2022年8月8日上午10時(shí)至下午2時(shí)之間，因?yàn)樵摃r(shí)段光照充足，幾乎無(wú)烏云遮擋，無(wú)人機(jī)捕捉的地物光譜信息較為全面。與此同時(shí)，提前在測(cè)區(qū)范圍內(nèi)布設(shè)好靶標(biāo)布，影像經(jīng)過(guò)后期測(cè)區(qū)的輻射定標(biāo)和拼接，將RTK獲取的土樣點(diǎn)位信息導(dǎo)入ENVI從而獲得土壤光譜反射率，機(jī)載光譜系統(tǒng)影像設(shè)置航高為100米，相機(jī)曝光時(shí)間設(shè)置為10毫秒，圖2-2是機(jī)載高光譜成像系統(tǒng)。

圖2-2機(jī)載高光譜成像系統(tǒng)

2.2.4研究區(qū)室外原位光譜數(shù)據(jù)采集

原位土壤反射光譜的測(cè)定采用便攜式地物光譜儀（圖2-3）。

圖 2-3 便攜式地物光譜儀

測(cè)定時(shí)間同樣選擇在地方時(shí)上午10時(shí)至下午2時(shí)之間，控制太陽(yáng)高度角≥65°，微風(fēng)條件，測(cè)量時(shí)排除白色衣裝和潛在強(qiáng)反射體。光譜測(cè)定時(shí)選擇在自然條件較為平整的土壤之上進(jìn)行，面向陽(yáng)光避免陰影干擾并使被測(cè)目標(biāo)充滿視場(chǎng)，在測(cè)定時(shí)激光探頭保持距地表10cm且需要連續(xù)獲取10條光譜，每處樣點(diǎn)測(cè)定10次，5個(gè)點(diǎn)位共獲取50條光譜曲線，完成以上操作進(jìn)行白板校正，為保證得到完全反射率減少噪聲，最后取算術(shù)均值作為得到土樣實(shí)際的反射光譜數(shù)據(jù)。白板校正和原位光譜采集見圖2-4。

圖 2-4 靶標(biāo)布

三、山區(qū)耕地土壤光譜特征及分析方法

3.1土壤有機(jī)質(zhì)含量光譜曲線特征分析

由于原始光譜在350~400nm和2400~2500nm之間存在很多噪聲，因此選取400~2400nm波段做分析。處理后的光譜反射率曲線如圖3-1所示，

圖 3-1 原始光譜反射率（a:地物光譜曲線; b:無(wú)人機(jī)高光譜曲線)

分析看出土壤樣本測(cè)得的光譜曲線走向基本相似，因?yàn)槊總€(gè)土樣的有機(jī)質(zhì)含量等土壤理化性質(zhì)的不同，所測(cè)得的土壤原始光譜反射率在波峰、波谷、反射率值大小均有所差異?；诘匚锕庾V儀采集的土樣原始光譜反射率總體波段范圍介于0.05~0.4之間，其中在400~800nm波段范圍上升速度比較明顯，800~1900nm波段之間起伏較大，1900nm~2400nm之間反射率呈先增后降趨勢(shì)。由圖3-1（a）可以明顯看出在1400nm和1900nm兩個(gè)波段附近有兩個(gè)強(qiáng)烈的吸收谷，2200nm處有較弱的吸收谷；基于無(wú)人機(jī)高光譜成像體系采集的土樣原始光譜反射率總體波段范圍介于0.025~0.35之間，在400~700nm波譜反射率上升相對(duì)緩慢，700nm~800nm上升速度比較明顯，800nm~1000nm范圍波普反射率趨于平緩。根據(jù)圖3-1（b）分析可得在700nm和950nm兩個(gè)波段附近有兩個(gè)比較弱的吸收谷。

結(jié)合兩種采集土壤光譜反射率特征得出在700nm、950nm、1400nm、1900nm和2200nm均存在強(qiáng)弱不同的吸收谷，主要是由于在此波段區(qū)間土壤樣本中的水分與空氣中的水分吸收產(chǎn)生的，這與土壤光譜反射率特征的相關(guān)研究結(jié)論一致。

3.2光譜數(shù)據(jù)分析方法

3.2.1數(shù)據(jù)平滑（SG）

濾波器（SG）被廣泛地運(yùn)用于數(shù)據(jù)流平滑除噪。該濾波方法是一種在時(shí)域內(nèi)基于局域多項(xiàng)式最小二乘法擬合的濾波方法，最大的特點(diǎn)是在濾除噪聲的同時(shí)可以保持信號(hào)的形狀和寬度不變。使用平滑濾波器對(duì)信號(hào)濾波時(shí)，實(shí)際上是擬合了信號(hào)中的低頻成分，而將高頻成分平滑出去了。如果噪聲在高頻端，濾波的結(jié)果是去除噪聲，反之，若噪聲在低頻段，濾波的結(jié)果是留下噪聲。

計(jì)算機(jī)的唯一功能是充當(dāng)一個(gè)平滑噪聲起伏的濾波器并盡量保證原始數(shù)據(jù)的不失真。因此，SG將濾波器常應(yīng)用于一系列數(shù)字?jǐn)?shù)據(jù)點(diǎn)，以提高信噪比而不使信號(hào)失真。本文在軟件中用Savitzky-Golay濾波進(jìn)行9點(diǎn)平滑去噪處理,圖3-2是平滑前后對(duì)比。

圖 3-2 SG 平滑對(duì)比（a:原始光譜曲線; b:SG 平滑光譜曲線)

3.2.2光譜數(shù)據(jù)變化形式

為更有效篩選山區(qū)土壤光譜的特征波段，對(duì)平滑后的原始光譜反射率（R）進(jìn)行一階微分(FD)、二階微分(SD)、倒數(shù)對(duì)數(shù)的一階微分(LRD)、連續(xù)統(tǒng)去除(CR)等4種變換處理。光譜一階微分處理可在消除背景噪聲干擾的同時(shí)提高光譜分辨率、降低相關(guān)波段的尋找難度，倒數(shù)對(duì)數(shù)法變換法可減少乘數(shù)因子對(duì)光照條件變化的影響，連續(xù)統(tǒng)去除法利于突出光譜曲線的吸收、反射特征，分類識(shí)別提取敏感波段。上述過(guò)程中FD、SD、LRD通過(guò)軟件處理。

圖 3-3 地物原始光譜反射率變換（a:FD; b:SD; c:LRD; d:CR)

圖3-3是地物光譜儀采集的原位土壤原始光譜反射率經(jīng)過(guò)一階微分、二階微分、倒數(shù)對(duì)數(shù)的一階微分和連續(xù)統(tǒng)去除的數(shù)據(jù)變換得到效果，總體而言，除了CR變換之外，三種不同數(shù)據(jù)變換讓光譜反射率整體數(shù)值大小降低，且在正負(fù)值之間波動(dòng)。FD的光譜變換使得反射率在可見光部分呈正值，并在700nm范圍出現(xiàn)最高反峰，而在近紅外部分反射率值呈正負(fù)相交，于1400、1900nm范圍出現(xiàn)強(qiáng)烈吸收谷，推測(cè)是由于在1400、1900nm和2200nm等波段附近具有強(qiáng)烈的水分吸收谷，這一項(xiàng)與粘土礦物中所含的OH－有關(guān)；與FD變換不同的是SD變換在全波段范圍間表現(xiàn)較為規(guī)則和均勻，密集出現(xiàn)吸收谷和反射峰，且在近紅外波段范圍反應(yīng)更加強(qiáng)烈，說(shuō)明山區(qū)耕地的土壤不僅在可見光部分含有SOM信息，在近紅外部分極大可能蘊(yùn)藏有機(jī)質(zhì)的信息；因?yàn)榈箶?shù)對(duì)數(shù)變換的原因，LRD與FD的數(shù)據(jù)變換總體類似于對(duì)稱分布，但在1600~2000nm之間，LRD反射率絕對(duì)值遠(yuǎn)大于FD的，這是由于倒數(shù)對(duì)數(shù)變換法能降低不確定因素對(duì)光照條件變化的影響，更加突出光譜曲線吸收和反射特征；連續(xù)統(tǒng)去除變換的光譜反射率類似于原始光譜的倒立分布，總體走向呈波浪形隨波長(zhǎng)增加而逐漸增大，雖然在全波段范圍內(nèi)均為正值，但總體反射率介于0.2~0.99之間，是四種數(shù)據(jù)變換中弧度和落差展現(xiàn)最大的光譜變換法，這說(shuō)明CR可深挖山區(qū)土壤信息。以上四種變換均在不同程度展現(xiàn)山區(qū)土壤的光譜在各波段區(qū)間的特點(diǎn)，為下一步篩選敏感波段建模提供堅(jiān)實(shí)的基礎(chǔ)與保障與地物光譜變化趨勢(shì)相似，如圖3-4是機(jī)載原始光譜反射率經(jīng)過(guò)一階微分、二階微分、倒數(shù)對(duì)數(shù)的一階微分和連續(xù)統(tǒng)去除等數(shù)據(jù)變換得到特征結(jié)果。

圖 3-4 無(wú)人機(jī)原始光譜反射率變換（a:FD; b:SD; c:LRD; d:CR)

經(jīng)FD和LRD變換反射率在700nm處出現(xiàn)明顯反射峰和吸收谷，同時(shí)在近紅外部分，SD數(shù)據(jù)變換使得光譜曲線谷峰增多，鋸齒曲線數(shù)量相對(duì)頻繁，說(shuō)明在可見光-近紅外部分都含有山區(qū)土壤豐富的信息。與前三種光譜變換不同的是CR僅在可見光部分的光譜曲線差異明顯，這表明CR變換能提高無(wú)人機(jī)光譜反射率在可見光區(qū)間的吸收、反射特征。

3.3光譜特征波段篩選和植被指數(shù)特征構(gòu)建

山區(qū)耕地的土壤高光譜在5種不同形式下與SOM之間的相關(guān)分析如圖3-5所示，分析得出，原始光譜R（圖3-5a）與SOM大部分呈負(fù)相關(guān)并在可見光部分相關(guān)系數(shù)達(dá)到極值；四種光譜變換在可見光-近紅外范圍內(nèi)均有波段在正負(fù)值之間波動(dòng)，并且有不少波段通過(guò)0.01顯著性檢驗(yàn)；經(jīng)FD（圖3-5b）變換提高了光譜與SOM在近紅外范圍內(nèi)的相關(guān)性，敏感波段從可見光至近紅外之間呈均勻分配，有941個(gè)波段通過(guò)顯著性檢驗(yàn)（p>0.01），相關(guān)系數(shù)最大值為0.652；SD（圖3-5c）處理之后的光譜在近紅外部分頻繁出現(xiàn)吸收谷和反射峰，敏感波段范圍也集中在此部分，統(tǒng)計(jì)有325個(gè)波段達(dá)到顯著相關(guān)（p>0.01），相關(guān)系數(shù)極值為-0.561；LRD（圖2d）與FD數(shù)據(jù)變換相似，共有822個(gè)敏感波段，因?yàn)橄冉?jīng)過(guò)倒數(shù)對(duì)數(shù)變換的原因，LRD與FD的相關(guān)系數(shù)圖類似于對(duì)稱分布，相關(guān)系數(shù)極值為0.512；通過(guò)CR（圖2e）變換使得土壤光譜和有機(jī)質(zhì)大部分呈正相關(guān)，這說(shuō)明CR變換能增強(qiáng)山區(qū)土壤光譜的吸收特征，通過(guò)顯著性檢驗(yàn)的波段有717個(gè)，相關(guān)系數(shù)極值為0.493；從相關(guān)系數(shù)絕對(duì)值的大小和通過(guò)顯著性波段的數(shù)量上看FD＞LRD＞CR＞SD，說(shuō)明光譜數(shù)據(jù)經(jīng)過(guò)FD和LRD的變換能提高山區(qū)耕地SOM與光譜波段之間的相關(guān)性，更有利于篩選特征波段。

圖 3-5 地物光譜儀 SOM 相關(guān)系數(shù)（a:R；b:FD; c:SD; d:LRD; e:CR)

機(jī)載高光譜在5種不同形式下與SOM之間的相關(guān)分析如圖3-6所示，與原位地物光譜的明顯區(qū)別在于原始光譜在近紅外波段呈顯著相關(guān)。

圖 3-6 機(jī)載高光譜 SOM 相關(guān)系數(shù)（a:R；b:FD; c:SD; d:LRD; e:CR)

表明在未經(jīng)光譜變換之前，機(jī)載高光譜原始反射率在近紅外波段包含有大量山區(qū)耕地土壤有機(jī)質(zhì)的信息，可通過(guò)相關(guān)系數(shù)法直接篩選敏感波段構(gòu)建模型；與前人研究一致的是原始光譜R（圖3-6a）與SOM在大部分波段區(qū)間呈負(fù)相關(guān)并在可見光部分相關(guān)系數(shù)達(dá)到極值，相關(guān)系數(shù)極值為-0.447；經(jīng)FD光譜（圖3-6b）變換通過(guò)顯著相關(guān)（p>0.01）波段數(shù)量小于原始光譜的，同時(shí)可見光有部分（524~534nm）波段通過(guò)顯著性檢驗(yàn)，說(shuō)明FD變換能提高光譜與SOM在可見光波段的相關(guān)性，F(xiàn)D變換共計(jì)有20個(gè)波段通過(guò)（p>0.01）顯著性檢驗(yàn)，相關(guān)系數(shù)極值為-0.487；在FD變換基礎(chǔ)上，SD變換后的光譜在機(jī)載機(jī)高光譜全波段范圍內(nèi)頻繁出現(xiàn)吸收谷與反射峰，但通過(guò)（p>0.01）顯著性檢驗(yàn)的波段數(shù)量少于FD變換，統(tǒng)計(jì)共有11個(gè)波段通過(guò)（p>0.01）顯著性檢驗(yàn)，相關(guān)系數(shù)極值為-0.387；與3.2.3章節(jié)的光譜反射率變換相似，經(jīng)LRD和FD光譜變換與SOM相關(guān)分析的曲線圖同樣類似于對(duì)稱分布，原因是受到倒數(shù)對(duì)數(shù)變換的影響，共有12個(gè)敏感波段分布在可見光-近紅外波段區(qū)間，相關(guān)系數(shù)極值為0.443；

相對(duì)于原始光譜的相關(guān)系數(shù)，CR變換在可見光部分的數(shù)值有明顯提高，并且土壤光譜和有機(jī)質(zhì)呈正相關(guān)，這說(shuō)明CR變換能增強(qiáng)山區(qū)土壤光譜的吸收特征，通過(guò)顯著性檢驗(yàn)的波段有10個(gè)，相關(guān)系數(shù)極值為-0.371；從整體上看，四種變換均在不同程度上提高山區(qū)SOM光譜波段之間的相關(guān)性，與從相關(guān)系數(shù)絕對(duì)值的大小和通過(guò)顯著性波段的數(shù)量上看FD＞LRD＞SD＞CR。

圖 3-7 機(jī)載高光譜不同形式光譜相關(guān)分析與 SOM 敏感波段范圍圖

圖 3-8 地物光譜儀不同形式光譜相關(guān)分析與 SOM 敏感波段范圍圖

圖3-7和圖3-8分別是無(wú)人機(jī)高光譜和地物光譜的SOM值與不同形式光譜相關(guān)分析的特征波段范圍分布，從中可以發(fā)現(xiàn)，原始光譜的特征波段大多集中在可見光部分，經(jīng)光譜技術(shù)變換后在不同程度上挖掘出近紅外部分的特征光譜信息，說(shuō)明可見光-近紅外波段范圍都蘊(yùn)含有山區(qū)耕地土壤的特征波段，這與等利用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)-連續(xù)投影算法篩選的建模波段以近紅（1800~2400nm）波段部分為主有所差異，推測(cè)原因是研究區(qū)及土壤類型的不同，前人以江漢平原的潮土、水稻田和黃棕壤為研究對(duì)象，該地區(qū)雨量充沛且土壤耕作程度高，其土壤含水量相對(duì)較高，而土壤水含量的光譜特性主要集中在近紅外波段范圍，因此土壤水含量影響到土壤反射率及有機(jī)質(zhì)的光譜信息?？紤]到1400nm、1900nm和2200nm等波段附近受到水分影響，因此將其剔除，最后獲得5種光譜的特征響應(yīng)波段。

3.4本章小結(jié)

本章主要介紹了山區(qū)土壤光譜曲線特征，并利用SG光譜預(yù)處理結(jié)合四種數(shù)據(jù)形式（FD、SD、LRD、CR）對(duì)原始光譜進(jìn)行變換，經(jīng)變換后的光譜與土壤有機(jī)質(zhì)進(jìn)行相關(guān)分析，篩選相關(guān)系數(shù)較高的波段用于下一章建模。本文模型選用偏最小二乘回歸模型、支持向量機(jī)回歸模型、隨機(jī)森林模型和BP神經(jīng)網(wǎng)絡(luò)模型，模型精度驗(yàn)證采取決定系數(shù)、均平方根誤差和相對(duì)分析誤差作為驗(yàn)證指標(biāo)。具體

總結(jié)如下：

（1）地物光譜儀采集的光譜反射率比機(jī)載的反射率略高，均呈波浪式走向，其中地物光譜儀采集的光譜在1400nm、1900nm存在兩個(gè)明顯吸收谷；無(wú)人機(jī)采集的光譜在700nm和950nm附近有兩個(gè)較弱的吸收谷；

（2）經(jīng)過(guò)SG的9點(diǎn)平滑處理，無(wú)人機(jī)高光譜原始反射率有明顯平滑效果，這跟無(wú)人機(jī)光譜儀采集波段范圍窄且重采樣間距大有關(guān)；

（3）機(jī)載高光譜原始反射率與SOM相關(guān)分析整體近紅外部分波段通過(guò)0.01顯著檢驗(yàn)，經(jīng)FD、SD、LRD和CR變換與SOM相關(guān)分析發(fā)現(xiàn)敏感波段主要集中在可見光500~550nm之間，近紅外部分集中于800~1000nm范圍。能提高光譜與SOM相關(guān)性的光譜變換法分別是FD＞LRD＞SD＞CR；

（4）地物光譜原始反射率與SOM相關(guān)分析整體沒有波段通過(guò)0.01顯著檢驗(yàn)，但經(jīng)過(guò)四種光譜變換極大程度提高光譜與SOM之間的相關(guān)性，敏感波段主要集中在可見光500~760nm附近，近紅外部分900~1000nm、1200~1224nm、1715~1750nm、2126~2150nm、2320~2378nm均有山區(qū)SOM敏感波段。用于提高高光譜與SOM相關(guān)性的光譜變換法和機(jī)載中所用的方法一致。

續(xù)~

推薦：

地物光譜儀iSpecField-HH/NIR/WNIR

地物光譜儀是萊森光學(xué)專門用于野外遙感測(cè)量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，獨(dú)有的光路設(shè)計(jì)，噪聲校準(zhǔn)技術(shù)、可以實(shí)時(shí)自動(dòng)校準(zhǔn)暗電流，采用了固定全息光柵一次性分光，測(cè)試速度快，最短積分時(shí)間最短可達(dá)20μs，操作靈活、便攜方便、光譜測(cè)試速度快、光譜數(shù)據(jù)準(zhǔn)確，廣泛應(yīng)用于遙感測(cè)量、農(nóng)作物監(jiān)測(cè)、森林研究、海洋學(xué)研究和礦物勘察等各領(lǐng)域。

審核編輯 黃宇