哈密瓜是新疆的特色水果，目前，哈密瓜品种繁多，采收时，不同品种的成熟期不同，在成熟时的表现也不同，因此，简单地通过外表来分辨哈密瓜的成熟度，会造成判别不一致，影响哈密瓜的货架期，从而降低声誉和经济效益。因此，研究哈密瓜成熟度有重要意义。
坚实度是哈密瓜成熟度的重要参考指标之一。目前，坚实度检测多采用M-T有损检测方法，该方法费时、费力，而且会破坏样品。因此，急需一种无损、快速、便捷的检测方法，综合分析哈密瓜成熟期的理化指标变化规律及其与坚实度的相关性。近年来，高光谱技术在猕猴桃、草莓、苹果、梨、樱桃、香蕉和西甜瓜等水果的成熟度、坚实度、糖度等品质无损检测中得到应用，为哈密瓜成熟期的品质评价提供了无损检测技术。
测定方法
哈密瓜测定项目包括光谱信息采集和理化指标（质量、横纵径、坚实度）测量。具体的方法如下：
（1）哈密瓜光谱信息的采集
（2）高光谱图像数据采集前，先进行黑白校正，调整输送装置的速度。数据采集时，把哈密瓜样本放到高光谱试验台上，线阵的探测器在光学焦面（哈密瓜前进方向）的垂直方向横向扫描，扫出整个平面，获取3个检测部位的哈密瓜图像信息，通过软件对光谱信息采集和保存。
（3）哈密瓜理化指标的测量
纵横径的测量：哈密瓜的高度部位即纵径，用高度游标卡尺测量。哈密瓜赤道部位即横径，用游标卡尺测量。
质量的测量：采用电子秤测量哈密瓜质量。
坚实度的测量：哈密瓜坚实度的测量采用手持式硬度计。
对已完成光谱信息采集的哈密瓜样本的3个标记区域（阴面、阳面与果脐）削去果皮进行测量。
2、光谱的处理及模型评价指标
采集后的光谱数据采用ENVI4.7软件进行图像数据降维和预处理。利用TQAnalyst6.1软件进行建模定量、定性分析。模型的稳健性和准确性评价指标有校正集相关系数（Rc），预测集相关系数（Rp）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）。通常情况下，模型中R值越大，RMSEC、RMSEP值越小，模型表现得越稳健，结果越准确。
3、结果与分析
哈密瓜样本理化指标测定结果及分析
哈密瓜在成熟过程中，理化指标会随着不同成熟期呈现出一定的变化规律。由表1可知，不同成熟期的哈密瓜理化指标存在一定的差异。从纵径的平均值来看，同一成熟度的哈密瓜，金密16号要略大于金密17号；从横径的平均值来看，同一成熟度的金密16号要略小于金密17号；七成熟的哈密瓜平均质量均要小于九成熟的哈密瓜；从坚实度值来看，七成熟的哈密瓜平均坚实度均要大于九成熟的哈密瓜。
不同品种哈密瓜坚实度的分析
果实的坚实度直接影响果肉质地与脆性。哈密瓜坚实度是衡量内部品质的重要指标之一。从图2可以看出，七成熟哈密瓜：金密16号的坚实度值在54.0~120.0N，金密17号的坚实度值在50.6~84.0N；九成熟哈密瓜：金密16号的坚实度值在51.0~79.9N，金密17号的坚实度值在48.0~61.2N。两个品种的哈密瓜样本点的坚实度分布规律如图1所示，通过对比可以发现，金密16号的坚实度均大于金密17号，说明不同品种哈密瓜的坚实度存在明显差异。
不同成熟期哈密瓜坚实度的分析
随着哈密瓜生长发育的不断推进，坚实度随着成熟期的不同而发生变化。图2所示两个品种的哈密瓜不同
表1不同成熟期哈密瓜样本的理化指标值
图1不同品种哈密瓜样本点的坚实度分布
图2不同成熟期哈密瓜坚实度变化规律
成熟期坚实度变化规律，从中可以发现，同一品种哈密瓜，九成熟的坚实度要比七成熟低，成熟度越高，坚实度越低。研究表明，随着哈密瓜不断成熟，果实细胞壁果胶物质的降解和纤维素分离，导致细胞解体，果肉的硬度降低
不同原始光谱的分析
高光谱仪采集哈密瓜的光谱信息是由光源照射到哈密瓜表面后通过漫透射进行扩散传输的。图4是2个品种哈密瓜不同成熟度的原始光谱曲线，从中可以发现，同一品种、不同成熟期的哈密瓜光谱曲线走向基本一致。不同品种的哈密瓜光谱曲线之间存在很大差异，金密16号哈密瓜光谱在400~750nm存在明显变化的波峰、波谷。金密17号哈密瓜光谱在500~850nm存在较明显变化的波峰、波谷，在850nm之后波形基本一致。说明不同品种的哈密瓜由于内部生物结构不同，光谱曲线差别也很大。
图4哈密瓜原始光谱曲线
不同检测部位坚实度的分析
哈密瓜果实的成长与发育先是纵径发育，再横向增重发育。根据哈密瓜的生长特点，对金密16号哈密瓜的3个检测部位（赤道阳面、赤道阴面和果脐）的坚实度进行测量，其变化规律如图5所示，从中可以发现，不同检测部位的哈密瓜坚实度存在差异，赤道（阳面、阴面）部位的坚实度要高于果脐部位的坚实度；同一检测部位相比，坚实度的变化没有明显规律。
图5不同检测部位坚实度值分布规律
水分是作物进行生命活动和生长代谢的重要物质，水分亏缺能直接影响作物的生理生化过程和形态结构，从而对其生长､产量和品质造成影响。同时，我国农业用水占全国用水总量已经达到70%，且水资源分布不均，每年因为干旱而使作物受灾面积最高达到4000万hm²，严重威胁我国的粮食安全。
因此，在水资源短缺的严峻形势下，提高水资源的利用效率对指导作物生长发育，提高作物产量，节约水资源具有重要意义。利用传统烘干法测量作物水分耗时费力，多光谱､近地非成像遥感光束分离的成像质量差，光谱重叠度高，易受环境等背景因素影响，难以满足对作物水分的高效､精准实时监测。而高光谱遥感技术具有空间分辨率高，光谱信息丰富，波段窄而连续，时效性好的特点，近年来已被广泛应用于作物水分含量监测领域。
作物水分的常见测试方法
作物水分的测试有直接法和间接法2种，其中直接法是通过物理或化学测试直接获取作物水分含量的方法，而间接法通过测量作物或其相关指标属性，以推断或估计作物水分信息。
但常见的作物水分测量方法准确度不高，操作较为复杂，易受环境温度等外界因素影响，具有一定的局限性，并且应用范围窄，难以适应大面积的农业生产需要。随着各项技术的深入研究，高光谱遥感技术以其超多波段､图谱合一和光谱信息丰富的技术优势，能够实现作物水分含量准确､快速､无损地实时监测。
表1作物水分的常见测试方法
各方法的优缺点比较
直接法测量过程简单，结果较为准确，但测量过程冗长繁琐，增加了实验难度和周期，同时容易破坏待测样品，并产生对环境有害的化学试剂和药品。间接法相较于直接测定法有所提升，测量速度快，易实现在线批量检测，但容易受噪声､物体形状及大小､环境温度等因素影响，难以适用大面积作物水分监测和指导农业生产。随着各项技术的深入研究，为能够更好地指导农业生产需要，高光谱成像技术作为一种发展较为成熟的遥感监测技术，以其准确､无损､快速的技术优点已广泛应用于作物水分监测领域。
常见高光谱遥感分类
高光谱遥感按照作用空间尺度可划分为卫星遥感､机载高光谱仪､地物光谱遥感以及手持式光谱仪等。基于CGMD便携式光谱仪和地物高光谱探测器对冬小麦冠层生长指标对比研究发现，CGMD光谱仪操作简单，便于携带，精度可靠，而地物高光谱探测器采集信息量大，结合先进预处理，特征提取和机器学习算法可以有效提高模型反演精度。
基于便携式地物光谱仪结合手持式光谱探测器获取冬小麦叶片反射率，并结合推扫式光谱仪波段宽，光谱分辨率高的特点获得冠层反射率，但是受天气条件或野外环境因素，如云层､大气湿度､光线条件和地面高程差等都会影响数据采集和监测结果。
3、光谱遥感在典型作物水分监测的应用
虽然当前高光谱遥感技术应用于水分监测的作物类型已经有很多种，但是在监测作物水分指标和方法上面也会有所不同，这些水分指标包括植株含水量(PWC)，叶片含水量(LWC)，冠层含水量(CWC)，叶片等效水厚度(LEWT)和相对含水量(RWC)，而研究方法包括单波段光谱反射率法，光谱植被指数法，全波段光谱分析法和光谱辐射传输模型等。而水稻､小麦和玉米作为典型作物，在水分监测指标和研究方法方面更具全面性和系统性。已有许多学者对此作了细致而深入的研究，并取得了丰富的研究成果和技术创新，也为高光谱遥感技术监测其它作物水分含量提供技术参考。因此，下面对高光谱遥感作用于典型作物水稻，小麦，玉米的水分监测作详细阐述。
3.1小麦
高光谱遥感通过敏感波段提取以及新型植被指数构建可以显著提高光谱反射率与水分含量的相关性。目前用高光谱监测小麦水分的研究主要集中在湿润和半湿润地区，而干旱和半干旱区域的研究还相对较少。随着高分辨率遥感仪器的发展以及新型植被指数出现，高光谱遥感技术在干旱和半干旱区域的应用潜力十分广泛。同时，小麦在不同生长时期LWC的敏感波段存在差异，在开花期，小麦的LWC敏感波段主要集中在可见光和近红外波段;而在孕穗期和乳熟期，则分布在近红外和短波红外波段。
表2 高光谱遥感估算小麦含水量的典型研究
3.2水稻
水稻的叶片水分敏感波段主要分布在近红外和短波红外波段，当前对水稻水分监测的研究主要集中在生长中后期以及湿润和半湿润地区。
水稻在不同生长时期的敏感波段主要分布在NIR(710~970nm)和SWIR(1450nm､1750nm和1830nm附近)，并且未来应克服植被覆盖度､气象条件和资源限制等不利因素，更多关注作物在生长前期和干旱､半干旱地区的研究。水稻是一种生长环境受地形和气候变化影响较大的作物，其生长阶段受到叶片水分变化的影响非常显著。研究发现，基于新的水分指数可以适应不同地域､气候以及叶绿素､基因型变异等动态变化带来的影响。
表3 高光谱遥感估算水稻含水量的典型研究
坚实度是哈密瓜成熟度的重要参考指标之一。目前，坚实度检测多采用M-T有损检测方法，该方法费时、费力，而且会破坏样品。因此，急需一种无损、快速、便捷的检测方法，综合分析哈密瓜成熟期的理化指标变化规律及其与坚实度的相关性。近年来，高光谱技术在猕猴桃、草莓、苹果、梨、樱桃、香蕉和西甜瓜等水果的成熟度、坚实度、糖度等品质无损检测中得到应用，为哈密瓜成熟期的品质评价提供了无损检测技术。
测定方法
哈密瓜测定项目包括光谱信息采集和理化指标（质量、横纵径、坚实度）测量。具体的方法如下：
（1）哈密瓜光谱信息的采集
（2）高光谱图像数据采集前，先进行黑白校正，调整输送装置的速度。数据采集时，把哈密瓜样本放到高光谱试验台上，线阵的探测器在光学焦面（哈密瓜前进方向）的垂直方向横向扫描，扫出整个平面，获取3个检测部位的哈密瓜图像信息，通过软件对光谱信息采集和保存。
（3）哈密瓜理化指标的测量
纵横径的测量：哈密瓜的高度部位即纵径，用高度游标卡尺测量。哈密瓜赤道部位即横径，用游标卡尺测量。
质量的测量：采用电子秤测量哈密瓜质量。
坚实度的测量：哈密瓜坚实度的测量采用手持式硬度计。
对已完成光谱信息采集的哈密瓜样本的3个标记区域（阴面、阳面与果脐）削去果皮进行测量。
2、光谱的处理及模型评价指标
采集后的光谱数据采用ENVI4.7软件进行图像数据降维和预处理。利用TQAnalyst6.1软件进行建模定量、定性分析。模型的稳健性和准确性评价指标有校正集相关系数（Rc），预测集相关系数（Rp）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）。通常情况下，模型中R值越大，RMSEC、RMSEP值越小，模型表现得越稳健，结果越准确。
3、结果与分析
哈密瓜样本理化指标测定结果及分析
哈密瓜在成熟过程中，理化指标会随着不同成熟期呈现出一定的变化规律。由表1可知，不同成熟期的哈密瓜理化指标存在一定的差异。从纵径的平均值来看，同一成熟度的哈密瓜，金密16号要略大于金密17号；从横径的平均值来看，同一成熟度的金密16号要略小于金密17号；七成熟的哈密瓜平均质量均要小于九成熟的哈密瓜；从坚实度值来看，七成熟的哈密瓜平均坚实度均要大于九成熟的哈密瓜。
不同品种哈密瓜坚实度的分析
果实的坚实度直接影响果肉质地与脆性。哈密瓜坚实度是衡量内部品质的重要指标之一。从图2可以看出，七成熟哈密瓜：金密16号的坚实度值在54.0~120.0N，金密17号的坚实度值在50.6~84.0N；九成熟哈密瓜：金密16号的坚实度值在51.0~79.9N，金密17号的坚实度值在48.0~61.2N。两个品种的哈密瓜样本点的坚实度分布规律如图1所示，通过对比可以发现，金密16号的坚实度均大于金密17号，说明不同品种哈密瓜的坚实度存在明显差异。
不同成熟期哈密瓜坚实度的分析
随着哈密瓜生长发育的不断推进，坚实度随着成熟期的不同而发生变化。图2所示两个品种的哈密瓜不同
表1不同成熟期哈密瓜样本的理化指标值
图1不同品种哈密瓜样本点的坚实度分布
图2不同成熟期哈密瓜坚实度变化规律
成熟期坚实度变化规律，从中可以发现，同一品种哈密瓜，九成熟的坚实度要比七成熟低，成熟度越高，坚实度越低。研究表明，随着哈密瓜不断成熟，果实细胞壁果胶物质的降解和纤维素分离，导致细胞解体，果肉的硬度降低
不同原始光谱的分析
高光谱仪采集哈密瓜的光谱信息是由光源照射到哈密瓜表面后通过漫透射进行扩散传输的。图4是2个品种哈密瓜不同成熟度的原始光谱曲线，从中可以发现，同一品种、不同成熟期的哈密瓜光谱曲线走向基本一致。不同品种的哈密瓜光谱曲线之间存在很大差异，金密16号哈密瓜光谱在400~750nm存在明显变化的波峰、波谷。金密17号哈密瓜光谱在500~850nm存在较明显变化的波峰、波谷，在850nm之后波形基本一致。说明不同品种的哈密瓜由于内部生物结构不同，光谱曲线差别也很大。
图4哈密瓜原始光谱曲线
不同检测部位坚实度的分析
哈密瓜果实的成长与发育先是纵径发育，再横向增重发育。根据哈密瓜的生长特点，对金密16号哈密瓜的3个检测部位（赤道阳面、赤道阴面和果脐）的坚实度进行测量，其变化规律如图5所示，从中可以发现，不同检测部位的哈密瓜坚实度存在差异，赤道（阳面、阴面）部位的坚实度要高于果脐部位的坚实度；同一检测部位相比，坚实度的变化没有明显规律。
图5不同检测部位坚实度值分布规律水分是作物进行生命活动和生长代谢的重要物质，水分亏缺能直接影响作物的生理生化过程和形态结构，从而对其生长､产量和品质造成影响。同时，我国农业用水占全国用水总量已经达到70%，且水资源分布不均，每年因为干旱而使作物受灾面积最高达到4000万hm²，严重威胁我国的粮食安全。
因此，在水资源短缺的严峻形势下，提高水资源的利用效率对指导作物生长发育，提高作物产量，节约水资源具有重要意义。利用传统烘干法测量作物水分耗时费力，多光谱､近地非成像遥感光束分离的成像质量差，光谱重叠度高，易受环境等背景因素影响，难以满足对作物水分的高效､精准实时监测。而高光谱遥感技术具有空间分辨率高，光谱信息丰富，波段窄而连续，时效性好的特点，近年来已被广泛应用于作物水分含量监测领域。
作物水分的常见测试方法
作物水分的测试有直接法和间接法2种，其中直接法是通过物理或化学测试直接获取作物水分含量的方法，而间接法通过测量作物或其相关指标属性，以推断或估计作物水分信息。
但常见的作物水分测量方法准确度不高，操作较为复杂，易受环境温度等外界因素影响，具有一定的局限性，并且应用范围窄，难以适应大面积的农业生产需要。随着各项技术的深入研究，高光谱遥感技术以其超多波段､图谱合一和光谱信息丰富的技术优势，能够实现作物水分含量准确､快速､无损地实时监测。
表1作物水分的常见测试方法
各方法的优缺点比较
直接法测量过程简单，结果较为准确，但测量过程冗长繁琐，增加了实验难度和周期，同时容易破坏待测样品，并产生对环境有害的化学试剂和药品。间接法相较于直接测定法有所提升，测量速度快，易实现在线批量检测，但容易受噪声､物体形状及大小､环境温度等因素影响，难以适用大面积作物水分监测和指导农业生产。随着各项技术的深入研究，为能够更好地指导农业生产需要，高光谱成像技术作为一种发展较为成熟的遥感监测技术，以其准确､无损､快速的技术优点已广泛应用于作物水分监测领域。
常见高光谱遥感分类
高光谱遥感按照作用空间尺度可划分为卫星遥感､机载高光谱仪､地物光谱遥感以及手持式光谱仪等。基于CGMD便携式光谱仪和地物高光谱探测器对冬小麦冠层生长指标对比研究发现，CGMD光谱仪操作简单，便于携带，精度可靠，而地物高光谱探测器采集信息量大，结合先进预处理，特征提取和机器学习算法可以有效提高模型反演精度。
基于便携式地物光谱仪结合手持式光谱探测器获取冬小麦叶片反射率，并结合推扫式光谱仪波段宽，光谱分辨率高的特点获得冠层反射率，但是受天气条件或野外环境因素，如云层､大气湿度､光线条件和地面高程差等都会影响数据采集和监测结果。
3、光谱遥感在典型作物水分监测的应用
虽然当前高光谱遥感技术应用于水分监测的作物类型已经有很多种，但是在监测作物水分指标和方法上面也会有所不同，这些水分指标包括植株含水量(PWC)，叶片含水量(LWC)，冠层含水量(CWC)，叶片等效水厚度(LEWT)和相对含水量(RWC)，而研究方法包括单波段光谱反射率法，光谱植被指数法，全波段光谱分析法和光谱辐射传输模型等。而水稻､小麦和玉米作为典型作物，在水分监测指标和研究方法方面更具全面性和系统性。已有许多学者对此作了细致而深入的研究，并取得了丰富的研究成果和技术创新，也为高光谱遥感技术监测其它作物水分含量提供技术参考。因此，下面对高光谱遥感作用于典型作物水稻，小麦，玉米的水分监测作详细阐述。
3.1小麦
高光谱遥感通过敏感波段提取以及新型植被指数构建可以显著提高光谱反射率与水分含量的相关性。目前用高光谱监测小麦水分的研究主要集中在湿润和半湿润地区，而干旱和半干旱区域的研究还相对较少。随着高分辨率遥感仪器的发展以及新型植被指数出现，高光谱遥感技术在干旱和半干旱区域的应用潜力十分广泛。同时，小麦在不同生长时期LWC的敏感波段存在差异，在开花期，小麦的LWC敏感波段主要集中在可见光和近红外波段;而在孕穗期和乳熟期，则分布在近红外和短波红外波段。
表2 高光谱遥感估算小麦含水量的典型研究
3.2水稻
水稻的叶片水分敏感波段主要分布在近红外和短波红外波段，当前对水稻水分监测的研究主要集中在生长中后期以及湿润和半湿润地区。
水稻在不同生长时期的敏感波段主要分布在NIR(710~970nm)和SWIR(1450nm､1750nm和1830nm附近)，并且未来应克服植被覆盖度､气象条件和资源限制等不利因素，更多关注作物在生长前期和干旱､半干旱地区的研究。水稻是一种生长环境受地形和气候变化影响较大的作物，其生长阶段受到叶片水分变化的影响非常显著。研究发现，基于新的水分指数可以适应不同地域､气候以及叶绿素､基因型变异等动态变化带来的影响。
表3 高光谱遥感估算水稻含水量的典型研究
