紅外熱成像技術在植物病害檢測中的應用研究進展

陳斌+田桂華

摘要：當植物遭受病害脅迫時，會造成氣孔異質性開閉，水分調節失衡，葉表溫度異常改變。紅外熱成像技術是一種將目標物體的紅外熱輻射轉化成與物體表面熱分布相應的可視圖像技術，葉溫變化是其監測診斷植物病害的觀測指標。本文介紹了紅外熱成像技術在植物病害檢測上的應用研究現狀，總結了紅外熱成像技術在植物病害檢測領域存在的問題及改進方法的研究。

關鍵詞：紅外熱成像技術；植物病害監測；侵染性病害；非侵染性病害；改進方法

中圖分類號： S431.9文獻標志碼： A文章編號：1002-1302（2014）09-0001-04

收稿日期：2013-11-28

基金項目：國家自然科學基金（編號：3117169、31271874）。

作者簡介：陳斌（1960—），男，江蘇鎮江人，博士，教授，研究方向為食品與農產品無損檢測技術。E-mail：ncp@ujs.edu.cn。自然界中的植物在生長發育的過程中總是會遭受真菌、病毒等生物因素的侵染或干旱等不利非生物因素的影響，使得其生長發育受到阻礙，產量降低，品質惡劣，甚至造成死亡。如果及時對病害進行檢測，盡可能在初期消除病害，則可以減少一定的經濟損失，保證產品質量。

目前，判斷植物是否受病害脅迫主要是通過人工感官判定和理化檢測[1]，但是人工感官判定易受一些主客觀因素的影響，而理化檢測步驟繁冗，會造成植物體破損。紅外熱成像技術對溫度具有高敏感性，能在線檢測物體表面溫度，在電氣[2]、航空[3]和醫學[4]等領域已有比較成熟的研究成果并已經被實際運用。隨著熱成像技術的進一步發展，其應用領域也在不斷拓寬，例如紅外熱成像技術在植物病害檢測中的應用就是一個新的方向，也將逐漸成為一個新的研究熱點。

本文通過對近年來紅外熱成像技術在植物病害檢測方面的研究進行歸納分析，并從4個不同方面進行介紹：（1）紅外熱成像技術用于植物病害檢測機制的研究進展；（2）紅外熱成像在非侵染性病害，主要是干旱脅迫方面的研究進展；（3）紅外熱成像在侵染性病害，主要是病毒、真菌脅迫方面的檢測研究進展；（4）紅外熱成像技術應用于植物病害檢測領域所存在的問題及改進方法。通過以上分析，以期進一步推動紅外熱成像技術在植物病害監測領域的研究進展。

1紅外熱成像技術用于植物病害檢測的機制

當植物遭受非侵染性病害時，膜結構遭到破壞，植物代謝紊亂，水分調節失調。黨云萍等詳細介紹了水分脅迫下氣孔的運動特點及其機理[5]；Hirasawa等指出，水分脅迫會導致葉片氣孔非均一性關閉[6]；Nayyar等指出，低溫脅迫會促使內源ABA含量迅速上升[7]；馬媛媛等介紹了低溫脅迫會導致植物細胞水平功能紊亂[8]。

當植株遭受侵染性病害時，細胞膜透性會發生變化[9]，葉肉細胞內水分會更易丟失，從而引起控制氣孔運動的保衛細胞水勢變化[10]，使得氣孔發生異質性開閉；此外，有些真菌會破壞表皮細胞而使氣孔異常開放[11]，也有些真菌會分泌H2O2而使氣孔異常關閉[12]，而遭受病原物侵害的植物本身也有系列防衛反應，如水楊酸（SA）[13]和脫落酸（ABA）[14]等物質的積累會引起氣孔異質性開閉[15-16]。總體看來，植物不管是受到非侵染性病害還是侵染性病害脅迫，葉片氣孔均會異常開閉。

植物通過蒸騰而散失的水分中90%以上是通過氣孔散失的，氣孔異質性開閉會直接引起氣孔導度和蒸騰強度等生理指標的改變，使得葉片表面熱量損失的程度大小改變，繼而造成葉表溫度異常變化[17]，而葉溫變化常被用來監測診斷植株的受脅迫情況[18]。病情和病害種類不同，蒸騰強度會增強或降低[11]，繼而病害部位溫度與健康部位相比會下降或上升。

2紅外熱成像在植物病害檢測中的應用

2.1紅外熱成像用于非侵染性病害檢測

氣孔變化對植物水分虧缺相當敏感，氣孔導度值是一個很好的反映植物水分狀況的參數，當植物遭受干旱脅迫時，氣孔關閉，蒸騰作用下降，葉溫升高，利用紅外熱成像技術可以獲取植物冠層溫度，從而間接反映植物水分脅迫，根據氣孔導度值適時灌溉，可以避免葉片萎蔫而引起的作物產量下降，更重要的是，可以實時監測植物的水分狀況，從而開展適時適量的灌溉預報，對于實現農作物生產可持續、穩產、高產具有一定的實際意義。

紅外熱成像技術可以用于估測氣孔導度，Leinonen等利用熱成像儀獲取干旱脅迫下葡萄樹的冠層溫度，采用能量平衡、干參考面及干、濕參考面結合3種方法估算氣孔導度[19]；Jones在利用熱成像儀估測干旱脅迫下葡萄樹的氣孔導度時，提出新的計算被遮住葉片的脅迫指數的方法，從而為獲取行間作物或樹木干旱脅迫指數的方法研究做出了貢獻[20]；Jones對紅花菜豆植株進行不同水分澆灌，并基于熱成像獲取的冠層溫度計算脅迫指數，結果表明該指數與氣孔導度呈線性相關[21]；Zarco-Tejada等認為，熱成像儀獲得的冠層溫度是用來估測氣孔導度的最好參數[22]。總體看來，熱成像儀能夠遙感監測大面積作物，并快速獲取其氣孔導度值，從而做到及時灌溉，符合精細農業的發展理念[20]。

進一步研究發現，根據冠層溫度制定最優灌溉制度有一定的局限性[23]，于是基于冠層溫度的表征植物受水分脅迫程度的作物水分脅迫指數（CWSI）得到了廣泛研究。Ben-Gal等對橄欖樹進行了5水平灌水量處理，并根據冠層溫度計算CWSI，發現CWSI與水分狀況存在顯著非線性關系[24]；程麒等對2個棉花品種進行4水平水分處理，發現CWSI與光合參數Pn、Gs、Tr呈極顯著負相關關系[25]；Nielsen獲取不同水分條件下大豆的CWSI，以指導大豆適時灌溉[26]。從這些研究可以看出，紅外熱成像能很好地監測植株是否受干旱脅迫，但無法得知其具體所需灌水量，并且各種外界干擾使得采集的紅外熱成像圖效果不理想。表1列舉了紅外熱成像儀在植物抗旱方面所做的研究進展，對于紅外熱成像儀在低溫凍害、雜草等其他非侵染性病害方面的研究沒有很大實際意義，這里不加贅述。

2.2紅外熱成像技術用于侵染性病害檢測

真菌和病毒等病原微生物對植物的侵染是一個主動的過程，它們可以通過本身所分泌的酶、毒素等來達到侵染的目的，也可以通過直接進入植物體內并大量繁殖而對植物造成傷害。此類病害具有傳染性，一旦一株或小塊區域植株遇害，如不采取措施，就會大面積傳播。

在病原物侵染植物后，寄主植物光合作用速率降低，呼吸速率顯著增加，體內水分狀況以及植物激素水平發生明顯變化；然后，植物葉片表現黃化、壞死、腐爛、萎蔫、畸形等可見癥狀。在日常管理中，一般可根據植株表現出的可見癥狀進行防治，但此時病害往往已經相當嚴重。若利用熱成像技術，根據受侵染葉片在未顯癥狀時的葉溫變化，可以盡早檢測出病

表1熱成像儀在植物抗旱方面的應用

植物品種試驗結果葡萄樹利用冠層溫度估測氣孔導度勝過利用氣孔計測量[19]葡萄樹冠層溫度能區分灌溉組與不灌溉組[23]葡萄樹

不充分、調虧灌溉、局部根區干燥中調虧灌溉組冠層溫度最高，受干旱脅迫最重[27]葡萄樹

干旱初期，不灌溉組冠層溫度明顯高于充分灌溉[28]葡萄樹、羽扇豆基于冠層溫度的熱指數與氣孔導度強烈相關[29]葡萄樹利用冠層溫度估測氣孔導度有優點也有缺點[30]紅花菜豆利用不同方法計算脅迫指數，尋求最優方法[21]橄欖樹

利用冠層溫度計算氣孔導度和CWSI，前者與其實測值、后者與其經驗值相關性良好[17]橄欖樹測量值與CWSI有強烈的非線性關系[24]棉花水分脅迫與水分脅迫指數（CWSI）成反比[25]棉花

裸露土壤對冠層溫度影響大于葉面不同取向對其影響[31]棉花、大豆CWSI經驗值可以用于指示水分脅迫情況[32]大豆

根據不同CWSI值進行灌溉以探索不同水分虧缺下的具體灌溉量[26]甘蔗

葉溫是篩選耐旱品種的一個指標，耐旱品種的葉溫平均較不耐旱品種低2.2 ℃[33]玉米

在干旱脅迫時，玉米苗期葉片溫度變化可以顯著反映玉米苗期的耐旱性[34]

害從而及時采取相應的防治措施，因此，應用熱成像技術有望對侵染性病害實現早期檢測，目前用紅外熱成像早期檢測侵染性病害的情況見表2。表2紅外熱成像用于早期檢測侵染性病害

品名生物因素試驗結果（顯癥前）黃瓜葉霜霉病（Pseudoperonospora cubensis）感病區域溫度比健康區域低0.8 ℃，1 d后癥狀可見[8]黃瓜葉枯萎病（Fusarium oxysporum）感病初期，脫落酸引起氣孔關閉，葉溫上升[13]蘋果樹結痂病（Venturia inaequalis）感病葉片局部區域溫度下降，隨著病情發展，最大溫差增大[35]小麥葉銹病（Puccinia triticina）、葉斑病（Septoria tritici）感病組與健康組冠層溫度相差不明顯[36]煙草花葉病（tobacco mosaic virus，TMV）選用抗病煙草，感病區域溫度高，8 h后出現可見病斑[37]煙草霜霉病（Peronospora tabacina）感病葉片溫度比健康葉片高0.1～0.2 ℃[38]葡萄樹霜霉病（Plasmopara viticola）感病部位溫度升高，在夜間，感病部位氣孔孔徑增大[39]甜菜褐斑病（Cercospora beticola）感病葉片局部區域溫度下降，約0.5d后，出現可見病斑[40]番茄葉花葉病（tomato mosaic virus，ToMV）感病葉片溫度低于健康葉片0.5～1.2 ℃[38]

植物感病后，葉溫在顯癥前會升高[37]或降低[36]，使得利用紅外熱成像技術對病害進行早期檢測成為可能。熱成像技術在侵染性病害檢測方面的研究較少，如黃瓜[9]、煙草[38]和葡萄樹[39]霜霉病，煙草[37]和番茄[38]花葉病，蘋果結痂病[35]，小麥葉銹病[36]及甜菜褐斑病[40]，但僅有的這幾個研究達成了一個共識，即紅外熱成像可以在病害顯癥前檢測出病害（圖1），至于該技術具體可以在何時檢測出病害以及溫度變化與病害程度的具體關系等都不十分明確。此外，Lenthe等針對田間小麥感染葉銹菌（Puccinia triticina）和殼針孢（Septoria tritici）的情況，利用熱成像技術檢測其冠層溫度，發現病害區域同健康區域的冠層溫度并無明顯差異，這說明熱成像技術并不適合用于任何植株的侵染性病害早期檢測[36]。徐小龍對溫室大棚中的番茄葉接種TMV，在顯癥前，熱成像儀均

能觀察到病害區域較正常區域葉溫下降，但是采集黃瓜葉片熱圖像時選用棕色硬紙板作為背景色，為獲取穩定熱圖像而進行變溫試驗，這無疑限制了熱成像技術將來在大田病害檢測中的推廣應用[38]。綜合上述研究，在溫室內，紅外熱成像能很好地將顯癥前的感病組同健康組區分開來，但將其投入到實際應用中還有必要作進一步研究與改善。

3紅外熱成像在植物病害檢測中應用存在的問題及其改進方法3.1熱紅外成像研究領域存在的主要問題

熱紅外成像研究領域中存在的問題歸納起來有以下幾點：（1）被動式熱成像（不需要任何激勵源）是熱成像應用于植物病害檢測研究的主要方法。但當被測物自身處于熱平衡或其存在環境輻射溫差很小時，僅靠熱像儀往往無法獲得所需的溫度場信息[41]；（2）主動式熱成像（加載如閃光燈、激光等激勵源）雖然能克服被動式熱成像的局限性，但加熱或冷卻又可能會破壞植物葉片的物理或化學性質[42]，而且葉片能量很容易達到平衡[43]，這樣反而失去了主動式熱成像的優越性；（3）光照、風吹等外部噪聲易引起葉片表面溫度分布不均勻，從而對病癥區域產生干擾。因此到目前為止，關于熱像儀在植物病害檢測上的研究都是在可控條件下進行的，想要獲得準確的熱成像圖，背景單一、控制溫濕度以及遠離強光和高溫熱源等這些條件是必須保證的。

3.2檢測方法的改進

3.2.1主動式熱成像技術主動式熱成像技術是從熱傳導方程出發，得出熱波是隨時間變化的溫度場的結論，研究的是周期、脈沖、階梯等變化性熱源與媒介材料及幾何結構之間的相互作用。當損傷部位與完好部位發射率差異很小時，主動式熱成像較被動式熱成像有明顯的優勢，目前它在食品行業的應用研究還只是停留在蘋果早期機械損傷的檢測研究中[44]，在植物病害的檢測研究中尚無相關報道。

3.2.2紅外圖像處理技術物體缺陷部位與完好部位的熱物性參數一般相差不大，所得的熱圖像往往缺少層次感，再加上紅外探測器本身探測能力和空間分辨率的限制，以及易受外界環境隨機干擾的特點，即使有通過主動式紅外成像提高對比度[44]的方法，但得到的熱圖像仍然存在缺陷部位對比度差、圖像邊緣模糊、信噪比較低等缺點，有時甚至很難看清目標，因而有必要對紅外熱圖進行圖像增強處理。石穎橋闡述了基于小波分析的紅外圖像非線性增強算法，提出了針對弱紅外圖像的綜合增強處理方法[45]；朱圣盼對感染黃瓜花葉病毒的西紅柿植株進行了基于小波變換的紅外圖像處理[46]。

3.2.3熱成像與光譜成像的結合使用紅外探測器與可見光探測器的成像原理不同，兩者得到的圖像信息具有互補性。楊龍等從紅外熱成像與可見光圖像融合的理論層面詳細介紹了兩者融合的主要關鍵技術[47-49]；Mōller等則從應用的角度利用紅外熱成像與可見光成像共同監測葡萄樹的水分狀況，以期指導作物適時澆灌[50]。

不能區分不同的病害是通過提高紅外熱成像的精度所無法改進的缺陷，結合能提供寬波段光譜信息的高光譜是一種有效方法。目前基于高光譜成像技術的植物病害識別的研究較多，如小麥病蟲害[51]、茄子灰霉病[1]、水稻稻瘟病[42]以及煙草黑梗病[52]等。高光譜成像技術與紅外熱成像的結合使用已在航空遠程監測中得到推廣，在植物病害檢測領域的研究已開始應用于棉花干旱脅迫狀況等方面[53-54]。

4結語

紅外熱成像技術應用領域廣泛，有著檢測表面缺陷與內部缺陷、觀測面積大、測量快速直觀等優點，尤其適合于遠程監控植物的蒸騰作用，有望對大面積水稻、小麥等農作物的生長情況、有無病蟲害等方面提供可靠而及時的情報。目前，紅外熱成像技術在植物病害檢測方面的應用研究處于初級階段，存在很多的問題和局限性，但該技術能很好地對作物水分信息實時監控，能在顯癥前檢測出侵染性病害，因而做好這2個方面的研究對于推動精細農業技術的發展意義重大。

參考文獻：

[1]馮雷，張德榮，陳雙雙，等. 基于高光譜成像技術的茄子葉片灰霉病早期檢測[J]. 浙江大學學報：農業與生命科學版，2012，38（3）：311-317.

[2]李菊歡. 紅外熱成像儀在電氣安全溫度測試中的應用[J]. 日用電器，2012（3）：45-48.

[3]楊小林，呂伯平，先明樂. 飛機復合材料紅外熱像檢測中的熱激勵方法[J]. 無損檢測，2008，30（6）：369-371.

[4]蔣崇博，王軍，鄭志新，等. 紅外熱成像在神經根型頸椎病定位診斷的臨床觀察[J]. 臨床軍醫雜志，2011，39（4）：679-680.

[5]黨云萍，李春霞，劉東雄. 水分脅迫對植物生理生化研究進展[J]. 陜西農業科學，2012（5）：89-93，122.

[6]Hirasawa T，Wakabayashi K，Touya S，et al. Stomatal responses to water deficits and abscisic acid in leaves of sunflower plants（Helianthus annuus L.）grown under different conditions[J]. Plant and Cell Physiology，1995，36（6）：955-964.

[7]Nayyar H，Bains T，Kumar S. Low temperature induced floral abortion in chickpea：relationship to abscisic acid and cryoprotectants in reproductive organs[J]. Environmental and Experimental Botany，2005，53（1）：39-47.

[8]馬媛媛，肖霄，張文娜. 植物低溫逆境脅迫研究綜述[J]. 安徽農業科學，2012，40（12）：7007-7008，7099.

[9]Lindenthal M，Steiner U，Dehne H W，et al. Effect of downy mildew development on transpiration of cucumber leaves visualized by digital infrared thermography[J]. Phytopathology，2005，95（3）：233-240.

[10]梁喜龍，鄭殿峰，左豫虎.病害逆境下寄主植物生理生化指標的研究現狀與展望[J]. 安徽農業科學，2006，34（15）：3576-3578，3581.

[11]Oerke E C，Steiner U，Dehne H W，et al. Thermal imaging of cucumber leaves affected by downy mildew and environmental conditions[J]. Journal of Experimental Botany，2006，57（9）：2121-2132.

[12]Sankaran S，Mishra A，Ehsani R，et al. A review of advanced techniques for detecting plant diseases[J]. Computers and Electronics in Agriculture，2010，72（1）：1-13.

[13]范志金，劉秀峰，劉鳳麗，等. 水楊酸在誘導系統獲得抗性中的信號傳導作用[J]. 農藥，2004，43（6）：257-260.

[14]Wang M，Ling N，Dong X，et al. Thermographic visualization of leaf response in cucumber plants infected with the soil-borne pathogen Fusarium oxysporum f. sp. cucumerinum[J]. Plant Physiology and Biochemistry，2012，61（61）：153-161.

[15]王曉黎，崔世茂，張志剛，等. 水楊酸對黃瓜子葉表皮氣孔開度的調節作用[J]. 西北植物學報，2011，31（2）：305-314.

[16]權宏，施和平，李玲. 脫落酸誘導氣孔關閉的信號轉導研究[J]. 植物學通報，2003，20（6）：664-670.

[17]Berni J A J，Zarco-Tejada P J，Sepulcre-Cantó G，et al. Mapping canopy conductance and CWSI in olive orchards using high resolution thermal remote sensing imagery[J]. Remote Sensing of Environment，2009，113（11）：2380-2388.

[18]Chaerle L，van der Straeten D. Imaging techniques and the early detection of plant stress[J]. Trends in Plant Science，2000，5（11）：495-501.

[19]Leinonen I，Grant O M，Tagliavia C P P，et al. Estimating stomatal conductance with thermal imagery[J]. Plant，Cell & Environment，2006，29（8）：1508-1518.

[20]Jones H G. Irrigation scheduling：advantages and pitfalls of plant-based methods[J]. Journal of Experimental Botany，2004，55（47）：2427-2436.

[21]Jones H G. Use of infrared thermometry for estimation of stomatal conductance as a possible aid to irrigation scheduling[J]. Agricultural and Forest Meteorology，1999，95（3）：139-149.

[22]Zarco-Tejada P J. González-Dugo V，Berni J A J. Fluorescence，temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera[J]. Remote Sensing of Environment，2012，117（15）：322-337.

[23]Grant O M，Tronina L，Jones H G，et al. Exploring thermal imaging variables for the detection of stress responses in grapevine under different irrigation regimes[J]. Journal of Experimental Botany，2007，58（4）：815-825.

[24]Ben-Gal A，Agam N，Alchanatis V，et al. Evaluating water stress in irrigated olives：correlation of soil water status，tree water status，and thermal imagery[J]. Irrigation Science，2009，27（5）：367-376.

[25]程麒，黃春燕，王登偉，等. 基于紅外熱圖像的棉花花鈴期水分脅迫指數與光合參數的關系[J]. 新疆農業科學，2012，49（6）：999-1006.

[26]Nielsen D C. Scheduling irrigations for soybeans with the Crop Water Stress Index（CWSI）[J]. Field Crop Research，1990，23（2）：103-116.

[27]Grant O M，Chaves M M. Thermal imaging successfully identifies water stress in field-grown grapevines[C]. Germany：ⅩⅣ International GESCO Viticulture Congress，2005.

[28]Stoll M，Jones H. Thermal imaging as a viable tool for monitoring plant stress[J]. International Journal of Vine and Wine Sciences，2007，41（2）：77-84.

[29]Grant O M，Chaves M M，Jones H G. Optimizing thermal imaging as a technique for detecting stomatal closure induced by drought stress under greenhouse conditions[J]. Physiologia Plantarum，2006，127（3）：507-518.

[30]Jones H G，Stoll M，Santos T，et al. Use of infrared thermography for monitoring stomatal closure in the field：application to grapevine[J]. Journal of Experimental Botany，2002，53（378）：2249-2260.

[31]Luquet D，Bégué A，Vidal A，et al. Using multidirectional thermography to characterize water status of cotton[J]. Remote Sensing of Environment，2003，84（3）：411-421.

[32]Oshaughnessy S A，Evett S R，Colaizzi P D，et al. Using radiation thermography and thermometry to evaluate crop water stress in soybean and cotton[J]. Agricultural Water Management，2011，98（10）：1523-1535.

[33]Silva M A，Jifon J L，Silva J A G，et al. Use of physiological parameters as fast tools to screen for drought tolerance in sugarcane[J]. Plant Physiology，2007，19（3）：193-201.

[34]劉亞，丁俊強，蘇巴錢德，等. 基于遠紅外熱成像的葉溫變化與玉米苗期耐旱性的研究[J]. 中國農業科學，2009，42（6）：2192-2201.

[35]Oerke E C，Frhling P，Steiner U. Thermographic assessment of scab disease on apple leaves[J]. Precision Agriculture，2011，12（5）：699-715.

[36]Lenthe J H，Oerke E C，Dehne H W. Digital infrared thermography for monitoring canopy health of wheat[J]. Precision Agriculture，2007，8（1/2）：15-26.

[37]Chaerle L，Van Caeneghem W，Messens E，et al. Presymptomatic visualization of plant-virus interactions by thermography[J]. Nature Biotechnology，1999，17：813-816.

[38]徐小龍. 基于紅外熱成像技術的植物病害早期檢測的研究[D]. 杭州：浙江大學，2012.

[39]Stoll M，Schultz H R，Berkelmann-Loehnertz B. Thermal sensitivity of grapevine leaves affected by Plasmopara viticola and water stress[J]. Vitis，2008，47（2）：133-134.

[40]Chaerle L，Hagenbeek D，de Bruyne E，et al. Thermal and chlorophyll-fluorescence imaging distinguish plant-pathogen interactions at an early stage[J]. Plant & Cell Physiology，2004，45（7）：887-896.

[41]周建民，周其顯，劉燕德. 紅外熱成像技術在農業生產中的應用[J]. 農機化研究，2010，32（2）：1-4，51.

[42]徐義廣，劉波，李艷紅，等. 被動式與主動式紅外熱成像技術研究[J]. 應用光學，2008，29（增刊）：44-48.

[43]凌軍，張拴勤，潘家亮，等. 植物蒸騰作用對紅外輻射特征的影響研究[J]. 光譜學與光譜分析，2012，32（7）：1775-1779.

[44]周其顯. 蘋果早期機械損傷的紅外熱成像檢測研究[D]. 南昌：華東交通大學，2011.

[45]石穎橋. 紅外圖像增強技術及檢測方法的研究[D]. 鄭州：鄭州大學，2012.

[46]朱圣盼. 基于計算機視覺技術的植物病害檢測方法的研究[D]. 杭州：浙江大學，2007.

[47]楊龍. 紅外熱像和可見光圖像融合[D]. 合肥：安徽大學，2012.

[48]葛小青. 紅外與可見光圖像融合的研究[D]. 重慶：重慶大學，2010.

[49]彭逸月. 紅外與可見光圖像配準及融合技術的研究[D]. 南京：南京理工大學，2012.

[50]Mōller M，Alchanatis V，Cohen Y，et al. Use of thermal and visible imagery for estimating crop water status of irrigated grapevine[J]. Journal of Experimental Botany，2007，58（4）：827-838.

[51]張東彥，張競成，朱大洲，等. 小麥葉片脅迫狀態下的高光譜圖像特征分析研究[J]. 光譜學與光譜分析，2011，31（4）：1101-1105.

[52]巴邦齊達. 基于高光譜成像技術的煙葉病害識別方法研究[D]. 杭州：浙江大學，2011.

[53]黃春燕，趙鵬舉，王登偉，等. 基于紅外熱圖像的棉花水分脅迫指數高光譜遙感估算研究[J]. 紅外，2012，33（6）：17-21，45.

[54]趙鵬舉. 用高光譜遙感和紅外熱圖像監測棉花干旱脅迫狀況的研究[D]. 石河子：石河子大學，2009.王吉亮，盧勇濤，楊懷君，等. 脫絨棉種精選技術現狀[J]. 江蘇農業科學，2014，42（9）：5-7.