無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫的關(guān)鍵技術(shù)*

石 濤，楊太明，黃 勇，李 翔，劉 琪，楊元建

無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫的關(guān)鍵技術(shù)*

石 濤1，楊太明2，黃 勇3，李 翔4，劉 琪1，楊元建5**

（1．蕪湖市氣象局，蕪湖 241000；2．安徽省農(nóng)業(yè)氣象中心，合肥 230000；3．安徽省氣象科學(xué)研究所，合肥 230000；4．太原龍翔森業(yè)有限公司，太原 030001；5．南京信息工程大學(xué)大氣物理學(xué)院，南京 210044）

選取長江中下游的蕪湖地區(qū)超級(jí)水稻生產(chǎn)基地為試驗(yàn)區(qū)域，以2019年7月20日?8月9日連續(xù)高溫日為試驗(yàn)時(shí)段，設(shè)計(jì)基于消費(fèi)級(jí)無人機(jī)與便攜式多光譜傳感器的水稻長勢遙感監(jiān)測系統(tǒng)，并創(chuàng)建數(shù)據(jù)后處理分析與應(yīng)用方法，對(duì)處于生育敏感期稻株的光譜特征進(jìn)行研究，建立水稻高溫脅迫的反演識(shí)別模型。結(jié)果表明：稻株植被指數(shù)與葉面積指數(shù)呈顯著的指數(shù)關(guān)系，相關(guān)系數(shù)達(dá)到0.918，由此建立稻株葉面積指數(shù)反演模型，并進(jìn)一步確定稻株出現(xiàn)高溫脅迫的葉面積指數(shù)判別條件。利用葉面積指數(shù)反演模型和判別條件對(duì)實(shí)驗(yàn)區(qū)域內(nèi)的水稻進(jìn)行高溫脅迫下的光譜特征提取與分析，結(jié)果顯示，實(shí)驗(yàn)區(qū)域內(nèi)15.3%的水稻受到了持續(xù)高溫脅迫的影響，與農(nóng)業(yè)部門田間調(diào)查事實(shí)相符，即實(shí)驗(yàn)區(qū)域內(nèi)水稻灌漿率為82.2%。相對(duì)于傳統(tǒng)人工田間調(diào)查和衛(wèi)星遙感調(diào)查的作物長勢監(jiān)測方法，便攜式無人機(jī)多光譜遙感監(jiān)測技術(shù)具有空間分辨率高、可實(shí)時(shí)大范圍監(jiān)測、簡單易行以及應(yīng)用成本低等特點(diǎn)，利于普及與推廣，在農(nóng)作物自然災(zāi)害監(jiān)測方面具有應(yīng)用前景。

無人機(jī)；便攜式多光譜傳感器；水稻；高溫脅迫；遙感監(jiān)測；葉面積指數(shù)

水稻是全球重要的谷類作物，也是中國最重要的糧食資源，2014年中國的種植面積為3030.99萬hm2，總產(chǎn)量達(dá)到2.065億t[1?2]。長江中下游是中國最大的水稻生產(chǎn)區(qū)，水稻種植面積和總產(chǎn)量在全國占比均超過50%[3]。隨著全球變暖趨勢的不斷增加，中國的氣候特征也呈現(xiàn)出顯著變化，年平均氣溫升高了0.4～0.5℃[4?5]。在全球變暖的背景條件下，發(fā)生極端高溫?zé)崂说某潭群皖l率也在持續(xù)增加，每年7?8月，受到副熱帶高壓的影響，長江中下游地區(qū)常出現(xiàn)日最高氣溫超過35.0℃的連續(xù)高溫天氣，而此時(shí)水稻正處于生長發(fā)育的敏感時(shí)期（分蘗?抽穗?灌漿），連續(xù)高溫會(huì)使水稻的生理發(fā)育受到嚴(yán)重影響，導(dǎo)致水稻花器發(fā)育不良、花粉受精受阻，造成空秕率上升而最終出現(xiàn)減產(chǎn)或絕收[6?8]。因此，在氣候變暖背景下，科學(xué)合理地監(jiān)測水稻高溫脅迫發(fā)生和發(fā)展情況對(duì)揭示水稻產(chǎn)量變化特征有著重要的科學(xué)意義和社會(huì)經(jīng)濟(jì)價(jià)值[7?8]。

目前，作物長勢監(jiān)測方法主要依賴于田間調(diào)查[9?10]和衛(wèi)星遙感[11]兩種方法。高敏等[9]在思茅市各主要咖啡場選取出現(xiàn)黑果病危害試驗(yàn)點(diǎn)，把試驗(yàn)點(diǎn)上每行的中間植株作為調(diào)查范圍，按照植株的發(fā)病癥狀，通過目視判別將黑果病劃分為6個(gè)等級(jí)?？琢钜萚11]通過分析冬小麥主產(chǎn)區(qū)的MODIS-EVI時(shí)間序列遙感資料，使用最大變化斜率法、窗口轉(zhuǎn)折點(diǎn)法和簡單轉(zhuǎn)折點(diǎn)法識(shí)別關(guān)鍵發(fā)育期和抽穗期數(shù)據(jù)，對(duì)2006?2010年冬小麥的長勢進(jìn)行了遙感監(jiān)測。這些研究對(duì)作物長勢的監(jiān)測識(shí)別以及產(chǎn)量預(yù)測具有重要的參考價(jià)值。

但是上述監(jiān)測方法在實(shí)際應(yīng)用中存在一些問題。傳統(tǒng)的田間調(diào)查方法耗時(shí)耗力、時(shí)效性差，而且準(zhǔn)確度也受調(diào)查者主觀意識(shí)的影響[9?10]。而衛(wèi)星遙感也存在影像空間分辨率低、過境周期長、云污染等不足，在關(guān)鍵生育期對(duì)指定區(qū)域的作物進(jìn)行遙感監(jiān)測，衛(wèi)星影像往往難以滿足需求[11]。隨著輕型無人機(jī)技術(shù)的發(fā)展，不少學(xué)者利用無人機(jī)來實(shí)時(shí)監(jiān)測地面作物長勢[12?13]。江杰等[12]選擇小麥關(guān)鍵生育期作為研究時(shí)段，利用搭載數(shù)碼相機(jī)的消費(fèi)級(jí)無人機(jī)獲取試驗(yàn)區(qū)數(shù)碼影像，通過隨機(jī)森林算法定量分析了作物長勢狀況與影像顏色指數(shù)的關(guān)系。李明等[13]利用無人機(jī)飛行獲取地面影像，通過累計(jì)像元的方法測算得到了水稻田塊的面積。但是目前用于作物監(jiān)測的無人機(jī)搭載的相機(jī)一般為可見光相機(jī)，數(shù)碼相機(jī)采集的影像數(shù)據(jù)波段較少，不能全面反映農(nóng)田作物完整的光譜信息。近年來，利用研究開發(fā)的便攜式多光譜傳感器來收集作物光譜信息已經(jīng)有了不少應(yīng)用[14?17]。倪軍等[14]研發(fā)了一種利用便攜式多光譜傳感器對(duì)作物生長進(jìn)行監(jiān)測的診斷設(shè)備，實(shí)現(xiàn)了實(shí)時(shí)、快速、無損地監(jiān)測作物植被指數(shù)（NDVI）、葉面積指數(shù)（LAI）等指標(biāo)。王婷婷等[15]構(gòu)建了多光譜作物生長的智能監(jiān)測設(shè)備，實(shí)現(xiàn)了多光譜傳感器對(duì)稻麥冠層光譜特征的實(shí)時(shí)、在線、快速獲取?？梢?，研究利用無人機(jī)搭載多光譜傳感器實(shí)時(shí)監(jiān)測作物長勢的應(yīng)用方法，對(duì)補(bǔ)充完善現(xiàn)有的水稻高溫脅迫監(jiān)測調(diào)查手段有著重要的意義。

本研究選取位于長江中下游的蕪湖市南陵縣龍?zhí)洞逶∑匠?jí)稻基地為研究觀測區(qū)，使用消費(fèi)級(jí)無人機(jī)搭載便攜式多光譜傳感器構(gòu)建無人機(jī)多光譜遙感系統(tǒng)，在連續(xù)高溫時(shí)段對(duì)處于生育敏感期的水稻光譜信息進(jìn)行采集，并通過實(shí)地測量和相關(guān)文獻(xiàn)確定稻株出現(xiàn)高溫脅迫的葉面積指數(shù)判別條件，最后在ArcGIS地理信息系統(tǒng)中建立水稻高溫脅迫的反演識(shí)別模型，實(shí)現(xiàn)了基于無人機(jī)多光譜遙感技術(shù)的水稻高溫脅迫監(jiān)測。構(gòu)建的無人機(jī)多光譜遙感系統(tǒng)具有空間分辨率高、實(shí)時(shí)快速監(jiān)測以及成本低，利于推廣應(yīng)用的特點(diǎn)，在作物病蟲害遙感監(jiān)測方面有一定的應(yīng)用前景。

1 資料與方法

1.1 實(shí)驗(yàn)區(qū)概況

在長江中下游水稻主產(chǎn)區(qū)內(nèi)，選取蕪湖市南陵縣龍?zhí)洞逶∑匠?jí)稻基地內(nèi)的一塊高標(biāo)準(zhǔn)農(nóng)田為實(shí)驗(yàn)觀測區(qū)，實(shí)驗(yàn)區(qū)面積為0.33hm2。該地屬于亞熱帶濕潤季風(fēng)氣候，年平均氣溫在15.0～16.0℃，日照時(shí)數(shù)約為2000.0h，年降水量大于1200.0mm，年無霜期達(dá)219d以上?；厮井a(chǎn)量9750kg·hm?2，被農(nóng)業(yè)部選定為袁隆平院士的第三期超級(jí)雜交水稻高產(chǎn)攻關(guān)基地，基地地理位置為118°26'24"°E，31°2'24"°N。

1.2 光譜數(shù)據(jù)

采用搭載便攜式多光譜傳感器的無人機(jī)采集研究區(qū)域內(nèi)水稻的光譜數(shù)據(jù)。便攜式多光譜傳感器是基于ARM9-Linux平臺(tái)的小型圖像采集設(shè)備，由藍(lán)光、紅光和近紅外三通道（表1）反射率傳感器以及數(shù)據(jù)自動(dòng)采集模塊組成，基于Zigbee協(xié)議自動(dòng)組網(wǎng)，支持GPRS遠(yuǎn)程數(shù)據(jù)傳輸與反向控制，可以實(shí)時(shí)查看數(shù)據(jù)質(zhì)量并計(jì)算多種植被指數(shù)，從而實(shí)現(xiàn)對(duì)地面作物生長狀況的快速監(jiān)測。

表1 便攜式多光譜傳感器波段信息

1.3 歸一化植被指數(shù)反演

目前常用的光譜植被指數(shù)有比值植被指數(shù)（Ratio vegetation index，RVI）、差值植被指數(shù)（Difference vegetation index，DVI）等，其中應(yīng)用最廣泛的是歸一化植被指數(shù)（Normalized difference vegetation index，NDVI）[18?19]。利用稻株在紅光波段處的吸收和近紅外波段處的反射特性，在ENVI軟件中經(jīng)過波段運(yùn)算可以得到NDVI，以反映稻株的長勢狀況、健康程度、營養(yǎng)信息等。其計(jì)算式為

1.4 葉面積指數(shù)測定

LAI-2200型植物冠層分析儀是基于朗伯?比爾定律研制的光學(xué)檢測儀器[20]，該儀器運(yùn)行原理是利用魚眼鏡頭測量植被冠層上、下5個(gè)方向的透射光線的強(qiáng)度，并利用植被冠層的輻射轉(zhuǎn)移模型來計(jì)算葉面積指數(shù)、聚集度指數(shù)、空隙比等植被冠層的結(jié)構(gòu)參數(shù)。魚眼鏡頭的垂直視野范圍為148.0°，水平視野范圍為360.0°，波譜響應(yīng)范圍在320～490nm。

實(shí)驗(yàn)時(shí)段內(nèi)（7月20日?8月9日），在實(shí)驗(yàn)區(qū)選取均勻分布的100個(gè)長勢不同的植株作為測定樣本，使用LAI-2200植被冠層測定儀測定LAI，測定時(shí)間選擇14：00。測定時(shí)魚眼鏡頭處于植株莖基部的同一水平面上，具體方法參見文獻(xiàn)[21]和LAI-2200操作手冊。此外，同時(shí)配備手持GPS測量地面樣本的經(jīng)緯度信息。

1.5 實(shí)驗(yàn)時(shí)段選擇

根據(jù)南陵縣國家氣象觀測站數(shù)據(jù)，2019年自出梅以來（7月20日?8月9日），實(shí)驗(yàn)基地區(qū)域的日最高氣溫超過35.0℃的天數(shù)達(dá)到20d，日極端最高氣溫超過了39.0℃，總體呈現(xiàn)高溫日數(shù)多且集中、高溫范圍廣、強(qiáng)度大的特點(diǎn)（圖1），持續(xù)晴熱高溫少雨的天氣使部分水稻出現(xiàn)了一定程度的高溫?zé)岷?。此外?下旬?8月上旬水稻正處于分蘗?孕穗?抽穗期，稻株的植被光譜特征顯著[22?23]，在多光譜影像中易于分辨。因此，選擇7月20日?8月9日作為無人機(jī)多光譜遙感監(jiān)測一季稻高溫脅迫的實(shí)驗(yàn)時(shí)段。

圖1 2019年7?8月實(shí)驗(yàn)區(qū)日最高氣溫變化過程

2 結(jié)果與分析

2.1 多光譜遙感系統(tǒng)與無人機(jī)的硬件兼容

便攜式多光譜傳感器（圖2a）外形尺寸為6.0cm× 3.5cm×2.0cm，重量為0.15kg，為了適應(yīng)該傳感器的重量、體積等方面的兼容要求，同時(shí)兼顧續(xù)航時(shí)間、價(jià)格等因素，選擇輕便型的四翼無人機(jī)與之組裝，該無人機(jī)的外形尺寸為38.0cm×31.0cm×19.0cm，重量為2.0kg，續(xù)航時(shí)間為0.5h，并具有操作方便、影像清晰、安全穩(wěn)定、易于改裝的特點(diǎn)。

圖2 便攜式多光譜傳感器（a）、云臺(tái)（b）、連接器（c）組裝成無人機(jī)多光譜遙感系統(tǒng)（d）

由于該傳感器并不是專為無人機(jī)設(shè)計(jì)，因此需要解決傳感器與無人機(jī)硬件裝配兼容的問題。云臺(tái)是無人機(jī)用于安裝、固定相機(jī)和傳感器等任務(wù)載荷的支撐設(shè)備。為了保證遙感影像的高質(zhì)量，根據(jù)無人機(jī)和傳感器的外形尺寸、重量等參數(shù)特點(diǎn)設(shè)計(jì)定制了云臺(tái)（圖2b），該云臺(tái)的上下葉板由兩片輕薄的復(fù)合材料構(gòu)成，中間裝配了用于吸收氣流擾動(dòng)的緩震材料，可以保障無人機(jī)在空中作業(yè)時(shí)結(jié)構(gòu)的穩(wěn)定。此外，還通過粘黏綁帶、機(jī)械式連接器（圖2c）完成無人機(jī)、云臺(tái)以及傳感器的硬件裝配（圖2d）。

2.2 無人機(jī)多光譜遙感系統(tǒng)的信息處理

2.2.1 參數(shù)配置及影像的幾何校正

Mobius Actioncam是一款功能強(qiáng)大的固件調(diào)參軟件，可以按照實(shí)際使用環(huán)境和需求對(duì)傳感器的各類性能參數(shù)進(jìn)行設(shè)置。利用Mobius Actioncam對(duì)無人機(jī)遙感系統(tǒng)的傳感器進(jìn)行參數(shù)配置，傳感器的開機(jī)時(shí)間設(shè)為14：00，拍攝間隔設(shè)為1s，鏡頭類型設(shè)為普通，光源閃頻設(shè)為60Hz，儲(chǔ)存格式設(shè)為TIF。在實(shí)驗(yàn)時(shí)段內(nèi)，每日14：00對(duì)實(shí)驗(yàn)區(qū)進(jìn)行無人機(jī)多光譜遙感監(jiān)測，共獲得21張水稻實(shí)驗(yàn)區(qū)遙感影像，像元的空間分辨率為0.03m×0.03m，單幅影像共計(jì)3668945個(gè)像元。

由于無人機(jī)屬于低空遙感，且傳感器監(jiān)測的遙感影像無地理信息，因此幾何校正十分重要。選取實(shí)驗(yàn)區(qū)高標(biāo)準(zhǔn)農(nóng)田的四個(gè)對(duì)角為地面控制點(diǎn)，利用手持GPS測量記錄經(jīng)緯度信息，在ArcGIS中，利用已有地面控制點(diǎn)的準(zhǔn)確地理坐標(biāo)，對(duì)原始遙感影像進(jìn)行糾正，使其具有準(zhǔn)確的地理坐標(biāo)和投影信息，以便完成遙感光譜信息與地面實(shí)測數(shù)據(jù)的空間匹配。

2.2.2 歸一化植被指數(shù)的提取

根據(jù)式（1），將無人機(jī)多光譜遙感系統(tǒng)采集到的光譜信息在遙感圖像處理平臺(tái)（ENVI）中進(jìn)行波段運(yùn)算，反演得到實(shí)驗(yàn)區(qū)內(nèi)水稻歸一化植被指數(shù)（NDVI）的空間分布，并統(tǒng)計(jì)整幅遙感影像內(nèi)NDVI的平均值及其逐日變化過程，結(jié)果見圖3。由圖可見，雖然受到部分稻株高溫脅迫的影響，但是實(shí)驗(yàn)區(qū)內(nèi)水稻NDVI的平均值表現(xiàn)為逐漸增加的變化過程。7月下旬水稻處于分蘗?孕穗期，植株相對(duì)較小，光譜特征主要表現(xiàn)為稻田水體，NDVI相對(duì)較小，僅0.35～0.40；進(jìn)入8月以后，水稻進(jìn)入抽穗期，隨著植株體增大NDVI快速上升，至8月7日達(dá)到0.55?？梢姡瑹o人機(jī)多光譜遙感系統(tǒng)采集的光譜信息可以表征實(shí)驗(yàn)區(qū)水稻整體長勢的真實(shí)狀態(tài)。

圖3 基于無人機(jī)多光譜遙感系統(tǒng)的研究時(shí)段內(nèi)水稻歸一化植被指數(shù)（NDVI）時(shí)間序列

2.3 水稻高溫脅迫的遙感識(shí)別

2.3.1 葉面積指數(shù)反演模型

地表作物的光譜特征與葉面積指數(shù)（LAI）有著密切的關(guān)系[24?26]?？垫面玫萚24]利用HJ-CCD影像與地面同步獲取的LAI實(shí)測數(shù)據(jù)結(jié)合，生成研究區(qū)水稻30.0m的HJ/LAI，并以HJ/LAI作為標(biāo)準(zhǔn)，通過尺度轉(zhuǎn)換以及空間匹配，驗(yàn)證得到植被指數(shù)與研究區(qū)水稻LAI之間的決定系數(shù)為0.72，精度達(dá)70.89%。通過LAI-2200型植物冠層分析儀及手持GPS儀采集帶有經(jīng)緯度信息的地面稻株LAI，而無人機(jī)多光譜遙感系統(tǒng)采集的遙感影像也通過幾何校正獲取了地理坐標(biāo)和投影信息，在ArcGIS中可以完成NDVI反演數(shù)據(jù)與LAI地面實(shí)測數(shù)據(jù)的空間匹配，最后利用數(shù)理統(tǒng)計(jì)的方法建立實(shí)驗(yàn)區(qū)內(nèi)NDVI-LAI的回歸模型。表2為實(shí)驗(yàn)區(qū)LAI和NDVI樣本，樣本LAI變化范圍在0.41～6.87，代表同一時(shí)間內(nèi)實(shí)驗(yàn)區(qū)內(nèi)長勢不同的稻株。從樣本標(biāo)準(zhǔn)差可以看出取樣均勻合理，能夠代表研究區(qū)域內(nèi)作物的真實(shí)生長情況。

表2 實(shí)驗(yàn)區(qū)葉面積指數(shù)（LAI）和NDVI樣本特征值

根據(jù)選取的NDVI和LAI樣本，建立兩者的擬合方程。對(duì)比分析表明，線性函數(shù)擬合方程（圖4a）的相關(guān)系數(shù)（R）為0.837，決定系數(shù)（R2）為0.701，而指數(shù)函數(shù)擬合方程（圖4b）的相關(guān)系數(shù)（R）為0.918，決定系數(shù)（R2）為0.843，說明在關(guān)鍵生育期NDVI對(duì)LAI的最佳擬合方程為指數(shù)形式[24]。LAI反演模型的數(shù)學(xué)表達(dá)式為

式中，LAI與NDVI呈顯著的正相關(guān)關(guān)系，說明實(shí)驗(yàn)區(qū)內(nèi)水稻的LAI與水稻長勢狀況關(guān)聯(lián)較大，水稻長勢越好，則LAI越大，這與以往有關(guān)LAI與NDVI關(guān)系的研究結(jié)果相一致[24?26]。

2.3.2 水稻高溫脅迫的遙感識(shí)別

當(dāng)植被遇到外界環(huán)境的脅迫時(shí)，如氮素脅迫、高溫脅迫以及水分脅迫等會(huì)影響作物的生化生理機(jī)能，導(dǎo)致作物葉面保護(hù)膜的結(jié)構(gòu)與功能受損并加速葉片的衰老，從而使葉片葉綠素含量隨之減少。根據(jù)前人的研究[25]，隨著外界氣溫的不斷增加，處于生育關(guān)鍵期的稻株LAI將表現(xiàn)出下降的趨勢，且不同脅迫溫度的差異均達(dá)到顯著水平，由此可知外界高溫脅迫會(huì)影響處于生育關(guān)鍵期的水稻的生長發(fā)育狀況，導(dǎo)致LAI降低。因此，選取出現(xiàn)高溫脅迫的水稻，利用葉面積測量儀對(duì)其LAI進(jìn)行實(shí)地測量，將其平均值作為識(shí)別水稻高溫脅迫的判別條件，表達(dá)式為

LAI≤k （3）

式中，k為常數(shù)，根據(jù)文獻(xiàn)[24?26]，取k=1.8。

以k=1.8作為水稻高溫脅迫識(shí)別條件，在遙感處理軟件中進(jìn)行波段運(yùn)算，提取8月9日實(shí)驗(yàn)區(qū)內(nèi)水稻高溫脅迫分布情況，結(jié)果見圖5。根據(jù)圖5統(tǒng)計(jì)實(shí)驗(yàn)時(shí)段內(nèi)稻株出現(xiàn)高溫脅迫的面積為504.9m2，占實(shí)驗(yàn)區(qū)面積的15.3%，而農(nóng)業(yè)部門在水稻成熟期經(jīng)過實(shí)地測量得到該基地的灌漿率為82.2%，受害率17.8%，由此可見，無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫技術(shù)能夠滿足業(yè)務(wù)應(yīng)用。

圖5 水稻高溫脅迫的無人機(jī)多光譜監(jiān)測結(jié)果

3 結(jié)論與討論

3.1 結(jié)論

（1）利用無人機(jī)多光譜遙感技術(shù)對(duì)實(shí)驗(yàn)區(qū)內(nèi)水稻高溫脅迫進(jìn)行監(jiān)測并進(jìn)行統(tǒng)計(jì)分析，得到實(shí)驗(yàn)時(shí)段內(nèi)稻株出現(xiàn)高溫脅迫的面積為504.9m2，占實(shí)驗(yàn)區(qū)面積的15.3%，農(nóng)業(yè)部門在水稻成熟期經(jīng)過實(shí)地測量得到該基地的灌漿率為82.2%，說明本研究提出的無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫技術(shù)的監(jiān)測結(jié)果精度較高，且本技術(shù)在孕穗生育期內(nèi)可以實(shí)現(xiàn)對(duì)高溫脅迫的實(shí)時(shí)遙感監(jiān)測，并以此作為生育期損失估算、政策性保險(xiǎn)定損、成熟期產(chǎn)量預(yù)測的重要依據(jù)。

（2）為了保證遙感影像的高質(zhì)量和穩(wěn)定性，根據(jù)無人機(jī)和傳感器的外形尺寸、重量等參數(shù)特點(diǎn)設(shè)計(jì)定制了云臺(tái)、粘黏綁帶以及機(jī)械式連接器，完成無人機(jī)、云臺(tái)以及傳感器的硬件兼容問題。通過設(shè)置地面控制點(diǎn)的方法，在遙感處理軟件中對(duì)原始遙感影像進(jìn)行幾何校正，完成遙感光譜信息與地面實(shí)測數(shù)據(jù)的空間匹配。此外，無人機(jī)多光譜遙感系統(tǒng)由消費(fèi)級(jí)無人機(jī)和便攜式光譜傳感器組合而成，購置成本較低，組裝方便。

綜上，相對(duì)于傳統(tǒng)人工田間調(diào)查和衛(wèi)星遙感調(diào)查的作物長勢監(jiān)測方法，本研究構(gòu)建的無人機(jī)多光譜遙感監(jiān)測技術(shù)具有空間分辨率高、實(shí)時(shí)快速監(jiān)測以及成本低、利于推廣應(yīng)用的特點(diǎn)。

3.2 討論

（1）雖然本技術(shù)通過裝配云臺(tái)在一定程度上保證了遙感影像的高質(zhì)量，但云臺(tái)與傳感器的銜接在穩(wěn)定性上可能還有所欠缺，未來將通過工業(yè)設(shè)計(jì)、專項(xiàng)定制便攜式傳感器和云臺(tái)一體化設(shè)備等方式，提升本技術(shù)在實(shí)際推廣應(yīng)用中的穩(wěn)定性。

（2）研究只分析了2019年7月20日?8月9日連續(xù)高溫時(shí)段實(shí)驗(yàn)區(qū)內(nèi)水稻受高溫脅迫的影響，水稻苗期及成熟灌漿期的NDVI/LAI序列的時(shí)空變化并未監(jiān)測研究，在未來的業(yè)務(wù)應(yīng)用中將進(jìn)一步監(jiān)測研究水稻全生育期的光譜信息時(shí)空變化特征。

（3）長江中下游地區(qū)的水稻種植區(qū)域分布廣泛，品種繁多，本研究對(duì)象品種為超級(jí)稻-Y兩優(yōu)900，而不同品種的水稻在出現(xiàn)高溫脅迫時(shí)其光譜特征會(huì)有一定程度差異，后期將在其它品種水稻以及油菜、小麥等大宗作物上應(yīng)用，進(jìn)一步擴(kuò)大無人機(jī)多光譜遙感監(jiān)測系統(tǒng)的應(yīng)用覆蓋面，為科學(xué)防災(zāi)減災(zāi)和糧食生產(chǎn)安全提供強(qiáng)有力的科技支撐。

[1] 國家糧食局.中國糧食年鑒[M].北京:經(jīng)濟(jì)管理出版社, 2015:239-240.

State Administration of Grain.China grain yearbook[M]. Beijing:Economic Management Press,2015:239-240.(in Chinese)

[2] 張洪程,王夫玉.中國水稻群體研究進(jìn)展[J].中國水稻科學(xué), 2001,15(1):51-56.

Zhang H C,Wang F Y.Recent progress on research of rice population in China[J].Chinese Journal of Rice Science,2001, 15(1):51-56.(in Chinese)

[3]楊秉臻,金濤,陸建飛.長江中下游地區(qū)近20年水稻生產(chǎn)與優(yōu)勢的變化[J].江蘇農(nóng)業(yè)科學(xué),2018,46(19):62-67.

Yang Z Z,Jin T,Lu J F.Changes of rice production and advantage in the middle and lower reaches of the Yangtze River in the past 20 years[J].Jiangsu Agricultural Sciences, 2018,46(19):62-67.(in Chinese)

[4] 黃榮輝,杜振彩.全球變暖背景下中國旱澇氣候?yàn)?zāi)害的演變特征及趨勢[J].自然雜志,2010,32(4):187-195.

Huang R H,Du Z C.Evolution characteristics and trend of droughts and floods in China under the background of global warming[J].Chinese Journal of Nature,2010,32(4):187-195. (in Chinese)

[5] 黃守坤,夏甜甜.氣候變暖的第一影響因素及我國的應(yīng)對(duì)[J].生態(tài)經(jīng)濟(jì),2012(3):153-158.

Huang S K,Xia T T.The first factor of global climate warming and how China face it[J].Ecological Economy,2012(3): 153-158.(in Chinese)

[6] 任義方,趙艷霞,張旭暉.江蘇水稻高溫?zé)岷庀笾笖?shù)保險(xiǎn)風(fēng)險(xiǎn)綜合區(qū)劃[J].中國農(nóng)業(yè)氣象,2019,40(6):391-401.

Ren Y F,Zhao Y X,Zhang X H.Comprehensive risk regionalization of meteorological index insurance for high temperature heat damage of rice in Jiangsu province[J]. Chinese Journal of Agrometeorology,2019,40(6):391-401.

[7] 謝志清,杜銀,高蘋,等.江淮流域水稻高溫?zé)岷?zāi)損變化及應(yīng)對(duì)策略[J].氣象,2013,6(1):101-112.

Xie Z Q,Du Y,Gao P,et al.Impact of high-temperature on single cropping rice over Yangtze-Huaihe River valley and response measures[J].Meteorological Monthly,2013,6(1):101- 112.(in Chinese)

[8] 李友信.長江中下游地區(qū)水稻高溫?zé)岷Ψ植家?guī)律研究[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào),2015,11(2):37-42.

Li Y X.Study on the temporal and spatial distribution of the high thermal damage to rice in the middle and lower reaches of the Yangtze River[J].Journal of Huazhong Agricultural University,2015,11(2):37-42.(in Chinese)

[9] 高敏,張茂松,王美新.思茅咖啡黑果病與氣象條件的關(guān)系及趨勢預(yù)報(bào)[J].中國農(nóng)業(yè)氣象,2006,27(4):339-342.

Gao M,Zhang M S,Wang M X.Relationship of coffee black fruit to meteorological conditions and forecast of its occurrence trend in Simao region[J].Chinese Journal of Agrometeorology, 2006,27(4):339-342.(in Chinese)

[10] 劉靜,張宗山,馬力文,等.寧夏枸杞蚜蟲發(fā)生規(guī)律及其氣象等級(jí)預(yù)報(bào)[J].中國農(nóng)業(yè)氣象,2015,36(3):356-363.

Liu J,Zhang Z S,Ma L W,et al.Occurrence ofsp.onL.and its meteorological grades forecast in Ningxia[J].Chinese Journal of Agrometeorology,2015, 36(3):356-363.(in Chinese)

[11] 孔令寅,延昊,鮑艷松,等.基于關(guān)鍵發(fā)育期的冬小麥長勢遙感監(jiān)測方法[J].中國農(nóng)業(yè)氣象,2012,33(3):424-430.

Kong L Y,Yan H,Bao Y S,et al.Remote sensor monitoring method for winter wheat growth based on key development periods[J].Chinese Journal of Agrometeorology,2012,33(3): 424-430.(in Chinese)

[12] 江杰,張澤宇,曹強(qiáng),等.基于消費(fèi)級(jí)無人機(jī)搭載數(shù)碼相機(jī)監(jiān)測小麥長勢狀況研究[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào),2019,42(4): 622-631.

Jiang J,Zhang Z Y,Cao Q,et al.Use of a digital camera mounted on a consumer-grade unmanned aerial vehicle to monitor the growth status of wheat[J].Journal of Nanjing Agricultural University,2019,42(4):622-631.(in Chinese)

[13] 李明,黃愉淇,李緒孟,等.基于無人機(jī)遙感影像的水稻種植信息提取[J].農(nóng)業(yè)工程學(xué)報(bào),2018,34(4):108-114.

Li M,Huang Y Q,Li X M,et al.Extraction of rice planting information based on remote sensing image from UAV [J].Transactions of the CSAE,2018,34(4):108-114.(in Chinese)

[14] 倪軍,姚霞,田永超,等.便攜式作物生長監(jiān)測診斷儀的設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(6):150-156.

Ni J,Yao X,Tian Y C,et al.Design and experiments of portable apparatus for plant growth monitoring and diagnosis[J]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(6):150-156.(in Chinese)

[15] 王婷婷.多光譜作物生長智能傳感器的研制[D].南京:南京農(nóng)業(yè)大學(xué),2012:21-23.

Wang T T.Development of multispectral crop growth intelligent sensor[D].Nanjing:Nanjing Agricultural University, 2012:21-23.(in Chinese)

[16] 楊建寧,張井超,朱艷,等.便攜式作物生長監(jiān)測診斷儀性能試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2013,44(4):208-212.

Yang J N,Zhang J C,Zhu Y,et al.Experiments on performance of portable plant growth monitoring diagnostic instrument[J]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(4):208-212.(in Chinese)

[17] 李博,晏磊,張立福,等.傳感器光譜指標(biāo)對(duì)植被光譜模擬精度的影響[J].光譜學(xué)與光譜分析,2010,30(7):1843-1847.

Li B,Yan L,Zhang L F,et al.Evaluation of sensor spectral parameters for the simulation accuracy of the vegetation spectrum[J].Spectroscopy and Spectral Analysis,2010,30(7): 1843-1847.(in Chinese)

[18] 趙宗澤,張永軍.基于植被指數(shù)限制分水嶺算法的機(jī)載激光點(diǎn)云建筑物提取[J].光學(xué)學(xué)報(bào),2016,36(10):1022-1028.

Zhao Z Z,Zhang Y J.Building extraction from airborne laser point cloud using NDVI constrained watershed algorithm[J]. Acta Optica Sinica,2016,36(10):1022-1028.(in Chinese)

[19] 陳景玲,王靜,王謙,等.植物冠層分析儀測定荊條孤立冠層葉面積指數(shù)和透光率的分析[J].中國農(nóng)業(yè)氣象,2014,35(4): 373-379.

Chen J L,Wang J,Wang Q,et al.LAI and light transmittance measurement of isolated vitex shrub using LAI-2200 PCA[J].Chinese Journal of Agrometeorology,2014,35(4): 373-379.(in Chinese)

[20] Gower S T,Norman J M.Rapid estimation of leaf area index in conifer and broad-leaf plantations[J].Ecology,1991,72: 1896-1900.

[21] Defries R,Townshend J.NDVI-derived land cover classifications at a global scale[J].International Journal of Remote Sensing,2007,17(15):3567-3586.

[22] 張佳華,姚鳳梅,李秉柏,等.星-地光學(xué)遙感信息監(jiān)測水稻高溫?zé)岷ρ芯窟M(jìn)展[J].中國科學(xué),2011,41(10):1396-1406.

Zhang J H,Yao F M,Li B B,et al.Progress in monitoring high-temperature damage to rice through satellite and ground-based optical remote sensing[J].Scientia Sinica,2011, 41(10):1396-1406.(in Chinese)

[23] 李根,景元書,王琳,等.基于MODIS時(shí)序植被指數(shù)和線性光譜混合模型的水稻面積提取[J].大氣科學(xué)學(xué)報(bào),2014,37 (1):119-126.

Li G,Jing Y S,Wang L,et al.Extraction of paddy planting areas based on MODIS vegetation index time series and linear spectral mixture model[J].Journal of Atmospheric Science,2014,37(1):119-126.(in Chinese)

[24] 康婷婷,居為民,李秉柏,等.水稻葉面積指數(shù)遙感反演方法對(duì)比分析[J].江蘇農(nóng)業(yè)科學(xué),2015,43(5):366-371.

Kang T T,Ju W M,Li B B,et al.Comparative analysis of remote sensing inversion methods of rice leaf area index[J].Jiangsu Agricultural Sciences,2015,43(5):366-371. (in Chinese)

[25] 謝曉金,李映雪,李秉柏,等.高溫脅迫下水稻生理生化特性及高光譜估測研究[J].中國水稻科學(xué),2010,24(2):196-202.

Xie X J,Li Y X,Li B B.Estimation of rice yield under high temperature stress by hyper-spectral remote sensing[J]. Chinese Journal of Rice Science,2010,24(2):196-202.(in Chinese)

[26] 劉飛,王莉,何勇.應(yīng)用多光譜圖像技術(shù)獲取黃瓜葉片含氮量及葉面積指數(shù)[J].光學(xué)學(xué)報(bào),2009,29(6):1616-1620.

Liu F,Wang L,He Y.Application of multi-spectral imaging technique for acquisition of cucumber growing information [J].Acta Optica Sinica,2009,29(6):1616-1620.(in Chinese)

Key Technologies of Monitoring High Temperature Stress to Rice by Portable UAV Multi Spectral Remote Sensing

SHI Tao1, YANG Tai-ming2, HUANG Yong3, Li Xiang4, LIU Qi1, YANG Yuan-jian5

(1.Wuhu Meteorological Administration, Wuhu 241000, China; 2.Anhui Agrometeorological Center, Hefei 230000; 3.Anhui Institute of Meteorological and Sciences, Hefei 230000; 4.Taiyuan Longxiang Forest Business Co., Ltd，Taiyuan 030001; 5.School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044)

Rice is an important cereal crop in the world and the most important food resource in China. Under the background of global warming, the degree and frequency of extreme high temperature heat waves are also increasing. From July to August every year, continuous high temperature weather with daily maximum temperature exceeding 35.0℃ often occurs in the middle and lower reaches of the Yangtze River affected by subtropical high. At this time, rice is in a sensitive period of growth and development, and continuous high temperature will seriously influences the physiological development of rice. Consequently, scientific and reasonable monitoring of the occurrence and development process of high temperature stress to rice is of great scientific significance and practical value for impact assessment of rice yield variation and agricultural production decisions in the context of global warming. At present, crop growth monitoring methods mainly rely on field investigation and satellite remote sensing. However, the traditional field investigation methods are time-consuming and labor-intensive, and the accuracy is also influenced by the subjective consciousness of investigators. In addition, satellite remote sensing also has some shortcomings, such as low spatial resolution, long transit period, cloud pollution and so on. So, the application technology research of real-time monitoring of crop growth using multi-spectral sensors carried by portable drones is an important supplement and improvement to the existing monitoring and investigation methods for high temperature stress to rice. In this paper, a remote sensing monitoring system for rice growth and data post-processing analysis and application methods were designed based on consumer-grade drones and portable multi-spectral sensors, and then Wuhu super rice production base in the middle and lower reaches of the Yangtze river was selected as the experimental area, and the continuous high temperature days from July 20 to August 9, 2019 was taken as the experimental period. Experimental results showed that there was a significant exponential relationship between the rice vegetation index and the leaf area index, with the correlation coefficient of 0.918, and then the inversion model of rice leaf area index was established. Finally, the discrimination conditions of leaf area index of rice under high temperature stress were further determined. The inversion model and discrimination conditions of leaf area index were used to extract and to analyze the spectral characteristics of rice under high temperature stress in the experimental area. During this continuous high temperature period, 15.3% of rice in the experimental area was damaged by the continuous high temperature stress, which is coincided with the reality from the field investigation conducted by agricultural department (i.e., the grain filling rate of rice was 82.2% in the experimental area). Compared with the traditional field survey and satellite remote sensing monitoring methods, the portable UAV multispectral remote sensing monitoring technology developed in this paper has advantages of high spatial resolution, real-time and large-scale monitoring and application of low cost, which is conducive to the popularization and promotion. It has a certain application prospect in the remote sensing monitoring of crop natural disasters.

UAV; Portable multispectral sensor; Rice; High temperature stress; Remote sensing monitoring; LAI

2020?04?27

楊元建，E-mail：yyj1985@nuist.edu.cn

國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2018YFC1506502）；安徽省氣象科技發(fā)展基金（2017022）

石濤，E-mail：stahau1987@163.com

10.3969/j.issn.1000-6362.2020.09.006

石濤,楊太明,黃勇,等.無人機(jī)多光譜遙感監(jiān)測水稻高溫脅迫的關(guān)鍵技術(shù)[J].中國農(nóng)業(yè)氣象,2020,41(9):597-604