輕小型無人機遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用及展望

林娜 陳宏 趙健

摘要：近年來，輕小型無人機遙感以其操作簡便、可動態(tài)連續(xù)監(jiān)測等獨特優(yōu)勢，在精準(zhǔn)農(nóng)業(yè)領(lǐng)域得到廣泛應(yīng)用，使農(nóng)業(yè)生產(chǎn)管理具有了實時獲取數(shù)據(jù)、準(zhǔn)確定位及高效率應(yīng)對的新特點。筆者針對現(xiàn)有的輕小型無人機遙感系統(tǒng)在國內(nèi)外精準(zhǔn)農(nóng)業(yè)領(lǐng)域的主要應(yīng)用進行闡述，包括農(nóng)作物識別提取和精細(xì)分類、農(nóng)作物估產(chǎn)及長勢監(jiān)測分析、農(nóng)作物病蟲害監(jiān)測方面，同時對輕小型無人機遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)應(yīng)用中未來面臨的挑戰(zhàn)及發(fā)展方向進行分析與展望。輕小型無人機遙感設(shè)備的改進與更新、遙感信息解析方法的自動化及智能化、多源數(shù)據(jù)的融合等對精準(zhǔn)農(nóng)業(yè)的發(fā)展具有重要意義。

關(guān)鍵詞：輕小型無人機;遙感;農(nóng)情監(jiān)測;精準(zhǔn)農(nóng)田作業(yè)

中圖分類號：S127?? 文獻標(biāo)志碼： A? 文章編號：1002-1302（2020）20-0043-06

近年來，隨著計算機技術(shù)、通信技術(shù)的迅速發(fā)展，農(nóng)業(yè)調(diào)查及監(jiān)測方法向現(xiàn)代化、信息化、精準(zhǔn)化方向大力轉(zhuǎn)變，特別是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用越來越廣泛[1-2]。輕小型無人機遙感技術(shù)是在小型化無人機平臺上配備相應(yīng)的微型傳感器，利用通信技術(shù)和定位定姿技術(shù)快速準(zhǔn)確地獲取關(guān)于目標(biāo)地物的影像及數(shù)據(jù)，經(jīng)過后期分析處理，相關(guān)產(chǎn)出可用于參數(shù)提取或行業(yè)具體應(yīng)用[3-4]?，F(xiàn)有的衛(wèi)星和地面遙感技術(shù)提高了農(nóng)情信息獲取效率，但衛(wèi)星遙感技術(shù)存在重訪周期長，較易受天氣影響，難以獲得高質(zhì)量影像等缺點;地面遙感技術(shù)費時費力，能監(jiān)測的范圍小，干擾因素多，難以快速獲取作物信息。輕小型無人機遙感系統(tǒng)具有體積小、質(zhì)量輕、成本低、操作簡便等一系列優(yōu)勢，且受天氣、云層覆蓋限制小，飛行高度及飛行時間靈活，能獲取中小尺度范圍內(nèi)的高時空分辨率的影像數(shù)據(jù)，有效地彌補了衛(wèi)星遙感和地面遙感的缺陷，滿足精準(zhǔn)農(nóng)業(yè)管理的需求[5-7]。

輕小型無人機遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用大大降低了勞動力的投入，加強了農(nóng)作物的精準(zhǔn)管理，提高了農(nóng)業(yè)生產(chǎn)效益。筆者將對現(xiàn)有的輕小型無人機遙感技術(shù)在國內(nèi)外精準(zhǔn)農(nóng)業(yè)中的主要應(yīng)用進行闡述，同時對其未來應(yīng)用面臨的挑戰(zhàn)及發(fā)展方向進行分析與展望，以期為無人機遙感技術(shù)在農(nóng)業(yè)中的進一步應(yīng)用提供參考。

1 輕小型無人機遙感系統(tǒng)的組成及工作流程

輕小型無人機遙感系統(tǒng)主要由無人駕駛飛行平臺、能量系統(tǒng)、遙感傳感器、地面控制系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)、影像處理系統(tǒng)等部分組成[8]。無人駕駛飛行器主要分為無人直升機、固定翼無人機、多旋翼無人機、混合翼無人機4種機型[4]。通常所指的輕小型無人機載荷能力在15 kg以內(nèi)，飛行高度在 3 000 m 以下，最大飛行速度不超過33 m/s[9]。根據(jù)不同的應(yīng)用需求與場景，須在飛行平臺上搭載不同類型的微型傳感器設(shè)備，以獲取實時的遙感信息數(shù)據(jù)。受輕小型無人機平臺穩(wěn)定性與有效載荷能力的限制，遙感傳感器需滿足體積小、質(zhì)量輕、功耗低、安全性高等要求。目前，無人機遙感傳感器主要有數(shù)碼相機、多光譜和高光譜相機、熱紅外掃描儀及激光雷達(dá)等。通過數(shù)據(jù)傳輸及處理系統(tǒng)可生成載有遙感信息的影像及相關(guān)類型的數(shù)字模型、光譜指數(shù)等遙感產(chǎn)出結(jié)果，這些產(chǎn)出結(jié)果在農(nóng)業(yè)生產(chǎn)管理中可應(yīng)用于農(nóng)作物調(diào)查、長勢監(jiān)測、產(chǎn)量評估等多個方面[10-13]（表1）。

開展輕小型無人機遙感信息獲取工作的流程可以分為前期準(zhǔn)備、數(shù)據(jù)獲取和后期數(shù)據(jù)處理與解析等階段[14]。在前期階段，準(zhǔn)備工作主要包括飛行空域申請，飛行條件判定，調(diào)查飛行區(qū)域?qū)嶋H地形與周邊環(huán)境，設(shè)定起降點和飛行路徑，根據(jù)影像重疊度、分辨率等的要求設(shè)置控制系統(tǒng)參數(shù)。在數(shù)據(jù)獲取階段，執(zhí)行飛行并實時監(jiān)控與調(diào)整飛行參數(shù)。后期數(shù)據(jù)處理階段主要包括圖像匹配與拼接、正射校正、輻射校正、遙感產(chǎn)品生成等（圖1）。

2 輕小型無人機遙感在國內(nèi)外精準(zhǔn)農(nóng)業(yè)中的應(yīng)用現(xiàn)狀2.1 農(nóng)作物識別與精細(xì)分類

地表農(nóng)作物的識別提取與精細(xì)分類是進行作物面積測算、長勢分析等工作的基礎(chǔ)與關(guān)鍵，也是開展精準(zhǔn)農(nóng)田作業(yè)的重要數(shù)據(jù)來源。相對于傳統(tǒng)的地面調(diào)查，輕小型無人機遙感識別技術(shù)具有實時性和高效性，可節(jié)約大量人力;相對于衛(wèi)星遙感識別技術(shù)，無人機在抗干擾性方面具有較大優(yōu)勢，由于其可提供更為豐富的結(jié)構(gòu)及紋理信息，能更高效地獲取地物分類數(shù)據(jù)。

國內(nèi)外開展的基于輕小型無人機獲取的影像數(shù)據(jù)提取農(nóng)作物種植信息的研究已經(jīng)取得了一定的進展，就遙感分類方法而言，大致分為2種：基于像元的分類方法和基于面向?qū)ο蟮姆诸惙椒?。在基于像元的分類方法方面，田振坤等通過搭載冠層測量相機的無人直升機平臺獲取高空間分辨率遙感影像，分析農(nóng)作物波譜特征和歸一化植被指數(shù)（NDVI）變化閾值，提出了一種農(nóng)作物快速分類及提取方法[15]。Poblete-Echeverría等使用無人機遙感獲取具有超高空間分辨率的RGB圖像，在垂直網(wǎng)格系統(tǒng)（VSP）訓(xùn)練上對比運用K-均值、人工神經(jīng)網(wǎng)絡(luò)、隨機森林和光譜指數(shù)SI 4種方法提取葡萄園冠層信息的精度及靈敏性[16]。戴建國等基于固定翼無人機遙感獲取的RGB影像，采用ReliefF-Pearson特征降維方法優(yōu)選紋理和低通濾波特征，并利用支持向量機分類方法對北疆主要農(nóng)作物棉花、玉米、苜蓿和西葫蘆等進行分類提取[17]。在基于面向?qū)ο蟮姆诸惙椒ǚ矫?，王利民等基于小型無人機航拍影像的光譜特征、幾何特征、紋理特征，運用面向?qū)ο蠓诸惙椒▽俎?、春玉米、夏玉米和裸土進行分類[18]。Diaz-Varela等基于無人機獲取的正射影像和數(shù)字表面模型，利用多尺度面向?qū)ο蟮姆诸惙椒▽μ萏镞M行自動識別[19]。張超等以旋翼無人機航拍的RGB影像為數(shù)據(jù)源，基于小波包分解的面向?qū)ο蠓诸惙椒▽r(nóng)場中多種作物類型進行精細(xì)識別[20]。李明等基于多旋翼無人機獲取的可見光數(shù)字影像，利用面向?qū)ο筮b感分類方法建立識別水稻地塊的二分類Logistic回歸模型[21]。

2.2 農(nóng)作物長勢動態(tài)監(jiān)測

利用輕小型無人機遙感動態(tài)監(jiān)測的優(yōu)勢可實時了解農(nóng)作物生長狀況、營養(yǎng)水平、水肥脅迫情況等。目前研究者利用遙感反演生長參數(shù)時多采用多元線性回歸、偏最小二乘、主成分分析等建模方法，隨著小型化高光譜遙感設(shè)備的研發(fā)，更多敏感波段可加入分析模型，人工神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等建模方法也受到研究者的青睞[22]。在農(nóng)作物收獲前對其生長過程中出現(xiàn)的問題進行提前診斷，可為精準(zhǔn)農(nóng)業(yè)中的作物管理和田間作業(yè)提供重要依據(jù)，及時準(zhǔn)確地調(diào)整施肥、田間管理措施，從而保證作物的正常生長，獲得更好的經(jīng)濟效益。

農(nóng)作物長勢動態(tài)監(jiān)測主要包括作物生長參數(shù)變化及作物元素含量監(jiān)測等。祝錦霞等通過旋翼式無人機平臺獲取水稻葉片和冠層的數(shù)字圖像，研究不同氮素養(yǎng)分程度下水稻葉片和冠層的綜合特征信息，應(yīng)用于水稻的氮素養(yǎng)分診斷[23]。Chosa等采用無人機平臺獲取的真彩色和近紅外影像監(jiān)測水稻生長情況，通過計算每個區(qū)域的作物生長參數(shù)指標(biāo)，包括綠度和歸一化植被指數(shù)，量化不同區(qū)域作物的生長變異性，并基于此提出改進種植措施的建議，以達(dá)到生產(chǎn)高質(zhì)量水稻作物的預(yù)期效益[24]。Hunt等利用無人機遙感平臺獲取的近紅外、綠色和藍(lán)色影像，測試分析2個不同肥力田塊冬小麥的生長參數(shù)，結(jié)果發(fā)現(xiàn)，葉面積指數(shù)與綠色歸一化植被指數(shù)（GNDVI）之間存在良好的相關(guān)關(guān)系[25]。劉峰等基于植被與土壤的光譜特征差異，對板栗主要生育期進行監(jiān)測研究，提出了一種基于無人機多光譜遙感影像的植被覆蓋度快速計算方法，并利用多時相無人機影像數(shù)據(jù)實現(xiàn)了板栗植被覆蓋度年變化監(jiān)測[26]。Du等通過基于衛(wèi)星影像的歸一化植被指數(shù)（NDVI）和基于無人機影像的可見光波段差異植被指數(shù)（VDVI）分析小麥冠層生長狀態(tài)，表明NDVI指數(shù)與谷物蛋白質(zhì)之間存在較大相關(guān)性，在小麥生長早期NDVI指數(shù)和VDVI指數(shù)在分析谷物蛋白質(zhì)性能上表現(xiàn)出良好的一致性[27]。秦占飛等基于八旋翼無人機高光譜影像，依托不同氮素水平水稻試驗，對比分析光譜指數(shù)與偏最小二乘回歸方法預(yù)測水稻葉片全氮含量的準(zhǔn)確度，結(jié)果表明，無人機高光譜影像反演的水稻葉片全氮含量分布范圍與地面調(diào)查實際情況較相符[28]。劉建立等利用無人機載可見-近紅外成像光譜儀、高分辨率可見光相機、機載激光雷達(dá)等設(shè)備，研究建立針對華北地區(qū)冬小麥、夏玉米農(nóng)田的無人機遙感養(yǎng)分診斷模型[29]。

2.3 田塊尺度的估產(chǎn)

精確估測農(nóng)作物的產(chǎn)量及其變化對實施精準(zhǔn)農(nóng)業(yè)管理具有重要意義。通過輕小型無人機遙感系統(tǒng)可以獲取農(nóng)作物詳細(xì)的光譜特征，以此可反演出作物的生長信息，建立生長信息與產(chǎn)量間的關(guān)系模型，進而預(yù)估農(nóng)作物產(chǎn)量[30]。由于無人機遙感技術(shù)可以在合適的生育期對農(nóng)作物進行實時參數(shù)監(jiān)測，因此所建立的農(nóng)作物產(chǎn)量預(yù)測模型具有更高的精度和通用性。

目前，農(nóng)作物遙感估產(chǎn)預(yù)測模型所使用的參數(shù)主要有植被指數(shù)、生物量、光譜反射率等。Swain等基于無人機低空遙感平臺獲取的高時空分辨率影像估算水稻產(chǎn)量和總生物量，探討NDVI值估算葉片葉綠素含量的適宜性，并通過統(tǒng)計分析發(fā)現(xiàn)，不同氮素水平下的水稻產(chǎn)量和總生物量具有顯著的差異性[31]。Vega等利用無人機搭載多光譜相機獲取不同生長季節(jié)的向日葵影像，研究NDVI值與作物狀態(tài)相關(guān)的幾個指數(shù)的關(guān)系，并對其產(chǎn)量進行了預(yù)測分析，結(jié)果表明，NDVI與產(chǎn)量、含氮量及生物量具有很好的線性關(guān)系[32]。楊貴軍等基于無人機多光譜影像計算得到的NDVI，結(jié)合氮肥優(yōu)化算法進行小麥潛在產(chǎn)量預(yù)測，與實際產(chǎn)量對比分析發(fā)現(xiàn)，利用上述方法預(yù)測產(chǎn)量的估算精度較高[33]。Zhou等利用搭載Mini-MCA多光譜相機的無人機拍攝的影像進行谷物產(chǎn)量預(yù)測，發(fā)現(xiàn)最佳產(chǎn)量預(yù)測時間位于孕穗期，最佳預(yù)測指數(shù)可選用NDVI和可見光大氣阻抗植被指數(shù)（VARI），且基于多時相的植被指數(shù)與預(yù)測產(chǎn)量相關(guān)性較高[34]。

2.4 病蟲害監(jiān)測

大面積的病蟲害會造成農(nóng)作物巨大的生產(chǎn)損失，農(nóng)作物在受到病蟲害脅迫后，葉片色素及冠層結(jié)構(gòu)會發(fā)生變化[35-36]。輕小型無人機遙感可針對葉片色素及冠層變化敏感的波段光譜特征進行動態(tài)監(jiān)測，以此診斷農(nóng)作物是否受病蟲害侵害及危害程度，進而為精準(zhǔn)農(nóng)業(yè)管理中的科學(xué)防控作出準(zhǔn)確指導(dǎo)，在降低生產(chǎn)損失的同時最大化減少農(nóng)藥的使用，得到較好的經(jīng)濟和環(huán)境效益。

在無人機病蟲害監(jiān)測研究方面主要包括病蟲害識別、病害程度評估、病害時空監(jiān)測等。羅菊花等利用多時相高光譜無人機航空圖像對冬小麥條銹病進行監(jiān)測，通過建立敏感波段平均光譜反射率與相應(yīng)病情指數(shù)之間的多元線性回歸模型，在掃帚式超光譜成像（PHI）影像上實現(xiàn)了對冬小麥條銹病發(fā)生程度與發(fā)生范圍的監(jiān)測[37]。Yang等利用多光譜和高光譜航空影像數(shù)據(jù)進行了棉花田根腐病的檢測和定位，結(jié)果顯示，這2類數(shù)據(jù)監(jiān)測結(jié)果的精度差別不顯著，表明航空遙感數(shù)據(jù)具有大范圍病害監(jiān)測的應(yīng)用潛力[38]。Zhang等在對蟲害早期監(jiān)測中采用了包括無人機高光譜在內(nèi)的多源數(shù)據(jù)，利用提取的植被指數(shù)對葉綠素含量進行反演，為遙感參數(shù)在病蟲害預(yù)測及早期診斷中的應(yīng)用提供了參考[39]。Nebiker等利用無人機搭載近紅外多光譜相機獲取的遙感影像，對馬鈴薯和洋蔥栽培中的植物病害進行了定性檢測研究，以此確定病害的原始侵染地點、發(fā)生模式，并監(jiān)測病害的防治效果等[40]。

3 輕小型無人機遙感在精準(zhǔn)農(nóng)業(yè)應(yīng)用中的挑戰(zhàn)及展望? 雖然近來年國內(nèi)外的研究對輕小型無人機遙感技術(shù)作了大量改進與更新，系統(tǒng)硬件與圖像處理技術(shù)都得到了快速發(fā)展和廣泛應(yīng)用，但尚存在一些亟需解決的問題。

3.1 輕小型無人機遙感設(shè)備改進與更新

傳感器是輕小型無人機遙感系統(tǒng)重要的組成設(shè)備之一，而目前國內(nèi)外大多數(shù)研究還集中在搭載多光譜傳感器的輕小型無人機在農(nóng)業(yè)中的應(yīng)用上，激光雷達(dá)、高光譜遙感技術(shù)、熱紅外成像儀的應(yīng)用案例還不多見，主要原因在于這類傳感器設(shè)備成本偏貴，加上受輕小型無人機承重力的限制，傳統(tǒng)款式的傳感器設(shè)備等難以廣泛應(yīng)用到無人機遙感系統(tǒng)中[41-42]。

此外，當(dāng)前輕小型無人機普遍存在續(xù)航時較短的問題，單次飛行路徑無法實現(xiàn)大范圍的農(nóng)業(yè)應(yīng)用作業(yè)，加上平衡控制系統(tǒng)及路徑算法的不精確，導(dǎo)致飛行不穩(wěn)定、重拍漏拍現(xiàn)象嚴(yán)重，使得獲取的影像存在質(zhì)量問題。輕小型無人機遙感系統(tǒng)的穩(wěn)定性、抗風(fēng)險性、載荷能力、續(xù)航時間、路徑算法等問題仍然是目前制約其發(fā)展的瓶頸[43-44]。

因此，輕小型無人機遙感系統(tǒng)的發(fā)展亟需設(shè)計開發(fā)出成本低、微型化、通用性強、質(zhì)量輕的無人機遙感設(shè)備，力求安全性及長時性，減少設(shè)備產(chǎn)生的誤差，優(yōu)化飛行算法，改進傳輸模式，最大程度提高作業(yè)效率，獲得更高質(zhì)量的影像，提升輕小型無人機在精準(zhǔn)農(nóng)業(yè)應(yīng)用中的實用性。

3.2 輕小型無人機遙感信息處理自動化及智能化

輕小型無人機遙感系統(tǒng)獲取的影像普遍存在幅寬小、數(shù)量多、傾角及重疊度不一致等問題，增加了影像匹配、拼接、校正的難度，實現(xiàn)輕小型無人機影像預(yù)處理自動化，獲得高質(zhì)量的遙感影像是輕小型無人機遙感技術(shù)發(fā)展的重要環(huán)節(jié)。

此外，目前國內(nèi)外關(guān)于輕小型無人機遙感在農(nóng)業(yè)中的應(yīng)用研究仍基于簡單的遙感獲取信息，大部分集中在通過光譜特征反演農(nóng)作物生長參數(shù)的研究上，需要通過分析建立遙感信息與作物生長相關(guān)參數(shù)之間的關(guān)系，受限于模型的精確性與魯棒性，限制了輕小型無人機遙感在精準(zhǔn)農(nóng)業(yè)上的應(yīng)用范圍。如何深入結(jié)合農(nóng)作物生理生態(tài)過程，針對不同類型的農(nóng)業(yè)應(yīng)用，進一步挖掘遙感信息與農(nóng)作物各生理參數(shù)間的深層關(guān)系，提高遙感解析模型的精確度與通用性，如何將遙感產(chǎn)出結(jié)果直接應(yīng)用于農(nóng)業(yè)變量作業(yè)管理等是輕小型無人機遙感系統(tǒng)在精準(zhǔn)農(nóng)業(yè)應(yīng)用上的一大挑戰(zhàn)[45-46]。

因此，在后續(xù)的研發(fā)中可關(guān)注輕小型無人機遙感信息后處理方法的自動化與智能化，包括無人機遙感數(shù)據(jù)的自動拼接及校正算法、結(jié)合人工智能的作物分類及識別提取、作物生長信息快速解析方法、作物精準(zhǔn)管理變量決策優(yōu)化算法等[47]。輕小型無人機遙感信息獲取技術(shù)及解析技術(shù)的發(fā)展，可以為精準(zhǔn)農(nóng)業(yè)智能化轉(zhuǎn)型升級提供新思路，為農(nóng)田作業(yè)、生產(chǎn)管理提供實時精確的決策依據(jù)。

3.3 多來源數(shù)據(jù)在精準(zhǔn)農(nóng)業(yè)中的融合應(yīng)用

我國農(nóng)作物類型多樣、影響因素復(fù)雜，輕小型無人機遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用可以在農(nóng)田精細(xì)尺度和動態(tài)連續(xù)監(jiān)測方面發(fā)揮極大作用。但高密度的農(nóng)作物遙感信息獲取后，融合應(yīng)用這些不同角度的作物信息，推出一整套具有可實施性的農(nóng)業(yè)精準(zhǔn)管理措施，對精準(zhǔn)農(nóng)業(yè)發(fā)展具有重要現(xiàn)實意義[48]。輕小型無人機遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用涉及了農(nóng)學(xué)、光學(xué)、計算機科學(xué)、生態(tài)學(xué)等多個學(xué)科知識，結(jié)合多源遙感數(shù)據(jù)、地面調(diào)查數(shù)據(jù)、氣象數(shù)據(jù)、地理數(shù)據(jù)等進行多角度的融合研究也是今后發(fā)展的方向之一。

4 結(jié)語

輕小型無人機遙感技術(shù)作為調(diào)查及監(jiān)測的有力工具，能及時獲取精準(zhǔn)農(nóng)業(yè)生產(chǎn)管理中所需的各種數(shù)據(jù)信息，在國內(nèi)外研究及應(yīng)用中被廣泛使用，促進了農(nóng)業(yè)生產(chǎn)過程向信息化、智能化、精準(zhǔn)化方向的發(fā)展。筆者詳細(xì)介紹國內(nèi)外輕小型無人機遙感技術(shù)在精準(zhǔn)農(nóng)業(yè)方面的研究及應(yīng)用現(xiàn)狀，指出了輕小型無人機目前在精準(zhǔn)農(nóng)業(yè)應(yīng)用中面臨的挑戰(zhàn)及今后發(fā)展方向。隨著計算機技術(shù)的進一步發(fā)展，輕小型無人機將會被越來越廣泛及深入地應(yīng)用到精準(zhǔn)農(nóng)業(yè)中，不僅僅局限于農(nóng)情監(jiān)測方面，在其他農(nóng)業(yè)方面的應(yīng)用，如農(nóng)場管理規(guī)劃、農(nóng)業(yè)設(shè)施管理也能發(fā)揮極大作用。為此進一步開發(fā)高穩(wěn)定性、強載荷能力、長續(xù)航時間、高圖像質(zhì)量的輕小型無人機智能化遙感系統(tǒng)，并將其應(yīng)用于快速準(zhǔn)確獲取農(nóng)田作物信息以及融合多源數(shù)據(jù)指導(dǎo)田間精準(zhǔn)作業(yè)，具有重要的研究意義和實際應(yīng)用價值。

參考文獻：

[1]吳炳方，蒙繼華，李強子. 國外農(nóng)情遙感監(jiān)測系統(tǒng)現(xiàn)狀與啟示[J]. 地球科學(xué)進展，2010，25（10）：1003-1012.

[2]吳炳方. 中國農(nóng)情遙感速報系統(tǒng)[J]. 遙感學(xué)報，2004，8（6）：481-497.

[3]Marris E. Drones in science：fly，and bring me data[J]. Nature，2013，498（7453）：156-158.

[4]孫 剛，黃文江，陳鵬飛，等. 輕小型無人機多光譜遙感技術(shù)應(yīng)用進展[J]. 農(nóng)業(yè)機械學(xué)報，2018，49（3）：1-17.

[5]Zhang C H，Kovacs J M. The application of small unmanned aerial systems for precision agriculture：a review[J]. Precision Agriculture，2012，13（6）：693-712.

[6]李 冰，劉镕源，劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2012，28（13）：160-165.

[7]Sankaran S，Khot L R，Espinoza C Z，et al. Low-altitude，high-resolution aerial imaging systems for row and field crop phenotyping：a review[J]. European Journal of Agronomy，2015，70：112-123.

[8]汪 沛，羅錫文，周志艷，等. 基于微小型無人機的遙感信息獲取關(guān)鍵技術(shù)綜述[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（18）：1-12.

[9]Yang G，Liu J，Zhao C，et al. Unmanned aerial vehicle remote sensing for field-based crop phenotyping：current status and perspectives[J]. Frontiers in Plant Science，2017，8：1111.

[10]戴建國，張國順，郭 鵬，等. 基于無人機遙感多光譜影像的棉花倒伏信息提取[J]. 農(nóng)業(yè)工程學(xué)報，2019，35（2）：63-70.

[11]葛 靜，孟寶平，楊淑霞，等. 基于UAV技術(shù)和MODIS遙感數(shù)據(jù)的高寒草地蓋度動態(tài)變化監(jiān)測研究——以黃河源東部地區(qū)為例[J]. 草業(yè)學(xué)報，2017，26（3）：1-12.

[12]Gevaert C M，Suomalainen J，Tang J，et al. Generation of spectral-temporal response surfaces by combining multispectral satellite and hyperspectral UAV imagery for precision agriculture applications[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（6）：3140-3146.

[13]甘 平，董燕生，孫 林，等. 基于無人機載LiDAR數(shù)據(jù)的玉米澇災(zāi)災(zāi)情評估[J]. 中國農(nóng)業(yè)科學(xué)，2017，50（15）：2983-2992.

[14]胡健波，張 健. 無人機遙感在生態(tài)學(xué)中的應(yīng)用進展[J]. 生態(tài)學(xué)報，2018，38（1）：20-30.

[15]田振坤，傅鶯鶯，劉素紅，等. 基于無人機低空遙感的農(nóng)作物快速分類方法[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（7）：109-116.

[16]Poblete-Echeverría C，Olmedo G F，Ingram B，et al. Detection and segmentation of vine canopy in ultra-high spatial resolution RGB imagery obtained from unmanned aerial vehicle （UAV）：a case study in a commercial vineyard[J]. Remote Sensing，2017，9（3）：268.

[17]戴建國，張國順，郭鵬，等. 基于無人機遙感可見光影像的北疆主要農(nóng)作物分類方法[J]. 農(nóng)業(yè)工程學(xué)報，2018，34（18）：122-129.

[18]王利民，劉 佳，楊玲波，等. 基于無人機影像的農(nóng)情遙感監(jiān)測應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（18）：136-145.

[19]Diaz-Varela R A，Zarco-Tejada P J，Angileri V，et al. Automatic identification of agricultural terraces through object-oriented analysis of very high resolution DSMs and multispectral imagery obtained from an unmanned aerial vehicle[J]. Journal of Environmental Management，2014，134：117-126.

[20]張 超，劉佳佳，蘇 偉，等. 基于小波包變換的農(nóng)作物分類無人機遙感影像適宜尺度篩選[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（21）：95-101.

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

[22]Ma B L，Lianne M D，Costa C，et al. Early prediction of soybean yield from canopy reflectance measurements[J]. Agronomy Journal，2001，93（6）：1227-1234.

[23]祝錦霞，陳祝爐，石媛媛，等. 基于無人機和地面數(shù)字影像的水稻氮素營養(yǎng)診斷研究[J]. 浙江大學(xué)學(xué)報（農(nóng)業(yè)與生命科學(xué)版），2010，36（1）：78-83.

[24]Chosa T，Miyagawa K，Tamura S，et al. Monitoring rice growth over a production region using an unmanned aerial vehicle：preliminary trial for establishing a regional rice strain[J]. IFAC Proceedings Volumes，2010，43（26）：178-183.

[25]Hunt J，Hively W D，F(xiàn)ujikawa S J，et al. Acquisition of NIR-Green-Blue digital photographs from unmanned aircraft for crop monitoring[J]. Remote Sensing，2010，2（1）：290-305.

[26]劉峰，劉素紅，向陽.園地植被覆蓋度的無人機遙感監(jiān)測研究[J]. 農(nóng)業(yè)機械學(xué)報，2014，45（11）：250-257.

[27]Du M M，Noguchi N. Multi-temporal monitoring of wheat growth through correlation analysis of satellite images，unmanned aerial vehicle images with ground variable[J]. IFAC-PapersOnLine，2016，49（16）：5-9.

[28]秦占飛，常慶瑞，謝寶妮，等. 基于無人機高光譜影像的引黃灌區(qū)水稻葉片全氮含量估測[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（23）：77-85.

[29]劉建立，李曉鵬. 基于無人機低空高精度遙感的冬小麥和夏玉米變量施肥管理模型“進展[J]. 浙江大學(xué)學(xué)報（農(nóng)業(yè)與生命科學(xué)版），2018，44（4）：37.

[30]vergaard S I，Isaksson T，Kvaal K，et al. Comparisons of two Hand-Held，multispectral field radiometers and a hyperspectral airborne imager in terms of predicting spring wheat grain yield and quality by means of powered partial least squares regression[J]. Journal of Near Infrared Spectroscopy，2010，18（4）：247-261.

[31]Swain K C，Thomson S J，Jayasuriya H P W. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop[J]. Transactions of the ASABE，2010，53（1）：21-27.

[32]Vega F A，Ramirez F C，Saiz M P，et al. Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop[J]. Biosystems Engineering，2015，132：19-27.

[33]楊貴軍，李長春，于海洋，等. 農(nóng)用無人機多傳感器遙感輔助小麥育種信息獲取[J]. 農(nóng)業(yè)工程學(xué)報，2015，31（21）：184-190.

[34]Zhou X，Zheng H B，Xu X Q，et al. Predicting grain yield in rice using multi-temporal vegetation indices from UAV-based multispectral and digital imagery[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2017，130：246-255.

[35]Zhang J，Pu R，Huang W，et al. Using in-situ hyperspectral data for detecting and discriminating yellow rust disease from nutrient stresses[J]. Field Crops Research，2012，134：165-174.

[36]Pontius J，Martin M，Plourde L，et al. Ash decline assessment in emerald ash borer-infested regions：a test of tree-level，hyperspectral technologies[J]. Remote Sensing of Environment，2008，112（5）：2665-2676.

[37]羅菊花，黃文江，顧曉鶴，等. 基于PHI影像敏感波段組合的冬小麥條銹病遙感監(jiān)測研究[J]. 光譜學(xué)與光譜分析，2010，30（1）：184-187.

[38]Yang C，Everitt J H，F(xiàn)ernandez C J. Comparison of airborne multispectral and hyperspectral imagery for mapping cotton root rot[J]. Biosystems Engineering，2010，107（2）：131-139.

[39]Zhang K，Hu B，Robinson J. Early detection of emerald ash borer infestation using multisourced data：a case study in the town of Oakville，Ontario，Canada[J]. Journal of Applied Remote Sensing，2014，8（1）：083602.

[40]Nebiker S，Lack N，Abcherli M，et al. Light-weight multispectral uav sensors and their capabilities for predicting grain yield and detecting plant diseases[J]. ISPRS-International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2016：963-970.

[41]Chapman S，Merz T，Chan A，et al. Pheno-Copter：a low-altitude，autonomous remote-sensing robotic helicopter for high-throughput field-based phenotyping[J]. Agronomy，2014，4（2）：279-301.

[42]Gilad W，Itamar M L，Noam L. Using ground observations of a digital camera in the VIS-NIR range for quantifying the phenology of Mediterranean woody species[J]. International Journal of Applied Earth Observation and Geoinformation，2017，62：88-101.

[43]孫中宇，陳燕喬，楊 龍，等. 輕小型無人機低空遙感及其在生態(tài)學(xué)中的應(yīng)用進展[J]. 應(yīng)用生態(tài)學(xué)報，2017，28（2）：528-536.

[44]Ballesteros R，Ortega J F，Hernández D，et al. Applications of georeferenced high-resolution images obtained with unmanned aerial vehicles. Part I：description of image acquisition and processing[J]. Precision Agriculture，2014，15（6）：579-592.

[45]白由路，金繼運，楊俐蘋，等. 低空遙感技術(shù)及其在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J]. 土壤肥料，2004（1）：3-6.

[46]趙春江，薛緒掌，王 秀，等. 精準(zhǔn)農(nóng)業(yè)技術(shù)體系的研究進展與展望[J]. 農(nóng)業(yè)工程學(xué)報，2003，19（4）：7-12.

[47]于 堃，單 捷，王志明，等. 無人機遙感技術(shù)在小尺度土地利用現(xiàn)狀動態(tài)監(jiān)測中的應(yīng)用[J]. 江蘇農(nóng)業(yè)學(xué)報，2019，35（4）：853-859.

[48]趙春江. 對我國未來精準(zhǔn)農(nóng)業(yè)發(fā)展的思考[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2010（4）：5-8.李星坤，潘 慧，李 攀，等. 基于CRISPR/Cas9系統(tǒng)的擬南芥ugt84a1/ugt84a2雙突變體制作及突變位點分析[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（20）：49-55.