無人機(jī)低空遙感監(jiān)測農(nóng)情信息研究進(jìn)展?

樊湘鵬，周建平，許 燕

(新疆大學(xué) 機(jī)械工程學(xué)院,新疆維吾爾自治區(qū)農(nóng)牧機(jī)器人及智能裝備工程研究中心,機(jī)械制造系統(tǒng)工程國家重點實驗新疆大學(xué)分室，新疆 烏魯木齊 830047)

0 引言

無人機(jī)遙感是將無人駕駛飛行器技術(shù)、遙感技術(shù)、傳感器技術(shù)、遙控技術(shù)、定位技術(shù)和通訊技術(shù)等有機(jī)結(jié)合，實現(xiàn)遙感數(shù)據(jù)獲取、建模和分析的新型綜合應(yīng)用技術(shù)[1].無人機(jī)遙感獲取的影像經(jīng)拼接、幾何校正等處理，對數(shù)據(jù)進(jìn)行解析后可實現(xiàn)作物長勢監(jiān)測、產(chǎn)量估測、營養(yǎng)診斷和生長脅迫監(jiān)測等，已經(jīng)成為精準(zhǔn)農(nóng)業(yè)中獲取作物狀況和環(huán)境因子等田間時空變化信息的重要手段[2?3].近十年來，隨著微型計算機(jī)、通訊技術(shù)的迅速發(fā)展，無人機(jī)遙感監(jiān)測農(nóng)情信息研究呈指數(shù)級增長，國內(nèi)外眾多學(xué)者將無人機(jī)遙感用于田間作物表型信息獲取和解析，取得了不俗的成果.本文對無人機(jī)低空遙感平臺進(jìn)行概述，介紹了常用的無人機(jī)和傳感器類型，對無人機(jī)遙感監(jiān)測在農(nóng)情信息提取、解析和應(yīng)用等方面的進(jìn)展和不足展開論述，在此基礎(chǔ)上提出無人機(jī)低空遙感監(jiān)測農(nóng)情信息的發(fā)展趨勢，為農(nóng)業(yè)機(jī)械化和信息化從業(yè)人員提供技術(shù)思路，進(jìn)一步推動無人機(jī)遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用和發(fā)展.

1 無人機(jī)低空遙感概述

1.1 無人機(jī)低空遙感

無人機(jī)低空遙感農(nóng)情監(jiān)測是以無人飛行器為平臺，根據(jù)任務(wù)需求搭載不同類型的影像采集設(shè)備，快速獲取高分辨率目標(biāo)區(qū)域的農(nóng)情數(shù)據(jù)，并借助一定的圖像解析技術(shù)獲取特定結(jié)果.無人機(jī)遙感系統(tǒng)主要由無人飛行器、飛行控制系統(tǒng)、定位系統(tǒng)、傳感設(shè)備、穩(wěn)定云臺（傳感器的支持設(shè)備）、通訊系統(tǒng)、影像處理平臺（如MATLAB、Pix4D、ENVI、PhotoScan）等構(gòu)成[4].

1.2 無人機(jī)的種類

根據(jù)結(jié)構(gòu)的不同，無人機(jī)可分為固定翼、多旋翼、直升機(jī)類和飛艇四類.固定翼飛機(jī)速度快、飛行時間長，但其成本高、懸停能力較差、速度快時易造成圖像模糊.小型多旋翼無人機(jī)能夠?qū)崿F(xiàn)定點懸停、中慢速航行且便于攜帶，適合定點、重復(fù)性高、多尺度、高分辨率的農(nóng)田信息采集，在農(nóng)情遙感監(jiān)測中的應(yīng)用更為廣泛[5].無人直升機(jī)旋翼大、飛行穩(wěn)定，能夠搭載體量較大的設(shè)備，但操作性復(fù)雜且噪聲大、成本高.飛艇類無人機(jī)具有良好的懸停能力和載荷能力，其體積和重量較大，有風(fēng)條件下穩(wěn)定性差，在農(nóng)業(yè)信息監(jiān)測方面應(yīng)用較少[6].

1.3 農(nóng)情遙感機(jī)載傳感器的種類

機(jī)載傳感器作為信息獲取的主要部件，其性能和品質(zhì)是影響獲取高精度作物信息并進(jìn)行解析的重要因素[7].經(jīng)過近十年的發(fā)展，在無人機(jī)低空遙感農(nóng)情監(jiān)測中所用到的傳感器種類較多，如RGB相機(jī)、多光譜相機(jī)、高光譜相機(jī)、熱成像儀和激光雷達(dá)等[8].在利用無人機(jī)圖像進(jìn)行作物長勢監(jiān)測研究的初始階段，由于無人機(jī)的承載能力有限，在當(dāng)時所開展的研究多以數(shù)碼影像或多光譜影像為數(shù)據(jù)源，雖然無法獲取精細(xì)光譜特征影像，但在空間分辨率上可達(dá)到厘米級.隨著無人機(jī)技術(shù)的日益成熟，無人機(jī)高光譜遙感憑借其波段連續(xù)性強(qiáng)、光譜數(shù)據(jù)量大的優(yōu)勢和納米級的分辨率，被眾多學(xué)者用于農(nóng)業(yè)領(lǐng)域作物長勢監(jiān)測的研究[9]，并成為觀測地表作物的強(qiáng)有力工具.熱成像儀通過傳感器接收農(nóng)作物的紅外輻射信息，可以快速提取大面積作物冠層溫度信息，多用在作物干旱脅迫和含水率分析等方面的研究[10].激光雷達(dá)獲取遙感點云數(shù)據(jù)也可以對地面農(nóng)情信息進(jìn)行反演[8].

1.4 無人機(jī)農(nóng)情遙感監(jiān)測的優(yōu)勢

無人機(jī)遙感監(jiān)測具有快速機(jī)動性強(qiáng)的響應(yīng)能力，適合不同種植結(jié)構(gòu)和不同地形的農(nóng)田場景，能夠在緊急或非緊急狀態(tài)下為農(nóng)業(yè)種植者、管理者和決策者提供實時準(zhǔn)確的遙感數(shù)據(jù)；無人機(jī)遙感成本低，不用考慮飛行員的安全，云層干擾小，作業(yè)條件要求低；采用多角度航拍獲取不同方向的厘米級分辨率數(shù)據(jù)，能夠有效結(jié)合三維冠層高度和正射影像信息，提高反演精度；無人機(jī)遙感的強(qiáng)自主性可根據(jù)不同的要求搭載不同分辨率、不同類型的傳感設(shè)備，建立高效遙感數(shù)據(jù)信息解析模型；無人機(jī)遙感對空間異質(zhì)信息相應(yīng)敏感.在不同作物和氣候條件以及人為管理條件等因素的影響下，農(nóng)田在宏觀尺度上是存在區(qū)域差異的，衛(wèi)星遙感難以克服以上因素對反演精度的影響[11]，而無人機(jī)遙感可以在低空范圍、小尺度下進(jìn)行研究，獲得大量的高質(zhì)量影像數(shù)據(jù).

2 無人機(jī)低空遙感在農(nóng)情信息監(jiān)測中的應(yīng)用

2.1 作物長勢監(jiān)測

長勢反映田間農(nóng)作物生長的狀態(tài)與趨勢，快速獲取作物長勢信息可為田間管理決策提供重要的依據(jù).作物系數(shù)、葉面積指數(shù)（Leaf Area Index，LAI）、植被指數(shù)、生物量、株高、光合色素含量等是常用的參數(shù)[12].在反演作物長勢參數(shù)方面，解析方法主要有基于經(jīng)驗統(tǒng)計回歸與機(jī)器學(xué)習(xí)的方法；以影像形態(tài)特征和光譜特征進(jìn)行模式識別的解析方法；以葉片冠層結(jié)構(gòu)和生化參數(shù)模擬反射率的模型分析方法以及基于多源數(shù)據(jù)結(jié)合的分析方法.高林等[13]利用遙感數(shù)據(jù)獲得了高精度大豆LAI預(yù)測值.根據(jù)作物的生理特性，在紅波段、紅邊波段和近紅外波段，其光譜反射特征與長勢具有顯著相關(guān)性，因此可以通過多光譜獲得的影像數(shù)據(jù)與地面實測數(shù)據(jù)建立回歸模型反演作物表型參數(shù).陳鵬等[14]利用無人機(jī)多光譜影像，將影像中的光譜信息和紋理信息融合成新的綜合指標(biāo)估算了馬鈴薯葉綠素含量，綜合指標(biāo)模型比單一植被指數(shù)模型均方根誤差降低2.3%.Bian等人[15]采用無人機(jī)以多光譜相機(jī)和熱紅外相機(jī)為傳感器，獲得多種植被指數(shù)和水分脅迫率，為精準(zhǔn)灌溉提供科學(xué)依據(jù).Hassan等人[16]在無人機(jī)上搭載微型紅杉傳感器，研究了32個在不同灌溉條件下的小麥品種和育種情況，監(jiān)測小麥整個生命周期的NDVI.高光譜的高分辨率可提供更豐富和連續(xù)的數(shù)據(jù)信息，裴浩杰等人[17]以高光譜相機(jī)為傳感器，將葉面積指數(shù)、葉片葉綠素含量、植株氮含量、植株水分含量和生物量這5個指標(biāo)綜合建立的新指標(biāo)反演的模型精度較高，模型的標(biāo)準(zhǔn)均方根誤差最低僅為0.038.高林等[18]在冬小麥試驗田中利用Cubert UHD185 Firefly成像光譜儀進(jìn)行空地聯(lián)合試驗估測冬小麥LAI，獲取了精細(xì)的光譜特征信息，研究發(fā)現(xiàn)458～830 nm波段光譜質(zhì)量更優(yōu).陶慧林等人[19]采用無人機(jī)高光譜數(shù)據(jù)分析了不同生育期的指數(shù)和長勢監(jiān)測指標(biāo)的相關(guān)性，成功反演了冬小麥長勢監(jiān)測圖.高光譜成像和參數(shù)成圖技術(shù)可以實現(xiàn)區(qū)域范圍作物生物理化參數(shù)空間分布狀況的反演，為精準(zhǔn)農(nóng)業(yè)決策提供可靠的依據(jù)，但當(dāng)前參數(shù)圖是基于半經(jīng)驗關(guān)系建立的預(yù)測模型，具有一定的時空限制性；另外，無人機(jī)搭載高光譜需要權(quán)衡空間、光譜分辨率與覆蓋范圍的關(guān)系才能獲取目標(biāo)的細(xì)微特征信息.

2.2 作物產(chǎn)量估測

及時預(yù)測作物產(chǎn)量可為經(jīng)營者管理種植模式和制定作物政策提供可靠支撐，已成為精準(zhǔn)農(nóng)業(yè)發(fā)展的迫切需求之一[20].無人機(jī)低空遙感估測作物產(chǎn)量主要是通過獲取作物在關(guān)鍵生長期的植被指數(shù)、水分含量、高度信息等建立回歸模型來實現(xiàn)[21].趙曉慶等[22]利用多旋翼無人機(jī)搭載成像高光譜傳感器監(jiān)測系統(tǒng)，獲取了不同生育期的不同光譜空間尺度下的大豆高光譜數(shù)據(jù)構(gòu)建植被指數(shù)，采用最小二乘法建立產(chǎn)量和植被指數(shù)之間的回歸模型，相關(guān)性高達(dá)0.811 7.在冬小麥的產(chǎn)量估測方面，朱婉雪等[23]通過最小二乘法構(gòu)建了基于不同植被指數(shù)與冬小麥實測產(chǎn)量的9種線性模型，相關(guān)性較好，最優(yōu)估算指數(shù)為EVI2.Md等[24]利用無人機(jī)遙感獲取水稻RGB圖像，利用多種圖像處理方式分割提取水稻，通過水稻米粒的面積來估測該地區(qū)的水稻產(chǎn)量，該方法人工提取特征的誤差較大.Zhang Meina等[25]提出了一種將RGB與CIR光譜圖像融合預(yù)測棉花產(chǎn)量的方法，基于全景圖像提取并計算了色度、植株覆蓋率與歸一化植被指數(shù)3個特征參數(shù)構(gòu)建預(yù)測模型，估計值與實際值之間的平均絕對誤差百分比為4.0%.當(dāng)前在農(nóng)作物產(chǎn)量估測方面，涉及到的農(nóng)作物較少，多集中在水稻、小麥、大豆等作物，大多數(shù)是通過建立回歸模型的方式分析相關(guān)性進(jìn)行估測，在作物的不同生育期差異性明顯，精度相對較低.在今后的研究中，需要融合作物多方面的生長參數(shù)，建立適用于特定作物的估測模型.

2.3 作物氮素診斷

作物正常生長離不開氮、磷、鉀等營養(yǎng)元素，尤其是氮素，決定著作物的光合能力和同化產(chǎn)物能力，因此氮肥的管理是提高作物產(chǎn)量、增強(qiáng)品質(zhì)的重要過程之一.無人機(jī)高光譜遙感監(jiān)測作物氮素主要是通過反演葉片顏色、葉綠素水平、水分含量等的變化導(dǎo)致的冠層光譜差異來獲取作物生物理化參數(shù)空間分布狀況.在氮素診斷研究中以水稻、冬小麥和玉米等糧食作物為主.在水稻田的精準(zhǔn)施肥管理上，秦占飛等[26]利用成像高光譜數(shù)據(jù)結(jié)合統(tǒng)計分析及遙感參數(shù)成圖技術(shù)，反演區(qū)域尺度水稻氮素含量的空間分布，均方根誤差僅有0.329.在玉米、小麥等作物營養(yǎng)快速診斷過程中，魏鵬飛等[27]在玉米種植基地分別采集無人機(jī)多光譜影像和實測葉片氮含量數(shù)據(jù)，建立的回歸模型R2均高于0.5，實現(xiàn)了對夏玉米葉片氮含量的高精度監(jiān)測.Liu等人[28]基于無人機(jī)高光譜系統(tǒng)獲取小麥冠層圖像，結(jié)合人工神經(jīng)網(wǎng)絡(luò)法建立了小麥葉片氮素反演模型，可預(yù)測小麥不同時期的葉片氮濃度.Jay等[29]利用無人機(jī)光譜獲取甜菜冠層影像，對甜菜冠層氮含量進(jìn)行反演.目前針對營養(yǎng)素監(jiān)測研究大多集中在構(gòu)建作物氮素營養(yǎng)指標(biāo)的反演模型上，而針對作物氮素營養(yǎng)指標(biāo)信息的基礎(chǔ)反演以及如何判斷氮素虧缺狀況和針對無人機(jī)影像圖設(shè)計變量施肥方法等的研究較少，因此基于無人機(jī)影像的氮素施肥推薦方法和模型尚需進(jìn)一步的探索；基于無人機(jī)高光譜成像遙感監(jiān)測作物氮素反演過程中復(fù)雜的生化組分如木質(zhì)素、淀粉等導(dǎo)致光譜吸收特征重疊也會影響氮素含量的估測.

2.4 作物病蟲草害監(jiān)測

根據(jù)聯(lián)合國糧農(nóng)組織統(tǒng)計，每年因病蟲草害導(dǎo)致的作物產(chǎn)量損失達(dá)30%以上，嚴(yán)重情況下甚至?xí)?dǎo)致作物絕產(chǎn)[30].快速監(jiān)測大范圍病蟲草害并采取有效的補(bǔ)救措施尤為重要，無人機(jī)低空遙感運行成本低、靈活性高和獲取數(shù)據(jù)實時性強(qiáng)的特點使其在作物病蟲草害大面積范圍的快速檢測中具有不可比擬的優(yōu)勢[31].薛金利等[32]借助無人機(jī)搭載光譜獲取不同低空分辨率的棉花苗期影像，利用YOLOv3模型對棉田雜草進(jìn)行了識別，識別率高達(dá)94.06%.Gome等人[33]借助無人機(jī)遙感圖像實現(xiàn)了小麥生長區(qū)內(nèi)雜草的識別，并根據(jù)識別結(jié)果對雜草進(jìn)行控制.在農(nóng)業(yè)遙感中，眾多學(xué)者通過分析農(nóng)作物生長信息的敏感波段，借助多光譜近紅外區(qū)域和紅邊區(qū)域的特點來監(jiān)測作物病蟲害[34].Hunt等[35]利用六旋翼無人機(jī)搭載多光譜相機(jī)獲取了馬鈴薯冠層影像信息，利用基于面向?qū)ο蟮姆治龇椒▉頊?zhǔn)確判定馬鈴薯甲蟲危害程度.高光譜遙感檢測病蟲害的原理是通過解析發(fā)生病蟲害的反射光譜和正常健康作物反射光譜的差異來實現(xiàn)，蘭玉彬等[36]在獲取無人機(jī)低空柑橘果園高光譜影像后，對健康植株和感染黃龍病的植株冠層感興趣區(qū)域處理實現(xiàn)對黃龍病的診斷，對測試集的誤判率僅為3.36%.利用無人機(jī)遙感技術(shù)對作物病蟲害信息的研究大多集中在對影像光譜特征和病蟲害發(fā)生程度的關(guān)系解析方面.針對無人機(jī)遙感農(nóng)作物病蟲害的早期診斷研究鮮有報道，若要在實際農(nóng)業(yè)生產(chǎn)中推廣應(yīng)用還需將影像數(shù)據(jù)與氣象、水資源等信息結(jié)合，解析成可以引導(dǎo)無人機(jī)航空植保的作業(yè)處方圖，并根據(jù)不同地區(qū)特點制定不同的精準(zhǔn)噴施方案.

2.5 作物倒伏狀態(tài)監(jiān)測

氣候變化和災(zāi)害性天氣等導(dǎo)致的作物倒伏會降低作物光合作用和結(jié)實率，大幅降低作物的產(chǎn)量[37]；此外，倒伏引起的植株損傷為病害傳播提供了條件，會再次加重受災(zāi)損失[38]，因此對植株倒伏進(jìn)行有效的監(jiān)測對減少農(nóng)作物損失有重要意義.無人機(jī)低空遙感影像的光譜、顏色及紋理特征為倒伏監(jiān)測和倒伏面積計算開辟了新思路.李宗南等[39]通過無人機(jī)遙感獲取了倒伏玉米的RGB圖像，分析色彩、紋理等特征計算倒伏面積.董錦繪等[40]將機(jī)器學(xué)習(xí)用于影像分類，利用拼接后的數(shù)碼影像估算了小麥倒伏面積，誤差最小為0.3%.戴建國等[41]采用無人機(jī)多光譜影像分析光譜反射率，建立了棉田倒伏災(zāi)害損失評估模型，在測試集上分類結(jié)果的準(zhǔn)確率為91.30%，AUC值為0.80.Han等[42]使用無人機(jī)獲取了倒伏玉米的多光譜和可見光圖像，提取紋理、冠層結(jié)構(gòu)、植被指數(shù)等參數(shù)，構(gòu)建了2種倒伏面積提取的Logistic模型.張新樂等人[43]為提高玉米倒伏面積的計算精度，采用無人機(jī)多光譜數(shù)據(jù)逐步提取特征分析差異，構(gòu)建基于5種典型特征組合的倒伏面積提取方法，對完熟期倒伏玉米的識別具有重要的借鑒意義.

2.6 作物水分脅迫診斷

無人機(jī)遙感在恰當(dāng)?shù)臅r空分辨率下獲取的圖像，對精準(zhǔn)分析作物所處的農(nóng)業(yè)氣象條件、土壤含水率、脅迫參數(shù)等的空間變異性及其相互關(guān)系具有非常重要的作用，可為大面積農(nóng)田范圍內(nèi)感知作物缺水空間變異性提供依據(jù).國內(nèi)外在此方面的研究主要分為基于作物自身參數(shù)的水分脅迫診斷方法和基于土壤含水率的診斷方法[44].在無人機(jī)遙感監(jiān)測土壤水分方面，利用多光譜、高光譜遙感以及多種傳感器獲取單一或多個波段建立植被指數(shù)模型是常用的方法.王敬哲等[45]采用無人機(jī)高光譜獲取的影像數(shù)據(jù)建立了差值指數(shù)、比值指數(shù)、歸一化指數(shù)及垂直植被指數(shù)與土壤含水率的關(guān)系，為干旱區(qū)綠洲農(nóng)田含水率提供了借鑒意義.張智韜等[46]采用無人機(jī)多光譜遙感獲取玉米和冬小麥的冠層多光譜正影射圖像，并同步采集根域不同深度的土壤含水率，構(gòu)建了基于機(jī)器學(xué)習(xí)的植被指數(shù)與土壤含水率的關(guān)系模型，模型R2高于0.851，均方根誤差僅為0.7%.針對基于作物自身水分脅迫感知的研究，已經(jīng)實現(xiàn)了對棉花[47]、西紅柿[48]、果園[49]以及葡萄園[50]等的水分脅迫監(jiān)測.利用熱紅外遙感獲取作物的溫度指數(shù)也可以準(zhǔn)確表征作物水分脅迫的溫度指數(shù)或指標(biāo).還有學(xué)者通過建立基于多光譜特定波段的植被指數(shù)來監(jiān)測作物生理特性和水分脅迫變異信息[51]，常用的有葉黃素、葉綠素和冠層結(jié)構(gòu)指數(shù)等，基于此三類指數(shù)的水分脅迫研究其田間效果穩(wěn)定性仍然值得進(jìn)一步探索.在將無人機(jī)低空遙感應(yīng)用于作物水分脅迫監(jiān)測過程中，需結(jié)合地面觀測效果，對多源時空信息融合提高精確度和實時性.

3 無人機(jī)低空遙感監(jiān)測農(nóng)情信息存在的不足和未來發(fā)展趨勢

3.1 當(dāng)前無人機(jī)低空遙感監(jiān)農(nóng)情信息研究存在的不足

無人機(jī)低空遙感在農(nóng)情監(jiān)測方面的研究在近十年來呈現(xiàn)指數(shù)式增長，總體而言，無人機(jī)遙感系統(tǒng)在農(nóng)情監(jiān)測推廣應(yīng)用方面取得了眾多顯著成果，但目前的研究仍存在不足，主要有以下幾個方面的問題：

（1）無人機(jī)飛行控制技術(shù)在近幾年雖然取得了較大發(fā)展，但無人機(jī)遙感監(jiān)測過程中的飛行平穩(wěn)性與智能化水平在面對復(fù)雜的作業(yè)環(huán)境時具有一定局限性.一方面，無人機(jī)難以承受較大的載荷能力，自身攜帶的傳感器精度、電池續(xù)航能力和通信距離等因素都會影響無人機(jī)遙感監(jiān)測的實用性[52]；另一方面，無人機(jī)受外在環(huán)境影響較大，在陰雨和多風(fēng)天氣難以開展相應(yīng)的飛行監(jiān)測工作，導(dǎo)致其適用性降低.盡管利用滑膜變結(jié)構(gòu)控制和抗干擾技術(shù)的飛行控制算法在一定程度上可以應(yīng)對風(fēng)力的影響[53?54]，但無人機(jī)獲取的遙感圖像信息抖動和噪點信息較多，需要經(jīng)過專業(yè)性較強(qiáng)和繁瑣的預(yù)處理過程[55]，處理結(jié)果對后續(xù)的數(shù)據(jù)分析及模型反演的精度有較大的影響，這也限制了其在農(nóng)業(yè)中的廣泛適用性.

（2）無人機(jī)低空遙感系統(tǒng)搭載的單一傳感器難以全面反映田間和作物表型信息，如何將不同遙感信息綜合使用，提高監(jiān)測精度、拓展監(jiān)測范圍還需進(jìn)一步思考.隨著機(jī)載傳感器的小型化和智能化，已有學(xué)者研究多源數(shù)據(jù)同步監(jiān)測農(nóng)田信息，如高林等[56]采用數(shù)碼影像和高光譜成像數(shù)據(jù)相結(jié)合的方式，綜合估算了玉米生物量.但目前多源數(shù)據(jù)融合解析作物表型信息的研究還很有限，在復(fù)雜的農(nóng)業(yè)環(huán)境中，其數(shù)據(jù)的組合不應(yīng)局限于兩個或多個傳感器的融合.韓文霆等[57]的研究表明空間關(guān)系的變化會影響目標(biāo)解析的特異性，針對田間空間變化可以通過多種方法獲得，特別是納米衛(wèi)星，也可以通過歷史產(chǎn)量圖、土壤電導(dǎo)率測量來提取土壤肥力等信息，或基于拖拉機(jī)的遙感，將所有這些資源的信息組合，可以為管理決策過程提供一定的輔助作用.如何將成像光譜數(shù)據(jù)與空間構(gòu)型數(shù)據(jù)高效融合以及無人機(jī)遙感數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)和地面監(jiān)測數(shù)據(jù)這類“空-天-地”一體型數(shù)據(jù)進(jìn)行融合的應(yīng)用，仍然需要進(jìn)一步加強(qiáng)研究.

（3）在無人機(jī)遙感監(jiān)測農(nóng)情信息研究中，未能考慮時空變換對作物表型信息獲取和解析的影響.在作物生長發(fā)育的不同時期，其光譜和紋理特征亦有所不同，而當(dāng)前基于無人機(jī)遙感的農(nóng)情信息監(jiān)測研究，大多基于單時段的數(shù)據(jù)，很少有獲取多個連續(xù)生長期的作物表型數(shù)據(jù)，反演參數(shù)少、代表性不足，難以準(zhǔn)確表達(dá)作物的真實長勢和指數(shù)等參數(shù).因此，對作物生長過程的連續(xù)性監(jiān)測并探尋農(nóng)情信息的周期性、動態(tài)性監(jiān)測模型很有必要[58].無人機(jī)低空遙感獲取數(shù)據(jù)后對作物指數(shù)反演、產(chǎn)量估測、氮素評估和作物生長脅迫模型的建立往往以經(jīng)驗為主，且針對不同類型的作物表型信息解析需要單獨建模，目前還沒有人為無人機(jī)遙感監(jiān)測研究開發(fā)通用的模型或調(diào)整作物的參數(shù)庫[6].盡管眾多學(xué)者利用植被指數(shù)、長勢參數(shù)等指標(biāo)通過經(jīng)驗統(tǒng)計回歸與機(jī)器學(xué)習(xí)等方法[8]成功應(yīng)用于作物覆蓋度、株高、倒伏面積、生物量、葉面積指數(shù)、冠層溫度、水分脅迫等農(nóng)情信息的解析，但對于大多數(shù)作物及其指標(biāo)而言，模型的穩(wěn)定性、準(zhǔn)確性和普適性還有待進(jìn)一步研究.此外，針對遙感信息獲取的目標(biāo)分布圖和氮素監(jiān)測水平圖等后續(xù)進(jìn)行的精準(zhǔn)管理應(yīng)用研究很少.因此急需開發(fā)高效的地物識別、信息提取與解析模型，形成一定的標(biāo)準(zhǔn)和通用方法.

3.2 無人機(jī)低空遙感應(yīng)用前景與發(fā)展趨勢

3.2.1 農(nóng)情遙感監(jiān)測應(yīng)用的廣度和深度不斷拓展

無人機(jī)遙感監(jiān)測技術(shù)在農(nóng)情信息獲取方面有著顯著的優(yōu)勢和廣闊的應(yīng)用前景，已成為高效獲取田間和作物表型信息并進(jìn)行農(nóng)業(yè)現(xiàn)代化管理的重要手段之一.當(dāng)前無人機(jī)遙感監(jiān)測的研究對象多數(shù)集中在玉米、小麥、水稻、棉花、大豆等作物，針對薯類、蔬菜類、林果業(yè)的研究較少，并且在研究中包含的作物品種數(shù)量少，僅依靠單一作物信息無法實現(xiàn)對復(fù)雜農(nóng)情的信息解析.因此在今后的發(fā)展過程中，應(yīng)不斷拓寬無人機(jī)遙感在農(nóng)情信息監(jiān)測的深度和廣度，為低空遙感在精準(zhǔn)農(nóng)業(yè)農(nóng)情信息獲取解析中提供更多理論和技術(shù)支持.

3.2.2 機(jī)載傳感設(shè)備的低成本、微小型化的研發(fā)方向

基于無人機(jī)低空遙感在農(nóng)情信息獲取與解析方面取得的巨大優(yōu)勢，如快速的田間取樣、高通量和高分辨率的數(shù)據(jù)類型、長勢參數(shù)的快速獲取、圖像快速同步、高效率作業(yè)方式等，但當(dāng)前無人機(jī)低空遙感傳感設(shè)備如高光譜儀、熱成像儀等價格昂貴，大大限制了無人機(jī)低空遙感信息獲取的應(yīng)用推廣.機(jī)載傳感設(shè)備的體積對無人機(jī)飛行過程中的續(xù)航能力和靈活性影響較大，急需開發(fā)成本低、體積小、質(zhì)量輕和通用性強(qiáng)的機(jī)載傳感設(shè)備，促進(jìn)無人機(jī)低空遙感技術(shù)在農(nóng)業(yè)中的推廣.

3.2.3 無人機(jī)多源數(shù)據(jù)融合技術(shù)的挖掘不斷深入

不同波段的傳感器在獲取信息方面的能力和特點有所不同，無人機(jī)多載荷傳感器協(xié)同觀測和數(shù)據(jù)融合處理技術(shù)對于高效反演作物信息，應(yīng)用于精準(zhǔn)農(nóng)業(yè)的日常實踐中具有重要意義.以作物病害信息監(jiān)測為例，遙感數(shù)據(jù)能夠提供面狀連續(xù)的數(shù)據(jù)，結(jié)合關(guān)鍵地區(qū)無人機(jī)多光譜數(shù)據(jù)，則能夠提供點狀的連續(xù)時相的數(shù)據(jù)[58].因此，未來的研究應(yīng)集中于利用光譜數(shù)據(jù)與熱數(shù)據(jù)的互補(bǔ)性，遙感數(shù)據(jù)與地面觀測數(shù)據(jù)的耦合性，高空衛(wèi)星和低空光譜數(shù)據(jù)的匹配性，不斷深入挖掘多源數(shù)據(jù)的融合技術(shù)，從而集成觀測數(shù)據(jù)并構(gòu)建通用性強(qiáng)、精度高、應(yīng)用廣泛的作物信息解析模型，為現(xiàn)代農(nóng)業(yè)精準(zhǔn)化管理提供更多堅實的保障.

3.2.4 遙感監(jiān)測技術(shù)標(biāo)準(zhǔn)化和易操作方案的推廣

無人機(jī)農(nóng)情遙感信息監(jiān)測對飛行控制技術(shù)、數(shù)據(jù)的解析建模等操作需要有專業(yè)的技術(shù)，特別是在熱數(shù)據(jù)和高光譜數(shù)據(jù)方面的處理能力，對技術(shù)人員的要求較高.因此需要對處理程序進(jìn)行標(biāo)準(zhǔn)化和易操作的全流程技術(shù)方案的研究與推廣，使用戶能夠自主實現(xiàn)對農(nóng)情信息的獲取和分析，允許非專家用戶將無人機(jī)操控、高光譜和熱傳感器等數(shù)據(jù)處理應(yīng)用于日常操作，進(jìn)一步擴(kuò)大無人機(jī)低空遙感平臺在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用范圍.

4 結(jié)論

無人機(jī)低空遙感作為現(xiàn)代精準(zhǔn)農(nóng)業(yè)的重要信息獲取方式，可以同時搭載多種不同的傳感載荷，經(jīng)常用于農(nóng)情遙感監(jiān)測的機(jī)載傳感設(shè)備主要有RGB相機(jī)、多光譜相機(jī)、高光譜相機(jī)、熱成像儀和激光雷達(dá)等，其高時效、高分辨率、低成本等特性，在農(nóng)情信息監(jiān)測中具有獨一無二的優(yōu)勢，已成為精準(zhǔn)農(nóng)業(yè)作物表型信息感知與解析的研究熱點.在遙感農(nóng)情監(jiān)測中通過對作物長勢監(jiān)測、產(chǎn)量估測、氮素診斷、病蟲草害監(jiān)測、倒伏監(jiān)測、作物水分脅迫分析等可為田間管理制定精準(zhǔn)作業(yè)方案，對于推動現(xiàn)代農(nóng)業(yè)生產(chǎn)具有重要的理論支撐和技術(shù)應(yīng)用價值.

雖然目前基于無人機(jī)遙感的農(nóng)情監(jiān)測作業(yè)已經(jīng)取得了一定成果，但仍然存在難以滿足多樣化的用戶需求，包括研究廣度和深度難以覆蓋復(fù)雜的農(nóng)業(yè)實際的現(xiàn)狀；傳感器的高成本和通用性低導(dǎo)致的推廣率低；遙感數(shù)據(jù)的單一性不能完全代表作物的生長信息；數(shù)據(jù)解析過程的專業(yè)性強(qiáng)，還未形成通用性強(qiáng)、易操作的解決方案.毫無疑問的是，無人機(jī)遙感技術(shù)將繼續(xù)發(fā)展，并進(jìn)一步擴(kuò)大其在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用領(lǐng)域.無人機(jī)傳感器質(zhì)量和性能以及用戶操作友好性的提高趨勢將持續(xù)下去，將易操作、通用性強(qiáng)、精度高的全套技術(shù)解決方案推廣到普通用戶，使得非專家用戶將無人機(jī)遙感監(jiān)測系統(tǒng)應(yīng)用于日常操作.