低空無人機遙感農情監(jiān)測

荊 成 ， 屠西文 ， 劉 瑞

（安徽理工大學空間信息與測繪工程學院，安徽 淮南 232001）

實時、精確地獲取農作物生長信息是實施精細化農業(yè)的前提[1-2]。農業(yè)具有較強的季節(jié)性與地域性，對遙感數據的時效性要求較高。傳統(tǒng)的衛(wèi)星遙感技術難以克服不同農作物、氣候條件等因素對反演精度的影響，導致農田產生宏觀尺度上的區(qū)域差異[3-4]。而無人機遙感對空間局域異質信息較為敏感，在低成本、小尺度下能獲取高分辨率、高圖像重疊度的影像，適合多種地形和種植結構的農田場景[5]。無人機遙感數據不僅能結合農田測量數據迅速完成農情監(jiān)測任務[6]，還能填補地面實測和衛(wèi)星遙感在測量尺度上的空缺。在農情信息監(jiān)測領域，無人機遙感不僅可用于監(jiān)測株高、葉面積指數、植被覆蓋度等農作物生長參數，還可以通過建立生長參數與產量的相關性模型來獲取農作物的生長動態(tài)信息，因而在輔助決策方面有著廣泛的應用前景。

1 低空無人機遙感概述

低空無人機遙感在農情監(jiān)測方面是以小型無人機為遙感平臺，根據不同任務需求規(guī)劃相應航線、搭載相應類型的傳感器，由此來快速獲取目標區(qū)域的高分辨率影像，并利用圖像處理技術挖掘農情信息[7]。

1.1 無人機平臺

適用于農情監(jiān)測的無人機主要有多旋翼、固定翼無人機，多旋翼無人機以大疆精靈系列為代表，其具有飛行狀態(tài)穩(wěn)定、航速姿態(tài)可調等優(yōu)點；固定翼無人機以華測P330為代表，其具有飛行速度快、作業(yè)面積大、抗干擾能力強等優(yōu)點。其中，多旋翼無人機更易上手，獲取多尺度、高重疊度的影像更為便捷，逐步發(fā)展為主流的遙感無人機[8-9]。

1.2 機載傳感器系統(tǒng)

低空無人機遙感主要依靠機載傳感器獲取農作物對電磁波的發(fā)射與反射信息來實現農情監(jiān)測。采集農作物光譜特征信息的主流傳感器有可見光、多光譜、高光譜、熱紅外、激光雷達[9]五類，其中，可見光、多光譜、熱紅外傳感器應用較多。同時，機載傳感器作為農情信息獲取的主要部件，其工作性能和品質也是影響所獲取的農作物信息精度的重要因素[10-11]。

1.3 地面控制系統(tǒng)

地面控制系統(tǒng)不僅能夠實時監(jiān)測及控制無人機的飛行高度、速度、方向以及飛行姿態(tài)，還能實時分析遙感數據，及時地了解傳感器的成像情況。必要時，地面控制系統(tǒng)可以將無人機的飛行模式轉換為手動模式，對無人機飛行路線進行人工干預。

1.4 遙感影像處理系統(tǒng)

遙感影像處理系統(tǒng)是分析和處理遙感數據的有力工具，通常是由高性能的計算機和影像處理軟件構成。通過對低空無人機遙感獲取的影像進行圖像恢復、數據壓縮、影像增強和信息提取等一系列專業(yè)處理，得到所需要的信息，以便后續(xù)深入分析。

2 無人機遙感在農情監(jiān)測中的應用

2.1 農作物長勢監(jiān)測

農作物長勢是指農作物生長的狀況與趨勢。研究表明，農作物的長勢會直接影響到其產量和品質，通過在農作物生育期及時獲取與產量相關的農作物表型信息進行長勢研究，可以為田間管理、早期產量估算提供宏觀的參考信息，為國家和相關部門的決策提供重要的參考依據。

利用無人機遙感影像反演得到的農作物冠層葉面積指數、葉片生物量及葉片氮含量等長勢參數，是農作物長勢、產量評估的重要依據。高林等[12]利用無人機獲取大豆在結莢和鼓粒兩個主要生長時期的多光譜影像，將獲取到的比值植被指數、歸一化植被指數等與農田實測葉面積植被數據結合；采用經驗模型法分別構建單變量、多變量大豆葉面積指數反演模型，通過決定系數等多個指標篩選出最佳模型，結果表明，處于鼓粒期大豆的葉面積指數能較好地反映大豆生長發(fā)育的旺盛程度。李強[13]利用無人機遙感技術獲取小麥在不同發(fā)育期的高光譜影像數據，將測定的不同發(fā)育期小麥長勢與其對應參數進行相關性分析，建立小麥不同發(fā)育期的長勢參數CGMI的PLSR模型，將模型預測CGMI值與地面實測CGMI值進行對比。結果表明，基于無人機影像技術的小麥長勢遙感系統(tǒng)具有較高的監(jiān)測精度，能夠全面監(jiān)測小麥在不同發(fā)育期的長勢。王翔宇等[14]利用無人機遙感獲取玉米的可見光遙感影像，在傳統(tǒng)冠層孔隙率處理方法的基礎上結合AP-HI算法，構建出玉米覆蓋度與葉面積指數的關系模型，對玉米葉面積指數進行反演。結果表明，基于無人機獲取的影像能提取農作物覆蓋度，為玉米長勢監(jiān)測提供理論依據。

2.2 農作物估產

無人機遙感估產是指利用無人機搭載傳感器獲取農作物各生育期的光譜數據，通過分析農作物不同生長期的光譜特征進行長勢監(jiān)測，同時對監(jiān)測范圍內農作物進行分層與面積計算，結合農業(yè)、氣候資料等建立合適的關聯模型，最終獲取農作物產量信息。

在農作物多個生長發(fā)育時期建立植被指數和農作物產量之間的統(tǒng)計模型，是目前簡單高效的遙感估產方法。程千等[15]利用無人機搭載多光譜傳感器獲取冬小麥的影像數據，在分析多種多光譜植被指數與冬小麥產量的相關性的基礎上，建立多時相植被指數構建產量估測數據集，利用偏最小二乘回歸（PLSR）、隨機森林回歸模型（RFR）等機器學習算法對冬小麥的產量進行估測。結果顯示，隨機森林回歸模型的精度最高，且灌漿期植被指數與產量相關性最高。王嘉盼等[16]基于無人機遙感平臺獲取影像數據，將小麥的葉片氮含量、地面實測葉面積指數等生理指標以及多種植被指數與產量進行相關性分析，提取相關性較高的生理指標與植被指數，并選擇在小麥不同生長發(fā)育期適用性最高的建模方法建立最優(yōu)估產模型。研究結果表明，采用多元逐步回歸法構建的抽穗期估產模型精度最高。王飛龍等[17]提出多時期“相對光譜變量”和“相對產量”的概念，利用無人機搭載高光譜成像儀獲取的數據建立相對歸一化光譜指數RNDSI集，確定水稻不同生長期最優(yōu)的RNDSI，并建立對應的水稻估產最優(yōu)模型進行檢驗。結果表明，使用分蘗期、拔節(jié)期、孕穗期和抽穗期的RNDSI構成的多元線性回歸模型效果最優(yōu)，證明相對光譜變量和相對產量的方法可較好地應用于水稻遙感估產。蘭銘等[18]融合無人機多光譜和熱紅外數據，對冬小麥不同發(fā)育階段的冠層高光譜信息進行處理，再結合支持向量機（SVM）算法對小麥籽粒產量進行估測，結果表明，在灌漿期利用熱紅外和多光譜共同建立的估產模型精度較高。

2.3 農作物生長脅迫因子監(jiān)測

在農業(yè)生產過程中農作物的生長脅迫現象普遍存在，其中，水分、生物和土壤脅迫對農作物生長的影響較為嚴重。受脅迫的農作物與健康農作物在光譜曲線上有所差異，常表現為近紅外區(qū)域的光譜發(fā)生藍移或紅移，無人機遙感技術可識別出這些差異，并判斷出農作物的脅迫類型。

3 結語與展望

目前，衛(wèi)星遙感估產由于高時空分辨率難以同時滿足、波段數量少等原因，估產精度難以進一步提高。無人機成像高光譜技術以其高時空分辨率、豐富的波段數量和圖譜結合的遙感影像等優(yōu)勢被廣泛地應用于現代智慧農業(yè)與精準農業(yè)，使高精度的農作物估產成為可能。

多樣化、多尺度、多時相遙感數據的不斷采集，地物波譜信息以具有大數據特征的遙感數據集來存儲。同時，傳統(tǒng)的遙感分析方法結合大數據分析方法，能夠更加系統(tǒng)、精準地從遙感數據集和其他空間輔助數據中挖掘農情信息，為農業(yè)遙感提供更為精確的數據支持，加速科學化的農業(yè)管理。然而，僅依靠人工長周期處理遙感大數據的方式，既滿足不了用戶的需求，也不現實。目前，人工智能技術與圖像處理技術的多層次融合，使得人工智能正成為遙感大數據的解譯俠，為人工遙感專題分析前解決了大批量重復分類和目標識別工作。同時，遙感云計算技術整合遙感大數據、其他輔助數據以及數據處理算法和工具，將遙感大數據的存儲、處理和分析功能放置在云端，通過服務器向用戶提供遙感數據存儲服務和分析服務，使得遙感云計算不僅為遙感大數據的預處理工作提供了保障，還打破了軟件和硬件對非專業(yè)人士的壁壘，為遙感專家和農戶建立了更直接的聯系。

結合多種主流計算機技術，低空無人機遙感在現代智能化農業(yè)生產以及未來精準化農業(yè)建設中發(fā)揮著重要的作用，并呈現出主流發(fā)展趨勢。能夠快速、大面積采集農田信息的低空無人機遙感技術為智能化、精準化農業(yè)生產奠定了堅實的基礎?？梢灶A見，隨著智能化的低空無人機遙感技術不斷進步成熟，且未來低空無人機遙感技術的需求不斷增加，該技術會為我國智能化現代農業(yè)的發(fā)展提供極大的幫助。