無人機遙感監(jiān)測作物病蟲害脅迫方法與最新研究進展

趙華寶

（三和數(shù)碼測繪地理信息技術(shù)有限公司，甘肅 天水 741000）

1 無人機遙感監(jiān)測在作物病蟲害脅迫層面的主要應用方法

1.1 應用概述

應用無人機遙感監(jiān)測對作物病蟲害進行脅迫主要是指應用無人機作為遙感監(jiān)測環(huán)節(jié)的技術(shù)平臺，通過無人機中裝載的各種傳感器收集與獲取目標作物在監(jiān)測環(huán)節(jié)的點云、視頻、遙感影像等數(shù)據(jù)信息，通過對數(shù)據(jù)信息實行分析處理、數(shù)據(jù)挖掘、模型構(gòu)建等操作，來獲取作物病蟲害在脅迫層面的主要數(shù)據(jù)信息。無人機遙感監(jiān)測在應用層面，可以劃分為兩種：1）單一遙感監(jiān)測方式。主要是應用無人機裝載相對應的傳感器，有針對性地獲取、研究、處理、分析作物病蟲害在脅迫層面的數(shù)據(jù)信息。2）綜合遙感監(jiān)測方式。主要是利用無人機遙感監(jiān)測技術(shù)，與地面人工調(diào)查、取樣等獲取方式實現(xiàn)有機融合，由此對作物病蟲害在脅迫層面的數(shù)據(jù)信息實現(xiàn)收集、整理、分析等諸多工作。

在實際應用環(huán)節(jié)，可以針對作物生長的不同狀況，選擇應用單一遙感監(jiān)測或者綜合遙感監(jiān)測的方式，來獲取作物病蟲害在脅迫層面的主要信息，由此合理保證數(shù)據(jù)信息獲取的精準性以及動態(tài)監(jiān)測的高效性，有助于為作物病蟲害在防治層面提供科學有效的數(shù)據(jù)參考。在應用層面涉及的主要技術(shù)平臺，包括無人機飛行平臺、機載傳感器為主要代表的無人機遙感監(jiān)測硬件系統(tǒng)；以無人機測量、攝影、測繪等專業(yè)化的處理軟件、數(shù)據(jù)分析算法、數(shù)據(jù)模型為主要代表的監(jiān)測系統(tǒng)。

1.2 數(shù)據(jù)獲取的主要方式

1.2.1 無人機飛行平臺獲取方式

無人機主要是指應用無線電遙控設(shè)備、程控裝備自主操控的無人飛行器。在應用層面，可以劃分為混合翼無人機、單旋翼無人機、固定翼無人機、多旋翼無人機等幾種類型。應用無人機遙感監(jiān)測方式，分析作物病蟲害脅迫方法的時候，需要對飛行空間分辨率、監(jiān)測精準度、飛行高度、續(xù)航時間、機載重量等諸多數(shù)據(jù)信息予以重點關(guān)注，其中不同種類的無人機飛行平臺在應用層面的數(shù)據(jù)參數(shù)存在差異。

因為無人機遙感監(jiān)測數(shù)據(jù)在獲取環(huán)節(jié)飛行平臺的選擇，對數(shù)據(jù)收集的質(zhì)量會起到直接影響，所以在具體選擇無人機飛行平臺的時候，要求平臺具備飛行持久、高穩(wěn)定性、可操作性等諸多特征，由此確保遙感數(shù)據(jù)在監(jiān)測環(huán)節(jié)的質(zhì)量。近年來，多旋翼無人機憑借自身可以定點懸停、飛行穩(wěn)定度高、航速調(diào)節(jié)靈活性高等諸多特征，在分辨率高、多尺度的定點作物病蟲害脅迫數(shù)據(jù)信息的獲取、分析、研究等環(huán)節(jié)，得到了大范圍的應用以及推廣。

1.2.2 機載傳感器的獲取方式

應用無人機遙感監(jiān)測作物病蟲害脅迫時，機載傳感器的類型主要包含激光雷達傳感器、熱紅外相機傳感器、數(shù)碼相機傳感器、高光譜相機傳感器、多光譜相機傳感器等不同類型。無人機遙感監(jiān)測環(huán)節(jié)應用的機載傳感器，可以劃分為熱力學傳感器、光電學傳感器、光學傳感器等不同領(lǐng)域，其中少數(shù)機載傳感器被劃分在聲學領(lǐng)域。所以，應用無人機遙感監(jiān)測的方式收集并獲取作物病蟲害脅迫數(shù)據(jù)信息時，需要結(jié)合作物的類型、病蟲害發(fā)生的具體程度、不同地區(qū)的實際特征等狀況，綜合性地選擇最為合理的傳感器。

1.2.3 無人機遙感監(jiān)測數(shù)據(jù)信息的獲取流程

應用無人機遙感監(jiān)測方式來獲取作物病蟲害數(shù)據(jù)信息時，主要操作流程是確保每次飛行環(huán)節(jié)的操作可控性、飛行安全、數(shù)據(jù)信息獲取的精準性，因為無人機數(shù)據(jù)信息的獲取質(zhì)量以及數(shù)量，對于數(shù)據(jù)分析結(jié)果會起到直接影響。自動化作業(yè)模式下的無人機遙感監(jiān)測病蟲害脅迫，主要包含飛行之前的準備、正式飛行之前的準備、執(zhí)行飛行作業(yè)、結(jié)束飛行作業(yè)等諸多流程[1]。

1.3 數(shù)據(jù)處理的主要方式

1.3.1 數(shù)據(jù)統(tǒng)計方法

在研究作物病蟲害脅迫方法時，無人機遙感監(jiān)測技術(shù)通常應用聚類分析、方差分析、判別分析、回歸分析、相關(guān)分析、描述統(tǒng)計分析等諸多不同方式的統(tǒng)計分析方法，對監(jiān)測數(shù)據(jù)信息進行研究。

以上述方式為基礎(chǔ)，參考植被在光譜層面的具體特征，可以通過遙感監(jiān)測獲取作物遭受病蟲害脅迫的主要方式。針對光譜曲線數(shù)據(jù)信息進行研究以及分析，能夠明確作物病蟲害在脅迫層面的光譜曲線數(shù)據(jù)變化特點。通常情況下是指以植被指數(shù)、波段計算以及組合、特定光譜波段等方式為基礎(chǔ)，科學合理地提取光譜曲線特點。因為不同種類的病蟲害脅迫對于作物在生長發(fā)育等層面造成的影響會存在不同差異，所以特定光譜波段有助于對不同種類的病蟲害脅迫實行合理監(jiān)測。光譜波段數(shù)據(jù)在經(jīng)過運算組合之后，能夠獲取數(shù)據(jù)信息，由此精準地反映作物植被在生產(chǎn)方面的實際狀況以及植被的具體覆蓋度等有價值的數(shù)據(jù)信息（VI）。

VI當前通常被用來定量評估以及定性植被的實際覆蓋率以及生長發(fā)育層面的存活率，在監(jiān)測作物病蟲害脅迫層面，應用較為常見的VI主要由2～3個波段共同構(gòu)成。應用VI展開回歸分析或者相關(guān)分析的統(tǒng)計方式，能夠構(gòu)建遙感監(jiān)測數(shù)據(jù)、作物生長發(fā)育數(shù)據(jù)信息的反推演模型，也就是指經(jīng)驗模型。經(jīng)驗模型在構(gòu)建層面，需要體量龐大的數(shù)據(jù)信息作為前提，然而實測環(huán)節(jié)的數(shù)據(jù)信息精準度高低，直接決定野外實驗數(shù)據(jù)在測量環(huán)節(jié)的精準度。通常狀況下，在實測數(shù)據(jù)收集區(qū)域模型內(nèi)部的實用性相對較高，在其他區(qū)域的實用性相對較差。

1.3.2 機器學習方法

現(xiàn)階段，應用無人機遙感監(jiān)測的方式來獲取作物病蟲害脅迫方法，在研究層面主要集中在機器學習方法上。機器學習在應用層面的主要方式是借助算法對遙感監(jiān)測數(shù)據(jù)信息進行解析以及學習。機器學習在應用層面的傳統(tǒng)算法主要包括近K-鄰算法、支持向量機、隨機森林、貝葉斯分類、聚類、決策樹等諸多算法。就學習方法層面來講，機器學習算法可以劃分為強化學習、深度學習、集成學習、半監(jiān)督學習、無監(jiān)督學習、監(jiān)督學習等諸多不同方式。

在傳統(tǒng)形式的機器學習算法中，如何在數(shù)據(jù)提取環(huán)節(jié)獲取應用價值最高的特點，以供算法以及模型的應用研究，是其在應用層面的核心。當作物在生長發(fā)育層面遭受不同程度的病蟲害脅迫時，顏色、植株高度、葉片面積等外部形態(tài)、內(nèi)部生理會發(fā)生不同程度的改變。所以，除了應用無人機遙感監(jiān)測的方式獲取作物在病蟲害脅迫層面的影像光譜數(shù)據(jù)之外，形狀特征（小波輪廓描述、形狀不變矩、傅里葉變換等特征）、紋理特征（小波變換、灰度共生矩陣、灰度直方圖、局部二值模式等特征）、顏色特征（顏色聚合向量、顏色矩、顏色熵、顏色直方圖等特征）等，也經(jīng)常在研究環(huán)節(jié)被提取以及應用。

除此之外，還可以結(jié)合作物生長的具體特征，對各種作物在病蟲害脅迫狀態(tài)下，作物的含水量、生物量、葉綠素含量、植株高度等指標進行抽樣調(diào)查。同時需要注意，作物在受到病蟲害脅迫時，養(yǎng)分土壤、含水量、海拔、濕度、溫度等環(huán)境特征，也會對病蟲害脅迫造成一定程度的影響，需要著重對其展開系統(tǒng)性、周期性、長期性的研究以及分析[2]。

2 最新研究進展

2.1 無人機遙感可見光影像的監(jiān)測

可見光影像在應用層面可以劃分為綠、藍、紅3個波段，由此可知，光傳感器主要是指RGB傳感器、數(shù)碼相機。國內(nèi)外的研究人員借助不同的無人機平臺，同時研究融合了多種不同型號的數(shù)碼相機、RGB傳感器，針對田間農(nóng)作物在病蟲害層面展開了分析，同時獲取了相對較好的實驗成果。以數(shù)碼圖片影像為基礎(chǔ)的病蟲害監(jiān)測工作，是應用不同區(qū)域劃分、飛行高度等方式，來收集光譜數(shù)據(jù)信息，同時提取影像圖片中的紋理、顏色等特征，由此識別病蟲害。在借助特征信息識別病蟲害時，為了更好地辨別玉米螟蟲、大豆病害的具體產(chǎn)生動態(tài)，需要針對數(shù)碼相機在影像獲取層面設(shè)置不同的飛行高度，提取影像在空間、紋理、顏色等層面的變化特點，由此針對玉米螟蟲、大豆病蟲害在空間變化特征層面進行監(jiān)測。

另外，無人機可見光技術(shù)在應用層面，可以借助可見光的波段來提取數(shù)據(jù)特征信息，建立植被指數(shù)以及分類模型，由此對病蟲害的類型進行監(jiān)測以及甄別。借助植被指數(shù)信息對病蟲害進行識別，可以應用近地高光譜數(shù)據(jù)篩選出特點最強的指數(shù)，對可見光影像在顏色層面的特征信息，以及病情指數(shù)在關(guān)聯(lián)性層面展開有針對性的分析，借助綜合光譜數(shù)據(jù)信息，科學合理地預測小麥白粉病的具體發(fā)生狀態(tài)。對于不同類型的病蟲害在發(fā)生量的識別層面，也有研究人員借助可見光影像以及其他遙感數(shù)據(jù)相互融合的方式實行監(jiān)測工作，科學合理地評估目標病蟲害的實際發(fā)生量[3]。

2.2 無人機遙感在多光譜影像數(shù)據(jù)中的監(jiān)測

無人機遙感的多光譜影像主要是借助兩個以上的波譜通道傳感器，來確保地物能夠同步成像，將目標物體信息劃分為不同的光譜波段影像，由此有針對性地提取光譜數(shù)據(jù)特征信息。在監(jiān)測病蟲害數(shù)據(jù)信息時，將多個不同波段的光譜信息以模型組件的方式對其進行反推演，由此預測病蟲害發(fā)展的最嚴重程度。國內(nèi)外研究人員在借助無人機遙感多光譜影像的方式對病蟲害進行監(jiān)測時，大多數(shù)是針對不同的時間維度、葉片尺度、冠層尺度、區(qū)域尺度、空間維度等光譜影像展開研究以及分析，由此挑選出與病蟲害關(guān)聯(lián)性相對較強的植被參數(shù)信息，提取目標物光譜的實際特征信息，之后與地面同步調(diào)查結(jié)果進行有機融合，構(gòu)建尺度影像不同的類別模型，針對病蟲害實現(xiàn)有針對性的監(jiān)測[4-7]。

2.3 無人機遙感高光譜影像的監(jiān)測

現(xiàn)階段，在應用無人機高光譜影像遙感的方式對病蟲害進行監(jiān)測時，主要對象包括柑橘、油菜、棉花、小麥等作物。應用無人機高光譜遙感技術(shù)，針對目標不同的病蟲害進行監(jiān)測，將無人機高光譜影像數(shù)據(jù)信息與其他類型的遙感數(shù)據(jù)信息進行有機融合，由此提取目標病蟲害的實際特征數(shù)據(jù)，應用多種不同類型的遙感技術(shù)以及分類建模的方式，有針對性地識別病蟲害類型，其中大部分技術(shù)都得到了比較理想的效果。

在無人機高光譜成像、多平臺遙感綜合監(jiān)測農(nóng)作物病蟲害的研究層面，國內(nèi)外的有關(guān)研究人員同步應用網(wǎng)絡化地理信息系統(tǒng)平臺、近地光譜儀器、多光譜傳感器和高光譜傳感器收集光譜數(shù)據(jù)信息，借助多平臺的綜合光譜數(shù)據(jù)信息，針對區(qū)域尺度內(nèi)部的油菜、棉花、小麥等作物，在病蟲害層面進行合理監(jiān)測。對于不同種類的遙感影像技術(shù)在研究層面，可以將高光譜遙感影像通過不同的分類方式，對圖像類別進行劃分，同時對分類層面的精準度進行有效評估，從而挑選出最為合理的類別劃分技術(shù)以及組合波段，有助于針對病蟲害影像數(shù)據(jù)展開精準科學的識別以及分類[8-10]。

3 結(jié)語

綜上所述，病蟲害對農(nóng)作物生長發(fā)育會造成較大的威脅，不僅會對農(nóng)作物產(chǎn)量以及產(chǎn)品質(zhì)量造成不利影響，情況嚴重者可能直接導致農(nóng)作物絕收。所以，要想精準、高效、迅速地掌控病蟲害的產(chǎn)生動態(tài)，就需要采取有效的措施對其進行防控以及治理，這對于農(nóng)作物增產(chǎn)、增量、保收而言具有較為重要的現(xiàn)實意義。無人機遙感技術(shù)是現(xiàn)代化背景下監(jiān)測作物病蟲害的一種主要技術(shù)，在應用層面具備無損監(jiān)測、大面積、客觀、高效、快速、實時等諸多優(yōu)勢，對其展開深層次的研究以及分析，能夠推動我國農(nóng)業(yè)領(lǐng)域朝著信息化、智能化、現(xiàn)代化、安全化、高效化、優(yōu)質(zhì)化、智慧化的方向不斷發(fā)展。