無人機多光譜遙感技術在農(nóng)業(yè)統(tǒng)計中的運用

張 艷 ，陳 丕

（三和數(shù)碼測繪地理信息技術有限公司，甘肅 天水 741000）

1 無人機多光譜遙感與可見光遙感技術區(qū)別

現(xiàn)階段，無人機遙感技術具有多種類別，其中包括多光譜技術、高光譜技術、可見光技術等，不同類別技術具有不同的應用效果與應用特點，其中可見光遙感技術在與多光譜遙感技術在農(nóng)業(yè)統(tǒng)計調(diào)查中較為常見。可見光遙感技術在實際應用中具有一定限制性，當?shù)孛娲嬖诜e水或者有霧天氣時，航攝影像質(zhì)量會出現(xiàn)嚴重下滑，不利于辨別地面物體；普通光學鏡頭難以穿過塑料薄膜以及玻璃等材質(zhì)對物體進行識別；牲畜監(jiān)測時由于建筑物遮擋難以有效獲取全面精確的信息。無人機多光譜遙感技術能夠有效應對以上問題[1]。多光譜傳感裝置能夠識別更多頻段的光譜波段，從而獲取到更加精確詳細的光譜信息。

可見光通常是指紅色、青色、黃色等常見光，紅外線和紫外線屬于不可見光，可見光波長在380 nm～700 nm范圍內(nèi)，紅外線波長在700 nm～1 000 nm范圍內(nèi)，紫外線波長在10 nm～380 nm范圍內(nèi)。多光譜遙感技術主要在紅外線或紫外線波段成像，與可見光相比能夠呈現(xiàn)出更多的細節(jié)內(nèi)容[2]。同時，多光譜影像信息通常是指用像素表示的3～10個波段信息，每個波段都能夠利用遙感輻射計檢測獲取，因此具有良好的應用效果，在霧霾天氣、地面積水以及溫室大棚等條件下能夠順利開展影像監(jiān)測工作。

2 無人機多光譜遙感信息數(shù)據(jù)獲取和處理

無人機多光譜遙感技術在實際應用過程中，會獲取到多個波段獨立的覆蓋范圍相對較小的圖片信息，隨后經(jīng)過輻射校準以及攝影測量等處理操作獲取到大范圍具有反射信息數(shù)據(jù)的真實影像，數(shù)據(jù)信息處理流程包括多光譜數(shù)據(jù)處理、圖片影像拼接、數(shù)據(jù)校正以及遙感信息生成等。

1）攝影數(shù)據(jù)處理。首先需要將大量獨立波段的多光譜影響信息拼接轉換為多光譜正射影像信息，同時進行地理信息配準以及幾何校正等操作。利用PS、LPS等軟件工具快速開展數(shù)據(jù)處理工作，在操作過程中需要注意的是，多光譜影像通常具有多個波段，需要注重不同波段的選擇問題，以此保證影像信息的質(zhì)量，在選擇過程中依據(jù)環(huán)境條件、反射基礎特種證等因素進行綜合考量。2）輻射校正[3]。輻射校正主要負責為傳感裝置DN指數(shù)轉化為傳感裝置輻射亮度提供函數(shù)，以此消除云層陰影、相機曝光、太陽角度等因素對實際測量參數(shù)的影響。多光譜輻射校正通常選擇代替輻射校正方法，是一種現(xiàn)場測量的校正方法，能夠對傳感裝置靈敏度、暗電流、曝光設置以及增益參數(shù)等進行有效補償。3）影像生成?；跓o人機多光譜遙感信息能夠生成地面監(jiān)測信息，并將信息數(shù)據(jù)與實際應用相結合，從而生成不同作用的數(shù)據(jù)資源信息圖。

3 無人機多光譜遙感技術在農(nóng)業(yè)統(tǒng)計中的具體應用

3.1 農(nóng)作物長勢信息監(jiān)測

不同種類的農(nóng)作物在生長發(fā)育過程中對于蛋白質(zhì)、水分、葉綠素和氮素等營養(yǎng)成分需求不盡相同，因此導致農(nóng)作物冠層群體反射光譜不盡相同。利用無人機多光譜遙感技術能夠對農(nóng)作物種類進行生化組分反演，以此探查農(nóng)作物生長發(fā)育情況，幫助農(nóng)業(yè)人員快速精確地獲取到農(nóng)作物生長信息，及時了解農(nóng)作物長勢、病蟲害、營養(yǎng)情況等信息，以便開展相關治理防治工作，保障農(nóng)作物生長健康。比如，為探究冬小麥生長過程中葉綠素含量變化情況，利用無人機多光譜遙感技術對冬小麥進行遙感監(jiān)測，對冬小麥生長過程中的拔節(jié)期、孕穗期、抽穗期以及開花期進行監(jiān)測探究，分析不同波段和葉片葉綠素含量間的關系，依據(jù)多光譜信息數(shù)據(jù)構建回歸模型，從而對葉綠素含量最佳回歸手段以及生長階段進行反演，以此為農(nóng)作物生產(chǎn)監(jiān)測提供技術支持[4]。

試驗區(qū)域設置在陜西省關中楊陵區(qū)，整體地勢呈北高南低趨勢，海拔高度在450 m左右，年降水量在655 mm左右，當年10月份進行冬小麥種植，于下一年6月份收獲作物。試驗區(qū)域共劃分成65個長方形小型試驗區(qū)域，每個試驗區(qū)為2.5 m*25 m，內(nèi)部規(guī)劃出1 m*1 m樣本區(qū)。

試驗團隊利用六旋翼無人機進行遙感監(jiān)測，搭載五波段多光譜相機，以此構成無人機多光譜遙感系統(tǒng)。數(shù)據(jù)信息采集天氣全部為晴朗天氣，采集時間統(tǒng)一為下午3點至4點，無人機距地面高60 m飛行，航速保持在5 m/s左右，航向與旁向重疊度為80%，地面分辨率在4 cm/pixel。多光譜相機鏡頭垂直向下，共采集5種波長小麥冠層多光譜信息，中心波長分別設置為475 nm、560 nm、668 nm、717 nm、840 nm。在無人機航攝過程中需要地面同步開展相關輔助工作，由測繪人員手持葉綠素儀對65個樣本點位進行全面檢測，在樣本區(qū)域選擇7株具有代表性的冬小麥，對葉基、葉中和葉尖部位進行葉綠素含量測量，從而求得植株葉綠素含量平均值，將這7株冬小麥平均指數(shù)作為樣本葉綠素含量。

利用PixDmapperr對無人機多光譜遙感數(shù)據(jù)進行后續(xù)處理。對地面控制點信息進行校正，生成正射影像數(shù)據(jù)；隨后利用灰板進行反射率校正，進而獲得試驗地反射率影像，將信息數(shù)據(jù)以“.TIF”格式儲存；最后利用ENVI軟件工具獲取4個生長周期多光譜反射率影像信息。構建冬小麥葉綠素含量反演模型，并依據(jù)反演模型對冬小麥葉綠素含量變化情況進行總結分析。通過試驗測試能夠得出結論，冬小麥隨著生長期的變化，葉綠素含量值會呈現(xiàn)出不斷上升的趨勢，本次試驗取得的冬小麥葉綠素含量變異系數(shù)處于10%以內(nèi)，屬于弱變異情況。

3.2 農(nóng)作物葉面積指數(shù)提取

葉面積指數(shù)能夠有效反映出農(nóng)作物生長發(fā)育情況，是評估農(nóng)作物生長狀態(tài)的重要參數(shù)。利用無人機多光譜遙感技術能夠獲取到農(nóng)作物光譜信息，從而對葉面積指數(shù)進行反演推算，以此能夠獲取農(nóng)作物實際生長情況，對農(nóng)業(yè)發(fā)展具有十分重要的作用。以玉米作物為案例進行分析，利用無人機配置多光譜成像裝置對玉米作物拔節(jié)期、抽雄期和成熟期等重要階段進行遙感影像監(jiān)測，采集玉米作物葉面積指數(shù)，以此構建玉米作物葉面積指數(shù)估算模型，同時篩選出最佳監(jiān)測時期和最佳植被指數(shù)。

試驗區(qū)域設置在農(nóng)科院新鄉(xiāng)實驗基地，海拔高度在79 m左右，無霜期在210天左右，年降水量平均指數(shù)為585 mm。

無人機多光譜遙感信息采集主要使用六旋翼無人機搭載多光譜成像裝置，能夠同時收集紅光、藍光、綠光、紅邊光以及近紅外光5種光譜波段，相機焦距設置為505 mm，影像分辨率為1 280*960。影像航攝期間為晴朗無云天氣，航攝時間設置在11時至14時，無人機飛行高度設置在70 m左右，航向重疊度與旁向重疊度為70%。航攝影像信息的空間分辨率為0.035 m，RGB高清影像的空間分辨率為0.028 m，以此作為幾何校正基礎數(shù)據(jù)。

利用Pix4Dmapper軟件作為影像數(shù)據(jù)信息處理工具，具體流程如下：初始化處理；對紋理和點云進行處理；對正射影像和DSM等進行操作處理；反射板校正處理，對影像信息進行拼接處理，輸出拼接后的影像信息；幾何校正，將誤差值控制在0.5個像元內(nèi)；依據(jù)地區(qū)地理坐標進行圖像剪裁，形成試驗區(qū)域多光譜遙感影像。在農(nóng)作物指數(shù)選取過程中，需要對遙感估算的不確定性因素進行綜合考量，結合多光譜影像信息特點，對NDVI、OSAVI、NDRE以及EVI指數(shù)進行采集，構建出玉米作物葉面積指數(shù)估算模型。將連續(xù)兩年的數(shù)據(jù)信息進行分析組處理，使用經(jīng)驗模型方法開展葉面積指數(shù)估算[5]。同時利用回歸分析與相關分析方法構建經(jīng)驗模型，利用獨立數(shù)據(jù)信息對模型精確度進行有效驗證。在經(jīng)驗模型建設過程中探討最佳估算時期和最佳植被指數(shù)，以此為基礎進行大面積玉米作物葉面積指數(shù)空間模型繪制，同時結合空間分布圖對田間實測值進行收集取樣，以此分析反演圖的精確程度，深入分析多光譜信息數(shù)據(jù)對玉米作物葉面積指數(shù)進行研究分析。在系統(tǒng)試驗分析后能夠得出結論，不同生長發(fā)育時期植被指數(shù)和葉面積指數(shù)間的關系系數(shù)達到0.713～0.868，說明試驗選擇植被指數(shù)能夠作為葉面積指數(shù)建?；A參數(shù)。

3.3 病蟲害監(jiān)測分析

農(nóng)作物發(fā)生病蟲害問題后，其冠層結構和葉片色素會發(fā)生明顯變化。利用無人機多光譜遙感技術能夠對作物變化產(chǎn)生的波段浮動情況進行動態(tài)監(jiān)測，以此判斷農(nóng)作物病蟲害程度，輔助農(nóng)業(yè)人員開展相關病蟲害防治工作。以棉花作物為對象進行研究分析，利用無人機多光譜遙感技術對農(nóng)作物長勢情況、棉葉螨蟲害監(jiān)測情況進行分析，利用無人機搭載高清分辨率相機進行影像監(jiān)測收集，結合棉花田光譜響應規(guī)律對特定光譜指數(shù)記性篩選，以此構建監(jiān)測模型，從而實現(xiàn)大面積棉花田地快速監(jiān)測診斷[6-9]。

試驗區(qū)域位于新疆生產(chǎn)建設146團某處分場，該地區(qū)屬于溫帶干旱氣候，陽光資源十分豐富，降水量較少。棉花種植品種為陸旱161號，試驗范圍8 500 m2左右，其中主要蟲害為棉葉螨。

采用大疆八旋翼無人機打造多光譜相機進行影像采集，能夠收集12個不同波段，分別是可見光、紅邊、近紅外波段，無人機航攝時間為12時至14時，飛行天氣晴朗無云且風力在3級以內(nèi)。飛行高度設置為80 m，平均飛行速度為5 m/s，影像空間分辨率為0.04 m，航向重疊率設置為60%，旁向重疊率設置為80%。

利用Pix4Dmapper軟件作為影像數(shù)據(jù)信息處理工具。棉葉螨會導致棉花作物內(nèi)部生理形態(tài)和外部形態(tài)發(fā)生一系列變化，可見光和近紅外光的反射峰會出現(xiàn)明顯變化，選擇采集影像中6項波段數(shù)據(jù)，同時結合14項植被指數(shù)，形成20個基礎特征參數(shù)構建棉葉螨蟲害回歸模型[10]。利用邏輯回歸模型對因變量為分類變量的信息數(shù)據(jù)進行處理操作。利用二值邏輯方法對特定條件下事件發(fā)生概率進行解釋，用0和1代替兩種不同作物狀態(tài)。利用ArcMap工具進行分析，依據(jù)棉花螨蟲害具體調(diào)查情況和地理坐標數(shù)據(jù)提取影響信息中對應范圍的光譜指數(shù)，同時和螨蟲害實際情況進行相關性分析。對特征變量歸一化處理，在總計180個調(diào)查點位中選擇2/3數(shù)量點位進行訓練，剩余1/3數(shù)量點位進行測試，依據(jù)相關性數(shù)值大小關系添加光譜指數(shù)，以此作為輸入因子構建邏輯回歸模型。分析模型能夠發(fā)現(xiàn)，棉葉螨大多分布在試驗田地東北部地區(qū)，主要原因在于東北部靠近道路，雜草相對較多，進而導致蟲害發(fā)生擴散。棉葉螨發(fā)生初始階段，蟲害等級指數(shù)為1級，螨蟲害葉片光譜響應變化相對較小，整體處于健康狀態(tài)。因此在試驗中將螨蟲害等級達到2級以上的定義為蟲害發(fā)生，該種方法可能會對模型精度造成一定干擾，因此需要研究人員進一步深入研究。

4 結論

無人機遙感技術在農(nóng)業(yè)統(tǒng)計調(diào)查中具有十分優(yōu)秀的應用效果，能夠幫助農(nóng)業(yè)人員開展高效化、便捷化、科學化以及精確化的農(nóng)業(yè)統(tǒng)計工作，對農(nóng)作物生長情況、病蟲害、營養(yǎng)水分等進行詳盡調(diào)查，從而得到真實可靠的農(nóng)作物信息，可幫助農(nóng)業(yè)人員開展農(nóng)作物管理工作，以此推動農(nóng)業(yè)生產(chǎn)向著現(xiàn)代化方向發(fā)展，進而推動我國農(nóng)業(yè)經(jīng)濟實現(xiàn)可持續(xù)長遠發(fā)展。