無人機遙感技術在農(nóng)業(yè)中的應用研究

張 夢

(1.安徽理工大學空間信息與測繪工程學院，安徽 淮南 232001)

農(nóng)業(yè)是國家立足的根本，發(fā)展富強的基礎。隨著社會經(jīng)濟的高速發(fā)展，對農(nóng)業(yè)生產(chǎn)領域也提出新的要求。農(nóng)業(yè)機械化和信息化是農(nóng)業(yè)現(xiàn)代化主要發(fā)展方向，其下一階段的目標是實現(xiàn)農(nóng)業(yè)自動化與智能化?，F(xiàn)代農(nóng)業(yè)信息化的發(fā)展需要及時準確獲取地表田間作物信息，以此實現(xiàn)作物分類識別、田間土壤理化性質反演及農(nóng)業(yè)災害監(jiān)測。目前，主要以人工地面調查和遙感方法獲取田間作物信息。傳統(tǒng)的地面人工調查方法不僅在人力、財力等方面耗費大，而且不能直觀反映農(nóng)業(yè)種植空間分布。衛(wèi)星遙感是一門有效的綜合性對地探測技術，以其宏觀性在大范圍的農(nóng)情遙感監(jiān)測中得到廣泛應用[1]。然而，受其軌道高度的影響，在重訪周期、分辨率等方面存在一定局限性[2]，制約了衛(wèi)星遙感技術的應用。無人機(Unmanned Aerial Vehicle，UAV)遙感技術的應用拓展了精確獲取地表信息的渠道，其機身尺寸小、便攜性強，使用成本低、靈活度高，且其時空分辨率優(yōu)于航天航空遙感平臺，為小區(qū)域作物精細監(jiān)測提供了新手段。在此背景下，首先對無人機遙感技術進行概述，然后對目前無人機遙感技術在農(nóng)業(yè)領域的應用進展進行總結，最后對無人機遙感技術應用前景和發(fā)展趨勢進行展望。

一、無人機遙感技術簡介

近年來隨著無人機動力系統(tǒng)、控制系統(tǒng)和傳感器技術水平的不斷發(fā)展，使無人機搭載多種類型傳感器實現(xiàn)對地觀測成為可能，是對衛(wèi)星遙感平臺的有效補充。與衛(wèi)星平臺相比，無人機遙感對地觀測時的飛行高度一般較低，不會受到大氣層的影響，受云層的影響也較小，因此能夠獲取更為精細的地表影像數(shù)據(jù)。無人機遙感系統(tǒng)主要包括飛行載荷平臺和傳感器兩個部分。動力系統(tǒng)、姿態(tài)調整系統(tǒng)、GPS實時定位系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)是飛行載荷平臺的重要組成部分，按機體結構設計差異可分為固定翼和旋翼、無人直升機和飛艇等。其中小型固定翼和旋翼無人機使用成本相對較低，在農(nóng)業(yè)領域應用廣泛。小型固定翼無人機航速高，單位時間內采集的影像范圍大，但其對飛行場地的及作業(yè)人員的操控技能要求較高；小型旋翼無人機易于攜帶，垂直起降方式使其對場地要求較低，能夠實現(xiàn)定速定高巡航、懸停等操作，更加適用于農(nóng)情遙感監(jiān)測。目前無人機提供的智能飛控系統(tǒng)，能夠根據(jù)規(guī)劃后的KML邊界文件進行自主航線規(guī)劃、自動起飛、自動拍照、完成作業(yè)自動返航等，大幅提高了作業(yè)效率。

二、無人機遙感技術在農(nóng)業(yè)領域的應用現(xiàn)狀

(一) 作物種植區(qū)提取及面積監(jiān)測

在農(nóng)業(yè)領域，作物的分類識別是進行不同種類作物面積監(jiān)測、產(chǎn)量估計的前提[3]。無人機遙感技術獲取的高分辨率影像蘊藏豐富的地物表型信息，根據(jù)不同作物在無人機影像上所表現(xiàn)出的色彩、紋理特征，建立無人機遙感作物解譯標志庫，用于人工目視解譯與遙感制圖。雖然這種方式解譯精度高，但工作量大，作業(yè)人員容易出現(xiàn)解譯疲勞而導致解譯準確度的降低。為此，作物自動化提取方法成為當下研究熱點，國內外的研究主要集中在算法的創(chuàng)新及特征的選擇上，主要包括統(tǒng)計回歸分析、人工神經(jīng)網(wǎng)絡等。如鄭明雪等通過對Mean Shift算法進行改進，基于無人機影像實現(xiàn)了田塊邊界的自動化提取[4]，提取效果較好；李明等基于無人機RGB影像及擴展特征構建Logistic回歸模型用于水稻識別，總體正確率達到98 %，面積誤差小于3.5 %[5]；任澤茜等針對南方種植結構復雜的破碎農(nóng)田景觀，通過引入植被指數(shù)并將隨機森林與尺度分割算法結合的方式進行無人機遙感作物種植面積監(jiān)測，面積誤差在1.11%以內[6]。

(二) 作物長勢監(jiān)測及產(chǎn)量估計

通過對長勢及葉片發(fā)育情況監(jiān)測可以輔助進行作物的生長環(huán)境評估及水肥施補等田間管理。無人機遙感可以及時準確地獲取農(nóng)作物長勢信息，利用葉面積指數(shù)(LAI)、冠層高度、植被指數(shù)等地表參數(shù)監(jiān)測作物長勢信息，進而構建作物產(chǎn)量估算模型。如周敏姑等通過提取冬小麥四個關鍵期無人機多光譜影像的反射率，采用多種回歸分析方法結合地面監(jiān)測數(shù)據(jù)建立冬小麥SPAD值的反演模型，在無人機遙感作物長勢監(jiān)測方面具有一定應用價值[7]；朱婉雪等基于多種植被指數(shù)構建小麥3個生長關鍵期(返青期、抽穗期和成熟期)的估產(chǎn)模型，結果表明抽穗灌漿期小麥估產(chǎn)效果最好，植被指數(shù)EVI2最優(yōu)[8]；韓文霆利用多光譜無人機對夏玉米進行多時相監(jiān)測，采用牛頓-梯形積分和最小二乘法以多種植被指數(shù)構建不同生育期的玉米估產(chǎn)經(jīng)驗模型，在玉米長勢評估和產(chǎn)量預測方面效果較好，估產(chǎn)模型R2可達到0.87以上[9]。

(三) 農(nóng)業(yè)災害遙感

農(nóng)業(yè)災害是導致糧食減產(chǎn)的主要原因，對農(nóng)業(yè)災害進行遙感監(jiān)測有利于了解作物受災情況，從而對損失進行評估，及時調整糧食供應策略、補充糧食供應渠道，避免因減產(chǎn)而導致糧食供應緊張。目前，農(nóng)業(yè)災害遙感監(jiān)測的研究主要涉及凍害、病蟲害等方面。如安談洲等利用無人機遙感監(jiān)測過冬油菜凍害，采用深度學習算法的油菜凍害整體識別精度達到98.13 %，Kappa系數(shù)為0.96[10]；地力夏提·依馬木等利用Logistic算法對棉田蟲害進行無人機多光譜遙感監(jiān)測，基于SAVI和NDVI地表參數(shù)構建的棉蚜蟲、棉紅蜘蛛、棉鈴蟲識別模型最優(yōu)，三類蟲害的識別精度為66.3 %～94.2 %[11]；Ryo Sugiura等使用無人機RGB影像結合田間抗性試驗開展了馬鈴薯晚枯萎病的研究，實現(xiàn)馬鈴薯晚疫病的無人機遙感監(jiān)測，取得了不錯的效果[12]。

三、無人機遙感技術在農(nóng)業(yè)領域應用中的挑戰(zhàn)與展望

(一) 無人機遙感系統(tǒng)軟硬件設備的改進

尺寸小、使用靈活方便是無人機遙感平臺的特點，然而這也導致了無人機遙感平臺存在載荷低、滯空時間短、抗風能力弱等不足。一方面，農(nóng)情遙感監(jiān)測領域需要根據(jù)不同需求使用不同類型的傳感器，由于無人機平臺載荷能力及使用成本的限制，目前國內外的研究多集中在傳統(tǒng)RGB相機和多光譜相機的應用研究上，極少使用質量大、成本高的高光譜傳感器和熱成像儀。另一方面，農(nóng)情遙感監(jiān)測需要獲取大范圍的監(jiān)測數(shù)據(jù)，當前普遍使用的小型無人機存在續(xù)航時間短的缺點，通訊距離的限制也是影響其作業(yè)效率、作業(yè)范圍的不利因素。此外，無人機在高空作業(yè)時遭遇大風容易產(chǎn)生一定程度的抖動，導致獲取的影像不同程度受到影響(如扭曲變形、成像模糊等)，這也給后期數(shù)據(jù)處理帶來挑戰(zhàn)，從而導致后續(xù)的數(shù)據(jù)分析及研究結果產(chǎn)生偏差，限制了其在農(nóng)業(yè)領域的應用與推廣。鑒于無人機遙感系統(tǒng)的廣泛應用前景，政府、企業(yè)、科研院所需要協(xié)同合作，出臺相應政策及行業(yè)標準，規(guī)范與促進行業(yè)有序發(fā)展，不斷更新無人機遙感系統(tǒng)軟硬件設備，開發(fā)出滿足不同任務需求、成本低、體積小的無人機平臺及各類型的傳感器，以滿足使用者對便攜性、經(jīng)濟性、適用性、長續(xù)航的需求。同時不斷優(yōu)化飛行控制算法及數(shù)據(jù)傳輸模式，提高無人機遙感平臺的作業(yè)效率和產(chǎn)品的質量。由于無人機遙感系統(tǒng)的應用從數(shù)據(jù)采集、數(shù)據(jù)處理及后續(xù)的實際應用大都停留在科學研究上，需要作業(yè)人員具有較高的專業(yè)知識與技能，適用的范圍小。如何實現(xiàn)從數(shù)據(jù)采集到實際應用的一整套技術方案的自動化與智能化，降低使用者的學習成本、擴展應用范圍將是今后的研究方向。

(二) 不同平臺多源、多時序數(shù)據(jù)協(xié)同利用

目前農(nóng)業(yè)領域的監(jiān)測數(shù)據(jù)主要有空—天—地三個尺度的數(shù)據(jù)源，三個尺度的監(jiān)測手段各有優(yōu)劣。航空領域適合大尺度的農(nóng)情遙感監(jiān)測，但其在分辨率方面有一定局限性；地面主要靠作業(yè)人員手持各種儀器采集作物信息，其在數(shù)據(jù)的準確度方面具有一定優(yōu)勢，但難以保證監(jiān)測效率和監(jiān)測范圍；無人機的應用擴展了航天監(jiān)測的手段，是對航空和地面監(jiān)測方法的有效補充。目前，農(nóng)情遙感監(jiān)測的研究多基于單一尺度數(shù)據(jù)源甚至是單一傳感器，其獲取的田間作物信息較單薄，難以全面反映作物表型特征。因此，如何將不同平臺、不同傳感器的數(shù)據(jù)進行融合利用將是今后關注的方向。由于作物一直處于生長狀態(tài)，處于不同生長階段的作物表現(xiàn)出不同的理化性質，不同地理環(huán)境和氣候條件也會擴大這種差異性，基于特定地域、單一生長期所建立的模型代表性有限，對于普遍情況下的農(nóng)情遙感監(jiān)測適用性不強。因此，通過對不同尺度、不同地域、不同時序數(shù)據(jù)的綜合利用，在時間和空間上進行數(shù)據(jù)融合與數(shù)據(jù)挖掘，從而構建具有可擴展性高、適用性強、精度高的作物監(jiān)測模型。

(三) 農(nóng)作物遙感特征擴展及算法的改進

通過傳感器直接獲取的作物波譜空間的信息量相對較少，且不同類型作物的波譜敏感度不同，不利于遙感影像目標信息的有效提取。因此有學者基于原始波段通過線性或非線性的數(shù)學計算進行特征擴展，目的是為了充分挖掘原始影像中隱含的信息，擴展作物遙感辨識性特征。常用的特征有指數(shù)特征、紋理特征、幾何空間特征和色彩特征等，然而各特征在不同作物應用上的優(yōu)勢尚未明確，沒有形成一套通用的作物敏感特征識別庫。因此，開發(fā)一套適用性強的敏感特征識別庫，同時揭示各特征的物理意義，對現(xiàn)代農(nóng)業(yè)的發(fā)展具有一定促進意義。此外，不同類型的算法在不同應用上各有優(yōu)勢，在今后的研究中，應面向實際應用需求，通過進一步改進現(xiàn)有算法或建立新型算法實現(xiàn)方案的優(yōu)化。

四、結語

無人機遙感技術的應用是對低空遙感的有效補充，在使用成本、功能及設備專業(yè)性上能夠滿足普通研究工作者的使用需求，在農(nóng)業(yè)遙感領域應用廣泛。目前，無人機遙感平臺搭載多種類型的傳感器用于農(nóng)情遙感監(jiān)測：傳統(tǒng)RGB相機獲取的影像分辨率高，地表作物覆蓋種類解析度高；多光譜和高光譜傳感器波段范圍廣，采集的影像信息量豐富，但也存在信息冗余的問題，為此有學者針對高光譜最佳波段組合方法進行研究，以期實現(xiàn)不同作物敏感波段的篩選，降低冗余信息量；熱成像儀可以獲取作物冠層熱輻射數(shù)據(jù)，多用于田間土壤含水率及干旱監(jiān)測；激光雷達獲取的點云數(shù)據(jù)可用于冠層高度提取等。通過多傳感器類型在作物種植區(qū)提取及面積監(jiān)測、作物長勢監(jiān)測及產(chǎn)量估計、農(nóng)業(yè)災害遙感等方面的應用可為田間管理提供數(shù)據(jù)支持，對推動農(nóng)業(yè)信息化的發(fā)展具有重要意義。雖然目前無人機遙感農(nóng)情監(jiān)測研究面向的作物種類多、涉及的研究范圍廣，但在信息融合、實際應用及推廣性方面存在不足。利用無人機遙感系統(tǒng)搭載的單一傳感器獲取的田間表型信息不全面，如何利用不同傳感器類型、甚至不同平臺遙感監(jiān)測數(shù)據(jù)進行協(xié)同與立體監(jiān)測，實現(xiàn)“空-天-地”一體化監(jiān)測體系將成為今后研究的方向。同時，受地形環(huán)境、氣候條件和作物種類的影響，目前涉及的研究方法、建立的模型多僅適用于當時的作業(yè)環(huán)境，具有一定局限性，如何將科研實驗進行推廣應用也是今后需要思考的問題?？梢灶A見，無人機遙感技術的發(fā)展不會停滯，其在農(nóng)業(yè)遙感監(jiān)測領域的應用潛力和價值將不斷被發(fā)掘，并且在實際應用中更加普遍化和大眾化。