基于小型無人機(jī)對風(fēng)災(zāi)引起水稻倒伏評估方法

孫銘謙 康博識 李宏碩 曲原

摘要 風(fēng)災(zāi)是一種常見的氣象災(zāi)害，我國每年因風(fēng)災(zāi)引發(fā)的農(nóng)作物倒伏、減產(chǎn)現(xiàn)象逐漸增多，如何快速、準(zhǔn)確地進(jìn)行災(zāi)后評估對產(chǎn)量預(yù)測、農(nóng)業(yè)政策調(diào)整十分重要。選取遼寧省盤錦市盤山地區(qū)具有代表性的4種類型受災(zāi)農(nóng)田，應(yīng)用無人機(jī)系統(tǒng)獲取高分辨率航空影像，完成區(qū)域可見光遙感，利用地表反射率評估大風(fēng)災(zāi)害水稻倒伏損失，推斷農(nóng)作物產(chǎn)量并與當(dāng)年實(shí)際產(chǎn)量進(jìn)行對比。結(jié)果表明，推斷產(chǎn)量與實(shí)際產(chǎn)量誤差處于合理區(qū)間，小型無人機(jī)可以快速、準(zhǔn)確地評估農(nóng)作物倒伏面積，為災(zāi)后決策提供重要的參考依據(jù)。

關(guān)鍵詞 無人機(jī)；水稻倒伏；氣象災(zāi)害；反射率；災(zāi)害評估

中圖分類號：S511 文獻(xiàn)標(biāo)識碼：B 文章編號：2095–3305（2023）09–0-03

氣象因素對農(nóng)業(yè)生產(chǎn)活動(dòng)影響巨大，隨著全球氣候變化引起的極端天氣頻發(fā)，農(nóng)作物產(chǎn)量年際間的波動(dòng)日益加劇。近年來，我國幾乎每年都會(huì)發(fā)生重大的氣象災(zāi)害，嚴(yán)重影響我國糧食安全[1]。隨著我國氣象災(zāi)害評估的快速發(fā)展，災(zāi)后評估已成為政府決策的重要參考依據(jù)，快速準(zhǔn)確的災(zāi)后評估對產(chǎn)量預(yù)測、農(nóng)業(yè)政策調(diào)整具有十分重要的意義。水稻是我國主要糧食作物之一，在很多影響水稻產(chǎn)量的因素中，作物倒伏是制約水稻高產(chǎn)、穩(wěn)產(chǎn)的重要因素[2-4]。大風(fēng)是我國沿海地區(qū)常見的氣象災(zāi)害，其影響范圍廣，往往造成嚴(yán)重的水稻倒伏現(xiàn)象，不但會(huì)造成作物減產(chǎn)，而且會(huì)影響稻米的品質(zhì)，帶來巨大的經(jīng)濟(jì)損失。與此同時(shí)，風(fēng)災(zāi)的影響呈逐年增大趨勢。因此，準(zhǔn)確、定量地評估風(fēng)災(zāi)等氣象災(zāi)害對農(nóng)業(yè)生產(chǎn)中的影響至關(guān)重要[5-9]。

常用的氣象災(zāi)害評估方法有2種：一是遙感監(jiān)測，二是觀測員進(jìn)行現(xiàn)場人工勘定。在氣象災(zāi)害發(fā)生后，人工勘定無法覆蓋大面積作物，衛(wèi)星遙感采集的時(shí)效性不強(qiáng)，無法滿足實(shí)際需求。無人機(jī)遙感具有高精度、高時(shí)空分辨率的優(yōu)勢，能夠滿足快速、準(zhǔn)確評估氣象災(zāi)害所產(chǎn)生影響的需求[10-16]。

1 無人機(jī)水稻倒伏快速評估技術(shù)概述

植物具有光譜特性，植物的不同部位吸收、反射、輻射的光譜也不盡相同。利用水稻稻穗與稻稈、地表之間的反射率差異，應(yīng)用無人機(jī)搭載高清攝像機(jī)進(jìn)行取樣分析。通常在收獲期的水稻稻穗的反射率為0.45～0.75，水稻稻稈的反射率為0.76～0.90，東北地表反射率為0.15～0.30。稻穗、稻稈和地表之間存在一定的反射率差異，將圖像處理成二值圖計(jì)算水稻倒伏面積。

1.1 無人機(jī)平臺(tái)和搭載鏡頭

使用的無人機(jī)類型為DJI Phantom 4 Pro V2.0，重量（含電池及槳）為1 375 g，軸距為350 mm，最大上升速度為6 m/s，最大下降速度為4 m/s，最大水平飛行速度為72 km/h，最大可傾斜角度為42°，最大旋轉(zhuǎn)角速度為250°/s，最大飛行高度為6 000 m，最大可承受風(fēng)速為18 m/s（八級），最大飛行時(shí)間約為 30 min，衛(wèi)星定位模塊GPS/GLONASS 雙模，懸停精度垂直：±0.1 m，水平：±0.3 m。

使用的相機(jī)影像傳感器1英寸CMOS，有效像素2 000萬。鏡頭FOV 84°，f/2.8 - f/11，ISO 范圍100～12 800，電子快門速度8 - 1/8 000 s，照片尺寸5 472×3 648，長寬比為1.5。

1.2 統(tǒng)計(jì)方法

選擇分層抽樣法對農(nóng)田進(jìn)行抽樣。分層抽樣利用分組法與抽樣法相結(jié)合的方法，通過分組減小各抽樣層的變異性，通過抽樣保證所抽取的樣本具有代表性。在同一張航拍照片中，將不同地塊的稻田分成5類：在航拍照片中，倒伏嚴(yán)重程度20%以下的為嚴(yán)重倒伏稻田、20%～40%為倒伏較嚴(yán)重稻田、40%～60%為該地塊一般倒伏稻田、60%～80%為倒伏較輕稻田、80%～100%為倒伏程度最輕或者無倒伏稻田。根據(jù)分層采樣法在該地塊不同倒伏程度每類稻田中隨機(jī)抽取1個(gè)樣本進(jìn)行水稻倒伏面積抽樣分析。

1.3 數(shù)據(jù)處理方法

1.3.1 圖像處理方法 無人機(jī)低空遙感技術(shù)以植物的光譜特性為基礎(chǔ)，利用成熟期水稻稻穗、稻稈和地表之間反射率的差異，采集抽樣農(nóng)田的數(shù)據(jù)。使用場地黑白靶標(biāo)的方式對數(shù)據(jù)進(jìn)行定標(biāo)，利用光學(xué)影像采集系統(tǒng)進(jìn)行可見光遙感。地面系統(tǒng)主要是數(shù)據(jù)處理系統(tǒng)，包括圖像修正、圖像增強(qiáng)等。數(shù)據(jù)處理采用動(dòng)態(tài)差分GPS與慣性測量裝置IMU結(jié)合，直接在飛行中獲取無人機(jī)的定位和定向，獲得每一張影像的拍攝時(shí)間、高度、經(jīng)緯度以及相機(jī)姿態(tài)角度等相關(guān)參數(shù)信息（圖1）。

通過灰階處理將遙感圖像制成灰階圖像，并選取稻穗反射率區(qū)間分離制作二值圖，再計(jì)算稻穗所占該地塊比例。用面積計(jì)算方法求出地塊面積，而得出稻穗面積與地塊面積之比，從而計(jì)算得出倒伏率[17]。

1.3.2 面積計(jì)算方法 已知無人機(jī)飛行高度H，F(xiàn)ov為無人機(jī)搭載相機(jī)鏡頭視角，對角線AB與鏡頭之間的夾角α，無人機(jī)拍攝圖片的長寬比Bwr。根據(jù)H、Fov和Bwr能夠求出單張航拍圖像面積，再按照單個(gè)地塊所占像素與照片總像素之比計(jì)算出單個(gè)地塊面積。

S= ·tan2（ ）H 3dH（1）

1.3.3 反射率特征分析 通過現(xiàn)場取樣，對稻冠、稻稈和土壤表面進(jìn)行多次采樣。經(jīng)標(biāo)定后，對不同類型、不同地塊的稻田采用隨機(jī)采樣法進(jìn)行灰度值取樣。對稻冠、稻稈和土壤每種類型的100個(gè)取樣點(diǎn)進(jìn)行分析。結(jié)果表明，稻冠最大灰度值為192，反射率為0.75，最小灰度值為109，反射率為0.42；稻稈最大灰度值為250，反射率為0.98，最小灰度值為195，反射率為0.76；土壤表明最大灰度值為89，反射率為0.34，最小灰度值為10，反射率為0.04。根據(jù)相關(guān)研究，無人機(jī)遙感土壤灰度受陰影影響會(huì)偏低，訂正陰影部分土壤最小反射率為0.1[18-19]。由此可得，在收獲期盤山縣的水稻稻冠的反照率為0.42～0.75，水稻稻稈的反照率為0.76～0.98，東北地表反照率為0.10～0.34（圖2）。

1.3.4 災(zāi)害損失評估方法及其對產(chǎn)量的影響 在水稻栽培的過程中，經(jīng)常有不同程度的倒伏發(fā)生，倒伏影響光合作用，導(dǎo)致結(jié)實(shí)率下降、千粒重下降，影響了水稻的產(chǎn)量和品質(zhì)。相關(guān)研究表明，水稻倒伏的程度分為3種：第一種為輕度倒伏，倒伏面積占總面積比小于5%，對整體產(chǎn)量和品質(zhì)的影響不大；第二種為中度倒伏，倒伏面積占5%～20%，莖稈折損程度較重，對整體產(chǎn)量和品質(zhì)的影響較大，減產(chǎn)5%～10%；第三種為重度倒伏，倒伏面積大于20%，稻谷籽粒不飽滿，空癟粒率上升，死米、青米增多，減產(chǎn)10%～20%。通過圖像處理得出該類稻田平均倒伏比率后，按照倒伏面積劃分倒伏程度，得到對應(yīng)的減產(chǎn)率，再依據(jù)該稻田平均年每667 m2產(chǎn)量，計(jì)算得出減產(chǎn)量。

2 結(jié)果與分析

2.1 研究區(qū)域概況

盤山縣處于遼中南地區(qū)，位于遼東半島與遼西走廊的匯合處，為遼河沖積平原，地勢平坦低洼，平均海拔為4 m左右，總面積為2 145 km2。境內(nèi)有大遼河、雙臺(tái)子河、繞陽河等13條河流，廣布沼澤洼地，沿海多灘涂。盤山縣屬于溫帶大陸性氣候，四季分明，雨熱同期，降水集中在7—8月，年平均降水量為605 mm，無霜期長。盤山縣年平均氣溫為8.8 ℃，最低氣溫為-28.2 ℃，

最高氣溫為35.2 ℃?？h內(nèi)糧食播種面積566.7 km2以上，水田500.0 km2，旱田66.7 km2，人均占有耕地達(dá)2 200.0 m2。

盤山縣共有水稻種植面積412.0 km2，主栽品種有鹽豐系列（鹽豐47為主，60%）、鹽粳系列（鹽粳927、鹽粳939，20%）、錦稻系列（錦稻103、錦稻105、錦稻107、錦稻109，10%～15%）、其他（月光、遼河，5%）。全縣水稻優(yōu)良品種率達(dá)到100%，種植面積占比達(dá)到70%。其中，中等規(guī)模水稻種植面積109.3 km2，大規(guī)模水稻種植面積32.0 km2，水稻河蟹混養(yǎng)型種植面積270.7 km2。

2.2 取樣

2021年9月16日，盤山縣出現(xiàn)瞬時(shí)六級大風(fēng)（11.9 m/s），平均風(fēng)速為二級，9月15日盤山縣普降中雨，瞬時(shí)大風(fēng)和稻穗較濕使得此次風(fēng)災(zāi)對收獲期水稻造成了一定程度的減產(chǎn)。風(fēng)災(zāi)發(fā)生后，于9月17日進(jìn)行航拍采樣，采樣時(shí)間為12：00～15：00。

本次采樣按照分層取樣法對水稻倒伏情況進(jìn)行取樣，在盤山縣受大風(fēng)災(zāi)害影響地區(qū)選取D1（122°4′18.2″E，41°18′44.9″N）、D2（122°34′2.1″E，41°16′15.7″N）、D3（122°3′2.1″E，41°16′16.8″N）3塊受災(zāi)農(nóng)田進(jìn)行遙感監(jiān)測。其中，D1為大規(guī)模水稻農(nóng)田，D2為中等規(guī)模水稻農(nóng)田，D3為水稻河蟹混養(yǎng)型農(nóng)田。在D1、D2、D3地塊中，按照分層取樣法抽取嚴(yán)重倒伏稻田為1號稻田、倒伏較嚴(yán)重稻田為2號稻田、一般倒伏稻田為3號稻田、倒伏較輕稻田為4號稻田和倒伏情況最輕或者無倒伏稻田為5號稻田（圖3～圖5）。

2.3 數(shù)據(jù)統(tǒng)計(jì)

D1高度為361.785 m，D2高度為306.814 m，D3高度為333.214 m。D1面積為203 710 m2，D2面積為146 530 m2，D3面積為172 831 m2。根據(jù)表1得出，D1地塊綜合倒伏率為3.7%，倒伏面積為7 600 m2，屬于輕度倒伏。

根據(jù)表2得出，D2地塊綜合倒伏率為14.5%，倒伏面積為21 200 m2，屬于中度倒伏。

根據(jù)表3得出，D3地塊綜合倒伏率為18.0%，倒伏面積為31 067 m2，屬于中度倒伏。

2.4 災(zāi)害損失評估及對產(chǎn)量影響的計(jì)算及驗(yàn)證

盤山縣大規(guī)模水稻農(nóng)田在此次風(fēng)災(zāi)中為輕度倒伏，對整體產(chǎn)量和品質(zhì)的影響不大。中等規(guī)模水稻農(nóng)田、水稻河蟹混養(yǎng)型農(nóng)田為中度倒伏，倒伏面積占5%～20%，對整體產(chǎn)量和品質(zhì)影響較大，一般減產(chǎn)5%～10%。盤山縣大規(guī)模水稻農(nóng)田種植面積為109 km2，理論產(chǎn)量為783 kg/667 m2，中等規(guī)模水稻農(nóng)田種植面積為32 km2，理論產(chǎn)量為696 kg/667 m2、水稻河蟹混養(yǎng)型農(nóng)田種植面積為271 km2，理論產(chǎn)量為652.5 kg/667 m2，可得出經(jīng)過此次風(fēng)災(zāi)后，盤山縣大規(guī)模水稻農(nóng)田無明顯減產(chǎn)，中等規(guī)模水稻農(nóng)田減產(chǎn)1 670.40～3 340.80 t、水稻河蟹混養(yǎng)型農(nóng)田減產(chǎn)13 245.75～26 491.50 t，水稻因倒伏產(chǎn)生的減產(chǎn)總計(jì)為14 916.15～29 832.30 t。經(jīng)計(jì)算，全縣2020年累計(jì)水稻總產(chǎn)量為396 902.70～411 818.85 t。根據(jù)盤山縣農(nóng)村工作委員會(huì)提供的資料，2020年盤山縣水稻累計(jì)總產(chǎn)量為403 371.60 t，誤差為8 447.25 t，處于合理置信區(qū)間。

3 結(jié)論

第一，無人機(jī)遙感技術(shù)具有高時(shí)間分辨率、高空間分辨率、受外界影響小、能夠進(jìn)行全天候作業(yè)等特點(diǎn)，適用于農(nóng)作物倒伏評估。

第二，在2020年9月16日盤山縣一次風(fēng)災(zāi)后，于24 h內(nèi)利用無人機(jī)對反射率進(jìn)行分析，結(jié)果表明，無人機(jī)可以準(zhǔn)確快速地評估風(fēng)災(zāi)后水稻的倒伏情況，為精準(zhǔn)化農(nóng)業(yè)提供有力的技術(shù)支持，對受災(zāi)稻田進(jìn)行快速的災(zāi)害損失評估工作，為之后的秋收和糧食產(chǎn)量提供了重要的參考。

參考文獻(xiàn)

[1] 趙思健，張峭，聶謙，等.農(nóng)作物氣象災(zāi)害風(fēng)險(xiǎn)識別與評估研究[J].災(zāi)害學(xué)， 2018，33（2）：51-57.

[2] 王勇，向波，冼季夏，等.水稻抗倒伏研究現(xiàn)狀及存在的問題[J].廣西農(nóng)業(yè)科學(xué)，2007（2）：141-144.

[3] 史學(xué)巖.淺談水稻倒伏的原因危害及綜合防控[J].現(xiàn)代農(nóng)業(yè)，2021（3）：51-52.

[4] 張懷鳳，梁譽(yù).水稻倒伏調(diào)查報(bào)告[J].北方水稻，2020，50（1）：41-42.

[5] 范曉林.農(nóng)業(yè)氣象災(zāi)害風(fēng)險(xiǎn)評估研究進(jìn)展與展望[J].農(nóng)家參謀，2020（16）：167.

[6] 范道全，張美娜，呂曉蘭，等.無人機(jī)低空遙感技術(shù)在大田作物監(jiān)測與產(chǎn)量預(yù)測中的應(yīng)用[J].新疆農(nóng)機(jī)化，2019（3）：17-20.

[7] 李正農(nóng)，郝艷峰.農(nóng)作物抗風(fēng)研究綜述[J].自然災(zāi)害學(xué)報(bào)，2020，29（3）：54-62.

[8] 湯云龍，汪楠，張欣，等.水稻倒伏與產(chǎn)量及食味的關(guān)系[J].北方水稻，2021，51 （2）：8-12.

[9] 張帥.基于無人機(jī)低空遙感的農(nóng)田信息采集與處理研究[J].安徽農(nóng)學(xué)通報(bào)， 2019，25（13）：149-151.

[10] 李宗南，陳仲新，王利民，等.基于小型無人機(jī)遙感的玉米倒伏面積提取[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（19）：207-213.

[11] 段小斌.基于無人機(jī)遙感技術(shù)的水稻倒伏區(qū)域識別研究[J].農(nóng)機(jī)化研究， 2021，43（12）：225-228.

[12] 班松濤.水稻長勢無人機(jī)遙感監(jiān)測研究[D].楊凌：西北農(nóng)林科技大學(xué)，2020.

[13] 周平.基于無人機(jī)多源信息的水稻倒伏特征分析[D].揚(yáng)州：揚(yáng)州大學(xué)，2020.

[14] 田明璐，班松濤，袁濤，等.基于低空無人機(jī)多光譜遙感的水稻倒伏監(jiān)測研究[J].上海農(nóng)業(yè)學(xué)報(bào)，2018，34（6）：88-93.

[15] 包詩薇，陳洪耀，張黎明，等.基于灰階靶標(biāo)的光學(xué)遙感器絕對輻射定標(biāo)及反射率反演驗(yàn)證[J].光學(xué)學(xué)報(bào)，2021，41 （4）：210-218.

[16] 宋文生，紀(jì)桂姮，金峰.水稻倒伏的類型及防治措施[J].現(xiàn)代化農(nóng)業(yè)，2013 （5）：37-38.

[17] 周平，周愷，劉濤，等.水稻倒伏監(jiān)測研究進(jìn)展[J].中國農(nóng)機(jī)化學(xué)報(bào)，2019，40 （10）：162-168.

[18] 王鴿，韓琳.東北地區(qū)地表反照率時(shí)空分布研究[J].沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2009， 40（4）：417-420.

[19] 陳明健.基于多光譜無人機(jī)的南京典型城市街區(qū)反照率估算及影響因素研究[D].南京：南京信息工程大學(xué)，2023.

Evaluation Method of Rice Lodging Caused by Wind Disaster Based on Small UAV

Sun Ming-qian et al（Panjin Meteorological Service， Panjin， Liaoning 124000）

Abstract Wind disaster was a common meteorological disaster， and the crop collapse and yield reduction caused by wind disaster increase gradually in our country every year. How to assess the post-disaster quickly and accurately was very important for the yield forecast and agricultural policy adjustment. In this paper， four representative types of affected farmland in Panshan area of Panjin City， Liaoning Province were selected， high-resolution aerial images obtained by unmanned aerial systems were used to complete regional visible light remote sensing， and surface reflectivity was used to assess the collapse loss of rice caused by wind disasters， and the crop yield was inferred and compared with the actual yield of the year. The results show that the error between the inferred yield and the actual yield is within a reasonable range， and the small UAV can quickly and accurately evaluate the lodging area， which provides an important reference for post-disaster decision-making.

Key words Uav; Rice lodging; Meteorological hazards; Reflectance; Disaster assessment