無人機多光譜遙感技術在苗圃智能監(jiān)測中的應用

摘 要：隨著鄉(xiāng)村振興戰(zhàn)略的實施，鄉(xiāng)村園林綠化苗木產業(yè)在我國迅速發(fā)展。然而，鄉(xiāng)村園林綠化苗木產業(yè)在信息化和數(shù)字化方面存在不足，特別是智能監(jiān)測技術尚不成熟，這在一定程度上限制了其發(fā)展進程。鑒于此，此研究探討了無人機多光譜遙感技術在苗圃智能監(jiān)測中的應用。以江西省南昌縣黃馬鄉(xiāng)園林綠化苗木產業(yè)基地為試驗地，利用無人機多光譜遙感技術進行智能巡航，實施實時動態(tài)監(jiān)測，并進行數(shù)據(jù)分析，這一技術不僅能監(jiān)測苗木的生長狀態(tài)和病蟲害發(fā)生情況等信息，更重要的是能監(jiān)測苗木種類和數(shù)量的動態(tài)變化，從而分析苗木產業(yè)的結構布局是否合理，并結合市場信息，指導園林綠化苗木產業(yè)的規(guī)劃和配置，以實現(xiàn)其最優(yōu)化配置。但該技術也存在一定的局限性，如對相似植物種類的識別誤差。此研究可為鄉(xiāng)村園林綠化苗木產業(yè)的信息化、智能化管理提供新的技術途徑，對推動農業(yè)現(xiàn)代化具有重要意義。

關鍵詞：多光譜遙感；鄉(xiāng)村苗圃；動態(tài)監(jiān)測

中圖分類號：S127 文獻標志碼：A 文章編號：1674-7909（2024）7-120-6

DOI：10.19345/j.cnki.1674-7909.2024.07.028

0 引言

近年來，隨著我國大力推進鄉(xiāng)村振興戰(zhàn)略和對生態(tài)文明建設的日益重視，鄉(xiāng)村園林綠化苗木產業(yè)呈現(xiàn)持續(xù)健康發(fā)展態(tài)勢。得益于現(xiàn)代花園城市建設進程的加速，以及各地積極推進退耕還林、綠化造林等工程，園林綠化苗木產業(yè)得到了進一步推動。2023年，中國苗木的年供應量達2 600萬株，育苗面積新增12萬hm2，綠化造林用苗量達2 100萬株。預計2024年，中國對苗木的需求量將達到2 800萬株［1］。苗木需求的增加，不僅使綠化苗木產業(yè)成為農村經(jīng)濟的重要增長點，還為鄉(xiāng)村提供了大量就業(yè)機會，對助力鄉(xiāng)村振興，實現(xiàn)農民增產增收具有非常重要的意義。

科技創(chuàng)新也為園林綠化苗木產業(yè)帶來了新的發(fā)展機遇，如智能溫室、無土栽培等技術的應用，提高了苗木的品質和產量。但現(xiàn)階段鄉(xiāng)村園林綠化苗木產業(yè)在信息化和數(shù)字化方面仍存在不足，如信息化程度較低，生產管理效率低下；園林綠化苗木產業(yè)的規(guī)劃和布局不合理，導致大量苗木滯銷［2］；同時，物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等智能化技術的應用相對缺乏；尤其是智能監(jiān)測技術還不夠成熟，限制了苗圃的產業(yè)化和信息化發(fā)展［3］。因此，提升鄉(xiāng)村園林綠化苗木產業(yè)的信息化水平，實現(xiàn)數(shù)字化、智能化監(jiān)測和運營，對該產業(yè)的持續(xù)健康發(fā)展有非常重要的意義。

無人機多光譜遙感技術可提供高分辨率、高光譜分辨率的遙感數(shù)據(jù)，對實現(xiàn)園林苗圃的實時動態(tài)監(jiān)測具有重要意義［4］。該技術利用無人機搭載的多光譜相機，能夠獲取苗圃植被在不同光譜波段的反射信息，通過不同波段的反射率，可以精準識別植被種類，以及苗木的實時生長狀況、病蟲害等情況。通過實時監(jiān)測和分析這些數(shù)據(jù)，大大提高了苗圃管理的效率和精準度［5］。該技術還可以與其他智能化設備相結合，如自動灌溉系統(tǒng)、智能施肥設備等，從而實現(xiàn)園林苗圃的智能化管理［6］。同時，該技術還能夠對園林苗圃的種類分布、規(guī)劃布局等進行全面評估，為園林綠化苗木產業(yè)的布局提供有力支持。這就大大提升了鄉(xiāng)村園林綠化苗木產業(yè)的信息化水平［7］。

此研究主要探討了無人機多光譜遙感技術在鄉(xiāng)村苗圃智能監(jiān)測中的應用。以南昌縣黃馬鄉(xiāng)園林綠化苗木產業(yè)基地為試驗地，利用無人機多光譜遙感技術進行智能巡航、實施實時動態(tài)監(jiān)測，并進行實時的數(shù)據(jù)分析，不僅僅監(jiān)測苗木的生長狀態(tài)和病蟲害情況等信息，更重要的是監(jiān)測園林綠化苗木產業(yè)的布局和苗木種類分布的合理性，并結合市場信息，指導園林綠化苗木產業(yè)的規(guī)劃和配置，以實現(xiàn)鄉(xiāng)村園林綠化苗木產業(yè)的最優(yōu)化配置。這也是此研究的創(chuàng)新點。

1 材料與方法

1.1 主要儀器設備

基于無人機多光譜遙感技術，此研究主要利用DJI Mavic3M航測無人機，其融合可見光相機與多光譜相機于一體，可智能化動態(tài)監(jiān)測植株生長狀態(tài)，從而實現(xiàn)苗圃生產精準管理［8］。

DJI Mavic3M航測無人機配備4*500萬像素G/R/RE/NIR的多光譜相機，搭載的可見光相機為2 000萬像素4/3 CMOS，1/2 000秒機械快門，支持RTK模塊［9］。多光譜相機包括多個波段：綠（G）：560 nm±16 nm；紅（R）：650 nm±16 nm；紅邊（RE）：730 nm±16 nm；近紅外（NIR）：860 nm±26 nm。該無人機搭載光強傳感器，可更準確測量NDVI［10］。該無人機使用D-RTK 2移動站，在無風條件下，單架次巡航時間為43 min，單架次航測苗圃面積可達200 hm2［11］。該無人機擁有15 km的圖傳距離，信號穩(wěn)定，支持增強4G圖傳，全向避障；可接入DJ第三方平臺，使用云API，對圖像數(shù)據(jù)全面分析并可實現(xiàn)數(shù)據(jù)共享［12］。

1.2 試驗方法

1.2.1 監(jiān)測技術

選取江西省南昌縣黃馬鄉(xiāng)園林綠化苗木產業(yè)基地100 m×300 m的區(qū)域（見圖1），在晴朗且無風的氣象狀況下，無人機以15 m/s的速度飛行采樣，可見光圖像的采樣距離為5.73 cm，而多光譜圖像的采樣距離則為10 cm，進行全基地無人機多光譜巡航實測，并拍攝500萬像素的高精度圖片。采用DJI 03 圖傳行業(yè)版，可實現(xiàn)實時圖傳，并能將實時圖像傳送到DJ司空云平臺。為收集動態(tài)變化數(shù)據(jù)，進行了2次檢測，第一次監(jiān)測時間為2023年4月10日，第二次監(jiān)測時間為2023年10月10日。

1.2.2 數(shù)據(jù)處理

在光譜圖像分析中，采用了LiForest軟件包中的Stat模塊，針對基于CHM或點云數(shù)據(jù)的林木分割進行了深入的算法優(yōu)化［13］。通過一系列復雜的數(shù)據(jù)處理流程，精確地提取了包括樹木的地理坐標、樹干高度、冠層投影面積、冠層的水平和垂直維度在內的單木級參數(shù)［14］。此研究中數(shù)據(jù)處理所采用的軟件工具集包括Li-Forest點云分析軟件、LiDAR-360激光雷達點云數(shù)據(jù)處理和分析軟件、ArcMap 10.2地圖制作軟件、R語言統(tǒng)計分析軟件和Microsoft Excel 2003，這些工具的綜合應用顯著提升了數(shù)據(jù)處理的效率和準確性［15］。

此外，利用先進的圖像分析技術，進一步獲取了林木種群的組成、分布面積、個體數(shù)量、平均高度和病蟲害發(fā)生情況等關鍵生態(tài)信息。這些信息對森林資源的精確管理和可持續(xù)經(jīng)營具有不可估量的價值。

1.2.3 實地踏勘調查

為驗證無人機多光譜遙感技術監(jiān)測苗圃獲得數(shù)據(jù)的準確性，采用實地踏勘和實地調查相結合的方法，對苗圃內植物的生長狀態(tài)和植物類別進行觀察，以佐證多光譜遙感技術監(jiān)測結果的有效性及準確度。

2 結果與分析

2.1 苗木種類識別監(jiān)測

2.1.1 無人機多光譜遙感技術監(jiān)測

利用無人機搭載多光譜成像技術，對位于黃馬鄉(xiāng)的苗圃基地100 m×300 m區(qū)域進行了動態(tài)監(jiān)測。通過無人機巡航，采集到了高分辨率的苗圃原始影像（見圖2），并通過高效的無線傳輸模塊實時將影像數(shù)據(jù)傳輸至大疆司空平臺進行分析處理。然后運用DJI Smart Controller集成的DJ智圖軟件，對采集到的影像數(shù)據(jù)進行光譜分析（見圖3），獲取植株葉片在連續(xù)多個光譜波段上的反射率，從而得到高分辨率的光譜數(shù)據(jù)。通過歸一化植被指數(shù)模型公式計算，獲得每個像素點的光譜植被指數(shù)，由此識別出6個具有顯著光譜特征差異的區(qū)域。這些波段的光譜特征提供了區(qū)分不同植物群落的可能性。

光譜植被指數(shù)（Spectral Vegetation Indices，SVIs）是基于葉片或植被的反射率經(jīng)過計算得到的，其計算公式見式（1）。

[NDVI=R（λNIR）-R（λRed）R（λNIR）+R（λRed）]" " " " " " " " （1）

式（1）中：NDVI為歸一化光譜植被指數(shù)，[R（λNIR）]為近紅外波段的反射率，[R（λRed）]為紅光波段的反射率。

基于上述光譜分析結果，進一步對這6個光譜特征所對應的區(qū)域進行面積估算，推測這些區(qū)域可能代表了6種不同植物群落的分布范圍，如表1所示。

2.1.2 苗圃基地實地踏勘

此研究通過實地踏勘的方法，對選定苗圃基地進行現(xiàn)場調查。調查結果顯示，苗圃內主要分布有6種植物，分別為香樟［Cinnamomum camphora （L.）presl］、女貞（Ligustrum quihoui Carr.）、雞爪槭（Acer palmatum Thunb.）、紫薇（Lagerstroemia indica L.）、杜鵑（Rhododendron simsii Planch和羅漢松［Podocarpus macrophyllus （Thunb.）D.Don］。此外，還觀察到若干雜草。與航測圖像顯示的6個區(qū)域相對照，發(fā)現(xiàn)無人機搭載的多光譜遙感技術所監(jiān)測到的植物種類和面積與實地踏勘結果一致，從而驗證了該技術在植物監(jiān)測領域的有效性與可靠性。

通過分布區(qū)域的光譜圖像進行監(jiān)測分析，結合現(xiàn)場苗圃基地的實地調研，將不同的植物種類與特定的光譜特征相關聯(lián)。光譜圖像中植物的位置與苗圃現(xiàn)場位置對照，可得出：Ⅰ代表香樟，Ⅱ代表女貞，Ⅲ代表雞爪槭，Ⅳ代表紫薇，Ⅴ代表杜鵑，而Ⅵ則代表羅漢松，如圖4所示。

2.1.3 小結

可見，無人機多光譜遙感技術在苗木識別方面展現(xiàn)出了一定的應用潛力。該技術能夠根據(jù)植物的光譜植被指數(shù)等參數(shù)區(qū)分不同的植物類型及其分布區(qū)域，但在光譜相近植物種類的識別上存在局限。因此，為了精確識別植物類型，往往要結合現(xiàn)場實地調研的詳細數(shù)據(jù)。然而，通過對該植物群落進行周期性的監(jiān)測，積累其光譜信息，可以顯著提升對更廣泛區(qū)域同類植物的識別與監(jiān)測效率。

2.2 苗圃面積、株數(shù)和分布范圍動態(tài)監(jiān)測

對多光譜遙感圖像數(shù)據(jù)分析后，得出不同種類植物的光譜區(qū)域，即各類苗木的種植面積。通過對不同植物種類的占地面積與種植密度的綜合考量，利用苗木數(shù)量計算公式可快速準確地計算出苗木的數(shù)量，見式（1）。

苗木數(shù)量（株）=占地面積（m2）×種植密度（株/m2）" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（1）

式（1）中：占地面積指的是各區(qū)域內植物的面積總和，種植密度則是指單位面積內苗木的數(shù)量。

通過無人機多光譜技術的動態(tài)巡航，每隔一個月甚至一天收集苗圃基地圖像信息，實時動態(tài)監(jiān)測，可掌握各類苗木分布信息。表2為第一次監(jiān)測到的各類苗木分布信息，表3為時隔半年第二次監(jiān)測到的各類苗木分布信息。與第一次監(jiān)測相比，第二次監(jiān)測時紫薇的種植面積減少了1 000 m2，而雞爪槭的種植面積增加了1 000 m2，其余苗木種植面積變化不大。持續(xù)監(jiān)測各類苗木的種植面積變化，可實時掌握苗木的動態(tài)分布情況。這些數(shù)據(jù)變化對監(jiān)測苗木生產數(shù)量和調整苗木產業(yè)布局具有重要的參考價值。

該方法適用于統(tǒng)計數(shù)千乃至數(shù)萬公頃園林綠化苗木產業(yè)基地的苗木分布信息，能夠實現(xiàn)對縣域乃至省域范圍內苗圃基地苗木種類和分布區(qū)域的快速、高效、準確地動態(tài)監(jiān)測，實時掌握園林綠化苗木產業(yè)的分布。

此外，結合市場供需數(shù)據(jù)進行耦合分析，提出了一種以市場需求為導向的苗木結構化布局調整策略。例如，在半年的監(jiān)測周期內，發(fā)現(xiàn)紫薇的市場過度飽和，導致大量紫薇滯銷，而根據(jù)市場反饋，雞爪槭的需求量大幅增加?；谶@一情況，經(jīng)過多方調研和調控，苗木基地決定削減紫薇的種植面積，并相應增加雞爪槭的種植面積。由此可見，利用無人機多光譜監(jiān)測技術，結合市場供需信息，可實現(xiàn)對園林綠化苗木產業(yè)結構布局的動態(tài)調整。該策略的目的在于優(yōu)化園林綠化苗木產業(yè)結構，通過縮減市場需求較小的苗木種類的種植面積，同時增加市場需求較大的苗木種類的種植面積，以實現(xiàn)供需匹配，滿足市場需求，降低苗木滯銷風險。這有助于提高苗木的市場適應性和競爭力，對園林綠化苗木產業(yè)的持續(xù)健康發(fā)展具有重要意義。

2.3 苗圃苗木生長狀態(tài)和病蟲害監(jiān)測

以苗圃植物杜鵑為例，通過無人機搭載的多光譜傳感器，對其在X區(qū)域和Y區(qū)域的同種類杜鵑光譜特征對比分析。在X區(qū)域，杜鵑的光譜波長分布在400～500 nm，反射率集中在0.08，而歸一化光譜植被指數(shù)（NDVI）的計算結果為6.5。相比之下，Y區(qū)域的杜鵑光譜波長分布在700～900 nm，反射率集中在0.2，NDVI值降至2.5。分析結果表明，即使是同種植物，其葉片的反射率和光譜特征也存在顯著差異。

結合現(xiàn)場實地調研，對X區(qū)域和Y區(qū)域的杜鵑植株進行了直觀的生長狀態(tài)對比，如圖5所示。X區(qū)域的杜鵑葉片顏色更為鮮綠，植株生長健康；而Y區(qū)域的杜鵑葉片呈現(xiàn)黃色，植株出現(xiàn)萎靡現(xiàn)象，并伴有病蟲害的跡象。這種差異與植物葉綠素的含量和吸收特性密切相關。健康綠色的植物葉片含有較高濃度的葉綠素，這導致在可見光區(qū)域（尤其是藍光和紅光波段）的反射率較低，而在近紅外區(qū)域的反射率較高。

可見，通過對特定波譜段的反射率進行分析，可以實時監(jiān)測植被的生長狀況，包括植被的葉綠素含量、健康狀況等，也可以及時發(fā)現(xiàn)植被中的病蟲害問題，更可設置預警信息，當植株植被指數(shù)超過一定范圍值就開始預警，可以迅速對苗木采取措施，此技術高效、快捷、節(jié)省人力，可實現(xiàn)對苗木生長狀態(tài)的實時監(jiān)測。

此技術驗證了多光譜遙感技術（MSRS）在評估植被生長狀態(tài)和健康狀況方面的顯著效能。精確監(jiān)測植物在特定光譜波段的反射率，并結合歸一化光譜植被指數(shù)（NDVI）等指標，能夠對植物的葉綠素含量進行定量分析，從而高效地推斷出植物的生長狀態(tài)是否健康，以及是否存在病蟲害的威脅。

3 討論與結論

無人機多光譜遙感技術配備多個光譜通道的傳感器，可實現(xiàn)對地表物體的同步圖像捕捉，并對這些波譜段的信息進行解析，揭示地物的光譜特性。由于不同地物在不同的波譜段上表現(xiàn)出不同的光譜特性，這種特性差異可以用來區(qū)分和識別不同的地物。

在鄉(xiāng)村苗圃智能監(jiān)測中，多光譜遙感技術能夠實現(xiàn)苗木識別、苗木面積和數(shù)量統(tǒng)計，可用于植株生長狀態(tài)的監(jiān)測等領域，具有實時性強、精度高、覆蓋面廣、節(jié)省人力物力等優(yōu)勢。

①無人機多光譜遙感技術為鄉(xiāng)村苗圃智能監(jiān)測提供了高效、精準且實時的數(shù)據(jù)支持。該技術能夠獲取高分辨率的遙感數(shù)據(jù)，通過對不同光譜波段的反射信息進行解析，可實現(xiàn)對植被種類、生長狀態(tài)、病蟲害等問題的精準識別與監(jiān)測。這大大提高了苗圃管理的效率和精準度，降低了對人力資源的依賴，為鄉(xiāng)村園林綠化苗木產業(yè)的信息化、產業(yè)化發(fā)展提供了有力支持。

②無人機多光譜遙感技術在苗木識別和數(shù)量統(tǒng)計方面也有一定優(yōu)勢，可指導園林綠化苗木產業(yè)布局的合理規(guī)劃配置。通過航拍的光譜圖像植被指數(shù)的計算與分析，能夠區(qū)分不同植物群落的光譜特征，進而推斷出植物種類的大概分布范圍與面積。這為鄉(xiāng)村園林綠化苗木產業(yè)的結構調整和資源配置提供了科學依據(jù)，有助于實現(xiàn)產業(yè)的最優(yōu)化配置，助力產業(yè)結構調整和升級。

③多光譜遙感技術能夠實時監(jiān)測苗木的生長狀態(tài)與病蟲害情況。對特定光譜波段的反射率進行分析，可以評估植被的葉綠素含量等信息，從而分析出苗木的生長狀態(tài)和病蟲害的威脅程度。這為苗圃基地的管理提供了及時、準確的決策依據(jù)，有助于迅速采取應對措施，保障苗木的健康生長。

但是，無人機多光譜遙感技術在鄉(xiāng)村苗圃智能監(jiān)測中的應用還具有一定的局限性。例如，在植物種類識別方面，盡管該技術能夠區(qū)分不同植物的光譜特征，但對于某些相似度較高的植物種類，仍可能存在識別誤差。此外，該技術的應用還受到天氣條件、飛行高度、傳感器性能等多種因素的影響。因此，在實際應用中，需要結合其他技術手段和實地調研數(shù)據(jù)，以提高監(jiān)測的準確性和可靠性。

綜上所述，無人機多光譜遙感技術在鄉(xiāng)村苗圃智能監(jiān)測中具有廣闊的應用前景和重要的實踐價值。隨著技術的不斷進步和應用經(jīng)驗的積累，相信該技術將為鄉(xiāng)村園林綠化苗木產業(yè)的健康發(fā)展做出更大的貢獻。

參考文獻：

［1］何斌，冼麗鏵，劉玲，等.基于無人機遙感技術的智慧苗圃數(shù)據(jù)采集研究［J］.廣東園林，2017，39（3）：78-81.

［2］洪曉霞，洪兆龍，翁升，等.浙江國有苗圃改革發(fā)展現(xiàn)狀及對策分析［J］.浙江林業(yè)科技，2010（5）：82-86.

［3］李宇昊.無人機在林業(yè)調查中的應用實驗［J］.林業(yè)資源管理，2007（4）：69-73.

［4］樊江川.無人機航空攝影測樹技術研究［D］.北京：北京林業(yè)大學，2014.

［5］黃燕婷.基于GEM模型惠州旅游產業(yè)集群提升競爭力實證研究［J］.度假旅游，2018（12）：10-11.

［6］鄒裕文，張宏志.以康養(yǎng)為導向的城市綠心區(qū)苗圃產業(yè)轉型研究：以長株潭綠心為例［J］.農業(yè)與技術，2020，40（22）：168-171.

［7］王新悅.何以解圍 惟有提升：從發(fā)達國家苗圃特點看我國苗圃業(yè)未來發(fā)展方向［J］.中國花卉園藝，2016（9）：16-19.

［8］潘穎，龍岳林.國外苗圃產業(yè)發(fā)展及轉型思考［J］.安徽農學通報，2018，24（7）：109-110.

［9］潘穎.基于產業(yè)轉型發(fā)展的傳統(tǒng)苗圃環(huán)境經(jīng)過改造設計研究：以長沙市龍喜水鄉(xiāng)苗圃為例［D］.長沙：湖南農業(yè)大學，2018.

［10］宋維明.關于森林康養(yǎng)產業(yè)發(fā)展必然性與路徑的思考［J］.林業(yè)經(jīng)濟，2020，42（1）：3-8.

［11］鄧莉莉，陳雨.廣西康養(yǎng)產業(yè)競爭力及發(fā)展策略分析［J］.中國集體經(jīng)濟，2024（9）：41-44.

［12］劉新偉，張攀華，高逢敬，等.基于AHP方法的農業(yè)產業(yè)競爭力比較研究：以甘肅省鎮(zhèn)原縣種植業(yè)為例［J］.安徽農業(yè)科學，2024，52（1）：213-127.

［13］鄭英達，何丹.森林旅游產業(yè)集群競爭力GEM模型研究：以遼寧省本溪滿族自治縣為例［J］.沈陽農業(yè)大學學報（社會科學版），2015，17（5）：599-603.

［14］張晗，呂杰.農業(yè)產業(yè)集群影響因素研究［J］.農業(yè)技術經(jīng)濟，2011（2）：85-91.

［15］牛艷云.基于GEM模型的旅游產業(yè)集群競爭力研究［D］.濟南：山東大學，2007.

基金項目：2021年江西省高校人文社會科學研究一般項目“基于物聯(lián)網(wǎng)等信息技術的鄉(xiāng)村‘新型苗圃’產業(yè)集群化研究”（JC21136）；2021年度江西省教育廳科學技術研究重點項目“基于物聯(lián)網(wǎng)等信息技術的鄉(xiāng)村苗圃產業(yè)規(guī)劃布局研究”（GJJ215302）。

作者簡介：張麗麗（1984—），女，碩士，講師，研究方向：園林植物與觀賞園藝；左詞時（1986—），男，本科，經(jīng)濟師，研究方向：項目管理；廖琳琳（1964—），女，本科，副教授，研究方向：漢語言文學；吳水珍（1977—），女，本科，副教授/高級工程師，研究方向：建筑裝飾工程技術；陳宇（1982—），男，碩士，副教授，研究方向：職業(yè)教育、風景園林規(guī)劃設計。