無人機(jī)高光譜影像在農(nóng)業(yè)長勢監(jiān)測中的應(yīng)用

中圖分類號：S25 文獻(xiàn)標(biāo)志碼：A 文章編號：2096-9902（2025）14-0037-04

Abstract：ThisstudyisbasedonUAVhyperspectralimagingtechnologyandexploresitsapplicationinagriculturalgrowth monitoring.Amodelofcropgrowthwasconstructedandhyperspectralimagedatawasusedtoconductin-depthanalysisofchanges inkeyidicatossuchsopalthindex（H，hrophylloncentration（Ch）soilmoisture（S）ndoheight（Hilation resultsshowedthatthecrophealthindex（H）increasedfromOOtoO.86，thechlorophyllcontent（Cl） increasedfromO.45to0.52 andsoilmoisture（SM）andcropheight（H）alsoshowedstableincreasingtrendsrespectively.Thesechangesreflectthecontiuous improvementofcropgrowthconditions，indicatingthattheoptimizationofenvironmentalconditionsplaysanimportantrolein promotingcropgrowthinagriculturalproduction.Thenumericalsimulationandon-sitemonitoringdatawerecomparedtofurther prove the efectiveness and accuracy of UAV hyperspectral imaging technology in monitoring agricultural growth.

Keywords： UAV; UAV image; hyperspectral image; agricultural growth monitoring;precision agriculture

隨著現(xiàn)代農(nóng)業(yè)對精確監(jiān)控與管理要求的日益提高，傳統(tǒng)農(nóng)業(yè)監(jiān)測手段已經(jīng)不能適應(yīng)高效、實時的要求了。無人機(jī)高光譜影像技術(shù)是近年來興起的遙感技術(shù)之一，由于其具有高空間分辨率、多光譜信息采集等特點，使其在農(nóng)業(yè)長勢監(jiān)測等方面顯示出了極大的潛力。該技術(shù)利用攜帶高光譜傳感器的無人機(jī)在更短的時間內(nèi)獲取大面積農(nóng)田高精度影像數(shù)據(jù)，同時利用不同波段反射率信息為作物生長、土壤濕度和葉綠素含量等重要指標(biāo)提供詳實的信息。這些信息幫助農(nóng)業(yè)管理者對作物生長狀態(tài)進(jìn)行實時監(jiān)控，預(yù)先發(fā)現(xiàn)存在的病蟲害風(fēng)險或者水分不足，以便更準(zhǔn)確地進(jìn)行管理決策。研究目的在于探索利用無人機(jī)高光譜影像監(jiān)測農(nóng)業(yè)長勢的方法，并分析其中存在的優(yōu)勢和挑戰(zhàn)，尤其是如何利用數(shù)值模擬和現(xiàn)場數(shù)據(jù)對這些問題進(jìn)行有效驗證，進(jìn)一步驗證了其應(yīng)用于農(nóng)業(yè)精準(zhǔn)管理的可行性與有效性。

1無人機(jī)高光譜影像技術(shù)概況

1.1 無人機(jī)技術(shù)條件

無人機(jī)技術(shù)被廣泛運用于農(nóng)業(yè)長勢監(jiān)測，這主要是因為其具有高度靈活性與可操作性。無人機(jī)飛行控制系統(tǒng)可實現(xiàn)平穩(wěn)定點飛行并保證影像準(zhǔn)確獲取。當(dāng)代的農(nóng)業(yè)無人機(jī)往往搭載了高度精確的導(dǎo)航系統(tǒng)，這包括全球定位系統(tǒng)（GPS）和慣性測量單元（IMU），確保它們在復(fù)雜的農(nóng)業(yè)場景中能夠獨立飛行。無人機(jī)飛行高度、速度及航向都按需調(diào)節(jié)，從而在各種環(huán)境情況下完成多樣化監(jiān)測任務(wù)。為提升數(shù)據(jù)采集效率與覆蓋范圍，普通農(nóng)業(yè)無人機(jī)也具有長續(xù)航能力與大載重能力等特點，可攜帶各種傳感器與裝備，光學(xué)相機(jī)和激光雷達(dá)（LiDAR）滿足高光譜影像的各種需求[1]。

1.2高光譜影像技術(shù)條件

高光譜影像技術(shù)是一種準(zhǔn)確地捕獲對象光譜特征的技術(shù)，它從許多窄光譜波段中獲得影像信息。這些性狀能反映植物生長狀態(tài)、健康狀況及土壤、水分等環(huán)境因素。相比傳統(tǒng)的可見光或多光譜影像，高光譜影像的優(yōu)勢在于其能夠在300多個波段進(jìn)行細(xì)致的光譜信息采集，提供更為豐富的數(shù)據(jù)支持。高光譜影像技術(shù)為農(nóng)業(yè)生長監(jiān)測提供了一個高效的手段，準(zhǔn)確地獲取作物的生物物理數(shù)據(jù)，葉綠素、水分和氮的含量，這為農(nóng)田的管理工作提供了有力的數(shù)據(jù)支持。在傳感器技術(shù)不斷進(jìn)步的背景下，原有高光譜相機(jī)及影像采集設(shè)備在提高空間分辨率的同時，還顯著改善了數(shù)據(jù)處理精度，從而為農(nóng)業(yè)精準(zhǔn)監(jiān)測打下技術(shù)基礎(chǔ)。

2主要影響及關(guān)鍵措施

2.1 主要影響

使用無人機(jī)高光譜影像監(jiān)測農(nóng)業(yè)長勢，面臨著很多的挑戰(zhàn)與限制。天氣、環(huán)境條件顯著影響影像數(shù)據(jù)的質(zhì)量。大風(fēng)、雨雪或者陽光過強(qiáng)等極端天氣都會對無人機(jī)飛行穩(wěn)定性造成影響，進(jìn)而造成影像模糊或者畸變，影響監(jiān)測結(jié)果精度。作物生長特征、地形地貌及土壤類型多樣等因素也使資料更加復(fù)雜，造成分析過程更加困難。不同區(qū)域農(nóng)田環(huán)境差異，使影像數(shù)據(jù)處理與解譯較為煩瑣。在對高光譜影像數(shù)據(jù)進(jìn)行分析與處理過程中，需要有較強(qiáng)的技術(shù)支持，特別是數(shù)據(jù)量大的情況下，其存儲、傳輸與處理速度就成了制約其實時性與處理效率的瓶頸問題。因此在實踐中如何提高數(shù)據(jù)處理效率、攻克環(huán)境與技術(shù)難點仍然是將無人機(jī)高光譜影像廣泛用于農(nóng)業(yè)長勢監(jiān)測的重點問題。這些制約因素都有待于技術(shù)創(chuàng)新，多源數(shù)據(jù)融合等手段加以解決]。

2.2 關(guān)鍵措施

為了提升無人機(jī)高光譜影像對農(nóng)業(yè)長勢監(jiān)測的作用，要采取系列重點措施。本實用新型提高了無人機(jī)飛行系統(tǒng)運行穩(wěn)定性，保證了不同天氣情況下運行安全性及數(shù)據(jù)采集質(zhì)量。同時對高光譜傳感器進(jìn)行了性能優(yōu)化，加強(qiáng)了傳感器適應(yīng)環(huán)境變化能力，提升了數(shù)據(jù)準(zhǔn)確性與穩(wěn)定性。利用先進(jìn)數(shù)據(jù)處理算法并結(jié)合多源數(shù)據(jù)融合技術(shù)增強(qiáng)了圖像的分析效果和解譯精度。加大農(nóng)田環(huán)境綜合監(jiān)測力度，采用地面實測和遙感數(shù)據(jù)相結(jié)合的方法，促進(jìn)模型準(zhǔn)確可靠運行。這些舉措將對無人機(jī)高光譜影像廣泛應(yīng)用于農(nóng)業(yè)長勢監(jiān)測提供技術(shù)保證。

3無人機(jī)高光譜影像應(yīng)用模擬分析確定

3.1 仿真模型

為高效地使用無人機(jī)高光譜影像模擬農(nóng)業(yè)長勢監(jiān)測，該研究使用基于作物生長模型分析方法。該模型將遙感數(shù)據(jù)與關(guān)鍵作物生長參數(shù)（例如葉綠素含量、土壤濕度、作物高度及NDVI值等）相結(jié)合，通過線性回歸模型對作物健康指數(shù)進(jìn)行預(yù)測。該模型通過對農(nóng)作物生長過程中生物物理參數(shù)與影像數(shù)據(jù)間關(guān)系進(jìn)行擬合獲得農(nóng)作物健康狀況動態(tài)變化規(guī)律。輸入?yún)?shù)為作物種類、土壤類型、氣候條件和利用無人機(jī)高光譜影像采集的詳細(xì)資料。該模型輸出是對作物長勢進(jìn)行監(jiān)測，能正確地反映其生長狀態(tài)。該仿真方法既能為大面積農(nóng)田實時監(jiān)測提供有效數(shù)據(jù)支持，又能為農(nóng)業(yè)決策提供準(zhǔn)確依據(jù)，有利于農(nóng)戶及農(nóng)業(yè)管理者進(jìn)行作物優(yōu)化管理，提高農(nóng)業(yè)生產(chǎn)效率。這一模式的運用可以促進(jìn)精準(zhǔn)農(nóng)業(yè)發(fā)展，促使農(nóng)業(yè)生產(chǎn)朝著智能化、可持續(xù)化的方向邁進(jìn)。

3.2數(shù)值模擬參數(shù)

在模型的仿真過程中選用了以下數(shù)值模擬參數(shù)。

1）作物葉綠素含量（Chl）： Chl=0.1×NDVI+0.2 0

2）土壤濕度（SM） ：SM=0.5×NDWI-0.1， 0

3）作物高度（H）： _;H=0.8×EVI+1.5 0

4）作物健康指數(shù) （HI）：HI=0.3×Chl+0.4×SM+0.3×H°

3.3 技術(shù)階段劃分

數(shù)值模擬分析中，把技術(shù)過程分成3個階段。在數(shù)據(jù)采集和預(yù)處理階段，利用無人機(jī)獲取高光譜影像數(shù)據(jù)，利用圖像處理軟件完成噪聲去除、幾何校正和光譜融合預(yù)處理工作。在模型建立和仿真階段，以處理過的影像數(shù)據(jù)和作物生長模型為基礎(chǔ)，采用算法對生長指數(shù)和遙感數(shù)據(jù)建立定量關(guān)系并模擬分析。在結(jié)果驗證和優(yōu)化階段，利用實際農(nóng)田數(shù)據(jù)驗證了仿真結(jié)果，并依據(jù)對比結(jié)果對模型參數(shù)進(jìn)行了調(diào)整，從而提高了預(yù)測精度與可靠性。通過上述3個階段技術(shù)流程保證了該模式的高效性與適用性3]。

3.4 數(shù)值模擬分析

為了驗證無人機(jī)高光譜影像對農(nóng)業(yè)長勢監(jiān)測的效果，該研究對所選農(nóng)業(yè)區(qū)域開展實地監(jiān)測工作，采集不同時點相關(guān)資料。這批數(shù)據(jù)涵蓋了作物健康指數(shù)（HI）、作物葉綠素含量（ChI）土壤濕度（SM）及作物高度（H）這4個核心指標(biāo)，目的是全方位地展示作物的生長狀態(tài)及環(huán)境變量對其生長過程的影響。更明確地說，作物健康指數(shù)（HI）揭示了作物的總體健康狀況，而作物葉綠素含量（Chl）與作物的光合效率有著緊密的聯(lián)系，土壤濕度（SM）會對水分供給產(chǎn)生影響，而作物高度（H）則是決定作物生長的關(guān)鍵物理指標(biāo)。通過對上述數(shù)據(jù)進(jìn)行監(jiān)測和分析（表1和圖1），本研究可以有效地驗證無人機(jī)高光譜影像技術(shù)應(yīng)用于農(nóng)業(yè)長勢實時監(jiān)測數(shù)據(jù)的可靠性和精確性?，F(xiàn)場數(shù)據(jù)也為后續(xù)遙感數(shù)據(jù)處理算法的優(yōu)化及農(nóng)田管理決策的制定提供現(xiàn)實依據(jù)。這些實地監(jiān)測結(jié)果，為無人機(jī)高光譜影像技術(shù)在現(xiàn)實中的應(yīng)用，提供了有力的依據(jù)支撐。

表1不同區(qū)域農(nóng)業(yè)長勢監(jiān)測數(shù)據(jù)

圖1不同區(qū)域農(nóng)業(yè)長勢監(jiān)測數(shù)據(jù)變化趨勢

4關(guān)鍵技術(shù)

4.1無人機(jī)影像采集技術(shù)

無人機(jī)影像采集技術(shù)是農(nóng)業(yè)長勢監(jiān)測的一項核心技術(shù)。該項技術(shù)通過高分辨率遙感傳感器可準(zhǔn)確獲取農(nóng)田高光譜影像數(shù)據(jù)?，F(xiàn)代農(nóng)業(yè)無人機(jī)一般都裝備有高精度導(dǎo)航與控制系統(tǒng)以保證飛行穩(wěn)定性與精準(zhǔn)定位。影像采集時飛行高度與傳感器設(shè)置非常關(guān)鍵，一般選用較小的飛行高度來提高圖像空間分辨率并保證細(xì)節(jié)清晰。無人機(jī)也可根據(jù)農(nóng)田實際需要對飛行路線和速度進(jìn)行靈活調(diào)節(jié)，從而使數(shù)據(jù)采集覆蓋更廣。與實時飛行控制技術(shù)相結(jié)合，無人機(jī)影像采集可為農(nóng)業(yè)監(jiān)測和控制提供及時而全面的資料支撐4。

4.2 高光譜數(shù)據(jù)處理技術(shù)

高光譜數(shù)據(jù)處理技術(shù)對農(nóng)業(yè)長勢監(jiān)測具有重要作用。高光譜影像為我們提供了大量的波段信息，這有助于深入了解植物的生物物理特性，例如葉綠素的含量、水分的含量和土壤的濕度等核心參數(shù)。數(shù)據(jù)處理技術(shù)核心環(huán)節(jié)有輻射校正、幾何校正、噪聲去除和光譜特征提取等。輻射校正可以有效地去除光照變化和傳感器噪聲的影響，保證影像數(shù)據(jù)精度；幾何校正的方法是通過調(diào)整圖像的幾何定位，確保其與地面的實際狀況相匹配，進(jìn)而增強(qiáng)空間的分辨能力和定位的準(zhǔn)確性；光譜特征提取技術(shù)利用高光譜數(shù)據(jù)提取作物關(guān)鍵健康指數(shù)、土壤濕度及葉綠素含量，從而為農(nóng)業(yè)長勢后續(xù)分析提供可靠的基礎(chǔ)數(shù)據(jù)。綜合運用這些數(shù)據(jù)處理技術(shù)，在提高監(jiān)測數(shù)據(jù)質(zhì)量的同時還能為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供更準(zhǔn)確的決策支撐，促進(jìn)農(nóng)業(yè)管理智能化和精細(xì)化發(fā)展。

4.3農(nóng)業(yè)長勢監(jiān)測技術(shù)

農(nóng)業(yè)長勢監(jiān)測技術(shù)以高光譜影像數(shù)據(jù)為基礎(chǔ)，能夠?qū)崟r準(zhǔn)確地評價作物生長狀態(tài)。常用的監(jiān)測方法包括基于植被指數(shù)（如NDVI、EVI）和生物物理特征分析的技術(shù)。NDVI（歸一化植被指數(shù)）能夠揭示作物的綠色狀況，并間接表示植物的健康水平。將遙感技術(shù)和生物物理模型相結(jié)合可實現(xiàn)對作物氮含量、水分含量和葉綠素含量的精確估計。農(nóng)業(yè)長勢監(jiān)測技術(shù)又包含了數(shù)據(jù)融合和多時相分析等技術(shù)，通過對比不同時相影像數(shù)據(jù)來實時跟蹤作物生長變化情況，從而為農(nóng)田管理工作提供決策支持。這些技術(shù)的運用不僅提升了監(jiān)測精度，更為精準(zhǔn)農(nóng)業(yè)提供數(shù)據(jù)基礎(chǔ)[5-]。

5控制措施實施效果

5.1現(xiàn)場監(jiān)測數(shù)據(jù)

為驗證無人機(jī)高光譜影像用于農(nóng)業(yè)長勢監(jiān)測的有效性，本研究對所選地區(qū)進(jìn)行現(xiàn)場監(jiān)測并收集不同時點相關(guān)資料。以下是一組實地監(jiān)測的數(shù)據(jù)集，包括作物健康指數(shù)（HI）作物葉綠素含量（ChI）、土壤濕度（SM）及作物高度（H）這4項關(guān)鍵指標(biāo)。

根據(jù)現(xiàn)場監(jiān)測數(shù)據(jù)（表2）可知，區(qū)域1在不同時間節(jié)點下，作物健康指數(shù)（HI）、作物葉綠素含量（Chl）、土壤濕度（SM）和作物高度（H）4項指標(biāo)都表現(xiàn)出顯著增加趨勢。從2023年6月1日至7月15日，作物健康指數(shù)（HI）從0.80上升至0.86，作物葉綠素含量（Chl）從0.45增長至0.52，土壤濕度（SM）從0.34增加到0.40，而作物高度（H）從0.72上升到0.80。這種趨勢變化顯示，在這段時間里，作物的生長情況得到了持續(xù)的優(yōu)化，其健康狀況也逐步上升。作物葉綠素含量提高體現(xiàn)了作物光合作用加強(qiáng)，而土壤濕度變化表明適宜水分條件支撐了作物生長，并與上述數(shù)據(jù)進(jìn)行比對，對無人機(jī)高光譜影像技術(shù)應(yīng)用于農(nóng)業(yè)長勢監(jiān)測的效果進(jìn)行驗證，表明該技術(shù)為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供可靠數(shù)據(jù)支撐。

表2區(qū)域1農(nóng)業(yè)長勢監(jiān)測現(xiàn)場數(shù)據(jù)

5.2 實施效果評價

依據(jù)5.1節(jié)所給出的實地監(jiān)測資料，觀察到隨著時間的流逝，作物健康指數(shù)（HI）、作物葉綠素含量（Chl）、土壤濕度（SM）及作物高度（H）都呈現(xiàn)出明顯的上升趨勢。2023年6月初，區(qū)域1的HI值從0.80上升到7月中旬的0.86，這意味著農(nóng)作物的健康狀況得到了一定的提升；作物葉綠素含量（Chl）亦由0.45上升到0.52，體現(xiàn)作物光合作用活躍度提高；土壤濕度（SM）及作物高度（H）亦呈平穩(wěn)增加之勢，驗證環(huán)境條件對作物生長的正向關(guān)系。從這些變化中可看出，無人機(jī)高光譜影像數(shù)據(jù)具有準(zhǔn)確性和時效性，有效地支撐農(nóng)業(yè)長勢監(jiān)測工作，并為農(nóng)業(yè)管理決策的制定提供科學(xué)依據(jù)[7-8]。

6 結(jié)論

本研究將無人機(jī)高光譜影像和農(nóng)業(yè)長勢監(jiān)測技術(shù)相結(jié)合，提出一種利用高光譜數(shù)據(jù)對作物生長狀態(tài)進(jìn)行評價。在收集分析不同地區(qū)農(nóng)業(yè)長勢相關(guān)數(shù)據(jù)的基礎(chǔ)上，建立了以作物葉綠素含量、土壤濕度、作物高度及作物健康指數(shù)為監(jiān)測目標(biāo)的農(nóng)業(yè)長勢監(jiān)測模型。無人機(jī)高光譜影像技術(shù)能準(zhǔn)確地反映作物生長過程中關(guān)鍵參數(shù)的變化情況，為農(nóng)業(yè)生產(chǎn)管理實時提供數(shù)據(jù)支撐。通過對現(xiàn)場監(jiān)測數(shù)據(jù)的深入分析，發(fā)現(xiàn)隨著時間的流逝，作物健康指數(shù)（HI）、作物葉綠素含量（ChI）、土壤濕度（SM）及作物高度（H）都呈現(xiàn)出穩(wěn)定的增長趨勢，表明農(nóng)業(yè)生態(tài)環(huán)境條件的改善和作物的生長是互相促進(jìn)的。通過對數(shù)據(jù)處理及分析算法的進(jìn)一步優(yōu)化，使遙感數(shù)據(jù)更加準(zhǔn)確可靠，使農(nóng)業(yè)長勢監(jiān)測精度得到有效增強(qiáng)。這些研究結(jié)果為精準(zhǔn)農(nóng)業(yè)推廣應(yīng)用提供了強(qiáng)有力的技術(shù)支持和科學(xué)的農(nóng)業(yè)決策。

參考文獻(xiàn)：

[1]李浩.無人機(jī)遙感技術(shù)在農(nóng)業(yè)氣象監(jiān)測中的應(yīng)用[J].農(nóng)業(yè)工程技術(shù)，2023，43（35）：47-48.

[2]周伊伊.基于無人機(jī)遙感技術(shù)的設(shè)施農(nóng)業(yè)用地監(jiān)測研究[J].現(xiàn)代化農(nóng)業(yè)，2023（2）：47-50.

[3]胡彬彬.無人機(jī)載多源遙感技術(shù)在小麥生長參數(shù)監(jiān)測中的應(yīng)用[J].電子技術(shù)，2022，51（11）：274-275.

[4]杜芳芳，何曉平，陳曉明，等.無人機(jī)技術(shù)在農(nóng)業(yè)監(jiān)測中的應(yīng)用及優(yōu)劣勢[J].現(xiàn)代農(nóng)業(yè)科技，2020（13）：172-174.

[5]孫月，侯效春，李輕言.無人機(jī)與多傳感器的精準(zhǔn)農(nóng)業(yè)系統(tǒng)研究[J]單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2020，20（6）：53-55.

[6]黃勇.基于多源遙感數(shù)據(jù)的關(guān)中地區(qū)冬小麥長勢監(jiān)測[D].楊凌：西北農(nóng)林科技大學(xué)，2022.

[7]韓少宇.基于多平臺遙感數(shù)據(jù)的冬小麥長勢監(jiān)測和產(chǎn)量預(yù)測[D].鄭州：河南農(nóng)業(yè)大學(xué)，2023.

[8]齊允正.基于無人機(jī)多光譜遙感的冬小麥長勢監(jiān)測及產(chǎn)量估測[D].泰安：山東農(nóng)業(yè)大學(xué)，2023.