基于無人機遙感的不同施氮水稻光譜與植被指數分析

裴信彪，吳和龍，馬 萍，嚴永峰，彭 程，郝 亮*，白 越*

(1.中國科學院 長春光學精密機械與物理研究所，吉林 長春130033；2.中國科學院大學，北京 100039；3.吉林省農業科學院 水稻研究所，吉林 公主嶺 136100)

1 引 言

水稻是我國最重要的主糧，氮素是水稻生長過程中最重要的營養元素之一，也是土壤中最活躍的元素之一[1-2]。水稻產量在一定范圍內和氮肥施用量有直接關系，但過量施用氮肥會導致氮肥利用率降低，同時污染水體，造成土壤板結和硬化[3-5]，因此，實現水稻營養狀況的快速診斷，對水稻氮素含量進行監測以便合理施用氮肥具有重要意義。營養診斷的傳統方法是采用實驗室測試，準確性高，但時效性差，難以滿足其在生產中的快速診斷需求[6-9]。隨著遙感技術的發展，基于星載的光譜技術被用于農業、氣象、國土勘察等眾多領域中[10-12]，成為診斷的一種方法。

Thenkabail等人[13]將TM影像與同期采集的地面實測數據相結合, 建立了玉米和大豆的葉面積指數估算模型，預測精度可達66%以上。Bunnik[14]利用遙感技術成功提取出植被覆蓋度與葉面積指數。Walthall等人[15]利用ETM+影像反演了玉米和大豆的葉面積指數, 并對比分析了使用神經網絡算法和經驗模型在反演上的差異。雖然衛星遙感技術已經成功地應用于宏觀農情監測中，并獲得了較好的應用效果，提高了農業生產效益，但衛星遙感技術存在影像分辨率低、重訪周期長等缺點[16]，另外，基于衛星遙感的監測精度還會受到云層、大氣和雨雪等環境一定程度的干擾，監測得到的數據往往與真實值有較大的偏差。隨著無人機技術越來越成熟，無人機在農業很多領域成功地進行了實際應用。無人機平臺使用靈活、遙感距離近、受環境影響小，能夠實時快速地獲取遙感數據[17]，成為當前農業遙感應用的研究熱點和前沿手段，可作為衛星遙感之外的新型測量方法[18]。當前利用無人機平臺搭載光譜傳感器進行農業遙感的相關工作還較少，本文使用共軸十二旋翼無人機搭載光譜儀構成農情遙感系統，測試不同施氮水平水稻的光譜指數變化規律，并使用廣泛應用的比值植被指數(RVI)和歸一化植被指數(NDVI)來分析不同氮素水平下水稻關鍵生育期內長勢情況。RVI和NDVI均可以預測水稻葉片氮素含量及氮素積累量,且具有較高的準確性，且光譜參數對葉片氮素積累量的預測效果優于葉片氮含量。由于差值植被指數(DVI)對土壤背景的變化極為敏感，故本文采用RVI和NDVI來分析不同氮素水平下水稻關鍵生育期內長勢情況，以期為作物長勢分析、健康狀況監測提供必要的數據支持，同時驗證無人機搭載光譜遙感獲取數據的有效性，為水稻氮素的合理施用提供更多理論指導。

2 高光譜遙感數據采集系統結構

2.1 飛行平臺

試驗使用的飛行平臺為自主研發的六軸十二旋翼無人機，處于同一平面內的六個等長碳纖維機臂圍繞中心點均勻分布構成機體平面；6組12個電機和旋翼構成驅動單元依次安裝于機臂末端。電機軸向與機體平面夾角為ζ(0<ζ<20°)，使得升力在偏航方向分量增大，顯著增強偏航控制力矩，提升了系統風擾下的航向穩定性。飛行平臺實物圖如圖1所示。

圖1 六軸十二旋翼無人機 Fig.1 Twelve-Rotor UAV

飛行平臺空載4.3 kg，最大帶載10 kg，空載續航時間40 min，詳細參數如表1所示。

表1 六軸十二旋翼無人機參數Tab.1 Twelve-Rotor UAV parameters

2.2 飛行控制系統

飛行控制系統包括硬件模塊和軟件模塊，其中硬件模塊如圖2所示。

圖2 飛行控制硬件模塊 Fig.2 Hardware module of flight control

其中，飛控主芯片采用STM32F429，實時處理用戶發出的飛行航跡指令、遙感載荷工作指令，并回傳飛行狀態和遙感數據。同時主控制芯片與遙感載荷交互間，采用RS232-TTL遙感數據電平轉換實現實時傳輸，并配備MicroSD卡進行存儲。

軟件模塊中，核心是飛行控制方法的選擇，無人機搭載遙感載荷進行數據采集時，需要良好的軌跡跟蹤精度，為此采用一個基于雙環嵌套結構的飛行器軌跡跟蹤飛行控制系統，如圖3所示。

圖3 飛行控制軌跡跟蹤方法 Fig.3 Trajectory tracking method for flight control

無人飛行器自主軌跡跟蹤飛行控制閉環系統被設計為內、外環嵌套的結構。其中，在控制系統的外環設計一個基于ADRC算法的位置控制器，其作用為對比飛行器的位置信息以及期望軌跡信息，確定飛行器在各個方向上所需求的位置控制量，將位置控制量轉化為期望的姿態角信號，并將其作為輸入傳送給內環的飛行器姿態控制系統。PD跟蹤微分器環節，可以有效地平滑姿態角的期望信號，便于姿態跟蹤算法的實現。內環采用PID算法保證飛行器的姿態實時跟蹤，實現對期望軌跡的自主跟蹤飛行。飛行控制參數如表2所示。

表2 飛行控制系統參數Tab.2 Parameters of flight control system

2.3 光譜遙感設備

光譜遙感設備選用美國ASD(Analytical Spectral Device)FieldSpec HandHeld便攜式光譜儀，適用于從遙感測量、農作物監測、森林研究到工業照明測量、海洋學研究和礦物勘察的各方面應用。操作簡單，軟件包功能強大。此儀器可用來測量輻射、輻照度、CIE顏色、反射和透射。具體參數指標如表3所示。

表3 ASD FieldSpec光譜儀參數Tab.3 Parameters of ASD FieldSpec

光譜儀的使用條件范圍廣，可手持或固定在三腳架上，也可作為有效載荷掛載在無人機上。本文將光譜儀掛載在無人機機體正下方，對不同施氮量的水稻土地進行光譜測量，可實時測量原始數據、反射、透射、輻射和輻照度光譜曲線，其中ASD可測量的最大輻射值超過0°天頂角處100%反射白板輻射值的2倍。

2.4 數據采集系統

光譜遙感數據采集系統，要求能夠實時傳輸位置信息和遙感信息，因此采用遙感載荷-飛行平臺-無人機的傳輸方式，系統在這3個工作節點，都對采集的遙感數據進行了實時存儲，實現多環節數據存儲和備份，如圖4所示。

圖4 遙感數據采集系統 Fig.4 Acquisition system of remote sensing data

采集的遙感數據，ASD光譜儀本地進行存儲備份，同時回傳至飛行平臺。平臺對數據進行校驗和板載SD卡存儲。在飛行平臺與地面站的實時通信中，將遙感數據和位置信息組合成數據包，經900M無線數傳模塊上傳至地面站窗口顯示并保存。系統在地面站、飛行平臺、遙感載荷3個環節都進行了數據備份。飛行平臺備份遙感載荷數據會產生極少量數據誤碼，地面站備份時由于無線傳輸會產生微量誤碼。然而多環節的備份可為試驗自由選擇數據源提供方便，選擇地面站數據時可以直接通過窗口觀測遙感數據，使用飛行平臺SD卡的遙感數據，可以在試驗結束后詳細分析多項參數。

3 試驗結果與分析

試驗地點位于吉林省公主嶺市水稻研究所試驗田(124°44′ E，43°28′ N)，該地區為平原地區，土壤類型為水稻土。設計4個施氮水平試驗區域，分別為不施氮區(N1)、施氮量50 kg /hm2(N2)、施氮量100 kg /hm2(N3)和施氮量200 kg /hm2(N4)4個區域。

選擇天氣條件良好、晴朗無風的上午9∶00-10∶30，分別在水稻分蘗期、拔節期和抽穗期測定水稻冠層光譜反射率。試驗測試時多旋翼無人機遙感系統距離測試區上空10 m并保持靜止，光譜儀視場通過三軸穩定云臺保持垂直向下，每個測量區域在不同位置均進行5次測量，每次測量開始和結束都對采集位置的光譜進行白板校正，以5次試驗測量點平均作為該區域光譜反射值。試驗時的數據源選擇飛行平臺存儲的遙感數據，試驗場景如圖5所示。

圖5 旋翼無人機遙感系統 Fig.5 Remote sensing system of multirotor UAV

3.1 水稻冠層反射光譜特性

圖6 不同時期、不同區域、不同氮素含量的水稻冠層反射光譜 Fig.6 Canopy reflectance spectra in different time and at different nitrogen levels

圖6中a、b、c分別為分蘗期、拔節期、抽穗期不同氮素水平下水稻冠層光譜反射率曲線。由圖6可以看出，水稻冠層光譜反射率在分蘗期、拔節期和抽穗期隨氮素水平呈現一定的規律性：即在可見光區水稻冠層反射率隨氮素水平增加呈減小趨勢，其中區域N1最高，區域N4最低；在近紅外區，光譜反射率一開始隨氮素水平增加而增大，但氮素水平增大到一定程度后再增加氮素導致反射率降低，近紅外區光譜反射率順序為N3>N4>N2>N1。同時高氮素水平下，水稻冠層在近紅外區的反射率較高，在可見光區的反射率較低，主要是由于高氮素水平對應著較高的葉綠素含量，而葉綠素在可見光區藍、紅光具有強烈吸收特性而在近紅外區具有高度的反射、散射特性，葉綠素在可見區形成了一個可見光區的小反射峰，能看到對紅光與藍光波段的強吸收，使綠色波段的反射漸近突出。另外，近紅外區的光譜反射率N3>N4表明，當施氮水平超過一定量時，過高的氮素供應反倒影響水稻葉綠素積累，而葉綠素含量是作物長勢的重要參數，因此，過高的氮素供應不但造成浪費，還會影響水稻生長。

圖7 抽穗期不同氮素營養水平水稻冠層反射光譜 Fig.7 Canopy reflectance spectra in heading stage at different nitrogen levels

圖7為N3施氮水平水稻冠層光譜反射率隨生長進程變化曲線，由圖7可以看出，隨著水稻生長進程的增加，水稻冠層光譜反射率增加，其原因是隨著生長進程增加，葉綠素的含量不斷提高，使得對藍、紅光的吸收效應和近紅外的反射效應增強。

3.2 不同氮素水平下水稻植被指數的變化

植被指數用來表征作物生長水平，本文采用的RVI和NDVI來分析水稻氮素水平和植被指數的關系

其中NIR為紅外波段光譜反射率，R為紅光光譜反射率。圖8為由光譜反射率計算得到的植被指數RVI和NDVI，為減小單點光譜誤差影響，NIR為紅外波段光譜，選擇760～900 nm，R為紅光光譜，選擇630～690 nm，選擇范圍與美國陸衛5衛星上專題制圖儀(Thematica pper) 波段TM4(760～900 nm)、TM3(630～690 nm) 相當[19]。

圖8 不同氮素水平水稻光譜植被指數RVI與NDVI變化 Fig.8 Variation of RVI and NDVI of rice under different nitrogen levels

從圖8a中可看出，水稻植被指數RVI隨生育期進程先增大再減小。4種氮素水平N1到N4條件下，分蘗期到拔節期之間RVI不斷增大，拔節期至抽穗期之間逐漸減小，且抽穗期RVI值小于其分蘗期RVI值。上述變化原因分析為：水稻生長進程中，植株不斷壯大，隨著葉面積不斷增加以及葉綠素含量的增高，對近紅外波段的反射率不斷增強，同時葉綠素含量的提升使作物對可見波段紅光的吸收增強，因此RVI值在分蘗期到拔節期隨生長進程顯著增加。從拔節期到抽穗期生長進程中RVI值顯著減小，分析其原因，隨著生長進程不斷趨于成熟，葉面積逐漸減小，水稻冠層對近紅外波段的反射強度逐漸減小，對可見光波段的紅光吸收效應減弱，導致RVI顯著減小，另一方面，隨著生長進程水稻穗數逐漸增多，稻穗的反射光譜在近紅外波段和可見波段，和水稻冠層葉片的反射光譜之間的差異逐漸增大，直接體現為稻穗對水稻冠層光譜的影響不斷增強，同時隨著水稻成熟進程的增加，水稻葉片顏色逐漸由綠轉黃，葉綠素對紅光的吸收減弱，可見波段的紅光反射增強，因此，水稻RVI隨拔節期向抽穗期進程顯著減小。

NDVI在分蘗期至抽穗期的生育期內變化如圖8b所示，可以看出，NDVI也呈明顯的規律性變化,4種氮素水平N1到N4條件下，從分蘗期到拔節期NDVI都逐漸增大，拔節期至抽穗期逐漸減小，且抽穗期NDVI值小于其分蘗期NDVI值。歸一化植被指數NDVI對簡單比值植被指數RVI進行了非線性歸一化處理并限制了RVI的無界增長，從圖8b中也可以看出NDVI的其整體變化規律同RVI是一致的。

由圖8a和圖8b可以看出，相對N3的施氮水平，N4施氮水平下水稻RVi和NDVI兩種植被指數均小于同生育期N3施氮水平水稻的植被指數，其結果同圖2光譜反射率結果相一致，因此，植被指數RVI和NDVI都可以反映和水稻長勢密切相關的葉綠素含量，兩種植被指數的大小與氮含量、葉綠素含量有直接對應關系，對過量施用氮素影響水稻生長也可以直觀反映在植被指數RVI和NDVI上。

4 結 論

本文利用多旋翼無人機搭載光譜儀對不同施氮水平的水稻關鍵生育期進行了遙感測量，測量結果表明不同氮素營養水平水稻的冠層光譜存在差異，在可見光區水稻冠層反射率隨氮素水平增加而減小，在近紅外區，光譜反射率一開始隨氮素水平增加而增大，但氮素水平增大到一定程度后再增加氮素導致反射率降低。水稻植被指數 RVI和NDVI都隨生育期進程先增大再減小，4種氮素水平條件下，從分蘗期到拔節期RVI值都不斷增大，拔節期至抽穗期又逐漸減小，且抽穗期RVI和NDVI值小于其分蘗期RVOI和NDVI值。因此，植被指數RVi和NDVI都可以反映和水稻長勢密切相關的葉綠素含量，且兩種植被指數的大小與氮含量、葉綠素含量有直接對應關系，對過量施用氮素影響水稻生長也可以直觀反映在植被指數RVI和NDVI上。實驗結果說明利用多旋翼無人機為平臺同步搭載光譜儀器構成農情遙感監測系統在反演作物植被指數方面是可行的。本文設計的基于無人機平臺的遙感數據采集系統能夠有效、實時獲取光譜信息，其獲取的農田實時信息，高空間分辨率和光譜分辨率等能夠為作物長勢分析、健康狀況監測提供必要的數據支持。另外，無人機平臺在低空(幾米至幾十米)遙感數據受大氣、云層風等外界因素的干擾較小, 可以更加準確地反映反演區真實狀況,可以作為現有衛星、航空以及地面遙感的有益補充，作為一環構建更為合理的綜合遙感系統。