無人機(jī)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用綜述

摘要：對(duì)無人機(jī)及其在農(nóng)業(yè)應(yīng)用中搭載傳感器的類型進(jìn)行簡(jiǎn)要說明，并對(duì)基于無人機(jī)遙感的農(nóng)田土壤分析及墑情測(cè)定、作物面積測(cè)算及快速分類、作物施肥及其管理進(jìn)行深入剖析，指出無人機(jī)在各研究領(lǐng)域的關(guān)鍵技術(shù)，對(duì)推動(dòng)現(xiàn)代農(nóng)業(yè)的發(fā)展具有劃時(shí)代的意義。最后提出研發(fā)續(xù)航時(shí)間長(zhǎng)、載荷能力強(qiáng)、穩(wěn)定性高、分辨率高的農(nóng)用無人機(jī)以及相配套的遙感數(shù)據(jù)后處理方法，以有力推動(dòng)無人機(jī)在現(xiàn)代農(nóng)業(yè)上的應(yīng)用。

關(guān)鍵詞：無人機(jī);遙感;現(xiàn)代農(nóng)業(yè);傳感器

中圖分類號(hào)： S252文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2019）21-0075-04

收稿日期：2018-10-24

基金項(xiàng)目：山西水利信息化規(guī)劃（編號(hào)：晉水財(cái)務(wù)[2017]433）。

作者簡(jiǎn)介：蘇瑞東（1988—），男，內(nèi)蒙古豐鎮(zhèn)人，碩士，主要從事無人機(jī)應(yīng)用及水利信息化研究。E-mail：surd168@163.com。

無人機(jī)（UAV）是利用無線電遙控設(shè)備和程序控制裝置操縱的不載人飛行器。隨著“工業(yè)5.0”時(shí)代的來臨，無人機(jī)在水利、環(huán)保、電力等各行各業(yè)中被廣泛應(yīng)用?，F(xiàn)代農(nóng)業(yè)是在現(xiàn)代工業(yè)和現(xiàn)代科學(xué)技術(shù)基礎(chǔ)上發(fā)展起來的，其中的一個(gè)主要特征就是把工業(yè)部門生產(chǎn)的大量物質(zhì)和能量投入到農(nóng)業(yè)生產(chǎn)中，以換取大量農(nóng)產(chǎn)品，成為工業(yè)化的農(nóng)業(yè)[1]。無人機(jī)在現(xiàn)代農(nóng)業(yè)上的應(yīng)用就是一個(gè)典型特例，它主要是利用無人機(jī)代替人力畜力提高生產(chǎn)效率。

1無人機(jī)簡(jiǎn)介

無人機(jī)按外形結(jié)構(gòu)劃分，通常包括固定翼無人機(jī)和多旋翼無人機(jī)2種（圖1、圖2）。固定翼無人機(jī)采用滑跑或彈射起飛，傘降或滑跑著陸，對(duì)場(chǎng)地有一定要求;巡航距離、載重等指標(biāo)明顯高于多旋翼無人機(jī)。多旋翼無人機(jī)根據(jù)螺旋槳數(shù)量，又可細(xì)分為四旋翼、六旋翼、八旋翼等。一般認(rèn)為，螺旋槳數(shù)量越多，飛行越平穩(wěn)，操作越容易。多旋翼無人機(jī)具有可折疊、垂直起降、可懸停、對(duì)場(chǎng)地要求低等優(yōu)點(diǎn)，因此備受青睞。

如表1所示，無人機(jī)具有靈活性高的特點(diǎn)，即無人機(jī)體積小、質(zhì)量輕，擁有飛機(jī)、衛(wèi)星無法具備的靈活性;成本低，組裝后可直接使用，且起飛方式簡(jiǎn)單，對(duì)環(huán)境要求低。無人機(jī)機(jī)身

成本低，運(yùn)行時(shí)的能量耗費(fèi)也低于其他飛行器;不需考慮停放場(chǎng)地建設(shè)以及飛行員培訓(xùn)帶來的額外成本;安全性高，即無人機(jī)隱蔽性強(qiáng)，抗干擾性能較強(qiáng);無需擔(dān)心駕駛?cè)藛T的安全，可在惡劣的環(huán)境下執(zhí)行危險(xiǎn)任務(wù)。因此，鑒于無人機(jī)的上述優(yōu)點(diǎn)，根據(jù)作物種植的需要，在無人機(jī)上搭載不同類型的傳感器，就可以實(shí)現(xiàn)無人機(jī)在農(nóng)業(yè)上的不同應(yīng)用。

2農(nóng)用無人機(jī)搭載傳感器類型

無人機(jī)遙感平臺(tái)的傳感器主要包括色彩模式（color mode）數(shù)碼相機(jī)、3D數(shù)碼相機(jī)、紅外測(cè)溫儀、熱成像儀、熒光探針、多光譜相機(jī)、高光譜相機(jī)、激光雷達(dá)和聲納設(shè)備。為了精準(zhǔn)反演農(nóng)田土壤信息及作物在不同生育期的株高、出苗率、生物量、葉面積指數(shù)（leaf area index，簡(jiǎn)稱LAI）等長(zhǎng)勢(shì)信息、氮素和水分狀態(tài)及產(chǎn)量等信息，無人機(jī)需搭載不同類型的傳感器。但受限于平臺(tái)載荷，目前農(nóng)用無人機(jī)普遍搭載的傳感器主要為數(shù)碼相機(jī)、多光譜相機(jī)、高光譜相機(jī)、激光雷達(dá)和熱像儀等。

3無人機(jī)在現(xiàn)代農(nóng)業(yè)上的應(yīng)用

3.1基于無人機(jī)遙感的農(nóng)田土壤分析及墑情測(cè)定

在農(nóng)作物種植前，采用無人機(jī)對(duì)土壤進(jìn)行監(jiān)測(cè)分析，對(duì)農(nóng)業(yè)種植的前期規(guī)劃具有至關(guān)重要的作用[2]。土壤是農(nóng)作物賴以生存的環(huán)境，對(duì)土壤墑情進(jìn)行測(cè)定不僅能了解農(nóng)田土壤的干濕程度，同時(shí)可對(duì)農(nóng)作物的生長(zhǎng)趨勢(shì)作出預(yù)測(cè)評(píng)估。傳統(tǒng)的土壤墑情測(cè)定只能是短期的、小范圍的監(jiān)測(cè)，而利用無人機(jī)掛載近紅外光設(shè)備，可以更加全面地對(duì)土壤進(jìn)行監(jiān)測(cè)，通過對(duì)獲取影像的對(duì)比分析，就可以了解土壤的濕度。在21世紀(jì)初，Quiquerez等利用無人機(jī)監(jiān)測(cè)農(nóng)田土壤表面特征對(duì)環(huán)境侵蝕的影響，并映射出5 cm空間分辨率下的土壤表面結(jié)構(gòu)[3]。因此，利用無人機(jī)遙感技術(shù)可以大面積且快速地對(duì)農(nóng)田土壤進(jìn)行分析及墑情測(cè)定，不僅對(duì)作物種植可以進(jìn)行前期合理規(guī)劃，還可以在作物生育期內(nèi)實(shí)時(shí)地探測(cè)土壤墑情，以便精準(zhǔn)灌溉。

3.2農(nóng)用植保無人機(jī)

我國作為農(nóng)業(yè)大國，擁有1.2億hm2基本農(nóng)田，每年需要大量的農(nóng)業(yè)植保作業(yè)，而每年農(nóng)藥中毒人數(shù)就達(dá)10萬人，致死率約20%。農(nóng)藥殘留和污染造成的病死人數(shù)至今尚無官方統(tǒng)計(jì)，想必是一個(gè)驚人數(shù)字。而農(nóng)用植保無人機(jī)具有噴灑效果好、無人駕駛、噴霧效率高、適用性好、省藥、省水、減少污染、操控人員安全系數(shù)高、作物損傷小等特點(diǎn)，因此在現(xiàn)代農(nóng)業(yè)中被廣泛應(yīng)用。其中無人機(jī)噴灑技術(shù)采用噴霧噴灑方式可以幫助農(nóng)戶至少節(jié)約50%的農(nóng)藥使用量和90%的用水量，同時(shí)，無人機(jī)噴灑農(nóng)藥效率是人工噴灑的30倍[4]，這在很大程度上幫助農(nóng)戶降低了資源成本。

國外植保無人機(jī)發(fā)展較快，美國、日本更是處于世界領(lǐng)先水平。其中美國航空植保經(jīng)歷了有人駕駛直升機(jī)向無人機(jī)的過渡[5]，日本生產(chǎn)出了世界上第1架用于噴灑農(nóng)藥的無人直升機(jī)[6]，由于其體積較小、作業(yè)機(jī)動(dòng)靈活、噴灑效果好的特點(diǎn)，在日本被廣泛使用并取得良好效果[7]。

近年來，我國在農(nóng)業(yè)航空噴灑上也逐漸引入無人機(jī)，雖然仍處于起步階段，但無人機(jī)噴灑將成為發(fā)展最快的新興領(lǐng)域，也是未來農(nóng)業(yè)發(fā)展的方向[8-9]。袁玉敏進(jìn)行了農(nóng)業(yè)植保無人機(jī)高精度定位系統(tǒng)研究與設(shè)計(jì)[10]。張新星對(duì)農(nóng)用無人機(jī)智能植保系統(tǒng)進(jìn)行了設(shè)計(jì)[11]。范慶妮設(shè)計(jì)出了2套無人機(jī)的農(nóng)藥霧化系統(tǒng)，即離心霧化系統(tǒng)和液力霧化系統(tǒng)[12]，在范慶妮的基礎(chǔ)上，茹煜等研究出了無人機(jī)噴灑藥物的旋轉(zhuǎn)液力霧化噴頭的最佳工作參數(shù)[13]，并針對(duì)XY8D無人機(jī)設(shè)計(jì)出了靜電噴霧系統(tǒng)[14]和專門用于無人機(jī)噴霧的遠(yuǎn)程控制系統(tǒng)[15]。徐興等設(shè)計(jì)出了無人機(jī)農(nóng)藥變量噴灑系統(tǒng)[16]。史萬萍等對(duì)精準(zhǔn)變量噴藥技術(shù)進(jìn)行了研究[17]。學(xué)者們還對(duì)低空低量航空施藥技術(shù)[18-20]以及植保無人機(jī)航空噴施作業(yè)參數(shù)對(duì)霧滴沉積分布特性的影響[21-25]進(jìn)行了研究。雖然我國近年來對(duì)農(nóng)業(yè)植保無人機(jī)進(jìn)行了大量的研究，其發(fā)展也較快，但整體而言，植保無人機(jī)體系尚未成熟。我國植保無人機(jī)技術(shù)和產(chǎn)品性能參差不齊，僅有絕少數(shù)產(chǎn)品能夠滿足大面積高強(qiáng)度的植保噴灑要求。目前存在的主要問題是（1）成熟可靠的植保無人機(jī)少，不少廠商忽視了植保作業(yè)的特殊要求。（2）買家盲目購買，并未實(shí)地考察無人機(jī)的飛行作業(yè)情況，應(yīng)對(duì)技術(shù)層面多一些了解。（3）培訓(xùn)及售后服務(wù)不到位（4）專用藥劑知識(shí)不足，個(gè)人盲目勾兌藥劑，容易出現(xiàn)農(nóng)藥殘留過高、滅蟲效果差等問題。（5）行業(yè)標(biāo)準(zhǔn)難制定，購機(jī)補(bǔ)貼難申請(qǐng)。（6）市場(chǎng)需求量大，準(zhǔn)入門檻不高，專業(yè)化水平難提升。因此，鑒于上述問題，有必要加強(qiáng)對(duì)植保無人機(jī)的研發(fā)，以讓其廣泛應(yīng)用于生產(chǎn)和實(shí)踐。

3.3基于遙感圖像信息的農(nóng)田作物管理

未來的灌區(qū)必將是全程機(jī)械化的，而如何大面積地獲取作物生長(zhǎng)狀況信息，并作出及時(shí)有效的判斷，實(shí)現(xiàn)現(xiàn)代灌區(qū)的精準(zhǔn)管理，對(duì)灌區(qū)農(nóng)業(yè)的發(fā)展至關(guān)重要。利用無人機(jī)搭載遙感系統(tǒng)可以對(duì)農(nóng)田作物信息進(jìn)行快速重復(fù)監(jiān)測(cè)并獲取高分辨率的遙感圖像，其克服了衛(wèi)星遙感易受云層遮擋且成本較高以及人工地面采集數(shù)字影像耗時(shí)耗力、效率較低的缺點(diǎn)，提高了植被覆蓋率監(jiān)測(cè)的準(zhǔn)確性[26-27]。

當(dāng)前，國外在基于遙感圖像信息的農(nóng)田作物管理方面的研究發(fā)展較快。美國農(nóng)業(yè)部大面積病蟲害管理研究中心利用無人機(jī)搭載多光譜相機(jī)獲取棉花的遙感圖像，該圖像經(jīng)過處理分析可以反映棉花的生長(zhǎng)狀態(tài)（長(zhǎng)勢(shì)良好、生病或者死亡），有利于實(shí)現(xiàn)精準(zhǔn)施肥[28-30]。Chosa 等利用無人機(jī)對(duì)水稻生長(zhǎng)狀況進(jìn)行監(jiān)測(cè)，可以確定高質(zhì)量高產(chǎn)量的水稻區(qū)域[31]。Hunt等利用無人機(jī)遙感信息平臺(tái)獲取冬小麥、大豆、苜蓿、玉米的高分辨率光譜圖像，建立圖像特征值與作物生長(zhǎng)狀況指標(biāo)的模型，對(duì)作物進(jìn)行精準(zhǔn)管理[32-33]。日本采用無人機(jī)搭載紫外線照相機(jī)獲取水稻的生長(zhǎng)信息，用于指導(dǎo)施肥作業(yè)[34]。Swain 等采用無人機(jī)遙感平臺(tái)獲取水稻田的遙感圖像，以估算水稻產(chǎn)量和總生物量[35]。Lelong等利用無人機(jī)遙感平臺(tái)獲取不同品種小麥的遙感圖像，對(duì)不同品種小麥作物的物理參數(shù)進(jìn)行定量監(jiān)測(cè)評(píng)估[36]。Sugiura等利用無人機(jī)系統(tǒng)對(duì)作物進(jìn)行拍攝，通過劃分研究區(qū)域內(nèi)的作物葉面積指數(shù)分布狀況，分析作物生長(zhǎng)信息[37-38]。Sullivan 等采用無人機(jī)搭載熱紅外監(jiān)測(cè)系統(tǒng)監(jiān)測(cè)棉花生長(zhǎng)情況，發(fā)現(xiàn)熱紅外圖像對(duì)棉花冠層具有很好的敏感性，說明熱紅外遙感平臺(tái)能夠用于監(jiān)測(cè)棉花生長(zhǎng)狀況[39]。Noguchi 團(tuán)隊(duì)采用無人直升機(jī)遙感平臺(tái)監(jiān)測(cè)水稻作物營養(yǎng)狀態(tài)，以實(shí)現(xiàn)水稻田的精準(zhǔn)管理[40]。Vega等利用無人機(jī)搭載多光譜傳感器獲取向日葵的多時(shí)相影像，以計(jì)算出其歸一化植被指數(shù)（normalized difference vegetation index，簡(jiǎn)稱NDVI）值，監(jiān)測(cè)其生長(zhǎng)狀況，以便管理[41]。Armstrong等利用無人機(jī)獲取玉米多光譜圖像，觀測(cè)玉米田的雜草密度[42]，從而進(jìn)行農(nóng)田雜草管理[43]。無人機(jī)高時(shí)空分辨率遙感影像還能夠很好地提高農(nóng)田水分脅迫的管理水平[44-45]。

我國在無人機(jī)獲取遙感信息管理方面的發(fā)展相對(duì)較晚。喬紅波等采用手持式高光譜儀和低空遙感系統(tǒng)對(duì)不同危害程度小麥白粉病冠層光譜反射率進(jìn)行了測(cè)定，分析表明，低空遙感系統(tǒng)可以無損、快速、大面積地對(duì)小麥白粉病進(jìn)行監(jiān)測(cè)[46-47]。祝錦霞等采用掃描儀和無人機(jī)平臺(tái)獲取水稻葉片和冠層的數(shù)字圖像，運(yùn)用數(shù)字圖像處理技術(shù)研究不同氮素營養(yǎng)水平水稻葉片和冠層的綜合特征信息，從而進(jìn)行水稻的氮素營養(yǎng)診斷[48]。李冰等利用無人機(jī)搭載多光譜相機(jī)系統(tǒng)對(duì)冬小麥進(jìn)行監(jiān)測(cè)，提出的植被指數(shù)閾值法可對(duì)農(nóng)作物的覆蓋度和生長(zhǎng)狀況進(jìn)行分析[49]。高林等采用無人機(jī)掛載數(shù)碼相機(jī)和多光譜傳感器分別獲取大豆結(jié)莢期和鼓粒期的影像，通過植被指數(shù)構(gòu)建的單變量和多變量葉面積指數(shù)（leaf area index，簡(jiǎn)稱LAI）反演模型能夠真實(shí)反映當(dāng)?shù)卮蠖沟膶?shí)時(shí)生長(zhǎng)情況[50]。因此，目前基于無人機(jī)遙感圖像的時(shí)空動(dòng)態(tài)變化，可獲取作物產(chǎn)量、營養(yǎng)狀況、病蟲害的發(fā)生/發(fā)展?fàn)顩r等信息。

3.4基于無人機(jī)低空遙感的農(nóng)作物快速分類及面積估算

目前可以利用無人機(jī)影像分析技術(shù)對(duì)作物進(jìn)行分類[51]。為了降低分類誤差，李宗南等采用小型無人機(jī)獲取玉米的可見光圖像，研究了玉米倒伏信息的圖像特征和面積提取方法[52]。韓文霆等采用無人機(jī)獲取玉米影像，通過分析影像中各類地物特征的種內(nèi)變異系數(shù)和與玉米的相對(duì)差異系數(shù)，得出玉米的主要特征，從而提取出玉米的種植面積[53]。孫佩軍等利用無人機(jī)獲取冬小麥高分辨率影像，進(jìn)行無人機(jī)抽樣調(diào)查，分別設(shè)計(jì)多層次-面積規(guī)模指標(biāo)、多層次-異質(zhì)性指標(biāo)、面積規(guī)模指標(biāo)、異質(zhì)性指標(biāo)計(jì)算各抽樣基本單元的對(duì)應(yīng)指標(biāo)值，結(jié)果表明，利用多層次指標(biāo)法進(jìn)行分層，各層內(nèi)作物均質(zhì)性較好，能夠提高農(nóng)作物面積估算的精度;此外，異質(zhì)性指標(biāo)較面積規(guī)模指標(biāo)更能提高分層的層內(nèi)作物均質(zhì)性與農(nóng)作物面積估算精度[54]。Shen等采用無人機(jī)遙感獲取中等空間分辨率影像，對(duì)農(nóng)作物種植面積進(jìn)行估測(cè)，得出在95%置信度下監(jiān)測(cè)精度可達(dá)95%以上[55]。田振坤等利用無人機(jī)低空飛行獲取小麥的遙感影像，基于農(nóng)作物波譜特征和NDVI變化閾值提出的農(nóng)作物快速分類提取方法具有較高的正確率和普適性[56]。郭鵬等利用無人機(jī)獲取遙感影像，對(duì)農(nóng)田作物類型進(jìn)行研究，結(jié)果表明基于色彩與紋理特征提取作物類型的精度較高，高于基于顏色指數(shù)的提取方法，是一種行之有效的無人機(jī)數(shù)據(jù)作物分類方法[57]。以上研究表明，基于無人機(jī)低空遙感的農(nóng)作物快速分類及面積估算，對(duì)相關(guān)部門快速高效地統(tǒng)計(jì)糧食種類和產(chǎn)量以及保證我國糧食安全具有重要意義。

4主要問題和展望

4.1主要問題

隨著無人機(jī)技術(shù)的發(fā)展，其在農(nóng)業(yè)上的應(yīng)用越來越普遍，但還存在一系列的問題。主要包括：（1）目前農(nóng)用無人機(jī)主要有電動(dòng)無人機(jī)、油動(dòng)無人機(jī)和油電混合無人機(jī)，但使用最多的是電動(dòng)無人機(jī)。電動(dòng)無人機(jī)受限于載重的影響，無法攜帶大量的電池，因此，其續(xù)航時(shí)間短。（2）由于電動(dòng)無人機(jī)載重小，因此無法掛載一些大質(zhì)量的遙感設(shè)備。（3）受風(fēng)的影響大。在風(fēng)力大于4級(jí)時(shí)，電動(dòng)無人機(jī)飛行姿態(tài)就難以按照規(guī)劃的航線飛行。（4）受航線規(guī)劃、飛行高度及掛載設(shè)備好壞的影響，無人機(jī)通過掛載的相機(jī)獲取的圖像質(zhì)量有時(shí)難以滿足作業(yè)需要，且后期圖像校正、匹配、拼接的難度大。

4.2展望

基于“4.1”節(jié)中所述的農(nóng)用無人機(jī)存在的問題，目前亟需解決的問題是：（1）研發(fā)續(xù)航時(shí)間長(zhǎng)、載重能力強(qiáng)的農(nóng)業(yè)無人機(jī)，同時(shí)研發(fā)輕質(zhì)量的掛載遙感設(shè)備，以提高農(nóng)用無人機(jī)續(xù)航時(shí)間。（2）對(duì)無人機(jī)的飛控系統(tǒng)進(jìn)行開發(fā)研究，使其在一定風(fēng)力下也能按規(guī)劃航線飛行，保證飛行的穩(wěn)定性。（3）針對(duì)農(nóng)用無人機(jī)遙感影像的特點(diǎn)以及相機(jī)定標(biāo)參數(shù)、拍攝時(shí)的姿態(tài)數(shù)據(jù)和有關(guān)幾何模型對(duì)圖像進(jìn)行幾何和輻射校正，開發(fā)出相應(yīng)的軟件進(jìn)行交互式處理，以保證對(duì)農(nóng)田及其作物信息進(jìn)行精準(zhǔn)和高效的解析。

5結(jié)論

本文通過對(duì)國內(nèi)外農(nóng)用無人機(jī)遙感技術(shù)進(jìn)行綜述，指明了目前農(nóng)用無人機(jī)獲取遙感影像過程中存在的問題及其未來發(fā)展的趨勢(shì)方向，闡述了無人機(jī)在現(xiàn)代農(nóng)業(yè)上的廣泛應(yīng)用及重要意義。進(jìn)一步研發(fā)續(xù)航時(shí)間長(zhǎng)、載荷能力強(qiáng)、穩(wěn)定性高、分辨率高的農(nóng)用無人機(jī)以及相配套的遙感數(shù)據(jù)后處理方法，并將其應(yīng)用在農(nóng)田土壤分析及墑情測(cè)定、作物面積測(cè)算及快速分類、作物施肥及其生長(zhǎng)狀況實(shí)時(shí)監(jiān)測(cè)中，對(duì)快速判斷及精準(zhǔn)決策，推動(dòng)現(xiàn)代農(nóng)業(yè)的發(fā)展，具有劃時(shí)代的意義。

參考文獻(xiàn)：

[1]何盛明. 財(cái)經(jīng)大辭典[M]. 北京：中國財(cái)政經(jīng)濟(jì)出版社，1990.

[2]Mulla D J.Twenty five years of remote sensing in precision agriculture：key advances and remaining knowledge gaps[J]. Biosystems Engineering，2013，114（4）：358-371.

[3]Quiquerez A，Chevigny E，Allemand P，et al.Assessing the impact of soil surface characteristics on vineyard erosion from very high spatial resolution aerial images[J]. Catena，2013，116：163-172.

[4]馬興. 噴灑農(nóng)藥的無人駕駛小飛機(jī)[J]. 新農(nóng)業(yè)，2015（1）：25-26.

[5]王虹. 美國通用航空發(fā)展現(xiàn)狀[J]中國民用航空，2003（8）：45-47.

[6]吳志洋. 單旋翼植保無人機(jī)技術(shù)淺析[J]中國植保導(dǎo)刊，2014（增刊1）：40-41，18.

[7]吳小偉，茹煜，周宏平. 無人機(jī)噴灑技術(shù)的研究[J]. 農(nóng)機(jī)化研究，2010，32（7）：224- 228.

[8]李林穎. 農(nóng)用無人機(jī)初露頭角未來可期[N]. 中國農(nóng)機(jī)化導(dǎo)報(bào)，2013-11-04（6）.

[9]蒙繼華，吳炳方，李強(qiáng)子，等. 農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測(cè)進(jìn)展及應(yīng)用展望[J]. 遙感信息，2010（3）：122 -128.

[10]袁玉敏. 農(nóng)業(yè)植保無人機(jī)高精度定位系統(tǒng)研究與設(shè)計(jì)——基于GPS和GPRS[J]. 農(nóng)機(jī)化研究，2016，38（12）：227-231.

[11]張新星. 農(nóng)用無人機(jī)智能植保系統(tǒng)設(shè)計(jì)[J]. 時(shí)代農(nóng)機(jī)，2017，44（3）：85-86.

[12]范慶妮. 小型無人直升機(jī)農(nóng)藥霧化系統(tǒng)的研究[D]南京：南京林業(yè)大學(xué)，2011.

[13]茹煜，金蘭，周宏平，等. 航空施藥旋轉(zhuǎn)液力霧化噴頭性能試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（3）：50-55.

[14]茹煜. 農(nóng)藥航空靜電噴霧系統(tǒng)及其應(yīng)用研究[D]. 南京：南京林業(yè)大學(xué)，2009.

[15]茹煜，賈志成，范慶妮，等. 范慶妮等. 無人直升機(jī)遠(yuǎn)程噴霧控制系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（6）：47-52.

[16]徐興，徐勝，劉永鑫，等. 小型無人機(jī)機(jī)載農(nóng)藥變量噴灑系統(tǒng)設(shè)計(jì)[J]. 廣東農(nóng)業(yè)科學(xué)，2014（9）：207-210.

[17]史萬萍，王熙，王新忠. 基于GPS和GIS的變量噴藥技術(shù)研究[J]. 農(nóng)機(jī)化研究，2007（2）：19-21.

[18]Xue X Y，Tu K，Qin W C，et al. Drift and deposition of ultra-low altitude and low volume application in paddy field[J]. International Journal of Agricultural and Biological Engineering，2014，7（4）：23-28.

[19]Qin W C，Xue X Y，Cui L F，et al. Optimization and test for spraying parameters of cotton defoliant sprayer[J]. International Journal of Agricultural and Biological Engineering，2016，9（4）：63-72.

[20]王昌陵，何雄奎，王瀟楠，等. 無人植保機(jī)施藥霧滴空間質(zhì)量平衡測(cè)試方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（11）：54-61.

[21]王昌陵，何雄奎，王瀟楠，等. 基于空間質(zhì)量平衡法的植保無人機(jī)施藥霧滴沉積分布特性測(cè)試[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（24）：89-97.

[22]王瀟楠，何雄奎，王昌陵，等. 油動(dòng)單旋翼植保無人機(jī)霧滴飄移分布特性[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33（1）：117-123.

[23]邱白晶，王立偉，蔡?hào)|林，等. 無人直升機(jī)飛行高度與速度對(duì)噴霧沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（24）：25-32.

[24]秦維彩，薛新宇，周立新，等. 無人直升機(jī)噴霧參數(shù)對(duì)玉米冠層霧滴沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30（5）：50-56.

[25]陳盛德，蘭玉彬，李繼宇，等. 小型無人直升機(jī)噴霧參數(shù)對(duì)雜交水稻冠層霧滴沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（17）：40-46.

[26]李冰，劉镕源，劉素紅，等. 基于低空無人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（13）：160-165.

[27]王玉鵬. 無人機(jī)低空遙感影像的應(yīng)用研究[D]. 焦作：河南理工大學(xué)，2011.

[28]Huang Y，Lan Y，Ge Y，et al. Spatial modeling and variability analysis for modeling and prediction of soil and crop canopy coverage using multispectral imagery from an airborne remote sensing system[J]. Transactions of the ASABE，2010，53（4）：1321-1329.

[29]Huang Y B，Thomson S J，Lan Y B，et al. Multispectral imaging systems for airborne remote sensing to support agricultural production management[J]. International Journal of Agricultural and Biological Engineering，2010，3（1）：50-62.

[30]Huang Y，Lan Y，Hoffmann W C. Use of airborne multi-spectral imagery in pest management systems[J]. Agricultural Engineering International，2008，10：1-14.

[31]Chosa T，Miyagawa K，Tamura S，et al. Monitoring rice growth over a production region using an unmanned aerial vehicle：preliminary trial for establishing a regional rice strain[J]. IFAC Proceedings Volumes，2010，43（26）：178-183.

[32]Hunt J，Hively W D，F(xiàn)ujikawa S J，et al. Acquisition of NIR-green-blue digital photographs from unmanned aircraft for crop monitoring[J]. Remote Sensing，2010，2（1）：290-305.

[33]Hunt E R，Cavigelli M，Daughtry C S T，et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status[J]. Precision Agriculture，2005，6（4）：359-378.

[34]石媛媛. 基于數(shù)字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D]. 杭州：浙江大學(xué)，2011.

[35]Swain K C，Thomson S J，Jayasuriya H P W. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop[J]. Transactions of the ASABE，2010，53（1）：21-27.

[36]Lelong C C D，Burger P，Jubelin G A，et al. Assessment of unmanned aerial vehicles imagery for quantitative monitoring of wheat crop in small plots[J]. Sensors，2008，8（5）：3557-3585.

[37]Sugiura R，Noguchi N，Ishii K. Remote-sensing technology for vegetation monitoring using an unmanned helicopter[J]. Biosystems engineering，2005，90（4）：369-379.

[38]Sugiura R，F(xiàn)ukagawa T，Noguchi N，et al. Field information system using an agricultural helicopter towards precision farming[C]. IEEE ASME International Conference on Advanced Intelligent Mechatronics，Japan，kobe，2003.

[39]Sullivan D G，F(xiàn)ulton J P，Shaw J N，et al. Evaluating the sensitivity of an unmanned thermal infrared aerial system to detect water stress in a cotton canopy[J]. Transactions of the ASABE，2007，50（6）：1955-1962.

[40]Noguchi N. 日本機(jī)器人耕作體系與遙感技術(shù)應(yīng)用[J]. 農(nóng)機(jī)科技推廣，2010（12）：16-17.

[41]Vega F A，Ramfrez F C，Saiz M P，et al.Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop[J]. Biosystems Engineering，2015，132：19-27.

[42]Armstrong J Q，Dirks R D，Gibson K D.The use of early season multispectral images for weed detection in corn[J]. Weed Technology，2007，21（4）：857-862.

[43]Torres-Sanchez J.Configuration and specifications of an Unmanned Aerial Vehicle （UAV） for early site specific weed management[J]. PLoS One，2013，8（3）：e58210.

[44]Zarco-Tejada P J，Gonzalez-Dugo V，Berni J A J.Fluorescence，temperature and narrow-band indices acquired form a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera[J]. Remote Sensing of Environment，2012，117：322-337.

[45]Gago J，Douthe C，Coopman R E，et al.UAVs challenge to assess water stress for sustainable agriculture[J]. Agricultural Water Management，2015，153：9-19.

[46]喬紅波，周益林，白由路，等. 地面高光譜和低空遙感監(jiān)測(cè)小麥白粉病初探[J]. 植物保護(hù)學(xué)報(bào)，2006，33（4）：341-344.

[47]喬紅波. 麥蚜和白粉病遙感監(jiān)測(cè)技術(shù)研究[D]. 北京：中國農(nóng)業(yè)科學(xué)院，2007.

[48]祝錦霞，陳祝爐，石媛媛，等. 基于無人機(jī)和地面數(shù)字影像的水稻氮素營養(yǎng)診斷研究[J]. 浙江大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版），2010，36（1）：78-83.

[49]李冰，劉镕源，劉素紅，等. 基于低空無人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（13）：160-165.

[50]高林，楊貴軍，王寶山，等. 基于無人機(jī)遙感影像的大豆葉面積指數(shù)反演研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23（7）：868-876.

[51]胡勇，張孝成，馬澤忠，等. 無人機(jī)遙感影像中農(nóng)村房屋信息快速提取[J]. 國土資源遙感，2016，28（3）：96-101.

[52]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.

[53]韓文霆，李廣，苑夢(mèng)嬋，等. 基于無人機(jī)遙感技術(shù)的玉米種植信息提取方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2017，48（1）：139-147.

[54]孫佩軍，張錦水，潘耀忠，等. 基于無人機(jī)樣方事后分層的作物面積估算[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2016，37（2）：1-10.

[55]Shen K J，Li W F，Pei Z Y，et al.Crop area estimation form UAV transect and MSR image data using spatial sampling method[J]. Procedia Environ-mental Sciences，2015，26：95-100.

[56]田振坤，傅鶯鶯，劉素紅，等. 基于無人機(jī)低空遙感的農(nóng)作物快速分類方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（7）：109-116.

[57]郭鵬，武法東，戴建國，等. 基于無人機(jī)可見光影像的農(nóng)田作物分類方法比較[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33（13）：112-119.