無人機在現代農業中的應用綜述

摘要：對無人機及其在農業應用中搭載傳感器的類型進行簡要說明，并對基于無人機遙感的農田土壤分析及墑情測定、作物面積測算及快速分類、作物施肥及其管理進行深入剖析，指出無人機在各研究領域的關鍵技術，對推動現代農業的發展具有劃時代的意義。最后提出研發續航時間長、載荷能力強、穩定性高、分辨率高的農用無人機以及相配套的遙感數據后處理方法，以有力推動無人機在現代農業上的應用。

關鍵詞：無人機;遙感;現代農業;傳感器

中圖分類號： S252文獻標志碼： A

文章編號：1002-1302（2019）21-0075-04

收稿日期：2018-10-24

基金項目：山西水利信息化規劃（編號：晉水財務[2017]433）。

作者簡介：蘇瑞東（1988—），男，內蒙古豐鎮人，碩士，主要從事無人機應用及水利信息化研究。E-mail：surd168@163.com。

無人機（UAV）是利用無線電遙控設備和程序控制裝置操縱的不載人飛行器。隨著“工業5.0”時代的來臨，無人機在水利、環保、電力等各行各業中被廣泛應用。現代農業是在現代工業和現代科學技術基礎上發展起來的，其中的一個主要特征就是把工業部門生產的大量物質和能量投入到農業生產中，以換取大量農產品，成為工業化的農業[1]。無人機在現代農業上的應用就是一個典型特例，它主要是利用無人機代替人力畜力提高生產效率。

1無人機簡介

無人機按外形結構劃分，通常包括固定翼無人機和多旋翼無人機2種（圖1、圖2）。固定翼無人機采用滑跑或彈射起飛，傘降或滑跑著陸，對場地有一定要求;巡航距離、載重等指標明顯高于多旋翼無人機。多旋翼無人機根據螺旋槳數量，又可細分為四旋翼、六旋翼、八旋翼等。一般認為，螺旋槳數量越多，飛行越平穩，操作越容易。多旋翼無人機具有可折疊、垂直起降、可懸停、對場地要求低等優點，因此備受青睞。

如表1所示，無人機具有靈活性高的特點，即無人機體積小、質量輕，擁有飛機、衛星無法具備的靈活性;成本低，組裝后可直接使用，且起飛方式簡單，對環境要求低。無人機機身

成本低，運行時的能量耗費也低于其他飛行器;不需考慮停放場地建設以及飛行員培訓帶來的額外成本;安全性高，即無人機隱蔽性強，抗干擾性能較強;無需擔心駕駛人員的安全，可在惡劣的環境下執行危險任務。因此，鑒于無人機的上述優點，根據作物種植的需要，在無人機上搭載不同類型的傳感器，就可以實現無人機在農業上的不同應用。

2農用無人機搭載傳感器類型

無人機遙感平臺的傳感器主要包括色彩模式（color mode）數碼相機、3D數碼相機、紅外測溫儀、熱成像儀、熒光探針、多光譜相機、高光譜相機、激光雷達和聲納設備。為了精準反演農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（leaf area index，簡稱LAI）等長勢信息、氮素和水分狀態及產量等信息，無人機需搭載不同類型的傳感器。但受限于平臺載荷，目前農用無人機普遍搭載的傳感器主要為數碼相機、多光譜相機、高光譜相機、激光雷達和熱像儀等。

3無人機在現代農業上的應用

3.1基于無人機遙感的農田土壤分析及墑情測定

在農作物種植前，采用無人機對土壤進行監測分析，對農業種植的前期規劃具有至關重要的作用[2]。土壤是農作物賴以生存的環境，對土壤墑情進行測定不僅能了解農田土壤的干濕程度，同時可對農作物的生長趨勢作出預測評估。傳統的土壤墑情測定只能是短期的、小范圍的監測，而利用無人機掛載近紅外光設備，可以更加全面地對土壤進行監測，通過對獲取影像的對比分析，就可以了解土壤的濕度。在21世紀初，Quiquerez等利用無人機監測農田土壤表面特征對環境侵蝕的影響，并映射出5 cm空間分辨率下的土壤表面結構[3]。因此，利用無人機遙感技術可以大面積且快速地對農田土壤進行分析及墑情測定，不僅對作物種植可以進行前期合理規劃，還可以在作物生育期內實時地探測土壤墑情，以便精準灌溉。

3.2農用植保無人機

我國作為農業大國，擁有1.2億hm2基本農田，每年需要大量的農業植保作業，而每年農藥中毒人數就達10萬人，致死率約20%。農藥殘留和污染造成的病死人數至今尚無官方統計，想必是一個驚人數字。而農用植保無人機具有噴灑效果好、無人駕駛、噴霧效率高、適用性好、省藥、省水、減少污染、操控人員安全系數高、作物損傷小等特點，因此在現代農業中被廣泛應用。其中無人機噴灑技術采用噴霧噴灑方式可以幫助農戶至少節約50%的農藥使用量和90%的用水量，同時，無人機噴灑農藥效率是人工噴灑的30倍[4]，這在很大程度上幫助農戶降低了資源成本。

國外植保無人機發展較快，美國、日本更是處于世界領先水平。其中美國航空植保經歷了有人駕駛直升機向無人機的過渡[5]，日本生產出了世界上第1架用于噴灑農藥的無人直升機[6]，由于其體積較小、作業機動靈活、噴灑效果好的特點，在日本被廣泛使用并取得良好效果[7]。

近年來，我國在農業航空噴灑上也逐漸引入無人機，雖然仍處于起步階段，但無人機噴灑將成為發展最快的新興領域，也是未來農業發展的方向[8-9]。袁玉敏進行了農業植保無人機高精度定位系統研究與設計[10]。張新星對農用無人機智能植保系統進行了設計[11]。范慶妮設計出了2套無人機的農藥霧化系統，即離心霧化系統和液力霧化系統[12]，在范慶妮的基礎上，茹煜等研究出了無人機噴灑藥物的旋轉液力霧化噴頭的最佳工作參數[13]，并針對XY8D無人機設計出了靜電噴霧系統[14]和專門用于無人機噴霧的遠程控制系統[15]。徐興等設計出了無人機農藥變量噴灑系統[16]。史萬萍等對精準變量噴藥技術進行了研究[17]。學者們還對低空低量航空施藥技術[18-20]以及植保無人機航空噴施作業參數對霧滴沉積分布特性的影響[21-25]進行了研究。雖然我國近年來對農業植保無人機進行了大量的研究，其發展也較快，但整體而言，植保無人機體系尚未成熟。我國植保無人機技術和產品性能參差不齊，僅有絕少數產品能夠滿足大面積高強度的植保噴灑要求。目前存在的主要問題是（1）成熟可靠的植保無人機少，不少廠商忽視了植保作業的特殊要求。（2）買家盲目購買，并未實地考察無人機的飛行作業情況，應對技術層面多一些了解。（3）培訓及售后服務不到位（4）專用藥劑知識不足，個人盲目勾兌藥劑，容易出現農藥殘留過高、滅蟲效果差等問題。（5）行業標準難制定，購機補貼難申請。（6）市場需求量大，準入門檻不高，專業化水平難提升。因此，鑒于上述問題，有必要加強對植保無人機的研發，以讓其廣泛應用于生產和實踐。

3.3基于遙感圖像信息的農田作物管理

未來的灌區必將是全程機械化的，而如何大面積地獲取作物生長狀況信息，并作出及時有效的判斷，實現現代灌區的精準管理，對灌區農業的發展至關重要。利用無人機搭載遙感系統可以對農田作物信息進行快速重復監測并獲取高分辨率的遙感圖像，其克服了衛星遙感易受云層遮擋且成本較高以及人工地面采集數字影像耗時耗力、效率較低的缺點，提高了植被覆蓋率監測的準確性[26-27]。

當前，國外在基于遙感圖像信息的農田作物管理方面的研究發展較快。美國農業部大面積病蟲害管理研究中心利用無人機搭載多光譜相機獲取棉花的遙感圖像，該圖像經過處理分析可以反映棉花的生長狀態（長勢良好、生病或者死亡），有利于實現精準施肥[28-30]。Chosa 等利用無人機對水稻生長狀況進行監測，可以確定高質量高產量的水稻區域[31]。Hunt等利用無人機遙感信息平臺獲取冬小麥、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狀況指標的模型，對作物進行精準管理[32-33]。日本采用無人機搭載紫外線照相機獲取水稻的生長信息，用于指導施肥作業[34]。Swain 等采用無人機遙感平臺獲取水稻田的遙感圖像，以估算水稻產量和總生物量[35]。Lelong等利用無人機遙感平臺獲取不同品種小麥的遙感圖像，對不同品種小麥作物的物理參數進行定量監測評估[36]。Sugiura等利用無人機系統對作物進行拍攝，通過劃分研究區域內的作物葉面積指數分布狀況，分析作物生長信息[37-38]。Sullivan 等采用無人機搭載熱紅外監測系統監測棉花生長情況，發現熱紅外圖像對棉花冠層具有很好的敏感性，說明熱紅外遙感平臺能夠用于監測棉花生長狀況[39]。Noguchi 團隊采用無人直升機遙感平臺監測水稻作物營養狀態，以實現水稻田的精準管理[40]。Vega等利用無人機搭載多光譜傳感器獲取向日葵的多時相影像，以計算出其歸一化植被指數（normalized difference vegetation index，簡稱NDVI）值，監測其生長狀況，以便管理[41]。Armstrong等利用無人機獲取玉米多光譜圖像，觀測玉米田的雜草密度[42]，從而進行農田雜草管理[43]。無人機高時空分辨率遙感影像還能夠很好地提高農田水分脅迫的管理水平[44-45]。

我國在無人機獲取遙感信息管理方面的發展相對較晚。喬紅波等采用手持式高光譜儀和低空遙感系統對不同危害程度小麥白粉病冠層光譜反射率進行了測定，分析表明，低空遙感系統可以無損、快速、大面積地對小麥白粉病進行監測[46-47]。祝錦霞等采用掃描儀和無人機平臺獲取水稻葉片和冠層的數字圖像，運用數字圖像處理技術研究不同氮素營養水平水稻葉片和冠層的綜合特征信息，從而進行水稻的氮素營養診斷[48]。李冰等利用無人機搭載多光譜相機系統對冬小麥進行監測，提出的植被指數閾值法可對農作物的覆蓋度和生長狀況進行分析[49]。高林等采用無人機掛載數碼相機和多光譜傳感器分別獲取大豆結莢期和鼓粒期的影像，通過植被指數構建的單變量和多變量葉面積指數（leaf area index，簡稱LAI）反演模型能夠真實反映當地大豆的實時生長情況[50]。因此，目前基于無人機遙感圖像的時空動態變化，可獲取作物產量、營養狀況、病蟲害的發生/發展狀況等信息。

3.4基于無人機低空遙感的農作物快速分類及面積估算

目前可以利用無人機影像分析技術對作物進行分類[51]。為了降低分類誤差，李宗南等采用小型無人機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獲取玉米影像，通過分析影像中各類地物特征的種內變異系數和與玉米的相對差異系數，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獲取冬小麥高分辨率影像，進行無人機抽樣調查，分別設計多層次-面積規模指標、多層次-異質性指標、面積規模指標、異質性指標計算各抽樣基本單元的對應指標值，結果表明，利用多層次指標法進行分層，各層內作物均質性較好，能夠提高農作物面積估算的精度;此外，異質性指標較面積規模指標更能提高分層的層內作物均質性與農作物面積估算精度[54]。Shen等采用無人機遙感獲取中等空間分辨率影像，對農作物種植面積進行估測，得出在95%置信度下監測精度可達95%以上[55]。田振坤等利用無人機低空飛行獲取小麥的遙感影像，基于農作物波譜特征和NDVI變化閾值提出的農作物快速分類提取方法具有較高的正確率和普適性[56]。郭鵬等利用無人機獲取遙感影像，對農田作物類型進行研究，結果表明基于色彩與紋理特征提取作物類型的精度較高，高于基于顏色指數的提取方法，是一種行之有效的無人機數據作物分類方法[57]。以上研究表明，基于無人機低空遙感的農作物快速分類及面積估算，對相關部門快速高效地統計糧食種類和產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

隨著無人機技術的發展，其在農業上的應用越來越普遍，但還存在一系列的問題。主要包括：（1）目前農用無人機主要有電動無人機、油動無人機和油電混合無人機，但使用最多的是電動無人機。電動無人機受限于載重的影響，無法攜帶大量的電池，因此，其續航時間短。（2）由于電動無人機載重小，因此無法掛載一些大質量的遙感設備。（3）受風的影響大。在風力大于4級時，電動無人機飛行姿態就難以按照規劃的航線飛行。（4）受航線規劃、飛行高度及掛載設備好壞的影響，無人機通過掛載的相機獲取的圖像質量有時難以滿足作業需要，且后期圖像校正、匹配、拼接的難度大。

4.2展望

基于“4.1”節中所述的農用無人機存在的問題，目前亟需解決的問題是：（1）研發續航時間長、載重能力強的農業無人機，同時研發輕質量的掛載遙感設備，以提高農用無人機續航時間。（2）對無人機的飛控系統進行開發研究，使其在一定風力下也能按規劃航線飛行，保證飛行的穩定性。（3）針對農用無人機遙感影像的特點以及相機定標參數、拍攝時的姿態數據和有關幾何模型對圖像進行幾何和輻射校正，開發出相應的軟件進行交互式處理，以保證對農田及其作物信息進行精準和高效的解析。

5結論

本文通過對國內外農用無人機遙感技術進行綜述，指明了目前農用無人機獲取遙感影像過程中存在的問題及其未來發展的趨勢方向，闡述了無人機在現代農業上的廣泛應用及重要意義。進一步研發續航時間長、載荷能力強、穩定性高、分辨率高的農用無人機以及相配套的遙感數據后處理方法，并將其應用在農田土壤分析及墑情測定、作物面積測算及快速分類、作物施肥及其生長狀況實時監測中，對快速判斷及精準決策，推動現代農業的發展，具有劃時代的意義。

參考文獻：

[1]何盛明. 財經大辭典[M]. 北京：中國財政經濟出版社，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. 噴灑農藥的無人駕駛小飛機[J]. 新農業，2015（1）：25-26.

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

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

[7]吳小偉，茹煜，周宏平. 無人機噴灑技術的研究[J]. 農機化研究，2010，32（7）：224- 228.

[8]李林穎. 農用無人機初露頭角未來可期[N]. 中國農機化導報，2013-11-04（6）.

[9]蒙繼華，吳炳方，李強子，等. 農田農情參數遙感監測進展及應用展望[J]. 遙感信息，2010（3）：122 -128.

[10]袁玉敏. 農業植保無人機高精度定位系統研究與設計——基于GPS和GPRS[J]. 農機化研究，2016，38（12）：227-231.

[11]張新星. 農用無人機智能植保系統設計[J]. 時代農機，2017，44（3）：85-86.

[12]范慶妮. 小型無人直升機農藥霧化系統的研究[D]南京：南京林業大學，2011.

[13]茹煜，金蘭，周宏平，等. 航空施藥旋轉液力霧化噴頭性能試驗[J]. 農業工程學報，2014，30（3）：50-55.

[14]茹煜. 農藥航空靜電噴霧系統及其應用研究[D]. 南京：南京林業大學，2009.

[15]茹煜，賈志成，范慶妮，等. 范慶妮等. 無人直升機遠程噴霧控制系統[J]. 農業機械學報，2012，43（6）：47-52.

[16]徐興，徐勝，劉永鑫，等. 小型無人機機載農藥變量噴灑系統設計[J]. 廣東農業科學，2014（9）：207-210.

[17]史萬萍，王熙，王新忠. 基于GPS和GIS的變量噴藥技術研究[J]. 農機化研究，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. 無人植保機施藥霧滴空間質量平衡測試方法[J]. 農業工程學報，2016，32（11）：54-61.

[21]王昌陵，何雄奎，王瀟楠，等. 基于空間質量平衡法的植保無人機施藥霧滴沉積分布特性測試[J]. 農業工程學報，2016，32（24）：89-97.

[22]王瀟楠，何雄奎，王昌陵，等. 油動單旋翼植保無人機霧滴飄移分布特性[J]. 農業工程學報，2017，33（1）：117-123.

[23]邱白晶，王立偉，蔡東林，等. 無人直升機飛行高度與速度對噴霧沉積分布的影響[J]. 農業工程學報，2013，29（24）：25-32.

[24]秦維彩，薛新宇，周立新，等. 無人直升機噴霧參數對玉米冠層霧滴沉積分布的影響[J]. 農業工程學報，2014，30（5）：50-56.

[25]陳盛德，蘭玉彬，李繼宇，等. 小型無人直升機噴霧參數對雜交水稻冠層霧滴沉積分布的影響[J]. 農業工程學報，2016，32（17）：40-46.

[26]李冰，劉镕源，劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監測[J]. 農業工程學報，2012，28（13）：160-165.

[27]王玉鵬. 無人機低空遙感影像的應用研究[D]. 焦作：河南理工大學，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，Fujikawa 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. 基于數字圖像的水稻氮磷鉀營養診斷與建模研究[D]. 杭州：浙江大學，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，Fukagawa 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，Fulton 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. 日本機器人耕作體系與遙感技術應用[J]. 農機科技推廣，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測小麥白粉病初探[J]. 植物保護學報，2006，33（4）：341-344.

[47]喬紅波. 麥蚜和白粉病遙感監測技術研究[D]. 北京：中國農業科學院，2007.

[48]祝錦霞，陳祝爐，石媛媛，等. 基于無人機和地面數字影像的水稻氮素營養診斷研究[J]. 浙江大學學報（農業與生命科學版），2010，36（1）：78-83.

[49]李冰，劉镕源，劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監測[J]. 農業工程學報，2012，28（13）：160-165.

[50]高林，楊貴軍，王寶山，等. 基于無人機遙感影像的大豆葉面積指數反演研究[J]. 中國生態農業學報，2015，23（7）：868-876.

[51]胡勇，張孝成，馬澤忠，等. 無人機遙感影像中農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. 基于小型無人機遙感的玉米倒伏面積提取[J]. 農業工程學報，2014，30（19）：207-213.

[53]韓文霆，李廣，苑夢嬋，等. 基于無人機遙感技術的玉米種植信息提取方法研究[J]. 農業機械學報，2017，48（1）：139-147.

[54]孫佩軍，張錦水，潘耀忠，等. 基于無人機樣方事后分層的作物面積估算[J]. 中國農業資源與區劃，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. 基于無人機低空遙感的農作物快速分類方法[J]. 農業工程學報，2013，29（7）：109-116.

[57]郭鵬，武法東，戴建國，等. 基于無人機可見光影像的農田作物分類方法比較[J]. 農業工程學報，2017，33（13）：112-119.