無人機多光譜遙感監測水稻高溫脅迫的關鍵技術*

石 濤，楊太明，黃 勇，李 翔，劉 琪，楊元建

無人機多光譜遙感監測水稻高溫脅迫的關鍵技術*

石 濤1，楊太明2，黃 勇3，李 翔4，劉 琪1，楊元建5**

（1．蕪湖市氣象局，蕪湖 241000；2．安徽省農業氣象中心，合肥 230000；3．安徽省氣象科學研究所，合肥 230000；4．太原龍翔森業有限公司，太原 030001；5．南京信息工程大學大氣物理學院，南京 210044）

選取長江中下游的蕪湖地區超級水稻生產基地為試驗區域，以2019年7月20日?8月9日連續高溫日為試驗時段，設計基于消費級無人機與便攜式多光譜傳感器的水稻長勢遙感監測系統，并創建數據后處理分析與應用方法，對處于生育敏感期稻株的光譜特征進行研究，建立水稻高溫脅迫的反演識別模型。結果表明：稻株植被指數與葉面積指數呈顯著的指數關系，相關系數達到0.918，由此建立稻株葉面積指數反演模型，并進一步確定稻株出現高溫脅迫的葉面積指數判別條件。利用葉面積指數反演模型和判別條件對實驗區域內的水稻進行高溫脅迫下的光譜特征提取與分析，結果顯示，實驗區域內15.3%的水稻受到了持續高溫脅迫的影響，與農業部門田間調查事實相符，即實驗區域內水稻灌漿率為82.2%。相對于傳統人工田間調查和衛星遙感調查的作物長勢監測方法，便攜式無人機多光譜遙感監測技術具有空間分辨率高、可實時大范圍監測、簡單易行以及應用成本低等特點，利于普及與推廣，在農作物自然災害監測方面具有應用前景。

無人機；便攜式多光譜傳感器；水稻；高溫脅迫；遙感監測；葉面積指數

水稻是全球重要的谷類作物，也是中國最重要的糧食資源，2014年中國的種植面積為3030.99萬hm2，總產量達到2.065億t[1?2]。長江中下游是中國最大的水稻生產區，水稻種植面積和總產量在全國占比均超過50%[3]。隨著全球變暖趨勢的不斷增加，中國的氣候特征也呈現出顯著變化，年平均氣溫升高了0.4～0.5℃[4?5]。在全球變暖的背景條件下，發生極端高溫熱浪的程度和頻率也在持續增加，每年7?8月，受到副熱帶高壓的影響，長江中下游地區常出現日最高氣溫超過35.0℃的連續高溫天氣，而此時水稻正處于生長發育的敏感時期（分蘗?抽穗?灌漿），連續高溫會使水稻的生理發育受到嚴重影響，導致水稻花器發育不良、花粉受精受阻，造成空秕率上升而最終出現減產或絕收[6?8]。因此，在氣候變暖背景下，科學合理地監測水稻高溫脅迫發生和發展情況對揭示水稻產量變化特征有著重要的科學意義和社會經濟價值[7?8]。

目前，作物長勢監測方法主要依賴于田間調查[9?10]和衛星遙感[11]兩種方法。高敏等[9]在思茅市各主要咖啡場選取出現黑果病危害試驗點，把試驗點上每行的中間植株作為調查范圍，按照植株的發病癥狀，通過目視判別將黑果病劃分為6個等級。孔令寅等[11]通過分析冬小麥主產區的MODIS-EVI時間序列遙感資料，使用最大變化斜率法、窗口轉折點法和簡單轉折點法識別關鍵發育期和抽穗期數據，對2006?2010年冬小麥的長勢進行了遙感監測。這些研究對作物長勢的監測識別以及產量預測具有重要的參考價值。

但是上述監測方法在實際應用中存在一些問題。傳統的田間調查方法耗時耗力、時效性差，而且準確度也受調查者主觀意識的影響[9?10]。而衛星遙感也存在影像空間分辨率低、過境周期長、云污染等不足，在關鍵生育期對指定區域的作物進行遙感監測，衛星影像往往難以滿足需求[11]。隨著輕型無人機技術的發展，不少學者利用無人機來實時監測地面作物長勢[12?13]。江杰等[12]選擇小麥關鍵生育期作為研究時段，利用搭載數碼相機的消費級無人機獲取試驗區數碼影像，通過隨機森林算法定量分析了作物長勢狀況與影像顏色指數的關系。李明等[13]利用無人機飛行獲取地面影像，通過累計像元的方法測算得到了水稻田塊的面積。但是目前用于作物監測的無人機搭載的相機一般為可見光相機，數碼相機采集的影像數據波段較少，不能全面反映農田作物完整的光譜信息。近年來，利用研究開發的便攜式多光譜傳感器來收集作物光譜信息已經有了不少應用[14?17]。倪軍等[14]研發了一種利用便攜式多光譜傳感器對作物生長進行監測的診斷設備，實現了實時、快速、無損地監測作物植被指數（NDVI）、葉面積指數（LAI）等指標。王婷婷等[15]構建了多光譜作物生長的智能監測設備，實現了多光譜傳感器對稻麥冠層光譜特征的實時、在線、快速獲取。可見，研究利用無人機搭載多光譜傳感器實時監測作物長勢的應用方法，對補充完善現有的水稻高溫脅迫監測調查手段有著重要的意義。

本研究選取位于長江中下游的蕪湖市南陵縣龍潭村袁隆平超級稻基地為研究觀測區，使用消費級無人機搭載便攜式多光譜傳感器構建無人機多光譜遙感系統，在連續高溫時段對處于生育敏感期的水稻光譜信息進行采集，并通過實地測量和相關文獻確定稻株出現高溫脅迫的葉面積指數判別條件，最后在ArcGIS地理信息系統中建立水稻高溫脅迫的反演識別模型，實現了基于無人機多光譜遙感技術的水稻高溫脅迫監測。構建的無人機多光譜遙感系統具有空間分辨率高、實時快速監測以及成本低，利于推廣應用的特點，在作物病蟲害遙感監測方面有一定的應用前景。

1 資料與方法

1.1 實驗區概況

在長江中下游水稻主產區內，選取蕪湖市南陵縣龍潭村袁隆平超級稻基地內的一塊高標準農田為實驗觀測區，實驗區面積為0.33hm2。該地屬于亞熱帶濕潤季風氣候，年平均氣溫在15.0～16.0℃，日照時數約為2000.0h，年降水量大于1200.0mm，年無霜期達219d以上。基地水稻產量9750kg·hm?2，被農業部選定為袁隆平院士的第三期超級雜交水稻高產攻關基地，基地地理位置為118°26'24"°E，31°2'24"°N。

1.2 光譜數據

采用搭載便攜式多光譜傳感器的無人機采集研究區域內水稻的光譜數據。便攜式多光譜傳感器是基于ARM9-Linux平臺的小型圖像采集設備，由藍光、紅光和近紅外三通道（表1）反射率傳感器以及數據自動采集模塊組成，基于Zigbee協議自動組網，支持GPRS遠程數據傳輸與反向控制，可以實時查看數據質量并計算多種植被指數，從而實現對地面作物生長狀況的快速監測。

表1 便攜式多光譜傳感器波段信息

1.3 歸一化植被指數反演

目前常用的光譜植被指數有比值植被指數（Ratio vegetation index，RVI）、差值植被指數（Difference vegetation index，DVI）等，其中應用最廣泛的是歸一化植被指數（Normalized difference vegetation index，NDVI）[18?19]。利用稻株在紅光波段處的吸收和近紅外波段處的反射特性，在ENVI軟件中經過波段運算可以得到NDVI，以反映稻株的長勢狀況、健康程度、營養信息等。其計算式為

1.4 葉面積指數測定

LAI-2200型植物冠層分析儀是基于朗伯?比爾定律研制的光學檢測儀器[20]，該儀器運行原理是利用魚眼鏡頭測量植被冠層上、下5個方向的透射光線的強度，并利用植被冠層的輻射轉移模型來計算葉面積指數、聚集度指數、空隙比等植被冠層的結構參數。魚眼鏡頭的垂直視野范圍為148.0°，水平視野范圍為360.0°，波譜響應范圍在320～490nm。

實驗時段內（7月20日?8月9日），在實驗區選取均勻分布的100個長勢不同的植株作為測定樣本，使用LAI-2200植被冠層測定儀測定LAI，測定時間選擇14：00。測定時魚眼鏡頭處于植株莖基部的同一水平面上，具體方法參見文獻[21]和LAI-2200操作手冊。此外，同時配備手持GPS測量地面樣本的經緯度信息。

1.5 實驗時段選擇

根據南陵縣國家氣象觀測站數據，2019年自出梅以來（7月20日?8月9日），實驗基地區域的日最高氣溫超過35.0℃的天數達到20d，日極端最高氣溫超過了39.0℃，總體呈現高溫日數多且集中、高溫范圍廣、強度大的特點（圖1），持續晴熱高溫少雨的天氣使部分水稻出現了一定程度的高溫熱害。此外，7下旬?8月上旬水稻正處于分蘗?孕穗?抽穗期，稻株的植被光譜特征顯著[22?23]，在多光譜影像中易于分辨。因此，選擇7月20日?8月9日作為無人機多光譜遙感監測一季稻高溫脅迫的實驗時段。

圖1 2019年7?8月實驗區日最高氣溫變化過程

2 結果與分析

2.1 多光譜遙感系統與無人機的硬件兼容

便攜式多光譜傳感器（圖2a）外形尺寸為6.0cm× 3.5cm×2.0cm，重量為0.15kg，為了適應該傳感器的重量、體積等方面的兼容要求，同時兼顧續航時間、價格等因素，選擇輕便型的四翼無人機與之組裝，該無人機的外形尺寸為38.0cm×31.0cm×19.0cm，重量為2.0kg，續航時間為0.5h，并具有操作方便、影像清晰、安全穩定、易于改裝的特點。

圖2 便攜式多光譜傳感器（a）、云臺（b）、連接器（c）組裝成無人機多光譜遙感系統（d）

由于該傳感器并不是專為無人機設計，因此需要解決傳感器與無人機硬件裝配兼容的問題。云臺是無人機用于安裝、固定相機和傳感器等任務載荷的支撐設備。為了保證遙感影像的高質量，根據無人機和傳感器的外形尺寸、重量等參數特點設計定制了云臺（圖2b），該云臺的上下葉板由兩片輕薄的復合材料構成，中間裝配了用于吸收氣流擾動的緩震材料，可以保障無人機在空中作業時結構的穩定。此外，還通過粘黏綁帶、機械式連接器（圖2c）完成無人機、云臺以及傳感器的硬件裝配（圖2d）。

2.2 無人機多光譜遙感系統的信息處理

2.2.1 參數配置及影像的幾何校正

Mobius Actioncam是一款功能強大的固件調參軟件，可以按照實際使用環境和需求對傳感器的各類性能參數進行設置。利用Mobius Actioncam對無人機遙感系統的傳感器進行參數配置，傳感器的開機時間設為14：00，拍攝間隔設為1s，鏡頭類型設為普通，光源閃頻設為60Hz，儲存格式設為TIF。在實驗時段內，每日14：00對實驗區進行無人機多光譜遙感監測，共獲得21張水稻實驗區遙感影像，像元的空間分辨率為0.03m×0.03m，單幅影像共計3668945個像元。

由于無人機屬于低空遙感，且傳感器監測的遙感影像無地理信息，因此幾何校正十分重要。選取實驗區高標準農田的四個對角為地面控制點，利用手持GPS測量記錄經緯度信息，在ArcGIS中，利用已有地面控制點的準確地理坐標，對原始遙感影像進行糾正，使其具有準確的地理坐標和投影信息，以便完成遙感光譜信息與地面實測數據的空間匹配。

2.2.2 歸一化植被指數的提取

根據式（1），將無人機多光譜遙感系統采集到的光譜信息在遙感圖像處理平臺（ENVI）中進行波段運算，反演得到實驗區內水稻歸一化植被指數（NDVI）的空間分布，并統計整幅遙感影像內NDVI的平均值及其逐日變化過程，結果見圖3。由圖可見，雖然受到部分稻株高溫脅迫的影響，但是實驗區內水稻NDVI的平均值表現為逐漸增加的變化過程。7月下旬水稻處于分蘗?孕穗期，植株相對較小，光譜特征主要表現為稻田水體，NDVI相對較小，僅0.35～0.40；進入8月以后，水稻進入抽穗期，隨著植株體增大NDVI快速上升，至8月7日達到0.55。可見，無人機多光譜遙感系統采集的光譜信息可以表征實驗區水稻整體長勢的真實狀態。

圖3 基于無人機多光譜遙感系統的研究時段內水稻歸一化植被指數（NDVI）時間序列

2.3 水稻高溫脅迫的遙感識別

2.3.1 葉面積指數反演模型

地表作物的光譜特征與葉面積指數（LAI）有著密切的關系[24?26]。康婷婷等[24]利用HJ-CCD影像與地面同步獲取的LAI實測數據結合，生成研究區水稻30.0m的HJ/LAI，并以HJ/LAI作為標準，通過尺度轉換以及空間匹配，驗證得到植被指數與研究區水稻LAI之間的決定系數為0.72，精度達70.89%。通過LAI-2200型植物冠層分析儀及手持GPS儀采集帶有經緯度信息的地面稻株LAI，而無人機多光譜遙感系統采集的遙感影像也通過幾何校正獲取了地理坐標和投影信息，在ArcGIS中可以完成NDVI反演數據與LAI地面實測數據的空間匹配，最后利用數理統計的方法建立實驗區內NDVI-LAI的回歸模型。表2為實驗區LAI和NDVI樣本，樣本LAI變化范圍在0.41～6.87，代表同一時間內實驗區內長勢不同的稻株。從樣本標準差可以看出取樣均勻合理，能夠代表研究區域內作物的真實生長情況。

表2 實驗區葉面積指數（LAI）和NDVI樣本特征值

根據選取的NDVI和LAI樣本，建立兩者的擬合方程。對比分析表明，線性函數擬合方程（圖4a）的相關系數（R）為0.837，決定系數（R2）為0.701，而指數函數擬合方程（圖4b）的相關系數（R）為0.918，決定系數（R2）為0.843，說明在關鍵生育期NDVI對LAI的最佳擬合方程為指數形式[24]。LAI反演模型的數學表達式為

式中，LAI與NDVI呈顯著的正相關關系，說明實驗區內水稻的LAI與水稻長勢狀況關聯較大，水稻長勢越好，則LAI越大，這與以往有關LAI與NDVI關系的研究結果相一致[24?26]。

2.3.2 水稻高溫脅迫的遙感識別

當植被遇到外界環境的脅迫時，如氮素脅迫、高溫脅迫以及水分脅迫等會影響作物的生化生理機能，導致作物葉面保護膜的結構與功能受損并加速葉片的衰老，從而使葉片葉綠素含量隨之減少。根據前人的研究[25]，隨著外界氣溫的不斷增加，處于生育關鍵期的稻株LAI將表現出下降的趨勢，且不同脅迫溫度的差異均達到顯著水平，由此可知外界高溫脅迫會影響處于生育關鍵期的水稻的生長發育狀況，導致LAI降低。因此，選取出現高溫脅迫的水稻，利用葉面積測量儀對其LAI進行實地測量，將其平均值作為識別水稻高溫脅迫的判別條件，表達式為

LAI≤k （3）

式中，k為常數，根據文獻[24?26]，取k=1.8。

以k=1.8作為水稻高溫脅迫識別條件，在遙感處理軟件中進行波段運算，提取8月9日實驗區內水稻高溫脅迫分布情況，結果見圖5。根據圖5統計實驗時段內稻株出現高溫脅迫的面積為504.9m2，占實驗區面積的15.3%，而農業部門在水稻成熟期經過實地測量得到該基地的灌漿率為82.2%，受害率17.8%，由此可見，無人機多光譜遙感監測水稻高溫脅迫技術能夠滿足業務應用。

圖5 水稻高溫脅迫的無人機多光譜監測結果

3 結論與討論

3.1 結論

（1）利用無人機多光譜遙感技術對實驗區內水稻高溫脅迫進行監測并進行統計分析，得到實驗時段內稻株出現高溫脅迫的面積為504.9m2，占實驗區面積的15.3%，農業部門在水稻成熟期經過實地測量得到該基地的灌漿率為82.2%，說明本研究提出的無人機多光譜遙感監測水稻高溫脅迫技術的監測結果精度較高，且本技術在孕穗生育期內可以實現對高溫脅迫的實時遙感監測，并以此作為生育期損失估算、政策性保險定損、成熟期產量預測的重要依據。

（2）為了保證遙感影像的高質量和穩定性，根據無人機和傳感器的外形尺寸、重量等參數特點設計定制了云臺、粘黏綁帶以及機械式連接器，完成無人機、云臺以及傳感器的硬件兼容問題。通過設置地面控制點的方法，在遙感處理軟件中對原始遙感影像進行幾何校正，完成遙感光譜信息與地面實測數據的空間匹配。此外，無人機多光譜遙感系統由消費級無人機和便攜式光譜傳感器組合而成，購置成本較低，組裝方便。

綜上，相對于傳統人工田間調查和衛星遙感調查的作物長勢監測方法，本研究構建的無人機多光譜遙感監測技術具有空間分辨率高、實時快速監測以及成本低、利于推廣應用的特點。

3.2 討論

（1）雖然本技術通過裝配云臺在一定程度上保證了遙感影像的高質量，但云臺與傳感器的銜接在穩定性上可能還有所欠缺，未來將通過工業設計、專項定制便攜式傳感器和云臺一體化設備等方式，提升本技術在實際推廣應用中的穩定性。

（2）研究只分析了2019年7月20日?8月9日連續高溫時段實驗區內水稻受高溫脅迫的影響，水稻苗期及成熟灌漿期的NDVI/LAI序列的時空變化并未監測研究，在未來的業務應用中將進一步監測研究水稻全生育期的光譜信息時空變化特征。

（3）長江中下游地區的水稻種植區域分布廣泛，品種繁多，本研究對象品種為超級稻-Y兩優900，而不同品種的水稻在出現高溫脅迫時其光譜特征會有一定程度差異，后期將在其它品種水稻以及油菜、小麥等大宗作物上應用，進一步擴大無人機多光譜遙感監測系統的應用覆蓋面，為科學防災減災和糧食生產安全提供強有力的科技支撐。

[1] 國家糧食局.中國糧食年鑒[M].北京:經濟管理出版社, 2015:239-240.

State Administration of Grain.China grain yearbook[M]. Beijing:Economic Management Press,2015:239-240.(in Chinese)

[2] 張洪程,王夫玉.中國水稻群體研究進展[J].中國水稻科學, 2001,15(1):51-56.

Zhang H C,Wang F Y.Recent progress on research of rice population in China[J].Chinese Journal of Rice Science,2001, 15(1):51-56.(in Chinese)

[3]楊秉臻,金濤,陸建飛.長江中下游地區近20年水稻生產與優勢的變化[J].江蘇農業科學,2018,46(19):62-67.

Yang Z Z,Jin T,Lu J F.Changes of rice production and advantage in the middle and lower reaches of the Yangtze River in the past 20 years[J].Jiangsu Agricultural Sciences, 2018,46(19):62-67.(in Chinese)

[4] 黃榮輝,杜振彩.全球變暖背景下中國旱澇氣候災害的演變特征及趨勢[J].自然雜志,2010,32(4):187-195.

Huang R H,Du Z C.Evolution characteristics and trend of droughts and floods in China under the background of global warming[J].Chinese Journal of Nature,2010,32(4):187-195. (in Chinese)

[5] 黃守坤,夏甜甜.氣候變暖的第一影響因素及我國的應對[J].生態經濟,2012(3):153-158.

Huang S K,Xia T T.The first factor of global climate warming and how China face it[J].Ecological Economy,2012(3): 153-158.(in Chinese)

[6] 任義方,趙艷霞,張旭暉.江蘇水稻高溫熱害氣象指數保險風險綜合區劃[J].中國農業氣象,2019,40(6):391-401.

Ren Y F,Zhao Y X,Zhang X H.Comprehensive risk regionalization of meteorological index insurance for high temperature heat damage of rice in Jiangsu province[J]. Chinese Journal of Agrometeorology,2019,40(6):391-401.

[7] 謝志清,杜銀,高蘋,等.江淮流域水稻高溫熱害災損變化及應對策略[J].氣象,2013,6(1):101-112.

Xie Z Q,Du Y,Gao P,et al.Impact of high-temperature on single cropping rice over Yangtze-Huaihe River valley and response measures[J].Meteorological Monthly,2013,6(1):101- 112.(in Chinese)

[8] 李友信.長江中下游地區水稻高溫熱害分布規律研究[J].華中農業大學學報,2015,11(2):37-42.

Li Y X.Study on the temporal and spatial distribution of the high thermal damage to rice in the middle and lower reaches of the Yangtze River[J].Journal of Huazhong Agricultural University,2015,11(2):37-42.(in Chinese)

[9] 高敏,張茂松,王美新.思茅咖啡黑果病與氣象條件的關系及趨勢預報[J].中國農業氣象,2006,27(4):339-342.

Gao M,Zhang M S,Wang M X.Relationship of coffee black fruit to meteorological conditions and forecast of its occurrence trend in Simao region[J].Chinese Journal of Agrometeorology, 2006,27(4):339-342.(in Chinese)

[10] 劉靜,張宗山,馬力文,等.寧夏枸杞蚜蟲發生規律及其氣象等級預報[J].中國農業氣象,2015,36(3):356-363.

Liu J,Zhang Z S,Ma L W,et al.Occurrence ofsp.onL.and its meteorological grades forecast in Ningxia[J].Chinese Journal of Agrometeorology,2015, 36(3):356-363.(in Chinese)

[11] 孔令寅,延昊,鮑艷松,等.基于關鍵發育期的冬小麥長勢遙感監測方法[J].中國農業氣象,2012,33(3):424-430.

Kong L Y,Yan H,Bao Y S,et al.Remote sensor monitoring method for winter wheat growth based on key development periods[J].Chinese Journal of Agrometeorology,2012,33(3): 424-430.(in Chinese)

[12] 江杰,張澤宇,曹強,等.基于消費級無人機搭載數碼相機監測小麥長勢狀況研究[J].南京農業大學學報,2019,42(4): 622-631.

Jiang J,Zhang Z Y,Cao Q,et al.Use of a digital camera mounted on a consumer-grade unmanned aerial vehicle to monitor the growth status of wheat[J].Journal of Nanjing Agricultural University,2019,42(4):622-631.(in Chinese)

[13] 李明,黃愉淇,李緒孟,等.基于無人機遙感影像的水稻種植信息提取[J].農業工程學報,2018,34(4):108-114.

Li M,Huang Y Q,Li X M,et al.Extraction of rice planting information based on remote sensing image from UAV [J].Transactions of the CSAE,2018,34(4):108-114.(in Chinese)

[14] 倪軍,姚霞,田永超,等.便攜式作物生長監測診斷儀的設計與試驗[J].農業機械學報,2013,44(6):150-156.

Ni J,Yao X,Tian Y C,et al.Design and experiments of portable apparatus for plant growth monitoring and diagnosis[J]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(6):150-156.(in Chinese)

[15] 王婷婷.多光譜作物生長智能傳感器的研制[D].南京:南京農業大學,2012:21-23.

Wang T T.Development of multispectral crop growth intelligent sensor[D].Nanjing:Nanjing Agricultural University, 2012:21-23.(in Chinese)

[16] 楊建寧,張井超,朱艷,等.便攜式作物生長監測診斷儀性能試驗[J].農業機械學報,2013,44(4):208-212.

Yang J N,Zhang J C,Zhu Y,et al.Experiments on performance of portable plant growth monitoring diagnostic instrument[J]. Transactions of the Chinese Society for Agricultural Machinery,2013,44(4):208-212.(in Chinese)

[17] 李博,晏磊,張立福,等.傳感器光譜指標對植被光譜模擬精度的影響[J].光譜學與光譜分析,2010,30(7):1843-1847.

Li B,Yan L,Zhang L F,et al.Evaluation of sensor spectral parameters for the simulation accuracy of the vegetation spectrum[J].Spectroscopy and Spectral Analysis,2010,30(7): 1843-1847.(in Chinese)

[18] 趙宗澤,張永軍.基于植被指數限制分水嶺算法的機載激光點云建筑物提取[J].光學學報,2016,36(10):1022-1028.

Zhao Z Z,Zhang Y J.Building extraction from airborne laser point cloud using NDVI constrained watershed algorithm[J]. Acta Optica Sinica,2016,36(10):1022-1028.(in Chinese)

[19] 陳景玲,王靜,王謙,等.植物冠層分析儀測定荊條孤立冠層葉面積指數和透光率的分析[J].中國農業氣象,2014,35(4): 373-379.

Chen J L,Wang J,Wang Q,et al.LAI and light transmittance measurement of isolated vitex shrub using LAI-2200 PCA[J].Chinese Journal of Agrometeorology,2014,35(4): 373-379.(in Chinese)

[20] Gower S T,Norman J M.Rapid estimation of leaf area index in conifer and broad-leaf plantations[J].Ecology,1991,72: 1896-1900.

[21] Defries R,Townshend J.NDVI-derived land cover classifications at a global scale[J].International Journal of Remote Sensing,2007,17(15):3567-3586.

[22] 張佳華,姚鳳梅,李秉柏,等.星-地光學遙感信息監測水稻高溫熱害研究進展[J].中國科學,2011,41(10):1396-1406.

Zhang J H,Yao F M,Li B B,et al.Progress in monitoring high-temperature damage to rice through satellite and ground-based optical remote sensing[J].Scientia Sinica,2011, 41(10):1396-1406.(in Chinese)

[23] 李根,景元書,王琳,等.基于MODIS時序植被指數和線性光譜混合模型的水稻面積提取[J].大氣科學學報,2014,37 (1):119-126.

Li G,Jing Y S,Wang L,et al.Extraction of paddy planting areas based on MODIS vegetation index time series and linear spectral mixture model[J].Journal of Atmospheric Science,2014,37(1):119-126.(in Chinese)

[24] 康婷婷,居為民,李秉柏,等.水稻葉面積指數遙感反演方法對比分析[J].江蘇農業科學,2015,43(5):366-371.

Kang T T,Ju W M,Li B B,et al.Comparative analysis of remote sensing inversion methods of rice leaf area index[J].Jiangsu Agricultural Sciences,2015,43(5):366-371. (in Chinese)

[25] 謝曉金,李映雪,李秉柏,等.高溫脅迫下水稻生理生化特性及高光譜估測研究[J].中國水稻科學,2010,24(2):196-202.

Xie X J,Li Y X,Li B B.Estimation of rice yield under high temperature stress by hyper-spectral remote sensing[J]. Chinese Journal of Rice Science,2010,24(2):196-202.(in Chinese)

[26] 劉飛,王莉,何勇.應用多光譜圖像技術獲取黃瓜葉片含氮量及葉面積指數[J].光學學報,2009,29(6):1616-1620.

Liu F,Wang L,He Y.Application of multi-spectral imaging technique for acquisition of cucumber growing information [J].Acta Optica Sinica,2009,29(6):1616-1620.(in Chinese)

Key Technologies of Monitoring High Temperature Stress to Rice by Portable UAV Multi Spectral Remote Sensing

SHI Tao1, YANG Tai-ming2, HUANG Yong3, Li Xiang4, LIU Qi1, YANG Yuan-jian5

(1.Wuhu Meteorological Administration, Wuhu 241000, China; 2.Anhui Agrometeorological Center, Hefei 230000; 3.Anhui Institute of Meteorological and Sciences, Hefei 230000; 4.Taiyuan Longxiang Forest Business Co., Ltd，Taiyuan 030001; 5.School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044)

Rice is an important cereal crop in the world and the most important food resource in China. Under the background of global warming, the degree and frequency of extreme high temperature heat waves are also increasing. From July to August every year, continuous high temperature weather with daily maximum temperature exceeding 35.0℃ often occurs in the middle and lower reaches of the Yangtze River affected by subtropical high. At this time, rice is in a sensitive period of growth and development, and continuous high temperature will seriously influences the physiological development of rice. Consequently, scientific and reasonable monitoring of the occurrence and development process of high temperature stress to rice is of great scientific significance and practical value for impact assessment of rice yield variation and agricultural production decisions in the context of global warming. At present, crop growth monitoring methods mainly rely on field investigation and satellite remote sensing. However, the traditional field investigation methods are time-consuming and labor-intensive, and the accuracy is also influenced by the subjective consciousness of investigators. In addition, satellite remote sensing also has some shortcomings, such as low spatial resolution, long transit period, cloud pollution and so on. So, the application technology research of real-time monitoring of crop growth using multi-spectral sensors carried by portable drones is an important supplement and improvement to the existing monitoring and investigation methods for high temperature stress to rice. In this paper, a remote sensing monitoring system for rice growth and data post-processing analysis and application methods were designed based on consumer-grade drones and portable multi-spectral sensors, and then Wuhu super rice production base in the middle and lower reaches of the Yangtze river was selected as the experimental area, and the continuous high temperature days from July 20 to August 9, 2019 was taken as the experimental period. Experimental results showed that there was a significant exponential relationship between the rice vegetation index and the leaf area index, with the correlation coefficient of 0.918, and then the inversion model of rice leaf area index was established. Finally, the discrimination conditions of leaf area index of rice under high temperature stress were further determined. The inversion model and discrimination conditions of leaf area index were used to extract and to analyze the spectral characteristics of rice under high temperature stress in the experimental area. During this continuous high temperature period, 15.3% of rice in the experimental area was damaged by the continuous high temperature stress, which is coincided with the reality from the field investigation conducted by agricultural department (i.e., the grain filling rate of rice was 82.2% in the experimental area). Compared with the traditional field survey and satellite remote sensing monitoring methods, the portable UAV multispectral remote sensing monitoring technology developed in this paper has advantages of high spatial resolution, real-time and large-scale monitoring and application of low cost, which is conducive to the popularization and promotion. It has a certain application prospect in the remote sensing monitoring of crop natural disasters.

UAV; Portable multispectral sensor; Rice; High temperature stress; Remote sensing monitoring; LAI

2020?04?27

楊元建，E-mail：yyj1985@nuist.edu.cn

國家重點研發計劃項目（2018YFC1506502）；安徽省氣象科技發展基金（2017022）

石濤，E-mail：stahau1987@163.com

10.3969/j.issn.1000-6362.2020.09.006

石濤,楊太明,黃勇,等.無人機多光譜遙感監測水稻高溫脅迫的關鍵技術[J].中國農業氣象,2020,41(9):597-604