無人機遙感在農田信息監測中的應用進展

周游

（廣西藝術學院，廣西 南寧 530021）

在推進精準農業生產的過程中，無人機遙感監測技術在獲取農田信息方面展現出了巨大的優勢，它可以對植被覆蓋度、農作物植株高度、葉面積指數等參數進行監測分析，為農業生產決策提供支撐。除此之外，利用無人機遙感探測技術還可以快速獲取農田的空間位置信息，服務于土地類型劃分、農田邊界定位等工作，為了更進一步的推動無人機遙感探測技術的應用，有必要對其進行深入探討研究。

1 無人機遙感探測技術概述

1.1 無人機飛行平臺

當前階段，農田信息監測領域應用最廣泛的無人機可分為固定翼、單旋翼和多旋翼幾種類型。固定翼無人機的優點是速度快、續航能力強、載重量大，但對配套設施，如起飛著陸場有著特定要求，且飛行過程中不能調整速度。單旋翼無人機由于穩定性差，會影響到探測的精準度，因此已經被逐步淘汰。多旋翼無人機具有飛行穩定、動態姿態和速度調整、可懸停等多種優勢。

在選定無人機類型之后，還需要結合農田信息監測工作的實際情況對航線進行科學的規劃，常采用的方法主要有動態規劃法、最優控制法、導數相關法等幾種。而隨著科學技術的發展，一些現代智能算法也被引入這一領域，包括人工神經網絡、粒子群算法、遺傳算法等。

1.2 無人機遙感測量技術介紹

無人機遙感探測農田信息均是通過機載傳感器來實現，現有的傳感器類型多樣，原理以及獲取數據類型也存在普遍的差異性。總體上看，可將傳感技術概括為光譜成像和空間構型兩類。前者是基于不同波段光波作用于樣本時產生不同的光譜特征，獲取農作物的生理生化指標。而根據輸出波段數量和連續性差異，可以將光譜成像技術分為高光譜和多光譜兩類，高光譜的代表為高光譜儀、紅外傳感器等，多光譜的代表為數碼相機。空間構型測量技術則主要包括激光探測、可見光攝影測量兩類，如機載LiDAR可以通過反射脈沖并接受反射回波的方式測算出農田不同位置的三維空間坐標。

1.3 無人機遙感數據處理和建模方法介紹

成像光譜技術在實際應用的過程中，是通過直接選取特征波段的方式計算值被指數，綜合光譜特征信息和農作物的生理生化指標建構反演模型。在具體操作的過程中，首先需要以相似度計算、信息量等為依據選擇與農田信息相關的特征波段。例如，基于信息量選擇特征波段時，可將高光譜影響灰度值的標準差看作是簡單的信息量度量。在完成特征波段的提取之后，需要對高光譜數據進行處理，這一環節可以直接對波段反射率或者各項植被的指數進行計算，在此基礎上建構其于農作物生長參量之間的線性、二次等模型。此外，還可以基于神經網絡、隨機森林等機器學習法進行農田信息反演建模。現今發展應用最為成熟的反演算法是單窗算法，它是基于一個熱紅外波段對地表溫度進行反演。

空間構型測量技術的數據處理和建模與光譜成像存在巨大的差別，以SfM法為例，首先需要對原始圖像進行無畸變處理，消除一些客觀因素導致的數據失真現象，基于特征匹配或是前后方交會解算的方式獲取初始像對兩幅影像的相機參數和同名坐標點的初始值，最后采用光束法對該結果進行平差優化處理。隨著新影像的不斷補充和添加最終形成三維點云，進而利用點云內插法獲得覆蓋整個測量區域的數字高程模型。

2 無人機遙感探測技術在農田信息監測中的具體應用研究

2.1 農田空間信息監測

農田空間信息除了最基本的田塊地理坐標之外，還包括農作物的具體分類，將二者綜合起來可進行各類作物種植面積的精準估算。采用無人機遙感探測技術可以實現農田空間位置信息的實時獲取，例如通過機載高清數碼相機可以實現對農田基本空間信息的有效識別和判定。此外，在空間構型測量技術應用之后，農田空間信息的監測進一步引入了高程信息，使得空間分辨率獲得大幅度的提升，所獲取的數據資料也更加精細全面。

2.2 農作物生長信息的監測

首先，在農作物表型參數獲取方面，可用無人機遙感探測技術進行測量獲取的有以下幾種：其一，葉面積指數，即單位地表面積內單面綠葉面積的總和，它主要反映了農作物的光能吸收效果。具體是通過多光譜數據對植被的指數進行計算。如高林等構建了基于可見光大氣阻抗植被指數原理的數字圖像特征參數的指數模型。在研究過程中，利用高光譜傳感器獲取了大量豐富而連續的數據。其二，地上部生物量。無人機遙感探測生物量多采用多光譜數據，通過提取光譜參數以及計算值被指數的方式建構模型。但同時，針對空間構型測量技術的研究也不少，如王東亮等在呼倫貝爾草地實地研究了無人機飛行高度對草層高度以及蓋度提取結果的影響效果；Bending等基于SfM算法得到了作物表面模型以提取作物的冠層高度。再有陳國政等采用分段建模的方法對大豆的生物量進行了反演處理。

其次，在作物營養指標獲取方面，無人機遙感探測技術可以針對不同物質所具有的特異光譜反射吸收特征，對各類農作物的葉綠素、氮素含量等指標進行診斷。其中葉綠素在可見光波段內有兩個強吸收區，分別是430～460nm藍紫光和640～663nm的紅光。通過對顏色以及紋理的統計可以判斷作物的營養情況。現有的研究成果有肖宇釗等基于多光譜植被指數以及紋理特征，建構了契合不同葉綠素含量的預測模型，通過對比分析獲知作物的紋理特征很容易受到成像質量的影響。

最后，在作物產量探測方面，現有的研究大多是基于多項因素的綜合分析，嘗試建構具有高預測精度的產量估算模型。如趙曉天等基于農作物監測的采樣范圍，依據不同空間尺度下的高光譜數據，利用偏最小二乘回歸建構了植被指數和產量模型，該模型可用于精度曲線變化趨勢的估算，繼而分析出最佳的空間尺度面積。

2.3 農作物生長脅迫因子的監測分析

農作物的生長脅迫因子主要有三：一是農田墑情，常采用熱紅外法監測。農作物生高度覆蓋的農田區域內，其葉片氣孔的關閉可以有效的降低蒸騰作用產生的水分流失，相應的地表感熱通量則會增加，促使作物冠層的溫度出現提高。冠層溫度的監測需要重點考慮的一項因素就是裸露的土壤，現有的許多研究都和裸土影響冠層溫度測量值相關，例如一些研究者通過研究裸土溫度和作物地表覆蓋度之間的關系，分析獲得了裸土導致的冠層溫度測量值和真實值之間存在的偏差，為農田水分監測數據的修正提供了有效的參考。

二是病蟲害，無人機遙感的農作物病蟲害探測主要是通過近紅外光譜反射率監測來實現的，其原理如下：農作物的葉片在近紅外區的反射受其海綿組織和柵欄組織的控制，病蟲害則會導致葉片的這兩個組織出現萎蔫現象，如此一來對紅外反射就會出現明顯的減少甚至喪失。同時，熱紅外監測的溫度也可以在一定程度上反映出農作物是否存在病蟲害，因為農作物健康的情況下，其蒸騰作用受控制于葉片氣孔的開閉，而在遭遇病蟲害之后，其葉片會發生病理變化，在這樣的情況下蒸騰作用必然會受到影響，具體表現為遭到侵染的部位出現溫度明顯升降。

三是其他方面的信息，如利用無人機遙感監測可以為農藥的施用提供指導，在棉花種植的過程中，可利用NDVI指數將棉花成熟期葉片的老熟程度反映出來，進而轉化為脫落酸施用的處方圖，防止農藥過度施用的情況出現。

3 無人機遙感在農田信息監測領域的發展趨勢分析

總體上看，未來一段時期內，我國農田信息監測領域無人機遙感的發展趨勢應集中在以下幾個方面。

3.1 開發簡單易用且低成本的無人機平臺

現今我國農田信息監測中使用的無人機平臺大多存在穩定性差、成本高、操作復雜等不足之處，因此在使用過程中存在巨大的限制，如不能在大風、陰雨等惡劣天氣下使用。因此在未來，我國應極大資源投入，研發出性能更加優越的無人機飛行平臺，尤其需要對自穩系統進行優化，同時增設航線規劃功能。這需要我國政府在政策方面給予一定的扶持，例如，適當的放寬無人機飛行空域方面的規定。

3.2 實現農作物生長情況的周期性動態監測

目前我國無人機遙感用于農田信息監測尚不能實現周期性和連續性，這樣非常不利于農業生產管理，因為農作物的始終處于不斷生長狀態下，其各個階段的生長參數會表現出巨大的差異性，單一和少數生長期的作物模型所具有的代表性十分有限。因此在未來我國應該探索針對農作物生長狀態的連續性、周期性監測技術。

3.3 提高數據處理能力

無人機遙感探測所獲取的數據規模十分龐大，但以目前的技術能力，尚無法實現數據的即時動態解譯，如此一來必然會導致農業生產決策表現出一定的滯后性。因此應進一步開發具有強大數據處理功能的無人機平臺，為農業生產提供科學及時的指導。

4 結語

綜上所述，無人機遙感探測技術代表著未來精準農業中農田信息監測領域的主要發展趨勢，它在監測空間尺度和精度方面都具有顯著的優勢，可以為農業生產提供科學化的指導，可以預見到，隨著技術的不斷進步，無人機遙感在農業生產領域的應用將變得越來越廣泛深入。