農業無人機遙感技術研究進展

黃培峰， 朱立學， 陳家政

（仲愷農業工程學院 機電工程學院， 廣東 廣州 510225）

0 引言

我國是個農業大國， 但在農業現代化方面與世界上發達國家還有很大的差距。 現代農業領域需要能夠快速地獲取農田的作物信息，以此來進行農田作物長勢監測，作物產量預估，作物病蟲害監測等等。現有的衛星遙感技術獲取的遙感圖像像素較低， 難以應用于精準農業領域的農情監測。雖然地面遙感技術已廣泛應用于獲取農田的作物信息，但其監測范圍小，需要的人力多，難以實現高通量的作物表型信息獲取[1]。 無人機遙感技術能夠高通量精準地獲取農情信息，對農業的發展有重要的意義[2]。 本文總結了目前基于無人機遙感技術在農業領域應用的國內外相關研究，并提出了無人機遙感技術的應用前景。

1 無人機遙感技術組成與農業應用流程

無人機遙感技術主要由無人機平臺、 遙感傳感器技術、GPS 差分定位技術等部分組成[1]。無人機平臺主要分為無人直升機、固定翼、多旋翼、混合翼4 種機型[3]。根據在農業上的實際應用場景和應用需求的不同，無人機平臺搭載的遙感傳感器類型也不同， 主要有普通RGB 相機、 多光譜相機、 高光譜相機等[4]。通過數據傳輸將獲取的遙感圖像數據做進一步的處理， 實現作物長勢分析， 產量預估， 病蟲害監測等農業上的應用。 根據在農業上的實際應用需求，無人機遙感技術的應用流程見圖1。

圖1 無人機遙感技術的應用流程Fig.1 Application process of UAV remote sensing technology

2 無人機遙感技術農業應用現狀

2.1 基于無人機遙感的作物冠層信息獲取

作物冠層的葉面積指數（LAI）和葉綠素含量（SPAD）等信息的獲取能夠為作物水肥監測、產量預估、病蟲害監測等農業應用提供基礎和依據。 國內外學者在運用無人機遙感來高通量地獲取作物的冠層信息， 提高作物冠層相關信息的獲取效率等研究上取得了一定的進展。 蘇偉等使用無人機遙感獲取不同分辨率下的不同植被指數與地面實測數據進行回歸分析， 來確定玉米冠層LAI 和SPAD 值反演的最優空間分辨率和最優植被指數[5]。 田軍倉等基于無人機多光譜遙感技術，篩選植被指數最優變量與實測番茄冠層不同位置的SPAD 值，采用支持向量機進行冠層SPAD 值的預測建模及驗證， 可為番茄精準管理提供理論依據[6]。 Giuseppe Modic 等利用無人機多光譜遙感技術，基于歸一化植被指數（NDVI）和歸一化紅邊植被指數（NDRE）來對橄欖樹和柑橘樹冠層進行檢測和提取，具有較高的精度[7]。邵國敏等基于無人機多光譜遙感系統，結合同時期實地采集的夏玉米LAI， 建立大田玉米冠層植被指數與LAI 之間的關系模型[8]。

2.2 基于無人機遙感的作物長勢監測

使用無人機遙感技術可實時監測農作物的長勢狀況。 目前研究者利用作物的光譜葉面積指數LAI、冠層的SPAD 值等來構建相應的估測模型，來達到實現監測作物長勢的目的。 顏安等利用無人機遙感影像生成的數字正射影像（DOM）、數字表面模型（DSM）和克里金插值法生成的離散地面高程值（DEM），來提取棉花花鈴期株高（CHM）表型數據，可快速無損地監測棉花花鈴期長勢、葉色性狀差異及分布狀況[9]。郭濤等基于無人機遙感影像分別構建不同生育時期的小麥株高估測模型和光譜指數LAI 估測模型，借助一元線性回歸、多元逐步回歸和偏最小二乘回歸分析方法， 篩選出小麥不同生育時期最優的株高和LAI 估測模型[10]。鄭曉嵐等基于高分辨率無人機多光譜遙感影像，利用光譜信息、空間位置及數學形態學信息，利用支持向量機回歸方法構建具有較好穩健性的棉株估算模型，為苗期棉花株數進行快速估算和長勢等級分類[11]。周敏姑等運用無人機遙感技術結合地面監測的方法，采集冬小麥各個時期的冠層光譜影像并提取反射率特征參數，建立SPAD 值的反演模型，可為無人機多光譜遙感監測作物長勢提供技術依據[12]。

2.3 基于無人機遙感的作物產量預估

現代農業對農作物的產量及其變化估測有重要的實踐意義。 在使用無人機獲取農作物的光譜遙感圖像進行估產方面， 已經有研究者利用適合相應作物的植被指數構建相應的估測模型來達到實現產量預估的目的。 韓文霆等利用自主研發的多旋翼無人機多光譜遙感平臺，采用牛頓-梯形積分和最小二乘法，構建了基于多種植被指數和多種生育期對應的夏玉米實測產量的6 種線性模型，可以快速有效診斷和評估作物長勢和產量[13]。 王來剛等基于八旋翼無人機多光譜遙感監測，利用NDVI、增強型植被指數（EVI）和綠色歸一化植被指數（GNDVI）這3種植被指數構建葉面積指數監測模型， 可以快速有效評估玉米長勢和產量[14]。 Eder Eujácio da Silva 等利用無人機和多光譜傳感器，基于土壤調整植被指數（SAVI）和NDVI構建大豆籽粒產量預估模型，可對大豆籽粒產量進行預估[15]。

2.4 基于無人機遙感的作物水肥監測

在農業生產中， 農作物的水肥監測對實施精準灌溉施肥有重要的意義。魏鵬飛等基于無人機多光譜影像，篩選出對玉米葉片氮素含量（LNC）敏感的光譜變量，應用后向逐步回歸方法確定不同生育期夏玉米LNC 估測的光譜變量，實現對夏玉米葉片氮含量的較高精度監測[16]。譚丞軒等基于無人機遙感平臺對夏玉米進行多期遙感監測，并同步采集玉米根域不同深度土壤含水率（SWC），利用全子集篩選法對不同波段和植被指數進行不同深度土壤含水率的敏感性分析，并分別采用嶺回歸（RR）和極限學習機（ELM） 2 種方法構建全子集篩選不同深度下的土壤含水率定量估算模型，可快速、準確地監測農田土壤墑情[17]。 馮珊珊等基于無人機采集農田的多光譜數據，利用垂直干旱指數（PDI），結合樣點土壤水分數據快速構建農田土壤水分反演模型， 可以為大范圍農田土壤水分的快速監測提供方法參考[18]。

2.5 基于無人機遙感的病蟲害監測

農業病蟲害會給農作物的生產造成巨大損失，對作物病蟲害進行監測有重要的意義。鄧小玲等通過使用無人機獲取高光譜遙感圖像， 基于特征波段使用邏輯回歸和支持向量機算法，建立柑橘患病植株分類模型，可為柑橘種植園的病蟲害監測提供一定的數據支撐和理論支撐[19]。 Chenghai Yang 等運用無人機搭載多光譜和高光譜傳感器， 基于特征波段和全波段分別建立對應的棉田根腐病分類模型，可用于準確地檢測和定位農田內的根腐病區域，用于評估棉田內的根腐病感染[20]。Ryo Sugiura 等使用無人機獲取的RGB 圖像開展了晚枯萎病的田間抗性試驗研究， 能有效、客觀地評估馬鈴薯晚疫病的感染程度[21]。Johanna Albetis 等利用無人機多光譜圖像，基于相對綠色指數（RGI）和紅綠指數（GRVI）兩個植被指數，計算出健康和有癥狀的葡萄藤的光譜特征，可為葡萄的病害識別做依據[22]。

3 無人機遙感農業應用存在的主要問題

無人機平臺在硬件方面得到了迅速的發展。 無人機遙感技術在農業中的應用也越來越廣泛， 但仍存在一些急需解決的問題。

3.1 在農業應用實踐中的問題

無人機遙感能夠高通量地獲取農作物的整體冠層信息，但在進行低空航拍作物的冠層信息時，會對作物的冠層產生振動，影響作物遙感圖像的獲取，需要通過研發輕量化的無人機來解決。無人機遙感在獲取作物生長的中后期冠層信息時，由于葉片相互遮蔽嚴重，葉片間的噪聲點較多，效果不理想，需要通過算法來去除噪點，以減少噪聲點對冠層信息提取的影響[23]。目前國內外無人機遙感技術用于農業時， 所做的試驗大多是在單一的試驗田進行且只對單一的作物進行研究， 而不同作物生長形態和冠層結構存在較大的差別。試驗構建的模型難以應用于其他作物，因此需要通過多種試驗并改進模型來提升對其他作物的適用性。 相較于衛星遙感，基于無人機遙感的作物產量預估，長勢監測，水肥監測等精度要求較高，但監測范圍有局限性，需要研究將無人機遙感數據和衛星遙感數據相互融合的技術，以同時滿足監測精度和監測范圍的要求[14]。

3.2 無人機遙感設備存在的問題

無人機平臺搭載的遙感傳感器是實現無人機農業應用的重要部分。在目前無人機遙感的農業應用研究中，國內外的研究人員大多數使用的是搭載多光譜相機的無人機平臺，而熱紅外成像儀等其他遙感傳感器，因為成本高且難以搭載到無人機上的問題， 所以相關的研究應用并不多[4]。 無人機平臺普遍存在續航時間短的問題，需要多次飛行才能實現大范圍作業， 這阻礙著無人機遙感技術在農業應用中更進一步發展[4]。

4 結束語

當前， 國內外有關無人機遙感技術在農業中的應用研究，如作物長勢監測，作物產量預估，作物水肥監測，作物病蟲害監測等主要應用于北方大田作物。 盡管相關研究取得了顯著成果， 但是受地形氣候多變和作物種類繁多等因素的影響， 如何將無人機遙感技術應用于南方丘陵山地的農業生產還需要開展大量有針對性的研究。 可以根據無人機遙感技術機動性好，靈活性大，能夠高通量獲取農田農情信息等特點， 總結無人機遙感技術應用于小麥、玉米、棉花等大田作物的研究成果，采取相似或改進的方法開展研究， 未來可望將無人機遙感技術與南方特色作物種植模式和制度相結合， 將無人機遙感高通量獲取作物表型信息等技術應用到南方多種果蔬提質增效生產中。 同時，隨著無人機遙感技術的不斷發展，未來無人機平臺的續航水平將得到進一步提高， 更適合無人機搭載的遙感傳感器設備也將不斷出現， 相關技術的進步將使無人機遙感技術將更加適用于多種多樣農業生產場景的應用。