無人機光譜成像技術在大田中的應用研究進展

摘 要：隨著科學技術的不斷發展，傳統監測大田農作物生長模式已無法滿足時代發展的需要，存在成本高、耗時長等諸多弊端。無人機光譜成像技術是信息化、數字化發展的產物，將該技術用于大田農作物生長環境監測，具有監測時效性強等優勢。該文闡述了無人機光譜成像技術的原理、特點、優勢等，以及在大田中的應用情況，并分析了現階段研究中存在的問題，以期為今后無人機光譜成像技術在大田中的應用研究提供參考。

關鍵詞：無人機光譜成像技術;大田;應用

中圖分類號 S127;O657.3 文獻標識碼 A 文章編號 1007-7731（2022）11-0117-03

Research Progress on the Application of Uav Spectral Imaging Technology in the Field

MA Jingyu

（Sanhe Digital Surveying and Mapping Geographic Information Technology Co.，Ltd.， Tianshui 741000， China）

Abstract： With the continuous development of science and technology，the traditional monitoring of field crop growth mode can no longer meet the development requirements of the times，and there are many disadvantages such as high cost and long time. UAV spectral imaging technology is a product of informatization and digital development. This technology is used in monitoring the growth environment of field crops and has the advantages of strong monitoring timeliness. This paper further develops the application of UAV spectral imaging technology in the field by expounding the principle，characteristics and advantages of UAV spectral imaging technology，and expounds the difficulties existing in this research at this stage. It is expected to provide reference for the application of UAV spectral imaging technology in the field in the future.

Key words： UAV spectral imaging technology; Field; Application

中國自古以來就是農業大國，尤其是水稻、玉米等農作物的種植范圍廣闊。然而，糧食作物在生長過程中由于會受到多種因素的影響，如溫濕度、降水和土壤等，導致作物植株生長出現變化。因此，為了確保農作物生長質量，需要對農作物葉面積指數等多項參數進行科學檢測，進而有效地對農作物生長情況進行評估。傳統的作物生長環境監測主要是以衛星遙感監測為主，該監測方法存在監測成本高、受云層干擾大等弊端。為尋找監測效果好、受云層干擾小的農作物監測方法，眾多學者提出利用無人機光譜成像技術開展大田農作物生長環境監測工作。

1 無人機光譜成像技術概述

1.1 原理 無人機光譜成像技術涵蓋的技術種類較多，主要包括無人飛行器、通信、傳感器、定位、圖像傳輸等技術。深入探究無人機光譜成像技術遙感系統的組成部分可知，主要由飛行平臺系統、傳感系統、控制系統、數據處理系統、數據傳輸系統、后勤人員等6個部分組成。具體操作過程為：在開展大田監測過程中，工作人員利用控制系統操控無人機飛行軌跡，根據相應的監測需求，使用光譜成像儀對田間農作物進行圖像采集，并利用相應的信息處理系統對采集后的圖像等信息展開分析，最終得出準確的作物生長指標，以此指導農作物生產。

1.2 可采集光譜圖像特點 光譜成像技術是基于成像技術與光譜測量技術，將二者相結合進而準確獲取農作物位置信息、分析光譜輻射信息的一種技術。將光譜圖像進行分類，主要包括全色圖像、多光譜圖像、高光譜圖像、熱紅外圖像等。通常情況下，不同的光譜圖像種類具有不同的波段范圍、分辨率等，因此，不同的光譜種類在大田中的應用均有所不同。

不同學者將不同的光譜成像應用在作物生長監測中，例如，楊曉宇等[1]在研究中利用全色圖像，結合區域生長法、水分分析法開展了作物生長環境監測工作，其將荔枝單木作為監測對象，利用高分辨率全色圖像進一步收集了荔枝單木信息。同時，這幾位學者在另一項研究中，利用高光譜成像對健康小麥、受鐮刀菌感染的小麥展開成像，并進一步探究了鐮刀菌感染的波長范圍。此外，還有學者將熱紅外圖像用于葡萄園監測，利用科學的分析手段進一步明確了水分威脅指數與水勢參數之間的關系，明確兩者間存在正相關。可以看出，不同的光譜成像均存在不同的特點，因此，應根據實際情況，選擇最合適的光譜成像方法。

1.3 優勢 傳統的大田作物生長環境監測主要以衛星遙感技術為主。但衛星遙感技術極易受到大氣環境變化、云層、地形等因素的影響，存在精度低、數據處理復雜等缺陷。相較于傳統衛星遙感技術，以無人機為承載器搭載的成像儀所形成的遙感系統，能夠有效解決傳統衛星遙感技術缺陷的問題。眾多學者深入開展二者間對比研究，以葡萄園為監測對象，對比2種遙感系統精度，結果表明，衛星遙感系統監測成像分辨率較低，且無法準確反應葡萄園內部差異;而無人機遙感系統監測則可對葡萄園內部小面積作物展開分析，可精確顯示葡萄園內部差異。

將無人機作為平臺的遙感技術具有較大的綜合優勢。首先，利用無人機遙感具有空間分辨率高、信息容量大、位置精度高、成像清晰等優勢，無論是大范圍監測、小范圍監測均可利用無人機遙感技術。其次，無人機遙感技術可實現低空連續作業，并不受云層影響，使監測工作變得更加便捷、可行、靈活。再次，無人機遙感技術還具有降低監測作業成本等優勢。

2 無人機光譜成像技術在大田中的應用研究

2.1 監測作物長勢及營養指標 深入探究影響作物生長發育的營養元素可知，氮素是影響作物生長的最主要因素。進一步探究氮素與光譜特征之間的關系可知，二者間存在較強的關聯性。王義坤等[2]利用無人機光譜成像技術開展了小麥冠層生物指標的研究，主要將植物高度、葉面積指數、氮素含量作為研究指標，利用主成分分析法建立3項指標與光譜指數之間的回歸模型。研究結果顯示，無人機光譜成像技術能夠有效監測作物氮素含量指標。張黎黎[3]將玉米作為研究對象，利用無人機光譜成像技術對采集玉米多光譜圖像，進一步研究低氮脅迫下玉米的營養狀況。

此外，葉綠素含量、葉面積指數也是影響作物生長的重要因素，二者均為評價作物長勢的主要依據。國外學者Matsuo T等[4]在研究中將大麥作為監測對象，利用無人機光譜成像技術得出大麥高光譜圖像、RGB圖像，并利用植被指數、植被高度等信息對植株生物量進行估算，結果表明，歸一化比率指數、作物物質質量二者間存在較強的關聯性。此外，有學者將水稻作為監測對象，利用無人機光譜成像技術針對水稻不同的生長時期展開監測，并將監測結果與LAI參數開展相關性分析，以此作為基礎構建作物生長模型。結果顯示，水稻植株高度與LAI具有較強的相關性。

2.2 監測田間災害 進一步分析大田中災害種類，主要包括病蟲害、旱澇災害。通常情況下，作物的光譜特征會隨著各類災害的變化而變化，將無人機光譜成像技術用于作物生長信息監測，可以準確評估災害類別，發生位置與嚴重程度，進而降低損失，同時也能為農藥噴灑提供較為精準的依據。Luo B等[5]將橄欖樹種植區作為研究對象，并利用無人機光譜成像技術采集橄欖樹種植區熱紅外線圖像、高光譜圖像，采用線性判別分析法對大麗花病害開展相關的監測預警工作，研究結果表明，熱紅外圖像對大麗花病害的監測精度較高。此外，上述學者還開展了另一項研究，將甜菜作為研究對象，利用無人機光譜成像技術收集甜菜高光譜數據，并進一步提出了鑒別早期甜菜災害的辦法。

作物冠層溫度、氣孔導度是業界公認的判斷作物水分脅迫的重要指標，同時地表溫度、植被指數也是公認的判斷農作物旱澇情況的重要指標。王飛龍等[6]將葡萄作為研究對象，利用無人機光譜成像技術得出葡萄熱紅外圖像，對數據分析結果中的水分威脅指數、氣孔導度等指標進行比較，結果表明，這2項指標具有較強的關聯性。

2.3 預測作物產量 開展作物產量評估工作能夠幫助各地政府精準了解各地糧食產量情況，作物產量評估在國家糧食宏觀調控中起著至關重要的作用。深入探究傳統作物產量評估方法可知，傳統作物產量評估方法存在成本高、工作量大等問題，且對作物產量估值的精準程度較低。相比于傳統作物產量評估方法，無人機光譜成像技術能夠打破傳統方法的局限性。王偉等[7]將大豆作為研究對象，利用無人機光譜成像技術對其產量進行評估，經過精準度檢驗，明確利用無人機光譜成像技術評估大豆產量的精度高達0.8118，進一步驗證了該技術的可行性與精確性。

2.4 精細分類 精細分類是實現農業精準化的重要手段，是開展農作物面積計算、種類統計的基礎性工作。對于農業機械化、自動化來說，利用精細分類確定田間雜草等分布信息至關重要。利用無人機光譜成像技術可有效監控植株作物，盡可能減少除草劑等農藥的使用情況。馬樂等[8]以冬小麥作為研究對象，利用無人機光譜成像技術對冬小麥進行高分辨率的數碼成像，并進一步明確冬小麥光譜特征和植被指數變化。基于研究結果提出了新的農作物分類模型，明確自動分類、最大似然分類這2種分類方法具有較高的適用性和精度。此外，其在研究中還指出，利用無人機光譜成像技術可有效區分作物與雜草，能夠為大田中的作物分類提供依據。

3 光譜圖像建模方法研究進展

不同植被類型其光譜特征有所不同，將光譜特征作為指標開展光譜圖像建模，主要包括植物紅邊效應構建、植被指數模型構建和作物生長模型構建。

所謂紅邊是指作物受到葉綠素影響，在光譜成像時紅光區與近紅外區之間的過渡位置植被的光譜曲線斜率較為陡峭。研究表明，紅邊所處位置、傾斜角度等可以體現植被特征，如顏色、健康程度、覆蓋率等。植被指數是指將植物光譜特性作為依據，合理組合植物特征波段值所形成的指數。植被指數在一定程度上能夠消除因大氣、云層、背景等影響誤差，可明顯反應植被生長狀況。目前，NDVI是業界公認的誤差小、精度高的植被指數，且被廣泛應用于各類研究中。除上述2種建模手段外，作物生長模型也是監測農作物生長狀況的有效手段，且相較于其他2種方法，該建模手段具有精度高、適用范圍廣等優勢，同時該建模還具有建模難度大等缺陷。深入探究作物生長模型分類，可將其分為經驗統計模型和以過程為基礎的作物生長模擬模型。

4 無人機光譜成像技術應用研究存在的問題

無人機光譜成像技術為大田作物生長環境監測工作提供了技術支持，能夠科學監測作物長勢及營養指標、田間災害以及作物產量。但就目前情況而言，無人機光譜成像技術在各方面仍存在諸多問題。

4.1 無人機方面 無人機光譜成像技術較為依賴遙感平臺，在無人機研究方面，應保證無人機具有輕巧、穩定、續航時間長、靈活等特點。科學合理地選擇無人機制作材料，明確無人機設計結構。為進一步擴大無人機的使用范圍，應謹慎選擇無人機外殼材料，盡量選取重量輕、耐高溫、耐腐蝕、韌性高、經濟效益高的外殼材料，并在此基礎上進一步保證無人機結構安全、牢固、穩定。目前，如何增強無人機性能是研究的重難點，隨著復合材料研發、特殊燃料使用等研究的不斷深入，相信在不久的將來無人機材料、結構研發會更上一層樓。

4.2 光譜成像技術方面 目前在光譜成像技術研究方面，仍存在數據收集、處理等問題未被解決。深入分析大田環境特點，其具有復雜性、易受干擾等特性，其地物反射率易受多種因素的影響。通常情況下，在開展光譜圖像采集時，由于受到作物葉面分布、葉面面積、太陽照射角度、觀測角度的影響，會產生不同的作物呈現相同的圖譜，或同種作物呈現不同的圖譜現象。近年來，隨著科學技術的不斷發展，相信在不久的將來這一技術空白會被填補。

4.3 數據處理分析方面 除上述難點與技術空白以外，在數據分析方面仍存在技術空白與難點。具體表現為：現階段并未出現較為統一的圖像處理方法，不統一的圖像處理方法必然會降低數據處理、數據結果精度。現階段，我國的多光譜、高光譜技術較為成熟，但這2種技術應用后會帶來大量數據，技術人員很難從大量的數據中準確挑選出特征性較強的波段。通常情況下，作物種類不同、生長時期不同、生長條件不同，產生的特征性波段也有所不同。目前，較為常用的方式是選取多個波段組合進行分析，以此來減少數據處理誤差，體現作物生長特點，但技術人員在此過程中所使用的指標并不統一，導致其所得出的研究成果無法得到其他研究人員認可，嚴重缺乏可靠性、普及性。

5 結語

本文闡述了無人機光譜成像的技術原理、特點及優勢，介紹了無人機光譜成像技術在大田中的應用研究進展，指出當前無人機光譜成像技術可應用于作物長勢、營養指標、田間災害的監測，可預測作物產量，還可對作物進行精細分類;分析了當前無人機光譜成像技術在大田的應用研究存在的問題。相信在不久的將來，這些問題均會被突破，大田作物生長環境監測工作必將進入新的發展階段。

參考文獻

[1]楊曉宇，包妮沙，曹粵，等.基于無人機成像光譜技術的農田土壤養分估測及制圖[J].地理與地理信息科學，2021，37（5）：38-45.

[2]王義坤，韓貴丞，姚波，等.面陣擺掃型無人機載大視場高光譜成像技術研究[J].激光與紅外，2019，49（7）：876-880.

[3]張黎黎.無人機高光譜技術在新農業中的應用[J].新農業，2021（14）：41.

[4]Matsuo T，Ikari S，Kondo H，et al. High spatial resolution spectral imaging method for space interferometers and its application to formation-flying small satellites[J]. JATIS，2022（01）：44-53.

[5]Luo B，Wang X，Zhang Z. Application of Computer Vision Technology in UAV[J]. Journal of Physics：Conference Series，2021，1881（4）：042052.

[6]王飛龍，王福民，胡景輝，等.基于相對光譜變量的無人機遙感水稻估產及產量制圖[J].遙感技術與應用，2020，35（2）：458-468.

[7]王偉，衡磊，郝一騰，等.基于傾轉翼無人機多光譜成像在農業中的應用[J].農村實用技術，2020（3）：32-33.

[8]馬樂，黃超偉.無人機多光譜技術在智慧農業中的應用[J].現代制造技術與裝備，2021，57（11）：163-165.

作者簡介：馬敬宇（1989—），女，甘肅平涼人，助理工程師，從事無人機航測數據處理及高光譜成像技術分析工作。? 收稿日期：2022-03-14