基于小型無人機對風災引起水稻倒伏評估方法

孫銘謙 康博識 李宏碩 曲原

摘要 風災是一種常見的氣象災害，我國每年因風災引發的農作物倒伏、減產現象逐漸增多，如何快速、準確地進行災后評估對產量預測、農業政策調整十分重要。選取遼寧省盤錦市盤山地區具有代表性的4種類型受災農田，應用無人機系統獲取高分辨率航空影像，完成區域可見光遙感，利用地表反射率評估大風災害水稻倒伏損失，推斷農作物產量并與當年實際產量進行對比。結果表明，推斷產量與實際產量誤差處于合理區間，小型無人機可以快速、準確地評估農作物倒伏面積，為災后決策提供重要的參考依據。

關鍵詞 無人機；水稻倒伏；氣象災害；反射率；災害評估

中圖分類號：S511 文獻標識碼：B 文章編號：2095–3305（2023）09–0-03

氣象因素對農業生產活動影響巨大，隨著全球氣候變化引起的極端天氣頻發，農作物產量年際間的波動日益加劇。近年來，我國幾乎每年都會發生重大的氣象災害，嚴重影響我國糧食安全[1]。隨著我國氣象災害評估的快速發展，災后評估已成為政府決策的重要參考依據，快速準確的災后評估對產量預測、農業政策調整具有十分重要的意義。水稻是我國主要糧食作物之一，在很多影響水稻產量的因素中，作物倒伏是制約水稻高產、穩產的重要因素[2-4]。大風是我國沿海地區常見的氣象災害，其影響范圍廣，往往造成嚴重的水稻倒伏現象，不但會造成作物減產，而且會影響稻米的品質，帶來巨大的經濟損失。與此同時，風災的影響呈逐年增大趨勢。因此，準確、定量地評估風災等氣象災害對農業生產中的影響至關重要[5-9]。

常用的氣象災害評估方法有2種：一是遙感監測，二是觀測員進行現場人工勘定。在氣象災害發生后，人工勘定無法覆蓋大面積作物，衛星遙感采集的時效性不強，無法滿足實際需求。無人機遙感具有高精度、高時空分辨率的優勢，能夠滿足快速、準確評估氣象災害所產生影響的需求[10-16]。

1 無人機水稻倒伏快速評估技術概述

植物具有光譜特性，植物的不同部位吸收、反射、輻射的光譜也不盡相同。利用水稻稻穗與稻稈、地表之間的反射率差異，應用無人機搭載高清攝像機進行取樣分析。通常在收獲期的水稻稻穗的反射率為0.45～0.75，水稻稻稈的反射率為0.76～0.90，東北地表反射率為0.15～0.30。稻穗、稻稈和地表之間存在一定的反射率差異，將圖像處理成二值圖計算水稻倒伏面積。

1.1 無人機平臺和搭載鏡頭

使用的無人機類型為DJI Phantom 4 Pro V2.0，重量（含電池及槳）為1 375 g，軸距為350 mm，最大上升速度為6 m/s，最大下降速度為4 m/s，最大水平飛行速度為72 km/h，最大可傾斜角度為42°，最大旋轉角速度為250°/s，最大飛行高度為6 000 m，最大可承受風速為18 m/s（八級），最大飛行時間約為 30 min，衛星定位模塊GPS/GLONASS 雙模，懸停精度垂直：±0.1 m，水平：±0.3 m。

使用的相機影像傳感器1英寸CMOS，有效像素2 000萬。鏡頭FOV 84°，f/2.8 - f/11，ISO 范圍100～12 800，電子快門速度8 - 1/8 000 s，照片尺寸5 472×3 648，長寬比為1.5。

1.2 統計方法

選擇分層抽樣法對農田進行抽樣。分層抽樣利用分組法與抽樣法相結合的方法，通過分組減小各抽樣層的變異性，通過抽樣保證所抽取的樣本具有代表性。在同一張航拍照片中，將不同地塊的稻田分成5類：在航拍照片中，倒伏嚴重程度20%以下的為嚴重倒伏稻田、20%～40%為倒伏較嚴重稻田、40%～60%為該地塊一般倒伏稻田、60%～80%為倒伏較輕稻田、80%～100%為倒伏程度最輕或者無倒伏稻田。根據分層采樣法在該地塊不同倒伏程度每類稻田中隨機抽取1個樣本進行水稻倒伏面積抽樣分析。

1.3 數據處理方法

1.3.1 圖像處理方法 無人機低空遙感技術以植物的光譜特性為基礎，利用成熟期水稻稻穗、稻稈和地表之間反射率的差異，采集抽樣農田的數據。使用場地黑白靶標的方式對數據進行定標，利用光學影像采集系統進行可見光遙感。地面系統主要是數據處理系統，包括圖像修正、圖像增強等。數據處理采用動態差分GPS與慣性測量裝置IMU結合，直接在飛行中獲取無人機的定位和定向，獲得每一張影像的拍攝時間、高度、經緯度以及相機姿態角度等相關參數信息（圖1）。

通過灰階處理將遙感圖像制成灰階圖像，并選取稻穗反射率區間分離制作二值圖，再計算稻穗所占該地塊比例。用面積計算方法求出地塊面積，而得出稻穗面積與地塊面積之比，從而計算得出倒伏率[17]。

1.3.2 面積計算方法 已知無人機飛行高度H，Fov為無人機搭載相機鏡頭視角，對角線AB與鏡頭之間的夾角α，無人機拍攝圖片的長寬比Bwr。根據H、Fov和Bwr能夠求出單張航拍圖像面積，再按照單個地塊所占像素與照片總像素之比計算出單個地塊面積。

S= ·tan2（ ）H 3dH（1）

1.3.3 反射率特征分析 通過現場取樣，對稻冠、稻稈和土壤表面進行多次采樣。經標定后，對不同類型、不同地塊的稻田采用隨機采樣法進行灰度值取樣。對稻冠、稻稈和土壤每種類型的100個取樣點進行分析。結果表明，稻冠最大灰度值為192，反射率為0.75，最小灰度值為109，反射率為0.42；稻稈最大灰度值為250，反射率為0.98，最小灰度值為195，反射率為0.76；土壤表明最大灰度值為89，反射率為0.34，最小灰度值為10，反射率為0.04。根據相關研究，無人機遙感土壤灰度受陰影影響會偏低，訂正陰影部分土壤最小反射率為0.1[18-19]。由此可得，在收獲期盤山縣的水稻稻冠的反照率為0.42～0.75，水稻稻稈的反照率為0.76～0.98，東北地表反照率為0.10～0.34（圖2）。

1.3.4 災害損失評估方法及其對產量的影響 在水稻栽培的過程中，經常有不同程度的倒伏發生，倒伏影響光合作用，導致結實率下降、千粒重下降，影響了水稻的產量和品質。相關研究表明，水稻倒伏的程度分為3種：第一種為輕度倒伏，倒伏面積占總面積比小于5%，對整體產量和品質的影響不大；第二種為中度倒伏，倒伏面積占5%～20%，莖稈折損程度較重，對整體產量和品質的影響較大，減產5%～10%；第三種為重度倒伏，倒伏面積大于20%，稻谷籽粒不飽滿，空癟粒率上升，死米、青米增多，減產10%～20%。通過圖像處理得出該類稻田平均倒伏比率后，按照倒伏面積劃分倒伏程度，得到對應的減產率，再依據該稻田平均年每667 m2產量，計算得出減產量。

2 結果與分析

2.1 研究區域概況

盤山縣處于遼中南地區，位于遼東半島與遼西走廊的匯合處，為遼河沖積平原，地勢平坦低洼，平均海拔為4 m左右，總面積為2 145 km2。境內有大遼河、雙臺子河、繞陽河等13條河流，廣布沼澤洼地，沿海多灘涂。盤山縣屬于溫帶大陸性氣候，四季分明，雨熱同期，降水集中在7—8月，年平均降水量為605 mm，無霜期長。盤山縣年平均氣溫為8.8 ℃，最低氣溫為-28.2 ℃，

最高氣溫為35.2 ℃。縣內糧食播種面積566.7 km2以上，水田500.0 km2，旱田66.7 km2，人均占有耕地達2 200.0 m2。

盤山縣共有水稻種植面積412.0 km2，主栽品種有鹽豐系列（鹽豐47為主，60%）、鹽粳系列（鹽粳927、鹽粳939，20%）、錦稻系列（錦稻103、錦稻105、錦稻107、錦稻109，10%～15%）、其他（月光、遼河，5%）。全縣水稻優良品種率達到100%，種植面積占比達到70%。其中，中等規模水稻種植面積109.3 km2，大規模水稻種植面積32.0 km2，水稻河蟹混養型種植面積270.7 km2。

2.2 取樣

2021年9月16日，盤山縣出現瞬時六級大風（11.9 m/s），平均風速為二級，9月15日盤山縣普降中雨，瞬時大風和稻穗較濕使得此次風災對收獲期水稻造成了一定程度的減產。風災發生后，于9月17日進行航拍采樣，采樣時間為12：00～15：00。

本次采樣按照分層取樣法對水稻倒伏情況進行取樣，在盤山縣受大風災害影響地區選取D1（122°4′18.2″E，41°18′44.9″N）、D2（122°34′2.1″E，41°16′15.7″N）、D3（122°3′2.1″E，41°16′16.8″N）3塊受災農田進行遙感監測。其中，D1為大規模水稻農田，D2為中等規模水稻農田，D3為水稻河蟹混養型農田。在D1、D2、D3地塊中，按照分層取樣法抽取嚴重倒伏稻田為1號稻田、倒伏較嚴重稻田為2號稻田、一般倒伏稻田為3號稻田、倒伏較輕稻田為4號稻田和倒伏情況最輕或者無倒伏稻田為5號稻田（圖3～圖5）。

2.3 數據統計

D1高度為361.785 m，D2高度為306.814 m，D3高度為333.214 m。D1面積為203 710 m2，D2面積為146 530 m2，D3面積為172 831 m2。根據表1得出，D1地塊綜合倒伏率為3.7%，倒伏面積為7 600 m2，屬于輕度倒伏。

根據表2得出，D2地塊綜合倒伏率為14.5%，倒伏面積為21 200 m2，屬于中度倒伏。

根據表3得出，D3地塊綜合倒伏率為18.0%，倒伏面積為31 067 m2，屬于中度倒伏。

2.4 災害損失評估及對產量影響的計算及驗證

盤山縣大規模水稻農田在此次風災中為輕度倒伏，對整體產量和品質的影響不大。中等規模水稻農田、水稻河蟹混養型農田為中度倒伏，倒伏面積占5%～20%，對整體產量和品質影響較大，一般減產5%～10%。盤山縣大規模水稻農田種植面積為109 km2，理論產量為783 kg/667 m2，中等規模水稻農田種植面積為32 km2，理論產量為696 kg/667 m2、水稻河蟹混養型農田種植面積為271 km2，理論產量為652.5 kg/667 m2，可得出經過此次風災后，盤山縣大規模水稻農田無明顯減產，中等規模水稻農田減產1 670.40～3 340.80 t、水稻河蟹混養型農田減產13 245.75～26 491.50 t，水稻因倒伏產生的減產總計為14 916.15～29 832.30 t。經計算，全縣2020年累計水稻總產量為396 902.70～411 818.85 t。根據盤山縣農村工作委員會提供的資料，2020年盤山縣水稻累計總產量為403 371.60 t，誤差為8 447.25 t，處于合理置信區間。

3 結論

第一，無人機遙感技術具有高時間分辨率、高空間分辨率、受外界影響小、能夠進行全天候作業等特點，適用于農作物倒伏評估。

第二，在2020年9月16日盤山縣一次風災后，于24 h內利用無人機對反射率進行分析，結果表明，無人機可以準確快速地評估風災后水稻的倒伏情況，為精準化農業提供有力的技術支持，對受災稻田進行快速的災害損失評估工作，為之后的秋收和糧食產量提供了重要的參考。

參考文獻

[1] 趙思健，張峭，聶謙，等.農作物氣象災害風險識別與評估研究[J].災害學， 2018，33（2）：51-57.

[2] 王勇，向波，冼季夏，等.水稻抗倒伏研究現狀及存在的問題[J].廣西農業科學，2007（2）：141-144.

[3] 史學巖.淺談水稻倒伏的原因危害及綜合防控[J].現代農業，2021（3）：51-52.

[4] 張懷鳳，梁譽.水稻倒伏調查報告[J].北方水稻，2020，50（1）：41-42.

[5] 范曉林.農業氣象災害風險評估研究進展與展望[J].農家參謀，2020（16）：167.

[6] 范道全，張美娜，呂曉蘭，等.無人機低空遙感技術在大田作物監測與產量預測中的應用[J].新疆農機化，2019（3）：17-20.

[7] 李正農，郝艷峰.農作物抗風研究綜述[J].自然災害學報，2020，29（3）：54-62.

[8] 湯云龍，汪楠，張欣，等.水稻倒伏與產量及食味的關系[J].北方水稻，2021，51 （2）：8-12.

[9] 張帥.基于無人機低空遙感的農田信息采集與處理研究[J].安徽農學通報， 2019，25（13）：149-151.

[10] 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.

[11] 段小斌.基于無人機遙感技術的水稻倒伏區域識別研究[J].農機化研究， 2021，43（12）：225-228.

[12] 班松濤.水稻長勢無人機遙感監測研究[D].楊凌：西北農林科技大學，2020.

[13] 周平.基于無人機多源信息的水稻倒伏特征分析[D].揚州：揚州大學，2020.

[14] 田明璐，班松濤，袁濤，等.基于低空無人機多光譜遙感的水稻倒伏監測研究[J].上海農業學報，2018，34（6）：88-93.

[15] 包詩薇，陳洪耀，張黎明，等.基于灰階靶標的光學遙感器絕對輻射定標及反射率反演驗證[J].光學學報，2021，41 （4）：210-218.

[16] 宋文生，紀桂姮，金峰.水稻倒伏的類型及防治措施[J].現代化農業，2013 （5）：37-38.

[17] 周平，周愷，劉濤，等.水稻倒伏監測研究進展[J].中國農機化學報，2019，40 （10）：162-168.

[18] 王鴿，韓琳.東北地區地表反照率時空分布研究[J].沈陽農業大學學報，2009， 40（4）：417-420.

[19] 陳明健.基于多光譜無人機的南京典型城市街區反照率估算及影響因素研究[D].南京：南京信息工程大學，2023.

Evaluation Method of Rice Lodging Caused by Wind Disaster Based on Small UAV

Sun Ming-qian et al（Panjin Meteorological Service， Panjin， Liaoning 124000）

Abstract Wind disaster was a common meteorological disaster， and the crop collapse and yield reduction caused by wind disaster increase gradually in our country every year. How to assess the post-disaster quickly and accurately was very important for the yield forecast and agricultural policy adjustment. In this paper， four representative types of affected farmland in Panshan area of Panjin City， Liaoning Province were selected， high-resolution aerial images obtained by unmanned aerial systems were used to complete regional visible light remote sensing， and surface reflectivity was used to assess the collapse loss of rice caused by wind disasters， and the crop yield was inferred and compared with the actual yield of the year. The results show that the error between the inferred yield and the actual yield is within a reasonable range， and the small UAV can quickly and accurately evaluate the lodging area， which provides an important reference for post-disaster decision-making.

Key words Uav; Rice lodging; Meteorological hazards; Reflectance; Disaster assessment