作物長勢監測技術研究進展

摘" 要：作物長勢是表征作物農情信息的重要組成因素，反映作物的生長趨勢和生長狀況，及時準確地監測作物的長勢情況，有利于實現精細農業，為管理者提供精確的數據和指導，進行作物的產量估測。該文對作物長勢監測的實地考察法、遙感監測技術、機器視覺技術、作物遠程監測技術的原理、監測指標、優點與缺點及研究進展進行討論，分析目前幾種監測技術的優勢和不足，提出多種技術融合的作物長勢監測，有助于獲取作物長勢更加完整的信息，為作物的科學化、智能化管理提供更加可靠的依據。

關鍵詞：作物；長勢；監測；精細農業；產量估測

中圖分類號：S126" " " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2023）21-0014-04

Abstract： Crop growth condition is an important component of crop agricultural information， which reflects the growth trend and growth status of crops. Timely and accurate monitoring of crop growth is conducive to the realization of precision agriculture and provide accurate data and guidance for managers to estimate crop yields. This paper discusses the principle， monitoring index， advantages and disadvantages and research progress of crop growth monitoring， remote sensing monitoring technology， machine vision technology， crop remote monitoring technology， analyzes the advantages and disadvantages of several current monitoring techniques， and puts forward crop growth monitoring based on the integration of multiple technologies， which is helpful to obtain more complete information of crop growth， thus providing a more reliable basis for the scientific and intelligent management of crops.

Keywords： crop; growth condition; monitoring; precision agriculture; yield estimation

農業作為國之根本，農作物的種植、生長及產量與國家的糧食安全息息相關。我國人口眾多，耕地面積有限且比較分散，為提高我國作物的種植效率、降低種植成本、改善生態環境，需要及時地獲取作物的生長情況，對作物進行動態調查和監測，構建“高產、優質、低耗”的農作物生產模式，為作物的估產提供參考依據，提高種植農戶生產管理與經營決策的智能化和科學化水平。

1" 作物的長勢監測

植物在生長的過程中，往往要經歷內部成分、結構和外部形態特征等一系列的變化，這些都可以反映作物的某些長勢情況[1]。作物的長勢監測主要是利用各種不同的技術手段對作物的特征參數進行研究，判斷作物的生長狀況。楊邦杰等[2]曾將作物長勢的特征參數概括為個體特征參數、群體特征參數和綜合參數，如葉面積指數LAI就是反映作物個體特征和群體特征有關的綜合指標。對于某些地區可能出現糧食短缺等問題的情況下，通過及時準確地對作物的生長情況進行監測，盡早發現作物生長過程中可能存在的問題，對作物進行栽培和科學管理在某種程度上比糧食估產更重要[3]。在農業生產管理，甚至在制定經濟決策過程中，作物長勢都是重要的信息來源和依據，通過對作物生長過程中不同時期的長勢監測，對作物的水肥、營養狀態及病蟲害情況等方面進行實時掌握，針對作物生長的各類問題進行及時的檢測和解決，對作物進行適當的管理措施，來達到作物增產的目的，以及為科學的產量估測提供依據[4]。

2" 作物的長勢監測研究方法

對作物長勢進行監測的研究最早是在19世紀70年代，最開始對大田作物進行田間采樣、人為實地觀察監測；后來隨著現代計算機技術、遙感技術、傳感器技術等先進技術在農業中的廣泛應用，實現了利用機器視覺與圖像處理技術、遙感技術、遠程監控技術對作物的長勢監測[5]。

2.1" 實地觀測法

由研究人員到田地依靠自身豐富的經驗和農業知識對作物的長勢進行觀察判斷的方法是作物長勢監測的最傳統的方法。土壤、水分和病蟲害情況都是影響作物生長的重要因素。研究者通過觀察土壤的顏色、質地、水分、肥力等指標來判斷土壤的質量，土壤中的養分直接影響作物的生長，進一步通過觀察作物的葉片顏色、大小、形態等來判斷作物的養分供應情況[6]；通過觀察土壤的濕度、葉片的大小、顏色等來估測水分供應情況；觀察作物的葉片、枝干、根系等部位來判斷作物的病蟲害情況；結合以上幾個方面的觀察和分析，可以大致對作物的生長情況進行監測，并采取相應的措施改善作物的生長環境，促進作物的生長。

2.2" 遙感監測技術

精細農業的理論與技術體系已成為21世紀農業技術研究的重點。精細農業的發展受制于對作物生長信息的實時獲取，而遙感技術具有實時、快速、準確等特點，可非破壞性地獲取農田作物的生長環境和生長狀況等的精確信息[7]，因此遙感技術成為實施精細農業最為重要的工具之一[8]。遙感監測是根據作物對可見光部分的反射率低，對近紅外部分的反射率高的光譜反射特性[9]，獲取并分析處理作物的遙感影像數據，提取反映作物生長的參數信息，進而來實現作物長勢的監測。利用遙感監測作物可及時地獲取大面積作物的生長狀態、分布情況和病蟲害情況等，便于為作物生產的管理人員提供及時準確的數據信息，根據實際情況實時采取準確、有效的管理措施[10]。

西方國家首先將遙感技術應用到作物長勢監測技術中。普渡大學在20世紀60年代首次利用遙感對玉米的長勢進行監測[11]，為基于遙感的作物長勢監測研究奠定了基礎。此后美國和歐盟等也開始重視利用遙感技術對作物的長勢進行監測，利用衛星遙感數據先后開展了大規模的小麥估產實驗[12]、農業和資源的空間遙感調查計劃[13]，建立了農情監測系統，實現對美國的小麥、水稻、玉米、大豆和棉花等農作物的長勢監測與估產[14]；歐盟實施遙感農業監測，構建了農作物估產系統[15]。目前，遙感技術在歐美國家的作物監測和估產方面已得到廣泛的應用。

國內利用遙感進行作物監測和估產是從20世紀80年代開始。1984年，我國開展了第一次的大規模遙感估產，對冬小麥進行遙感估產研究，建立了不同類型的氣象衛星遙感面積測量和估產方法[16]；之后分別對國內冬小麥、水稻和玉米的種植地區進行長勢監測和產量預估[17]。浙江大學與中國水稻研究所研究了基于光譜信息的作物模擬模型，依據模擬模型實現作物的長勢監測和產量預測[18]。隨著遙感技術的不斷發展，并與“3S”技術相結合，基于遙感進行作物監測的方法和手段也在不斷改進與優化，逐漸形成了符合我國地理特征的遙感監測與估產系統[19]。

2.3" 機器視覺技術

隨著人工智能和計算機技術在農業中的發展，推動農業的生產方式逐漸向自動化和智能化的方向前進，基于機器視覺技術的作物長勢監測技術成為現代信息化農業發展的重要組成部分[20]。機器視覺屬于人工智能的一部分，顧名思義，就是給農業機器配備“眼睛”，賦予和人眼睛一樣的功能[21]。研究人員利用機器視覺監測采集作物的信息，將得到的圖像或視頻數據通過圖像處理，可在保證作物正常生長的條件下連續、快速地提取農作物的某些特征參數，來構建作物的生長模型，運用一定的方法對模型進行分析，總結作物的長勢情況[22]。機器視覺技術在農業中的應用已經有了許多的研究成果[23-25]，主要通過對作物的營養情況、外觀形態、生長環境、病蟲害狀況和果實成熟度等方面進行監測，實現作物的長勢監測[26]。

基于機器視覺技術和圖像處理來獲取作物生長狀態等信息，在國內外已經有了很多年的研究。美國學者Trooien等[27]利用機器視覺技術從不同的角度對馬鈴薯作物葉片的外觀進行拍攝，結合圖像處理技術將葉片不同角度的葉面積數據合成為整個葉片的葉面積，并將結果與葉面積儀實測的馬鈴薯面積數據進行回歸擬合，相關系數高達0.98，進一步驗證了圖像處理方法的高度準確性。Ahmad等[28]人利用機器視覺技術對玉米的圖像進行色彩信息提取，發現RGB值能準確地反映玉米的水、肥情況，根據此信息來對玉米進行科學的灌溉和施肥，實現玉米的增產目的。Casady等[29]利用計算機視覺技術拍攝水稻的生長圖像并進行圖像處理，從中提取出水稻的葉寬、葉面積指數、高度的生長指標，將計算得出的結果與實際測量值進行擬合，相關系數分別為0.874、0.855、0.896，證明圖像處理后提取的生長指標參數與實際測量值之間相關性較高。

國內學者運用計算機視覺技術對蔬菜、小麥、玉米等作物的生長監測進行了一些研究。早在1995年成洪等[30]利用圖像處理技術對蔬菜苗的生長狀況進行監測與分析，可以提供蔬菜苗移栽、間苗等方面的重要信息。李少昆等[31]首次應用圖像處理技術對小麥、玉米等農作物的信息提取進行長勢監測，并將其與傳統農業理論相結合，可以檢測出30多個形態學指標，并在此基礎上，提出了一系列新的利用圖像處理技術對農作物長勢監測的方法。張云鶴等[32]提出了一種基于機器視覺技術對作物莖桿直徑進行檢測的方法，即選取一定直徑的圓棒作為參照物與作物擺在一起拍攝，進行圖像處理，實現對農作物莖桿直徑的精確測量。袁道軍等[33]研究了利用機器視覺技術對油菜的生長情況進行實時監測的可行性，以田間自然條件下的油菜為研究對象，利用相機和計算機視覺系統對油菜進行圖像的采集和分割，并利用逐步回歸法對模型進行檢測，預測結果的準確率較高。

2.4" 作物遠程監測技術

遠程監測是在機器視覺技術的基礎上，在作物生長區間安裝攝像機，利用無線網絡遠程獲取作物的圖像，將拍攝的作物圖像遠程傳輸到控制系統，控制中心對圖像信息進行處理，通過提取反映長勢狀況的相關參數對作物進行長勢監測[34]；而利用攝像頭進行遠程監測需要更高的軟件和硬件設施，因而研究相對較少，大部分是采用無線傳感器監測，即遠程生理監測技術，將傳感器與網絡技術相結合，在作物生長區域均勻安裝不同類型的傳感器，傳感器可以采集作物環境的溫度、濕度、光照強度等多源信息[35]，通過無線通信模塊將信息傳輸到智能控制中心，監測作物生長環境和某些生理指標的變化，但傳感器遠程監測無法獲得能夠反映作物長勢情況的相關參數。楊瑋等[36]開發了無線智能溫室控制系統，實現了對溫室中的葉片溫度、土壤溫度和水分、光照等環境因素的數據采集和有效控制。趙曉勤等[37]利用遠程監測系統對荔枝的生長環境和生理指標進行監測，準確地獲取了作物的長勢信息。遠程監測技術與網絡技術的不斷結合，實現了對作物的生長環境和長勢實時監測，及時對作物生長過程中的問題進行處理，有效地保障了作物的生產效率。

3" 展望

不同的作物長勢監測技術各有其優勢和不足。由人工進行實地考察的方法最簡單，容易實施，可以仔細觀察小面積的作物及其不同維度，但卻需要消耗大量的時間、人力、物力，觀察的效率也比較低，而且這種方法產生的結果常會含有觀察者主觀性的意見。目前遙感監測技術在作物的長勢監測中使用的最為廣泛[38]；遙感監測技術可以收集作物的光譜影像，通過篩選不同波段的光譜特征分析計算植被指數，建立作物生態指標的監測模型來監測作物的長勢，可實現大面積區域的監測。機器視覺技術可以大量、快速和高精度地采集作物的數據信息，結合圖像處理技術更加精確地獲取作物的生態信息，更好地實現小范圍的作物長勢監測，而且可有效減小由于人工觀察帶來的誤差和個人主觀性因素的影響，但由于環境不穩定的因素，對設備的要求比較高，而且機器視覺對作物內部的生態指標含量信息獲取比較復雜。遠程監測技術在機器視覺技術的基礎上又達到了對作物的無損、遠程監測的效果，并可以對作物的生長環境狀況實時監測，保障作物的健康生長，但是監測的范圍有限，且對設備的要求比較高。

近年來，隨著多種遙感技術的普及和分辨率的不斷提高，遙感技術在農作物長勢監測中的作用越來越重要，但遙感監測容易受天氣的影響，有時會在作物生長的最佳時期難以獲取優質的遙感圖像，從而影響作物的監測。同時，要想實現對作物的長勢進行動態監測，還應該做很多工作。影響作物長勢的因素有很多，如作物的地理位置、營養狀況、生長環境等，需要做到對作物生長多方面的綜合監測，才能實現對長勢監測的準確監測。

在數據獲取方面，可以針對作物的不同生長時期、土壤條件、生長環境等多種條件，綜合利用作物的長勢參數指標和作物生長環境參數共同監測作物長勢情況，實現對作物更精確、全面地長勢監測。

在技術方面，多種技術融合的作物長勢監測技術也將是未來的發展趨勢，充分結合利用各種監測方法的優勢，通過對不同監測方法的數據信息進行整合，將有助于獲得更為全面的作物長勢信息，為作物的科學管理提供更加可靠的依據。

4" 結束語

對作物的長勢進行監測，可以為田間管理提供及時的信息，從而對農作物進行科學的管理和培育，也可以為估產提供一定的依據。目前國內已經具有了比較完整的作物長勢的監測技術體系，但監測大多數應用于水稻、小麥、玉米等農作物領域，其他作物領域的應用還比較少，還需進一步的普及與應用。而且多種監測技術相結合，互相彌補其中的不足，獲取更加準確的信息，可以為未來作物長勢監測方面的研究發展起到重要作用。

參考文獻：

[1] 張帥亮.作物生長過程檢測技術研究與實現[D].新鄉：河南科技學院，2018.

[2] 楊邦杰，裴志遠.農作物長勢的定義與遙感監測[J].農業工程學報，1999（3）：214-218.

[3] 吳炳方，張峰，劉成林，等.農作物長勢綜合遙感監測方法[J].遙感學報，2004（6）：498-514.

[4] 劉繼承，姬長英.作物長勢監測的應用研究現狀與展望[J].江西農業學報，2007（3）：17-20，28.

[5] 王鵬新，田惠仁，張悅，等.基于深度學習的作物長勢監測和產量估測研究進展[J].農業機械學報，2022，53（2）：1-14.

[6] 吳良歡，陶勤南.水稻葉綠素計診斷追氮法研究[J].浙江農業大學學報，1999（2）：27-30.

[7] 蒙繼華，吳炳方，杜鑫，等.遙感在精準農業中的應用進展及展望[J].國土資源遙感，2011，90（3）：1-7.

[8] 于海明，謝秋菊.現代農業種植技術——精確農業[J].新疆農機化，2003（6）：14-15.

[9] 喻潔.基于國產高分影像的青稞作物長勢監測及估產研究[D].西寧：青海師范大學，2021.

[10] 劉淑云，谷衛剛，朱建華.基于遙感數據的冬小麥農情監測研究進展[J].農業網絡信息，2010，164（2）：5-9，18.

[11] 魏傳文.基于多源數據的油菜凍害遙感機理與方法研究[D].杭州：浙江大學，2018.

[12] LI Y，YAN W，AN S，et al. A spatio-temporal fusion framework of UAV and satellite imagery for winter wheat growth monitoring[J]. Drones，2022，7（1）：23-33.

[13] 姚建松，劉飛.數字農業田間信息獲取技術研究現狀和發展趨勢[J].農機化研究，2009，31（8）：215-220.

[14] 邢雅娟，劉東升，王鵬新.遙感信息與作物生長模型的耦合應用研究進展[J].地球科學進展，2009，24（4）：444-451.

[15] 劉海啟.歐盟MARS計劃簡介與我國農業遙感應用思路[J].中國農業資源與區劃，1999（3）：57-59.

[16] 吳素霞，毛任釗，李紅軍，等.中國農作物長勢遙感監測研究綜述[J].中國農學通報，2005（3）：319-322，345.

[17] 吳炳方.全國農情監測與估產的運行化遙感方法[J].地理學報，2000（1）：25-35.

[18] 沈掌泉，王珂，王人潮.基于水稻生長模擬模型的光譜估產研究[J].遙感技術與應用，1997（2）：18-21.

[19] MULLA D. Trends in satellite remote sensing for precision agriculture[J]. Crops amp; Soils，2020，54（1）：3-5.

[20] ZHENG H Y， ZHI G C， XI W， et al. Automatic image-based detection technology for two critical growth stages of maize： Emergence and three-leaf stage[J]. Agricultural and Forest Meteorology，2013：174-175.

[21] KOLHAR S，JAGTAP J. Plant trait estimation and classification studies in plant phenotyping using machine vision - A review[J]. Information Processing in Agriculture，2023，10（1）：114-135.

[22] 張衛正.基于視覺與圖像的植物信息采集與處理技術研究[D].杭州：浙江大學，2016.

[23] ZHAO P F， JIE J， YANG G， et al. Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle[J]. Remote Sensing，2020，12（3）：508.

[24] 曹課興.基于機器視覺技術的馬鈴薯晚疫病快速識別研究[J].信息技術與信息化，2022（11）：150-153.

[25] 張彥娥，李民贊，張喜杰，等.基于計算機視覺技術的溫室黃瓜葉片營養信息檢測[J].農業工程學報，2005（8）：102-105.

[26] 陳桂珍，龔聲蓉.計算機視覺及模式識別技術在農業生產領域的應用[J].江蘇農業科學，2015，43（8）：409-413.

[27] TROOIEN T P， HEERMANN D F. Measurement and simulation of potato leaf area using image processing measurement[J].Transaction of the ASAE，1992，35（5）：1719-1721.

[28] AHMAD I S， REID J F. Evaluation of colour representations for maize images[J].Journal of agricultural engineering research，1996，63（3）：185-195.

[29] CASADY W W， Singh N， Costello T A. Machine vision for measurement of rice canopy dimensions[J].Transactions of the ASAE 1996，39（5）：1891-1898.

[30] 成洪，陳曉光，于海業，等.應用圖象處理技術進行蔬菜苗特征量識別[J].農業工程學報，1995（4）：23-26.

[31] 李少昆，張弦，趙明，等.作物株型信息多媒體圖像處理技術的研究[J].作物學報，1998（3）：265-271.

[32] 張云鶴，喬曉軍，王成，等.基于機器視覺的作物莖稈直徑變化測量儀研發[J].農機化研究，2011，33（12）：158-160，164.

[33] 袁道軍，劉安國，原保忠，等.基于計算機視覺技術的油菜冠層營養信息監測[J].農業工程學報，2009，25（12）：174-179.

[34] 曹婷.作物圖像遠程采集與控制系統的設計與實現[D].楊凌：西北農林科技大學，2019.

[35] 張兆朋，黃永紅.小型溫室育苗環境遠程監測與智能控制系統[J].機電技術，2022（4）：36-39.

[36] 楊瑋，呂科，張棟，等.基于ZigBee技術的溫室無線智能控制終端開發[J].農業工程學報，2010，26（3）：198-202.

[37] 趙曉勤，宋世文，李建國，等.荔枝生產相關的水分生理指標遠程監測研究[J].果樹學報，2005（6）：48-52.

[38] 陳會明.淺談遙感技術在農業生產中的應用[J].安徽農學通報（上半月刊），2009，15（19）：190-192.