基于無人機多光譜遙感技術在水稻露天育秧中的應用

2024-01-01 00:00:00孫琪瑋張俊峰吳鳳明李永杰趙博湯云龍

天津農林科技 2024年4期

摘要：文章基于DJI Phantom 4 Multispectral無人機多光譜成像技術，利用相機獲取水稻育秧階段多光譜影像數據，通過ENVI5.3軟件對數據處理得到歸一化植被指數（NDVI），以數字形式表征露天育秧床面相對水平度及土壤緊實度，采用相關性分析、線性回歸分析探究不同地塊緊實度、水平度情況對水稻育秧效果的影響。結果表明，通過無人機多光譜技術分析得到的NDVI數值可以表示水稻秧苗長勢，且水稻秧苗長勢與育秧床面相對水平度呈顯著相關，與育秧床面土壤緊實度呈顯著負相關，進一步利用線性回歸分析，證實育秧期間水分管理是影響秧苗素質的關鍵因素。

關鍵詞：無人機多光譜遙感技術；植被指數；水稻育秧；緊實度；相對水平度

中圖分類號：V279+.2；S511

文獻標識碼：A

文章編號：1002-0659（2024）04-0014-05

水稻（Oryza sativa L.）是我國主要糧食作物，也是我國重要的商品糧之一，稻谷產量高低及品質優劣直接關乎國計民生和國家糧食安全。育秧階段是水稻種植管理的關鍵環節，秧苗質量優劣直接影響水稻前期生長及機插秧效果，提升育秧管理水平能夠有效助力水稻產業發展[1]。現階段，水稻育秧方式主要分為開放式露天育秧和工廠化育秧兩種，其中開放式露天育秧依舊是大多數農戶選擇的水稻育秧方式[2]。有學者認為，結合育秧地塊天氣情況，適時采用開放式露天育秧方式具有提高水稻秧齡彈性、降低育秧成本等優勢[3]。盡管如此，水稻開放式露天育秧仍存在標準化程度低、管理困難等問題。無人機多光譜遙感技術具有覆蓋面廣、獲取信息效率高、監測精度高、操作便捷等優點，已在作物長勢監測、產量估測、病蟲害監測、植株水分含量監測、營養估測等方面廣泛應用[4-8]。無人機多光譜遙感技術應用于水稻種植，能夠大大提高水稻田間管理水平[9-10]。本研究通過將水稻育秧床面相對水平度數字化，測定育秧地塊土壤緊實度數

值，利用無人機多光譜遙感成像技術，研究水稻育秧床面緊實度和相對高度對水稻育秧的影響，為今后開展水稻開放式露天育秧管理提供參考。

1 材料和方法

1.1 儀器設備

采用DJI Phantom 4 Multispectral 無人機配備一體式多光譜成像系統，系統參數見表1。

1.2 試驗方法

試驗地點位于天津市寶坻區大鐘莊鎮大鐘農場，試驗地塊長200 m，寬20 m，分為4個育秧床面（301床面、404床面、507床面、603床面），各育秧床面由西向東分為A、B兩個試驗區域，每個試驗區域分別由南至北平均劃分為6個部分，區域編號分別為A1、A2、A3、A4、A5、A6；B1、B2、B3、B4、B5、B6。

1.2.1 試驗地塊土壤緊實度測定采用托普云農土壤緊實度傳感器進行測定。在各編號區域隨機選取10個點位進行測定，最終取平均值代表該編號區域土壤緊實度。

1.2.2 試驗地塊相對水平度測定采用北京博飛儀器有限責任公司生產的DZS3-1自動安平水準儀進行測定，以試驗地塊中間位置為中心，設A1～A6、B1～B6區域內中心點為測定點，測定數值表征各區域較試驗田中心的相對高度，以此判斷地塊相對水平度。

1.2.3 水稻秧苗素質調查待水稻育秧秧齡達30 d后，分別在A1～A6、B1～B6試驗區域內取10 cm×10 cm 大小的基質，選取10株秧苗測定水稻成秧率、葉齡、株高指標。

成秧率

（%）

大苗數

×100

大苗數+小苗數+未出苗種谷

1.2.4 多光譜影像數據獲取本試驗地塊無人機影像采集于2023年5月8日12：00-14：00。在

無人機采集影像前，使用大疆GSPRO軟件標定飛行測繪區，設置無人機測繪區航向重疊率為75%、旁向重疊率為70%，飛行高度為30 m，飛行航速為2.6 m·s-1，分辨率為1.6 cm·px-1，拍照模式為航點懸停拍照。航拍前在地面放置1塊校準反射面板，每個無人機架次起飛前，手動控制飛機懸停于校正板上方2.5 m處拍照，獲取當時條件下標準反射率值。

使用Pix4Dmapper數字影像處理軟件，對所獲影像進行拼接。影像拼接主要步驟為：將多光譜影像導入到Pix4Dmapper軟件，選擇農業多光譜處理模板，輸出并保存多光譜數字正射影像。選擇NDVI進行水稻秧苗覆蓋度計算，使用超綠值（ExG）與最大類間差法相結合的方法提取農田背景中秧苗特征圖像，計算歸一化植被指數（NDVI）。使用ENVI 5.3軟件，以試驗區域數碼正射影像為參考影像，全區均勻選取15個參考點對多光譜影像進行幾何校正，檢驗圖像幾何糾正誤差小于2個像元。通過 ENVI5.3軟件處理后獲計算NDVI數值，計算公式為：

NDVI=

BandNIR－Bandred

BandNIR＋Bandred

式中，BandNIR表示地面物體在近紅外波段的反射率；Bandred表示地面物體在紅光波段的反射率。如計算結果為負值，表示地面無植被覆蓋；如計算結果接近零，表示地面主要為巖石或裸

土；如計算結果為正值，表示地面有植被覆蓋，且地面隨著覆蓋度的增大而升高。

1.3 數據處理

采用Excel 2007、Origin 2021、SPSS 26.0軟件進行數據統計分析。

2 結果與分析

2.1 試驗地塊水稻育秧床面相對水平度、土壤緊實度測定結果

如圖1所示，試驗分別以水稻育秧床面中心位置為中點，測定A1～A6及B1～B6共計12個點位的水稻育秧床面相對水平度，用數字表征水稻育秧床面相對水平度。結果表明，所有試驗區域的水稻育秧床面相對水平度變化范圍在

-49 cm至57 cm之間，且A組及B組兩個組內的相對水平度數值變化較小，而兩組之間的東西兩側相對水平度數值差異較大。

如圖2所示，通過測定獲得試驗地塊土壤緊實度測定數據，表明4組區域編號301、404、507、603的水稻育秧床面土壤緊實度變化范圍在1 190～6 300 Pa之間，最大差值為5 110 Pa，四組床面之間的土壤緊實度變化范圍分別為2 715、2 974、2 374、1 732 Pa。

2.2 試驗地塊水稻育秧床面植被指數（NDVI數值）提取分析

基于無人機多光譜影像拍攝的水稻秧苗長勢，如圖3所示。將多光譜影像導入ENVI5.3軟

件，經該軟件處理后可獲得各試驗區域水稻育秧床面的植被指數NDVI數值。結果顯示，當試驗區域水稻秧苗長勢較好時，多光譜分析顯示NDVI數值較高；當水稻秧苗長勢一般時，則NDVI數值隨之下降。

根據圖3顯示的NDVI數值，以區域編號603床

面為例，結合水稻秧苗長勢實測結果（表2），顯示當育秧床面A3的水稻成秧率最高為94%時，對應的NDVI數值最高，為0.54；當育秧床面A1、A2的水稻成秧率最低為75%時，對應NDVI數值最

低，均為0.42。

2.3 NDVI數值與水稻育秧床面相對水平度、土壤緊實度的相關性分析

為進一步探究無人機多光譜技術在水稻露天育秧中的應用，本研究對NDVI數值、水稻育秧床面相對水平度及土壤緊實度進行Pearson相關性分析。如表3所示，NDVI數值與水稻育秧床面相對水平度呈顯著正相關，相關系數為0.428；NDVI數值與水稻育秧床面土壤緊實度呈顯著負相關，相關系數為-0.335。結果表明，水稻育秧床面相對水平度越高，秧苗長勢情況越好；同理，水稻育秧床面緊實度越高，秧苗長勢越差。

在此基礎上，對NDVI數值與水稻育秧床面相對水平度進行線性回歸分析，將水稻育秧床面相對水平度數值分為高、低兩部分，即表征相對水平度正值為一組，負值為一組，分別與其對應的NDVI數值進行對應分析，目的是得到更加準確的線性回歸方程，結果如圖4所示。當水稻育秧床面相對水平度為負值時，得到一條R2=0.564 4

的線性方程y=116.62 x+84.433；而當水稻育秧床面相對水平度為正值時，得到R2=0.359 1的線性方程y=-145.97 x+123.48。結果表明，在不考慮其他因素影響的條件下，水稻秧苗長勢隨育秧床面地勢的相對增高而變差，反之水稻育秧床面相對水平度較低則秧苗長勢較好。

根據水稻育秧床面相對水平度變化范圍，結合土壤緊實度進行進一步線性回歸分析，結果如圖5所示。當水稻育秧床面相對水平度在-50～-30 cm之間時，得到一條R2=0.274 3的線性方程y=-6 947.1 x+7 975；當水稻育秧床面相對水平度在-30 cm～-10 cm之間時，得到一條R2=0.483 2

的線性方程y=-35 720 x+20 894；當水稻育秧床面相對水平度在50～60 cm之間時，得到一條R2=0.476 8的線性方程y=26 002 x-7 740。研究結果說明，在水稻育秧床面相對水平度較低時，隨著水稻育秧臺面保水性的升高，水稻秧苗長勢逐漸變差，反之在水稻育秧床面相對水平度較高的育秧床面，土壤保水性越強，此時秧苗長勢則越好。由此判斷，水稻育秧期間的水分管理與秧苗長勢密切相關。

3 結論與討論

本研究通過將無人機多光譜技術引入水稻露天育秧作業管理中，初步得出可以通過多光譜分析數值歸一化植被指數（NDVI）表示水稻秧苗長勢的試驗結果。同時，進一步利用無人機多光譜技術分析水稻育秧床面相對水平度、土壤緊實度2個關鍵因素與水稻秧苗長勢的關系，結果表明，水稻露天床面育秧的水分管理是影響水稻秧苗長勢的關鍵因素，與前人研究結果“合理的肥水運籌是培育機插健壯秧苗重要措施”[11]較為一致。

本研究發現NDVI數值與水稻育秧床面相對水平度呈顯著正相關，與水稻育秧床面土壤緊實度呈顯著負相關，說明試驗田中位置相對較高的育秧床面，在水稻育秧期間水分管理中具有較大優勢，NDVI數值越高，水稻秧苗長勢較優，這與于林惠等[11]、陳川等[12]研究結果較為一致。通過NDVI值與水稻育秧床面相對水平度進行線性回歸分析，判斷出越接近水稻育秧床面相對水平度中心位點時，水稻秧苗長勢越好，且在水稻育秧床面相對水平度較低時，土壤緊實度越高，則NDVI數值越大，反之則NDVI數值越小，說明水稻秧苗長勢與水稻育秧床面的土壤保水性等相關因素密不可分，但尚未準確得到可應用到實際生產中的線性關系，仍需進一步探索研究。

近年來，水稻工廠化育秧能夠實現機械化、自動化、標準化等優點受到種植戶的歡迎，然而水稻工廠化育秧普遍存在投資成本較高、育秧程序繁雜[13]等問題，與現階段中國農村農業發展水平不相適應，水稻露天育秧在天津地區仍然為大多數農戶所選擇。本研究在水稻露天育秧階段引入無人機多光譜遙感技術，初步對水稻秧苗長勢進行數字化描述，后續可通過構建模型，持續精確提供水稻育秧期間的水肥管理、溫度調節等技術支持，為實現水稻秧苗質量易控制、田間管理更科學等奠定基礎，以期更好地滿足水稻機插秧的規格化和標準化的育秧要求。

參考文獻

[1] 周麗瑤，吳軍，龔克成，等．水稻機插及基質育秧技術研究進展[J]．中國稻米，2018，24（1）：20-23.

[2] 姜春艷，蔣洪杰．推廣開放式露天育秧技術助力光山縣優質稻產業發展[J]．鄉村科技，2022，13（10）：3.

[3] 河南省科學技術廳．開放式露天育秧助力盛世源合作社機插秧服務規模持續擴大[EB/OL]．科技支撐鄉村振興工作網，https：//kjt.henan.gov.cn/2022/05-16/2449096.html.

[4] 陳虹，謝玲，陳林琳．基于低空無人機遙感的高粱生長狀況監測[J]．中國農機化學報，2021，42（4）：170-175.

[5] 王來剛，賀佳，鄭國清，等．基于無人機多光譜遙感的玉米FPAR估算[J]．農業機械學報，2022，53（10）：202-210.

[6] 馮浩，楊禎婷，陳浩，等．基于無人機多光譜影像的夏玉米SPAD估算模型研究[J]．農業機械學報，2022，53（10）：211-219.

[7] 韓文霆，湯建棟，張立元，等．基于無人機遙感的玉米水分利用效率與生物量監測[J]．農業機械學報，2021，52（5）：129-141.

[8] 韓文霆，邵國敏，馬代健，等．大田玉米作物系數無人機多光譜遙感估算方法[J]．農業機械學報，2018，49（7）：134-143.

[9] 凌琪涵，孔發明，寧強，等．基于無人機多光譜影像的水稻氮營養監測[J]．農業工程學報，2023，39（13）：160-170.

[10] 張征云，江文淵，張彥敏，等．基于哨兵SAR數據和多光譜數據的水稻識別研究[J]．生態與農村環境學報，2023，39（4）：556-564.

[11] 于林惠，丁艷鋒，薛艷鳳，等．水稻機插秧田間育秧秧苗素質影響因素研究[J]．農業工程學報，2006（3）：73-78.