無人機多光譜遙感技術在苗圃智能監測中的應用

摘 要：隨著鄉村振興戰略的實施，鄉村園林綠化苗木產業在我國迅速發展。然而，鄉村園林綠化苗木產業在信息化和數字化方面存在不足，特別是智能監測技術尚不成熟，這在一定程度上限制了其發展進程。鑒于此，此研究探討了無人機多光譜遙感技術在苗圃智能監測中的應用。以江西省南昌縣黃馬鄉園林綠化苗木產業基地為試驗地，利用無人機多光譜遙感技術進行智能巡航，實施實時動態監測，并進行數據分析，這一技術不僅能監測苗木的生長狀態和病蟲害發生情況等信息，更重要的是能監測苗木種類和數量的動態變化，從而分析苗木產業的結構布局是否合理，并結合市場信息，指導園林綠化苗木產業的規劃和配置，以實現其最優化配置。但該技術也存在一定的局限性，如對相似植物種類的識別誤差。此研究可為鄉村園林綠化苗木產業的信息化、智能化管理提供新的技術途徑，對推動農業現代化具有重要意義。

關鍵詞：多光譜遙感；鄉村苗圃；動態監測

中圖分類號：S127 文獻標志碼：A 文章編號：1674-7909（2024）7-120-6

DOI：10.19345/j.cnki.1674-7909.2024.07.028

0 引言

近年來，隨著我國大力推進鄉村振興戰略和對生態文明建設的日益重視，鄉村園林綠化苗木產業呈現持續健康發展態勢。得益于現代花園城市建設進程的加速，以及各地積極推進退耕還林、綠化造林等工程，園林綠化苗木產業得到了進一步推動。2023年，中國苗木的年供應量達2 600萬株，育苗面積新增12萬hm2，綠化造林用苗量達2 100萬株。預計2024年，中國對苗木的需求量將達到2 800萬株［1］。苗木需求的增加，不僅使綠化苗木產業成為農村經濟的重要增長點，還為鄉村提供了大量就業機會，對助力鄉村振興，實現農民增產增收具有非常重要的意義。

科技創新也為園林綠化苗木產業帶來了新的發展機遇，如智能溫室、無土栽培等技術的應用，提高了苗木的品質和產量。但現階段鄉村園林綠化苗木產業在信息化和數字化方面仍存在不足，如信息化程度較低，生產管理效率低下；園林綠化苗木產業的規劃和布局不合理，導致大量苗木滯銷［2］；同時，物聯網、大數據、人工智能等智能化技術的應用相對缺乏；尤其是智能監測技術還不夠成熟，限制了苗圃的產業化和信息化發展［3］。因此，提升鄉村園林綠化苗木產業的信息化水平，實現數字化、智能化監測和運營，對該產業的持續健康發展有非常重要的意義。

無人機多光譜遙感技術可提供高分辨率、高光譜分辨率的遙感數據，對實現園林苗圃的實時動態監測具有重要意義［4］。該技術利用無人機搭載的多光譜相機，能夠獲取苗圃植被在不同光譜波段的反射信息，通過不同波段的反射率，可以精準識別植被種類，以及苗木的實時生長狀況、病蟲害等情況。通過實時監測和分析這些數據，大大提高了苗圃管理的效率和精準度［5］。該技術還可以與其他智能化設備相結合，如自動灌溉系統、智能施肥設備等，從而實現園林苗圃的智能化管理［6］。同時，該技術還能夠對園林苗圃的種類分布、規劃布局等進行全面評估，為園林綠化苗木產業的布局提供有力支持。這就大大提升了鄉村園林綠化苗木產業的信息化水平［7］。

此研究主要探討了無人機多光譜遙感技術在鄉村苗圃智能監測中的應用。以南昌縣黃馬鄉園林綠化苗木產業基地為試驗地，利用無人機多光譜遙感技術進行智能巡航、實施實時動態監測，并進行實時的數據分析，不僅僅監測苗木的生長狀態和病蟲害情況等信息，更重要的是監測園林綠化苗木產業的布局和苗木種類分布的合理性，并結合市場信息，指導園林綠化苗木產業的規劃和配置，以實現鄉村園林綠化苗木產業的最優化配置。這也是此研究的創新點。

1 材料與方法

1.1 主要儀器設備

基于無人機多光譜遙感技術，此研究主要利用DJI Mavic3M航測無人機，其融合可見光相機與多光譜相機于一體，可智能化動態監測植株生長狀態，從而實現苗圃生產精準管理［8］。

DJI Mavic3M航測無人機配備4*500萬像素G/R/RE/NIR的多光譜相機，搭載的可見光相機為2 000萬像素4/3 CMOS，1/2 000秒機械快門，支持RTK模塊［9］。多光譜相機包括多個波段：綠（G）：560 nm±16 nm；紅（R）：650 nm±16 nm；紅邊（RE）：730 nm±16 nm；近紅外（NIR）：860 nm±26 nm。該無人機搭載光強傳感器，可更準確測量NDVI［10］。該無人機使用D-RTK 2移動站，在無風條件下，單架次巡航時間為43 min，單架次航測苗圃面積可達200 hm2［11］。該無人機擁有15 km的圖傳距離，信號穩定，支持增強4G圖傳，全向避障；可接入DJ第三方平臺，使用云API，對圖像數據全面分析并可實現數據共享［12］。

1.2 試驗方法

1.2.1 監測技術

選取江西省南昌縣黃馬鄉園林綠化苗木產業基地100 m×300 m的區域（見圖1），在晴朗且無風的氣象狀況下，無人機以15 m/s的速度飛行采樣，可見光圖像的采樣距離為5.73 cm，而多光譜圖像的采樣距離則為10 cm，進行全基地無人機多光譜巡航實測，并拍攝500萬像素的高精度圖片。采用DJI 03 圖傳行業版，可實現實時圖傳，并能將實時圖像傳送到DJ司空云平臺。為收集動態變化數據，進行了2次檢測，第一次監測時間為2023年4月10日，第二次監測時間為2023年10月10日。

1.2.2 數據處理

在光譜圖像分析中，采用了LiForest軟件包中的Stat模塊，針對基于CHM或點云數據的林木分割進行了深入的算法優化［13］。通過一系列復雜的數據處理流程，精確地提取了包括樹木的地理坐標、樹干高度、冠層投影面積、冠層的水平和垂直維度在內的單木級參數［14］。此研究中數據處理所采用的軟件工具集包括Li-Forest點云分析軟件、LiDAR-360激光雷達點云數據處理和分析軟件、ArcMap 10.2地圖制作軟件、R語言統計分析軟件和Microsoft Excel 2003，這些工具的綜合應用顯著提升了數據處理的效率和準確性［15］。

此外，利用先進的圖像分析技術，進一步獲取了林木種群的組成、分布面積、個體數量、平均高度和病蟲害發生情況等關鍵生態信息。這些信息對森林資源的精確管理和可持續經營具有不可估量的價值。

1.2.3 實地踏勘調查

為驗證無人機多光譜遙感技術監測苗圃獲得數據的準確性，采用實地踏勘和實地調查相結合的方法，對苗圃內植物的生長狀態和植物類別進行觀察，以佐證多光譜遙感技術監測結果的有效性及準確度。

2 結果與分析

2.1 苗木種類識別監測

2.1.1 無人機多光譜遙感技術監測

利用無人機搭載多光譜成像技術，對位于黃馬鄉的苗圃基地100 m×300 m區域進行了動態監測。通過無人機巡航，采集到了高分辨率的苗圃原始影像（見圖2），并通過高效的無線傳輸模塊實時將影像數據傳輸至大疆司空平臺進行分析處理。然后運用DJI Smart Controller集成的DJ智圖軟件，對采集到的影像數據進行光譜分析（見圖3），獲取植株葉片在連續多個光譜波段上的反射率，從而得到高分辨率的光譜數據。通過歸一化植被指數模型公式計算，獲得每個像素點的光譜植被指數，由此識別出6個具有顯著光譜特征差異的區域。這些波段的光譜特征提供了區分不同植物群落的可能性。

光譜植被指數（Spectral Vegetation Indices，SVIs）是基于葉片或植被的反射率經過計算得到的，其計算公式見式（1）。

[NDVI=R（λNIR）-R（λRed）R（λNIR）+R（λRed）]" " " " " " " " （1）

式（1）中：NDVI為歸一化光譜植被指數，[R（λNIR）]為近紅外波段的反射率，[R（λRed）]為紅光波段的反射率。

基于上述光譜分析結果，進一步對這6個光譜特征所對應的區域進行面積估算，推測這些區域可能代表了6種不同植物群落的分布范圍，如表1所示。

2.1.2 苗圃基地實地踏勘

此研究通過實地踏勘的方法，對選定苗圃基地進行現場調查。調查結果顯示，苗圃內主要分布有6種植物，分別為香樟［Cinnamomum camphora （L.）presl］、女貞（Ligustrum quihoui Carr.）、雞爪槭（Acer palmatum Thunb.）、紫薇（Lagerstroemia indica L.）、杜鵑（Rhododendron simsii Planch和羅漢松［Podocarpus macrophyllus （Thunb.）D.Don］。此外，還觀察到若干雜草。與航測圖像顯示的6個區域相對照，發現無人機搭載的多光譜遙感技術所監測到的植物種類和面積與實地踏勘結果一致，從而驗證了該技術在植物監測領域的有效性與可靠性。

通過分布區域的光譜圖像進行監測分析，結合現場苗圃基地的實地調研，將不同的植物種類與特定的光譜特征相關聯。光譜圖像中植物的位置與苗圃現場位置對照，可得出：Ⅰ代表香樟，Ⅱ代表女貞，Ⅲ代表雞爪槭，Ⅳ代表紫薇，Ⅴ代表杜鵑，而Ⅵ則代表羅漢松，如圖4所示。

2.1.3 小結

可見，無人機多光譜遙感技術在苗木識別方面展現出了一定的應用潛力。該技術能夠根據植物的光譜植被指數等參數區分不同的植物類型及其分布區域，但在光譜相近植物種類的識別上存在局限。因此，為了精確識別植物類型，往往要結合現場實地調研的詳細數據。然而，通過對該植物群落進行周期性的監測，積累其光譜信息，可以顯著提升對更廣泛區域同類植物的識別與監測效率。

2.2 苗圃面積、株數和分布范圍動態監測

對多光譜遙感圖像數據分析后，得出不同種類植物的光譜區域，即各類苗木的種植面積。通過對不同植物種類的占地面積與種植密度的綜合考量，利用苗木數量計算公式可快速準確地計算出苗木的數量，見式（1）。

苗木數量（株）=占地面積（m2）×種植密度（株/m2）" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（1）

式（1）中：占地面積指的是各區域內植物的面積總和，種植密度則是指單位面積內苗木的數量。

通過無人機多光譜技術的動態巡航，每隔一個月甚至一天收集苗圃基地圖像信息，實時動態監測，可掌握各類苗木分布信息。表2為第一次監測到的各類苗木分布信息，表3為時隔半年第二次監測到的各類苗木分布信息。與第一次監測相比，第二次監測時紫薇的種植面積減少了1 000 m2，而雞爪槭的種植面積增加了1 000 m2，其余苗木種植面積變化不大。持續監測各類苗木的種植面積變化，可實時掌握苗木的動態分布情況。這些數據變化對監測苗木生產數量和調整苗木產業布局具有重要的參考價值。

該方法適用于統計數千乃至數萬公頃園林綠化苗木產業基地的苗木分布信息，能夠實現對縣域乃至省域范圍內苗圃基地苗木種類和分布區域的快速、高效、準確地動態監測，實時掌握園林綠化苗木產業的分布。

此外，結合市場供需數據進行耦合分析，提出了一種以市場需求為導向的苗木結構化布局調整策略。例如，在半年的監測周期內，發現紫薇的市場過度飽和，導致大量紫薇滯銷，而根據市場反饋，雞爪槭的需求量大幅增加。基于這一情況，經過多方調研和調控，苗木基地決定削減紫薇的種植面積，并相應增加雞爪槭的種植面積。由此可見，利用無人機多光譜監測技術，結合市場供需信息，可實現對園林綠化苗木產業結構布局的動態調整。該策略的目的在于優化園林綠化苗木產業結構，通過縮減市場需求較小的苗木種類的種植面積，同時增加市場需求較大的苗木種類的種植面積，以實現供需匹配，滿足市場需求，降低苗木滯銷風險。這有助于提高苗木的市場適應性和競爭力，對園林綠化苗木產業的持續健康發展具有重要意義。

2.3 苗圃苗木生長狀態和病蟲害監測

以苗圃植物杜鵑為例，通過無人機搭載的多光譜傳感器，對其在X區域和Y區域的同種類杜鵑光譜特征對比分析。在X區域，杜鵑的光譜波長分布在400～500 nm，反射率集中在0.08，而歸一化光譜植被指數（NDVI）的計算結果為6.5。相比之下，Y區域的杜鵑光譜波長分布在700～900 nm，反射率集中在0.2，NDVI值降至2.5。分析結果表明，即使是同種植物，其葉片的反射率和光譜特征也存在顯著差異。

結合現場實地調研，對X區域和Y區域的杜鵑植株進行了直觀的生長狀態對比，如圖5所示。X區域的杜鵑葉片顏色更為鮮綠，植株生長健康；而Y區域的杜鵑葉片呈現黃色，植株出現萎靡現象，并伴有病蟲害的跡象。這種差異與植物葉綠素的含量和吸收特性密切相關。健康綠色的植物葉片含有較高濃度的葉綠素，這導致在可見光區域（尤其是藍光和紅光波段）的反射率較低，而在近紅外區域的反射率較高。

可見，通過對特定波譜段的反射率進行分析，可以實時監測植被的生長狀況，包括植被的葉綠素含量、健康狀況等，也可以及時發現植被中的病蟲害問題，更可設置預警信息，當植株植被指數超過一定范圍值就開始預警，可以迅速對苗木采取措施，此技術高效、快捷、節省人力，可實現對苗木生長狀態的實時監測。

此技術驗證了多光譜遙感技術（MSRS）在評估植被生長狀態和健康狀況方面的顯著效能。精確監測植物在特定光譜波段的反射率，并結合歸一化光譜植被指數（NDVI）等指標，能夠對植物的葉綠素含量進行定量分析，從而高效地推斷出植物的生長狀態是否健康，以及是否存在病蟲害的威脅。

3 討論與結論

無人機多光譜遙感技術配備多個光譜通道的傳感器，可實現對地表物體的同步圖像捕捉，并對這些波譜段的信息進行解析，揭示地物的光譜特性。由于不同地物在不同的波譜段上表現出不同的光譜特性，這種特性差異可以用來區分和識別不同的地物。

在鄉村苗圃智能監測中，多光譜遙感技術能夠實現苗木識別、苗木面積和數量統計，可用于植株生長狀態的監測等領域，具有實時性強、精度高、覆蓋面廣、節省人力物力等優勢。

①無人機多光譜遙感技術為鄉村苗圃智能監測提供了高效、精準且實時的數據支持。該技術能夠獲取高分辨率的遙感數據，通過對不同光譜波段的反射信息進行解析，可實現對植被種類、生長狀態、病蟲害等問題的精準識別與監測。這大大提高了苗圃管理的效率和精準度，降低了對人力資源的依賴，為鄉村園林綠化苗木產業的信息化、產業化發展提供了有力支持。

②無人機多光譜遙感技術在苗木識別和數量統計方面也有一定優勢，可指導園林綠化苗木產業布局的合理規劃配置。通過航拍的光譜圖像植被指數的計算與分析，能夠區分不同植物群落的光譜特征，進而推斷出植物種類的大概分布范圍與面積。這為鄉村園林綠化苗木產業的結構調整和資源配置提供了科學依據，有助于實現產業的最優化配置，助力產業結構調整和升級。

③多光譜遙感技術能夠實時監測苗木的生長狀態與病蟲害情況。對特定光譜波段的反射率進行分析，可以評估植被的葉綠素含量等信息，從而分析出苗木的生長狀態和病蟲害的威脅程度。這為苗圃基地的管理提供了及時、準確的決策依據，有助于迅速采取應對措施，保障苗木的健康生長。

但是，無人機多光譜遙感技術在鄉村苗圃智能監測中的應用還具有一定的局限性。例如，在植物種類識別方面，盡管該技術能夠區分不同植物的光譜特征，但對于某些相似度較高的植物種類，仍可能存在識別誤差。此外，該技術的應用還受到天氣條件、飛行高度、傳感器性能等多種因素的影響。因此，在實際應用中，需要結合其他技術手段和實地調研數據，以提高監測的準確性和可靠性。

綜上所述，無人機多光譜遙感技術在鄉村苗圃智能監測中具有廣闊的應用前景和重要的實踐價值。隨著技術的不斷進步和應用經驗的積累，相信該技術將為鄉村園林綠化苗木產業的健康發展做出更大的貢獻。

參考文獻：

［1］何斌，冼麗鏵，劉玲，等.基于無人機遙感技術的智慧苗圃數據采集研究［J］.廣東園林，2017，39（3）：78-81.

［2］洪曉霞，洪兆龍，翁升，等.浙江國有苗圃改革發展現狀及對策分析［J］.浙江林業科技，2010（5）：82-86.

［3］李宇昊.無人機在林業調查中的應用實驗［J］.林業資源管理，2007（4）：69-73.

［4］樊江川.無人機航空攝影測樹技術研究［D］.北京：北京林業大學，2014.

［5］黃燕婷.基于GEM模型惠州旅游產業集群提升競爭力實證研究［J］.度假旅游，2018（12）：10-11.

［6］鄒裕文，張宏志.以康養為導向的城市綠心區苗圃產業轉型研究：以長株潭綠心為例［J］.農業與技術，2020，40（22）：168-171.

［7］王新悅.何以解圍 惟有提升：從發達國家苗圃特點看我國苗圃業未來發展方向［J］.中國花卉園藝，2016（9）：16-19.

［8］潘穎，龍岳林.國外苗圃產業發展及轉型思考［J］.安徽農學通報，2018，24（7）：109-110.

［9］潘穎.基于產業轉型發展的傳統苗圃環境經過改造設計研究：以長沙市龍喜水鄉苗圃為例［D］.長沙：湖南農業大學，2018.

［10］宋維明.關于森林康養產業發展必然性與路徑的思考［J］.林業經濟，2020，42（1）：3-8.

［11］鄧莉莉，陳雨.廣西康養產業競爭力及發展策略分析［J］.中國集體經濟，2024（9）：41-44.

［12］劉新偉，張攀華，高逢敬，等.基于AHP方法的農業產業競爭力比較研究：以甘肅省鎮原縣種植業為例［J］.安徽農業科學，2024，52（1）：213-127.

［13］鄭英達，何丹.森林旅游產業集群競爭力GEM模型研究：以遼寧省本溪滿族自治縣為例［J］.沈陽農業大學學報（社會科學版），2015，17（5）：599-603.

［14］張晗，呂杰.農業產業集群影響因素研究［J］.農業技術經濟，2011（2）：85-91.

［15］牛艷云.基于GEM模型的旅游產業集群競爭力研究［D］.濟南：山東大學，2007.

基金項目：2021年江西省高校人文社會科學研究一般項目“基于物聯網等信息技術的鄉村‘新型苗圃’產業集群化研究”（JC21136）；2021年度江西省教育廳科學技術研究重點項目“基于物聯網等信息技術的鄉村苗圃產業規劃布局研究”（GJJ215302）。

作者簡介：張麗麗（1984—），女，碩士，講師，研究方向：園林植物與觀賞園藝；左詞時（1986—），男，本科，經濟師，研究方向：項目管理；廖琳琳（1964—），女，本科，副教授，研究方向：漢語言文學；吳水珍（1977—），女，本科，副教授/高級工程師，研究方向：建筑裝飾工程技術；陳宇（1982—），男，碩士，副教授，研究方向：職業教育、風景園林規劃設計。