無人機遙感技術通過對作物生長過程中的環境因素、物理指標和生化參數等進行實時或定期監測，來評估和預測作物的生長情況和生產潛力，指導農業生產和管理決策，不僅優化了作物生長環境和生產方式，且提高了作物產量和品質，降低了農業生產成本和減少了資源浪費

一、引言

無人機農業遙感技術是將無人機與遙感技術相結合，用于對農田進行高精度、高分辨率的遙感監測和數據采集的技術。其以無人機為平臺，搭載數碼相機、多光譜相機、高光譜相機等多種傳感器，為農情信息的收集提供數據支持，是精準農業研究的重要發展方向之一。相比衛星遙感和航空遙感，無人機遙感具有成本低廉、時效性強、不受大氣影響、高分辨率等特點，而且相較于傳統監測方法，無人機遙感的效率更高，且不會造成破壞，為田塊尺度的遙感應用研究提供了新的工具。

及時監測和預測農作物長勢是提高農業生產效率的有效途徑。無人機遙感技術通過對作物生長過程中的環境因素、物理指標和生化參數等進行實時或定期監測，來評估和預測作物的生長情況和生產潛力，指導農業生產和管理決策，不僅優化了作物生長環境和生產方式，且提高了作物產量和品質，降低了農業生產成本和減少了資源浪費。

本研究從無人機遙感平臺、傳感器類型及特點、遙感圖像數據處理、作物生長監測主要指標等方面綜述了無人機遙感在農業領域的應用進展，并對無人機遙感的發展趨勢進行了探討，以期為農業生產提供更好的理論和技術支持。

二、無人機遙感系統概述

無人機遙感系統組成如圖１所示，主要包括無人機平臺、遙感設備、數據傳輸和存儲系統、數據處理系統等組成部分。無人機平臺通過搭載各種遙感設備實現數據的采集和傳輸；遙感設備包括光學相機、多光譜相機、激光雷達等，可實現高精度、高分辨率的遙感數據采集和處理；數據傳輸和存儲系統能完成遙感數據的傳輸、存儲和處理；數據處理系統用于對遙感數據進行處理和分析。

圖1無人機遙感系統

表1無人機平臺類型匯總

三、信息獲取與數據處理

無人機遙感監測技術可以快速、高效地獲取農田信息，對于農業監測有著重要的應用價值。目前，無人機遙感監測技術的應用已經逐漸普及，但是如何更高效地處理無人機遙感數據來實現農業監測仍然是熱點問題之一。

3.1 植被指數特征提取

由于植被結構和作物生理特性的多樣性，不同作物的反射光譜存在較大差異。通過對無人機遙感影像不同波段的反射率進行線性或非線性組合得到的植被指數（ＶＩ）及其他指標來提取植被特征，是作物長勢監測研究的熱點之一。由作物可見光波段構建的植被指數，如過綠指數（ＥＸＧ）、可見光波段差異植被指數（ＶＤＶＩ）、超綠指數（ＥＸＧ）、超綠超紅差分指數（ＥＸＧＲ）、植被顏色指數（ＣＩＶＥ）等。

大量研究表明，紅外波段、近紅外波段中，農作物的光譜反射特征與其長勢和產量相關性明顯，如歸一化植被指數（ＮＤＶＩ）、差值植被指數（ＤＶＩ）、改進型植被指數（ＥＶＩ）等。其中，ＮＤＶＩ最為常用，ＮＤＶＩ值通常在－１～１之間，值越高代表植被覆蓋度越高。相比多光譜數據，高光譜數據的光譜信息更為豐富，如轉換葉綠素吸收指數（ＴＣＡＲＩ）、土壤調節植被指數（ＯＳＡＶＩ）、比值光譜指數（ＲＳＩ）、簡單光譜指數（ＳＳＩ）、重歸一化植被指數（ＲＤＶＩ）、葉綠素吸收連續區指數（ＣＡＣＩ）、連續體去除葉綠素吸收指數（ＣＲＣＡＩ）等。

3.2 長勢參數反演

隨著計算機技術在農業遙感領域的廣泛應用，機器學習、深度學習等方法在作物長勢監測方面的研究也得到快速發展。具體表現在：

（１）數據源的選擇從較為單一類型的可見光或多光譜，發展到目前應用較為廣泛的高光譜數據、激光雷達數據、熱紅外數據等。

（２）無論是在數據獲取方法上還是在處理手段上都進行了大量有益的探索，尤其對于多源數據的整合、植被指數與反演指標之間的模型構建上，學者們從不同的角度嘗試消除傳統方法的局限，旨在提高模型反演精度。

3.3 反演方法與精度評價

一些常見的反演方法包括神經網絡、支持向量機、回歸模型等，具體見表2。模型構建完成后，需要對模型精度進行評價，大多數研究結合人工實測數據作為真實值，３個參數［決定系數（Ｒ２）、均方根誤差（ＲＭＳＥ）、相對誤差（ＲＥ）］評價分類識別精度。

據大量研究結果可知，通常模型精度會隨著參數個數的增加而提高，但過擬合的概率越大，因此不能僅憑單一標準來判斷一種反演模型的優劣。

表2基于無人機遙感的作物長勢參數重要反演方法

四、作物長勢監測的重要參數

在適當的生育期進行長勢監測，能夠及早發現作物生長中的問題，實施精準農業操作，從而提高作物產量和品質。不同作物的葉綠素含量、氮素含量、細胞水分等存在顯著差異，從而影響作物冠層的反射光譜。因此，構建精度高且通用性強的作物長勢監測模型是應用無人機遙感技術進行精準農業的關鍵。

4.1 葉綠素含量

葉綠素含量是反映植物光合作用效率的重要指標，對作物的蒸騰作用、光合作用以及農作物估產等具有重要意義。傳統的測量方法為化學分析法，該方法耗時費力，不適合大范圍監測。地面遙感平臺中常用葉綠素儀測量作物葉片的葉綠素含量，作為真實驗證數據。無人機遙感平臺具有快速、無損、高精度的特點，更適合大范圍監測。但有研究表明，無人機的飛行高度對作物的預測和反演精度有較大影響。

近２０年來，基于遙感影像的大田作物葉綠素含量估測研究得到了快速發展。研究者們多采用線性回歸的方法，但該方法以變量之間存在線性關系為前提，或與實際情況存在偏差。線性回歸模型的系數可以解釋自變量和因變量之間的關系，然而對于復雜的數據集，便超出其適用范圍。因此，目前研究人員已經偏向于用主成分分析、人工神經網絡、深度學習等方法來反演作物生長參數，并結合高光譜遙感信息來構建包含更多波段的模型，從而更準確地解釋模型預測的變化。

4.2 含氮量

在氮素含量上，裴信彪等構建了自主研發的無人機結構與飛控系統，測試了４種施氮水平水稻的光譜指數變化規律，實現了水稻氮素水平的變化監測。該研究中提出的飛行控制軌跡跟蹤方法將為無人機研發領域的研究者們提供新的思路。王玉娜等利用無人機搭載高光譜相機對冬小麥進行遙感監測，通過分析冠層光譜參數與植株氮含量、地上部生物量和氮素營養指數的相關性，篩選出對三者均敏感的光譜參數，結合多元線性逐步回歸、偏最小二乘回歸和隨機森林回歸建立抽穗期冬小麥氮素營養指數（ＮＮＩ）估測模型，該研究實現了小區范圍內的氮素營養指數遙感填圖，清晰地展示了冬小麥氮素的空間分布，為農作物的精準施肥和產量估算提供了理論依據。Ｔａｏ等利用搭載在無人機上的高光譜傳感器獲取植被指數和紅邊參數，基于植被指數、紅邊參數及其組合，采用逐步回歸（ＳＷＲ）和偏最小二乘回歸（ＰＬＳＲ）方法對植被指數和葉面積指數進行精確估計，結果表明，植被指數與紅邊參數相結合，利用ＰＬＳＲ方法可以提高ＡＧＢ和ＬＡＩ的估計。Ｙｕａｎ等提出了一種圖像與光譜特征融合的玉米葉片氮含量預測模型，采用偏最小二乘回歸和支持向量機回歸（ＳＶＲ）對玉米葉片氮含量進行預測，結果表明，與單變量模型相比，基于圖像和光譜的融合模型預測效果更佳。該研究結果證實了基于特征融合的方法一定程度上有助于提高模型的預測性能，為無人機低空遙感圖像特征提取方法的選擇提供了理論依據和指導。

4.3 含水量

利用無人機遙感進行農作物土壤含水量的反演研究相對較少，目前的研究采用的傳感器主要是可見光相機、多光譜相機。針對于農作物冠層及葉片的復雜結構，魏青等基于不同時期冬小麥的無人機多光譜遙感圖像，通過逐步回歸法和強迫進入法建立了光譜反射率模型和植被指數模型，結果表明，基于逐步回歸法的光譜指數模型效果最優，決定系數為０．８３；以內蒙古玉米田為研究區，多光譜相機為遙感平臺，張智韜等提出用機器學習的方法構建植被指數與土壤含水率的反演模型，結果表明，支持向量機方法的模型精度在０．８５１以上。

該研究對土壤含水率的反演研究有一定參考作用，未來需要在模型建立方法上進一步提高作物監測的適用性。最新的研究采用尺度轉換法，將衛星遙感影像與無人機遙感影像相結合，采用ＴｓＨＡＲＰ升尺度法和重采樣升尺度法構建了土壤含水率反演模型，結果表明，２種方法均能提高模型反演精度，結合衛星遙感和無人機遙感二者的優勢實現了高精度又大尺度的地表信息監測，為土壤含水率及其他遙感領域的研究提供了新的思路。

4.4 葉面積指數

ＬＡＩ是作物在生物和非生物脅迫下健康狀況的重要依據，有助于作物生物量和產量的生成。

Ｚｈａｎｇ等基于小麥的光譜反射機制，開展其光譜指數與ＬＡＩ的相關性分析，為小麥田間尺度的長勢分析提供了支持，研究表明，隨機森林法對ＬＡＩ的估測具有較好效果，但對不同品種、不同水氮處理情況下的模型構建還有待深入研究。曹中盛等實現了水稻不同品種、不同水氮處理情況下的研究，且于不同時期測定水稻ＬＡＩ，同步獲取水稻無人機數碼影像并提取顏色指數及紋理特征，構建了定量監測模型并進行檢驗，結果表明，無人機數碼影像中顏色指數及紋理特征與水稻ＬＡＩ之間的相關性在生育前期最高。邵國敏等基于無人機多光譜影像數據，構建了植被指數與ＬＡＩ的關系模型，結果表明，隨機森林回歸算法估算不同灌溉條件下的玉米ＬＡＩ可行性較高，決定系數為０．７４～０．８７。Ｙａｏ等利用多光譜遙感系統，采集多光譜植被指數，通過不同的回歸方法選出了最優ＬＡＩ反演模型，發現無人機采集的數據檢測玉米的ＬＡＩ是可行的。

眾所周知，作物的ＬＡＩ具有高度的時空異質性，在準確獲取田間尺度的ＬＡＩ方面仍存在許多挑戰：

（１）在理論方法上應進行大膽創新，特別是在探索基于多源數據融合的作物ＬＡＩ檢索新方法方面。

（２）加強ＬＡＩ遙感試驗和數據積累，促進ＬＡＩ業務研究和應用。

4.5 生物量

生物量是最常見的作物參數，國內外有眾多學者做了大量關于無人機遙感監測植物地上生物量的研究。鄧江等采集了棉花不同生育期的近紅外影像，并提取４種光譜指數，構建了棉花主要生育期地上生物量的估算模型。也有研究采用無人機多光譜影像結合作物水分利用效率模型的方法，探討無人機遙感在玉米生物量反演方面的可行性，為無人機遙感監測玉米生物量提供了參考。

五、結論

總之，無人機遙感在葉綠素含量、生物量、含水量等作物長勢監測中的研究取得了較多成果，由早期的無人機搭載可見光相機，到近年來的利用多光譜乃至高光譜相機等傳感器獲取無人機遙感影像進行信息提取、反演模型構建等手段，反演精度逐步提高，但這些成果距大規模實際應用還有一定距離。目前的研究對象主要集中于特定研究區或特定樣本，多數研究成果與作物長勢變化的內在機理聯系不夠緊密，還應加強對作物生長規律及模型普適性的相關研究。

推薦：

便攜式高光譜成像系統iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的最新產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。

審核編輯 黃宇