摘要：對無人機及其在農(nóng)業(yè)應(yīng)用中搭載傳感器的類型進行簡要說明，并對基于無人機遙感的農(nóng)田土壤分析及墑情測定、作物面積測算及快速分類、作物施肥及其管理進行深入剖析，指出無人機在各研究領(lǐng)域的關(guān)鍵技術(shù)，對推動現(xiàn)代農(nóng)業(yè)的發(fā)展具有劃時代的意義。最后提出研發(fā)續(xù)航時間長、載荷能力強、穩(wěn)定性高、分辨率高的農(nóng)用無人機以及相配套的遙感數(shù)據(jù)后處理方法，以有力推動無人機在現(xiàn)代農(nóng)業(yè)上的應(yīng)用。

關(guān)鍵詞：無人機;遙感;現(xiàn)代農(nóng)業(yè);傳感器

中圖分類號： S252文獻標(biāo)志碼： A

文章編號：1002-1302（2019）21-0075-04

收稿日期：2018-10-24

基金項目：山西水利信息化規(guī)劃（編號：晉水財務(wù)[2017]433）。

作者簡介：蘇瑞東（1988—），男，內(nèi)蒙古豐鎮(zhèn)人，碩士，主要從事無人機應(yīng)用及水利信息化研究。E-mail：surd168@163.com。

無人機（UAV）是利用無線電遙控設(shè)備和程序控制裝置操縱的不載人飛行器。隨著“工業(yè)5.0”時代的來臨，無人機在水利、環(huán)保、電力等各行各業(yè)中被廣泛應(yīng)用?，F(xiàn)代農(nóng)業(yè)是在現(xiàn)代工業(yè)和現(xiàn)代科學(xué)技術(shù)基礎(chǔ)上發(fā)展起來的，其中的一個主要特征就是把工業(yè)部門生產(chǎn)的大量物質(zhì)和能量投入到農(nóng)業(yè)生產(chǎn)中，以換取大量農(nóng)產(chǎn)品，成為工業(yè)化的農(nóng)業(yè)[1]。無人機在現(xiàn)代農(nóng)業(yè)上的應(yīng)用就是一個典型特例，它主要是利用無人機代替人力畜力提高生產(chǎn)效率。

1無人機簡介

無人機按外形結(jié)構(gòu)劃分，通常包括固定翼無人機和多旋翼無人機2種（圖1、圖2）。固定翼無人機采用滑跑或彈射起飛，傘降或滑跑著陸，對場地有一定要求;巡航距離、載重等指標(biāo)明顯高于多旋翼無人機。多旋翼無人機根據(jù)螺旋槳數(shù)量，又可細(xì)分為四旋翼、六旋翼、八旋翼等。一般認(rèn)為，螺旋槳數(shù)量越多，飛行越平穩(wěn)，操作越容易。多旋翼無人機具有可折疊、垂直起降、可懸停、對場地要求低等優(yōu)點，因此備受青睞。

如表1所示，無人機具有靈活性高的特點，即無人機體積小、質(zhì)量輕，擁有飛機、衛(wèi)星無法具備的靈活性;成本低，組裝后可直接使用，且起飛方式簡單，對環(huán)境要求低。無人機機身

成本低，運行時的能量耗費也低于其他飛行器;不需考慮停放場地建設(shè)以及飛行員培訓(xùn)帶來的額外成本;安全性高，即無人機隱蔽性強，抗干擾性能較強;無需擔(dān)心駕駛?cè)藛T的安全，可在惡劣的環(huán)境下執(zhí)行危險任務(wù)。因此，鑒于無人機的上述優(yōu)點，根據(jù)作物種植的需要，在無人機上搭載不同類型的傳感器，就可以實現(xiàn)無人機在農(nóng)業(yè)上的不同應(yīng)用。

2農(nóng)用無人機搭載傳感器類型

無人機遙感平臺的傳感器主要包括色彩模式（color mode）數(shù)碼相機、3D數(shù)碼相機、紅外測溫儀、熱成像儀、熒光探針、多光譜相機、高光譜相機、激光雷達(dá)和聲納設(shè)備。為了精準(zhǔn)反演農(nóng)田土壤信息及作物在不同生育期的株高、出苗率、生物量、葉面積指數(shù)（leaf area index，簡稱LAI）等長勢信息、氮素和水分狀態(tài)及產(chǎn)量等信息，無人機需搭載不同類型的傳感器。但受限于平臺載荷，目前農(nóng)用無人機普遍搭載的傳感器主要為數(shù)碼相機、多光譜相機、高光譜相機、激光雷達(dá)和熱像儀等。

3無人機在現(xiàn)代農(nóng)業(yè)上的應(yīng)用

3.1基于無人機遙感的農(nóng)田土壤分析及墑情測定

在農(nóng)作物種植前，采用無人機對土壤進行監(jiān)測分析，對農(nóng)業(yè)種植的前期規(guī)劃具有至關(guān)重要的作用[2]。土壤是農(nóng)作物賴以生存的環(huán)境，對土壤墑情進行測定不僅能了解農(nóng)田土壤的干濕程度，同時可對農(nóng)作物的生長趨勢作出預(yù)測評估。傳統(tǒng)的土壤墑情測定只能是短期的、小范圍的監(jiān)測，而利用無人機掛載近紅外光設(shè)備，可以更加全面地對土壤進行監(jiān)測，通過對獲取影像的對比分析，就可以了解土壤的濕度。在21世紀(jì)初，Quiquerez等利用無人機監(jiān)測農(nóng)田土壤表面特征對環(huán)境侵蝕的影響，并映射出5 cm空間分辨率下的土壤表面結(jié)構(gòu)[3]。因此，利用無人機遙感技術(shù)可以大面積且快速地對農(nóng)田土壤進行分析及墑情測定，不僅對作物種植可以進行前期合理規(guī)劃，還可以在作物生育期內(nèi)實時地探測土壤墑情，以便精準(zhǔn)灌溉。

3.2農(nóng)用植保無人機

我國作為農(nóng)業(yè)大國，擁有1.2億hm2基本農(nóng)田，每年需要大量的農(nóng)業(yè)植保作業(yè)，而每年農(nóng)藥中毒人數(shù)就達(dá)10萬人，致死率約20%。農(nóng)藥殘留和污染造成的病死人數(shù)至今尚無官方統(tǒng)計，想必是一個驚人數(shù)字。而農(nóng)用植保無人機具有噴灑效果好、無人駕駛、噴霧效率高、適用性好、省藥、省水、減少污染、操控人員安全系數(shù)高、作物損傷小等特點，因此在現(xiàn)代農(nóng)業(yè)中被廣泛應(yīng)用。其中無人機噴灑技術(shù)采用噴霧噴灑方式可以幫助農(nóng)戶至少節(jié)約50%的農(nóng)藥使用量和90%的用水量，同時，無人機噴灑農(nóng)藥效率是人工噴灑的30倍[4]，這在很大程度上幫助農(nóng)戶降低了資源成本。

國外植保無人機發(fā)展較快，美國、日本更是處于世界領(lǐng)先水平。其中美國航空植保經(jīng)歷了有人駕駛直升機向無人機的過渡[5]，日本生產(chǎn)出了世界上第1架用于噴灑農(nóng)藥的無人直升機[6]，由于其體積較小、作業(yè)機動靈活、噴灑效果好的特點，在日本被廣泛使用并取得良好效果[7]。

近年來，我國在農(nóng)業(yè)航空噴灑上也逐漸引入無人機，雖然仍處于起步階段，但無人機噴灑將成為發(fā)展最快的新興領(lǐng)域，也是未來農(nóng)業(yè)發(fā)展的方向[8-9]。袁玉敏進行了農(nóng)業(yè)植保無人機高精度定位系統(tǒng)研究與設(shè)計[10]。張新星對農(nóng)用無人機智能植保系統(tǒng)進行了設(shè)計[11]。范慶妮設(shè)計出了2套無人機的農(nóng)藥霧化系統(tǒng)，即離心霧化系統(tǒng)和液力霧化系統(tǒng)[12]，在范慶妮的基礎(chǔ)上，茹煜等研究出了無人機噴灑藥物的旋轉(zhuǎn)液力霧化噴頭的最佳工作參數(shù)[13]，并針對XY8D無人機設(shè)計出了靜電噴霧系統(tǒng)[14]和專門用于無人機噴霧的遠(yuǎn)程控制系統(tǒng)[15]。徐興等設(shè)計出了無人機農(nóng)藥變量噴灑系統(tǒng)[16]。史萬萍等對精準(zhǔn)變量噴藥技術(shù)進行了研究[17]。學(xué)者們還對低空低量航空施藥技術(shù)[18-20]以及植保無人機航空噴施作業(yè)參數(shù)對霧滴沉積分布特性的影響[21-25]進行了研究。雖然我國近年來對農(nóng)業(yè)植保無人機進行了大量的研究，其發(fā)展也較快，但整體而言，植保無人機體系尚未成熟。我國植保無人機技術(shù)和產(chǎn)品性能參差不齊，僅有絕少數(shù)產(chǎn)品能夠滿足大面積高強度的植保噴灑要求。目前存在的主要問題是（1）成熟可靠的植保無人機少，不少廠商忽視了植保作業(yè)的特殊要求。（2）買家盲目購買，并未實地考察無人機的飛行作業(yè)情況，應(yīng)對技術(shù)層面多一些了解。（3）培訓(xùn)及售后服務(wù)不到位（4）專用藥劑知識不足，個人盲目勾兌藥劑，容易出現(xiàn)農(nóng)藥殘留過高、滅蟲效果差等問題。（5）行業(yè)標(biāo)準(zhǔn)難制定，購機補貼難申請。（6）市場需求量大，準(zhǔn)入門檻不高，專業(yè)化水平難提升。因此，鑒于上述問題，有必要加強對植保無人機的研發(fā)，以讓其廣泛應(yīng)用于生產(chǎn)和實踐。

3.3基于遙感圖像信息的農(nóng)田作物管理

未來的灌區(qū)必將是全程機械化的，而如何大面積地獲取作物生長狀況信息，并作出及時有效的判斷，實現(xiàn)現(xiàn)代灌區(qū)的精準(zhǔn)管理，對灌區(qū)農(nóng)業(yè)的發(fā)展至關(guān)重要。利用無人機搭載遙感系統(tǒng)可以對農(nóng)田作物信息進行快速重復(fù)監(jiān)測并獲取高分辨率的遙感圖像，其克服了衛(wèi)星遙感易受云層遮擋且成本較高以及人工地面采集數(shù)字影像耗時耗力、效率較低的缺點，提高了植被覆蓋率監(jiān)測的準(zhǔn)確性[26-27]。

當(dāng)前，國外在基于遙感圖像信息的農(nóng)田作物管理方面的研究發(fā)展較快。美國農(nóng)業(yè)部大面積病蟲害管理研究中心利用無人機搭載多光譜相機獲取棉花的遙感圖像，該圖像經(jīng)過處理分析可以反映棉花的生長狀態(tài)（長勢良好、生病或者死亡），有利于實現(xiàn)精準(zhǔn)施肥[28-30]。Chosa 等利用無人機對水稻生長狀況進行監(jiān)測，可以確定高質(zhì)量高產(chǎn)量的水稻區(qū)域[31]。Hunt等利用無人機遙感信息平臺獲取冬小麥、大豆、苜蓿、玉米的高分辨率光譜圖像，建立圖像特征值與作物生長狀況指標(biāo)的模型，對作物進行精準(zhǔn)管理[32-33]。日本采用無人機搭載紫外線照相機獲取水稻的生長信息，用于指導(dǎo)施肥作業(yè)[34]。Swain 等采用無人機遙感平臺獲取水稻田的遙感圖像，以估算水稻產(chǎn)量和總生物量[35]。Lelong等利用無人機遙感平臺獲取不同品種小麥的遙感圖像，對不同品種小麥作物的物理參數(shù)進行定量監(jiān)測評估[36]。Sugiura等利用無人機系統(tǒng)對作物進行拍攝，通過劃分研究區(qū)域內(nèi)的作物葉面積指數(shù)分布狀況，分析作物生長信息[37-38]。Sullivan 等采用無人機搭載熱紅外監(jiān)測系統(tǒng)監(jiān)測棉花生長情況，發(fā)現(xiàn)熱紅外圖像對棉花冠層具有很好的敏感性，說明熱紅外遙感平臺能夠用于監(jiān)測棉花生長狀況[39]。Noguchi 團隊采用無人直升機遙感平臺監(jiān)測水稻作物營養(yǎng)狀態(tài)，以實現(xiàn)水稻田的精準(zhǔn)管理[40]。Vega等利用無人機搭載多光譜傳感器獲取向日葵的多時相影像，以計算出其歸一化植被指數(shù)（normalized difference vegetation index，簡稱NDVI）值，監(jiān)測其生長狀況，以便管理[41]。Armstrong等利用無人機獲取玉米多光譜圖像，觀測玉米田的雜草密度[42]，從而進行農(nóng)田雜草管理[43]。無人機高時空分辨率遙感影像還能夠很好地提高農(nóng)田水分脅迫的管理水平[44-45]。

我國在無人機獲取遙感信息管理方面的發(fā)展相對較晚。喬紅波等采用手持式高光譜儀和低空遙感系統(tǒng)對不同危害程度小麥白粉病冠層光譜反射率進行了測定，分析表明，低空遙感系統(tǒng)可以無損、快速、大面積地對小麥白粉病進行監(jiān)測[46-47]。祝錦霞等采用掃描儀和無人機平臺獲取水稻葉片和冠層的數(shù)字圖像，運用數(shù)字圖像處理技術(shù)研究不同氮素營養(yǎng)水平水稻葉片和冠層的綜合特征信息，從而進行水稻的氮素營養(yǎng)診斷[48]。李冰等利用無人機搭載多光譜相機系統(tǒng)對冬小麥進行監(jiān)測，提出的植被指數(shù)閾值法可對農(nóng)作物的覆蓋度和生長狀況進行分析[49]。高林等采用無人機掛載數(shù)碼相機和多光譜傳感器分別獲取大豆結(jié)莢期和鼓粒期的影像，通過植被指數(shù)構(gòu)建的單變量和多變量葉面積指數(shù)（leaf area index，簡稱LAI）反演模型能夠真實反映當(dāng)?shù)卮蠖沟膶崟r生長情況[50]。因此，目前基于無人機遙感圖像的時空動態(tài)變化，可獲取作物產(chǎn)量、營養(yǎng)狀況、病蟲害的發(fā)生/發(fā)展?fàn)顩r等信息。

3.4基于無人機低空遙感的農(nóng)作物快速分類及面積估算

目前可以利用無人機影像分析技術(shù)對作物進行分類[51]。為了降低分類誤差，李宗南等采用小型無人機獲取玉米的可見光圖像，研究了玉米倒伏信息的圖像特征和面積提取方法[52]。韓文霆等采用無人機獲取玉米影像，通過分析影像中各類地物特征的種內(nèi)變異系數(shù)和與玉米的相對差異系數(shù)，得出玉米的主要特征，從而提取出玉米的種植面積[53]。孫佩軍等利用無人機獲取冬小麥高分辨率影像，進行無人機抽樣調(diào)查，分別設(shè)計多層次-面積規(guī)模指標(biāo)、多層次-異質(zhì)性指標(biāo)、面積規(guī)模指標(biāo)、異質(zhì)性指標(biāo)計算各抽樣基本單元的對應(yīng)指標(biāo)值，結(jié)果表明，利用多層次指標(biāo)法進行分層，各層內(nèi)作物均質(zhì)性較好，能夠提高農(nóng)作物面積估算的精度;此外，異質(zhì)性指標(biāo)較面積規(guī)模指標(biāo)更能提高分層的層內(nèi)作物均質(zhì)性與農(nóng)作物面積估算精度[54]。Shen等采用無人機遙感獲取中等空間分辨率影像，對農(nóng)作物種植面積進行估測，得出在95%置信度下監(jiān)測精度可達(dá)95%以上[55]。田振坤等利用無人機低空飛行獲取小麥的遙感影像，基于農(nóng)作物波譜特征和NDVI變化閾值提出的農(nóng)作物快速分類提取方法具有較高的正確率和普適性[56]。郭鵬等利用無人機獲取遙感影像，對農(nóng)田作物類型進行研究，結(jié)果表明基于色彩與紋理特征提取作物類型的精度較高，高于基于顏色指數(shù)的提取方法，是一種行之有效的無人機數(shù)據(jù)作物分類方法[57]。以上研究表明，基于無人機低空遙感的農(nóng)作物快速分類及面積估算，對相關(guān)部門快速高效地統(tǒng)計糧食種類和產(chǎn)量以及保證我國糧食安全具有重要意義。

4主要問題和展望

4.1主要問題

隨著無人機技術(shù)的發(fā)展，其在農(nóng)業(yè)上的應(yīng)用越來越普遍，但還存在一系列的問題。主要包括：（1）目前農(nóng)用無人機主要有電動無人機、油動無人機和油電混合無人機，但使用最多的是電動無人機。電動無人機受限于載重的影響，無法攜帶大量的電池，因此，其續(xù)航時間短。（2）由于電動無人機載重小，因此無法掛載一些大質(zhì)量的遙感設(shè)備。（3）受風(fēng)的影響大。在風(fēng)力大于4級時，電動無人機飛行姿態(tài)就難以按照規(guī)劃的航線飛行。（4）受航線規(guī)劃、飛行高度及掛載設(shè)備好壞的影響，無人機通過掛載的相機獲取的圖像質(zhì)量有時難以滿足作業(yè)需要，且后期圖像校正、匹配、拼接的難度大。

4.2展望

基于“4.1”節(jié)中所述的農(nóng)用無人機存在的問題，目前亟需解決的問題是：（1）研發(fā)續(xù)航時間長、載重能力強的農(nóng)業(yè)無人機，同時研發(fā)輕質(zhì)量的掛載遙感設(shè)備，以提高農(nóng)用無人機續(xù)航時間。（2）對無人機的飛控系統(tǒng)進行開發(fā)研究，使其在一定風(fēng)力下也能按規(guī)劃航線飛行，保證飛行的穩(wěn)定性。（3）針對農(nóng)用無人機遙感影像的特點以及相機定標(biāo)參數(shù)、拍攝時的姿態(tài)數(shù)據(jù)和有關(guān)幾何模型對圖像進行幾何和輻射校正，開發(fā)出相應(yīng)的軟件進行交互式處理，以保證對農(nóng)田及其作物信息進行精準(zhǔn)和高效的解析。

5結(jié)論

本文通過對國內(nèi)外農(nóng)用無人機遙感技術(shù)進行綜述，指明了目前農(nóng)用無人機獲取遙感影像過程中存在的問題及其未來發(fā)展的趨勢方向，闡述了無人機在現(xiàn)代農(nóng)業(yè)上的廣泛應(yīng)用及重要意義。進一步研發(fā)續(xù)航時間長、載荷能力強、穩(wěn)定性高、分辨率高的農(nóng)用無人機以及相配套的遙感數(shù)據(jù)后處理方法，并將其應(yīng)用在農(nóng)田土壤分析及墑情測定、作物面積測算及快速分類、作物施肥及其生長狀況實時監(jiān)測中，對快速判斷及精準(zhǔn)決策，推動現(xiàn)代農(nóng)業(yè)的發(fā)展，具有劃時代的意義。

參考文獻：

[1]何盛明. 財經(jīng)大辭典[M]. 北京：中國財政經(jīng)濟出版社，1990.

[2]Mulla D J.Twenty five years of remote sensing in precision agriculture：key advances and remaining knowledge gaps[J]. Biosystems Engineering，2013，114（4）：358-371.

[3]Quiquerez A，Chevigny E，Allemand P，et al.Assessing the impact of soil surface characteristics on vineyard erosion from very high spatial resolution aerial images[J]. Catena，2013，116：163-172.

[4]馬興. 噴灑農(nóng)藥的無人駕駛小飛機[J]. 新農(nóng)業(yè)，2015（1）：25-26.

[5]王虹. 美國通用航空發(fā)展現(xiàn)狀[J]中國民用航空，2003（8）：45-47.

[6]吳志洋. 單旋翼植保無人機技術(shù)淺析[J]中國植保導(dǎo)刊，2014（增刊1）：40-41，18.

[7]吳小偉，茹煜，周宏平. 無人機噴灑技術(shù)的研究[J]. 農(nóng)機化研究，2010，32（7）：224- 228.

[8]李林穎. 農(nóng)用無人機初露頭角未來可期[N]. 中國農(nóng)機化導(dǎo)報，2013-11-04（6）.

[9]蒙繼華，吳炳方，李強子，等. 農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測進展及應(yīng)用展望[J]. 遙感信息，2010（3）：122 -128.

[10]袁玉敏. 農(nóng)業(yè)植保無人機高精度定位系統(tǒng)研究與設(shè)計——基于GPS和GPRS[J]. 農(nóng)機化研究，2016，38（12）：227-231.

[11]張新星. 農(nóng)用無人機智能植保系統(tǒng)設(shè)計[J]. 時代農(nóng)機，2017，44（3）：85-86.

[12]范慶妮. 小型無人直升機農(nóng)藥霧化系統(tǒng)的研究[D]南京：南京林業(yè)大學(xué)，2011.

[13]茹煜，金蘭，周宏平，等. 航空施藥旋轉(zhuǎn)液力霧化噴頭性能試驗[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（3）：50-55.

[14]茹煜. 農(nóng)藥航空靜電噴霧系統(tǒng)及其應(yīng)用研究[D]. 南京：南京林業(yè)大學(xué)，2009.

[15]茹煜，賈志成，范慶妮，等. 范慶妮等. 無人直升機遠(yuǎn)程噴霧控制系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2012，43（6）：47-52.

[16]徐興，徐勝，劉永鑫，等. 小型無人機機載農(nóng)藥變量噴灑系統(tǒng)設(shè)計[J]. 廣東農(nóng)業(yè)科學(xué)，2014（9）：207-210.

[17]史萬萍，王熙，王新忠. 基于GPS和GIS的變量噴藥技術(shù)研究[J]. 農(nóng)機化研究，2007（2）：19-21.

[18]Xue X Y，Tu K，Qin W C，et al. Drift and deposition of ultra-low altitude and low volume application in paddy field[J]. International Journal of Agricultural and Biological Engineering，2014，7（4）：23-28.

[19]Qin W C，Xue X Y，Cui L F，et al. Optimization and test for spraying parameters of cotton defoliant sprayer[J]. International Journal of Agricultural and Biological Engineering，2016，9（4）：63-72.

[20]王昌陵，何雄奎，王瀟楠，等. 無人植保機施藥霧滴空間質(zhì)量平衡測試方法[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（11）：54-61.

[21]王昌陵，何雄奎，王瀟楠，等. 基于空間質(zhì)量平衡法的植保無人機施藥霧滴沉積分布特性測試[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（24）：89-97.

[22]王瀟楠，何雄奎，王昌陵，等. 油動單旋翼植保無人機霧滴飄移分布特性[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（1）：117-123.

[23]邱白晶，王立偉，蔡東林，等. 無人直升機飛行高度與速度對噴霧沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（24）：25-32.

[24]秦維彩，薛新宇，周立新，等. 無人直升機噴霧參數(shù)對玉米冠層霧滴沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（5）：50-56.

[25]陳盛德，蘭玉彬，李繼宇，等. 小型無人直升機噴霧參數(shù)對雜交水稻冠層霧滴沉積分布的影響[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（17）：40-46.

[26]李冰，劉镕源，劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2012，28（13）：160-165.

[27]王玉鵬. 無人機低空遙感影像的應(yīng)用研究[D]. 焦作：河南理工大學(xué)，2011.

[28]Huang Y，Lan Y，Ge Y，et al. Spatial modeling and variability analysis for modeling and prediction of soil and crop canopy coverage using multispectral imagery from an airborne remote sensing system[J]. Transactions of the ASABE，2010，53（4）：1321-1329.

[29]Huang Y B，Thomson S J，Lan Y B，et al. Multispectral imaging systems for airborne remote sensing to support agricultural production management[J]. International Journal of Agricultural and Biological Engineering，2010，3（1）：50-62.

[30]Huang Y，Lan Y，Hoffmann W C. Use of airborne multi-spectral imagery in pest management systems[J]. Agricultural Engineering International，2008，10：1-14.

[31]Chosa T，Miyagawa K，Tamura S，et al. Monitoring rice growth over a production region using an unmanned aerial vehicle：preliminary trial for establishing a regional rice strain[J]. IFAC Proceedings Volumes，2010，43（26）：178-183.

[32]Hunt J，Hively W D，F(xiàn)ujikawa S J，et al. Acquisition of NIR-green-blue digital photographs from unmanned aircraft for crop monitoring[J]. Remote Sensing，2010，2（1）：290-305.

[33]Hunt E R，Cavigelli M，Daughtry C S T，et al. Evaluation of digital photography from model aircraft for remote sensing of crop biomass and nitrogen status[J]. Precision Agriculture，2005，6（4）：359-378.

[34]石媛媛. 基于數(shù)字圖像的水稻氮磷鉀營養(yǎng)診斷與建模研究[D]. 杭州：浙江大學(xué)，2011.

[35]Swain K C，Thomson S J，Jayasuriya H P W. Adoption of an unmanned helicopter for low-altitude remote sensing to estimate yield and total biomass of a rice crop[J]. Transactions of the ASABE，2010，53（1）：21-27.

[36]Lelong C C D，Burger P，Jubelin G A，et al. Assessment of unmanned aerial vehicles imagery for quantitative monitoring of wheat crop in small plots[J]. Sensors，2008，8（5）：3557-3585.

[37]Sugiura R，Noguchi N，Ishii K. Remote-sensing technology for vegetation monitoring using an unmanned helicopter[J]. Biosystems engineering，2005，90（4）：369-379.

[38]Sugiura R，F(xiàn)ukagawa T，Noguchi N，et al. Field information system using an agricultural helicopter towards precision farming[C]. IEEE ASME International Conference on Advanced Intelligent Mechatronics，Japan，kobe，2003.

[39]Sullivan D G，F(xiàn)ulton J P，Shaw J N，et al. Evaluating the sensitivity of an unmanned thermal infrared aerial system to detect water stress in a cotton canopy[J]. Transactions of the ASABE，2007，50（6）：1955-1962.

[40]Noguchi N. 日本機器人耕作體系與遙感技術(shù)應(yīng)用[J]. 農(nóng)機科技推廣，2010（12）：16-17.

[41]Vega F A，Ramfrez F C，Saiz M P，et al.Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop[J]. Biosystems Engineering，2015，132：19-27.

[42]Armstrong J Q，Dirks R D，Gibson K D.The use of early season multispectral images for weed detection in corn[J]. Weed Technology，2007，21（4）：857-862.

[43]Torres-Sanchez J.Configuration and specifications of an Unmanned Aerial Vehicle （UAV） for early site specific weed management[J]. PLoS One，2013，8（3）：e58210.

[44]Zarco-Tejada P J，Gonzalez-Dugo V，Berni J A J.Fluorescence，temperature and narrow-band indices acquired form a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera[J]. Remote Sensing of Environment，2012，117：322-337.

[45]Gago J，Douthe C，Coopman R E，et al.UAVs challenge to assess water stress for sustainable agriculture[J]. Agricultural Water Management，2015，153：9-19.

[46]喬紅波，周益林，白由路，等. 地面高光譜和低空遙感監(jiān)測小麥白粉病初探[J]. 植物保護學(xué)報，2006，33（4）：341-344.

[47]喬紅波. 麥蚜和白粉病遙感監(jiān)測技術(shù)研究[D]. 北京：中國農(nóng)業(yè)科學(xué)院，2007.

[48]祝錦霞，陳祝爐，石媛媛，等. 基于無人機和地面數(shù)字影像的水稻氮素營養(yǎng)診斷研究[J]. 浙江大學(xué)學(xué)報（農(nóng)業(yè)與生命科學(xué)版），2010，36（1）：78-83.

[49]李冰，劉镕源，劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2012，28（13）：160-165.

[50]高林，楊貴軍，王寶山，等. 基于無人機遙感影像的大豆葉面積指數(shù)反演研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2015，23（7）：868-876.

[51]胡勇，張孝成，馬澤忠，等. 無人機遙感影像中農(nóng)村房屋信息快速提取[J]. 國土資源遙感，2016，28（3）：96-101.

[52]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(nóng)業(yè)工程學(xué)報，2014，30（19）：207-213.

[53]韓文霆，李廣，苑夢嬋，等. 基于無人機遙感技術(shù)的玉米種植信息提取方法研究[J]. 農(nóng)業(yè)機械學(xué)報，2017，48（1）：139-147.

[54]孫佩軍，張錦水，潘耀忠，等. 基于無人機樣方事后分層的作物面積估算[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2016，37（2）：1-10.

[55]Shen K J，Li W F，Pei Z Y，et al.Crop area estimation form UAV transect and MSR image data using spatial sampling method[J]. Procedia Environ-mental Sciences，2015，26：95-100.

[56]田振坤，傅鶯鶯，劉素紅，等. 基于無人機低空遙感的農(nóng)作物快速分類方法[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（7）：109-116.

[57]郭鵬，武法東，戴建國，等. 基于無人機可見光影像的農(nóng)田作物分類方法比較[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（13）：112-119.