張黎黎

無人機高光譜技術(shù)以其高效和低成本的優(yōu)勢被廣泛應(yīng)用于粳稻營養(yǎng)監(jiān)測、病蟲害檢測等方面，并取得了豐碩的成果。傳統(tǒng)的粳稻田間監(jiān)測方法主要依靠農(nóng)學專家或有經(jīng)驗的農(nóng)戶進行田間觀察，需要大量有經(jīng)驗的專業(yè)人員，且診斷結(jié)果具有一定的主觀性；而衛(wèi)星光學影像技術(shù)在成像過程中易受云、雨、霧等惡劣天氣的影響，粳稻監(jiān)測的關(guān)鍵時期（分蘗期）又往往多云多雨。相比之下，無人機飛行成本低、操作便捷、影像獲取速度快、影像分辨率高，依據(jù)無人機高光譜數(shù)據(jù)構(gòu)建粳稻生長監(jiān)測模型指導精準施肥、監(jiān)測粳稻病蟲害，能夠大幅提高粳稻田間管理效率，為精準農(nóng)業(yè)提供理論依據(jù)。

1 無人機高光譜數(shù)據(jù)獲取平臺

目前業(yè)界使用較多的無人機高光譜平臺多為深圳大疆創(chuàng)新公司生產(chǎn)的經(jīng)緯M600PRO六旋翼無人機、浙江大華技術(shù)股份有限公司生產(chǎn)的X820八軸旋翼無人機等。高光譜儀多采用四川雙利合譜公司的GaiaSky-mini高光譜成像系統(tǒng)、芬蘭Rikola 高光譜相機等。

2 無人機高光譜粳稻氮素反演模型

實時檢測和評估水稻的氮素含量對于水稻的田間精準管理具有十分重要的意義，亦是氮肥合理使用的前提。獲取無人機高光譜數(shù)據(jù)后，運用ENVI5.3工具軟件對獲取的高光譜遙感影像進行感興趣區(qū)（ROI）高光譜數(shù)據(jù)提?。恢蟛捎肧-G平滑等方法對數(shù)據(jù)進行預(yù)處理剔除數(shù)據(jù)中土壤背景、水體等噪聲；接著采用主成分分析（PCA）、連續(xù)投影算法（SPA）等方法或構(gòu)建光譜指數(shù)法（VI）對高光譜數(shù)據(jù)進行降緯；最后利用極限學習機（ELM）、BP神經(jīng)網(wǎng)路（BPNN）等方法構(gòu)建模型。近年來，針對無人機高光譜反演粳稻氮素含量模型的應(yīng)用研究也逐日增多。有學者利用PCA和ELM方法建立了粳稻分蘗期氮素含量反演模型。經(jīng)驗證，該模型準確率達到80%以上，利用該模型構(gòu)建了氮肥追施量處方圖，指導農(nóng)用無人機對分蘗期水稻實施精準追肥，在保障水稻產(chǎn)量的前提下使氮肥追施量減少27.34%。這表明利用無人機高光譜構(gòu)建的水稻氮素含量反演模型可作為氮肥處方?jīng)Q策和精準變量作業(yè)的基礎(chǔ)。

3 無人機高光譜粳葉綠素素反演模型

粳稻的葉綠素含量是表征其生長狀態(tài)的重要性狀指標。常用的粳稻葉綠素含量檢測方法是分光光度法，然而該方法耗時、費力且有損。構(gòu)建無人機高光譜粳稻葉綠素反演模型能夠無損、快速、大面積反演粳稻葉綠素含量。該項研究一直都是國內(nèi)外精準農(nóng)業(yè)學者重要的研究方向。無人機高光譜粳稻葉綠素反演模型的構(gòu)建方法與氮素反演模型的構(gòu)建方法類似。學者們的工作主要集中在兩個方面：建立各光譜指數(shù)，利用上述建模方法建立指數(shù)與葉綠素含量之間的反演模型；或者先對獲取的粳稻高光譜數(shù)據(jù)的全部波段進行 SPA、PCA等方法建模。沈陽農(nóng)業(yè)大學曹英麗等學者研究發(fā)現(xiàn)：反演粳稻葉綠素含量的最優(yōu)的光譜指數(shù)為優(yōu)化的葉綠素吸收率指數(shù)（MCARI），基于最優(yōu)子集選擇算法篩選出7個特征光譜指組合用于反演水稻葉片葉綠素的回歸模型精度最高，其決定性系數(shù)為0.844。該方法能夠?qū)崟r快速地了解粳稻長勢，為精準農(nóng)業(yè)做參考。

4 無人機高光譜粳稻病害監(jiān)測模型

稻瘟病、紋枯病等粳稻病害都具有傳播速度快，防控難度大，對粳稻產(chǎn)量影響極大等特點。據(jù)研究統(tǒng)計，因稻瘟病損失的水稻產(chǎn)量能夠養(yǎng)活近6000萬人。隨著精準農(nóng)業(yè)的不斷推進，對病害防治的時效和準確性提出了更高層次的需求，傳統(tǒng)的“以點代面”的病害監(jiān)測手段難以滿足其要求。無人機高光譜技術(shù)不僅能夠?qū)崿F(xiàn)更大范圍內(nèi)、更高空間分辨率的病蟲害精準監(jiān)測，而且能夠快速地完成田塊尺度下目標信息的傳遞，獲得目標地物與周圍環(huán)境背景的相互關(guān)系。但目前利用無人機高光譜技術(shù)監(jiān)測粳稻稻瘟病研究仍處在起步階段。以稻瘟病為例，有學者指出隨著稻瘟病病害等級的提升，水稻反射率整體呈現(xiàn)下降的趨勢，水稻植株中各生化指標也會出現(xiàn)變化；光譜指數(shù)的組合作為模型輸入量建立的預(yù)測模型具有極高的精度，能夠解釋稻瘟病所引起的植株整體生理參數(shù)綜合變化過程，可為無人機高光譜遙感實現(xiàn)穗頸瘟病定量遙感監(jiān)測與預(yù)警分級提供支持。