何玉寶（海南夢卓農(nóng)業(yè)科學(xué)技術(shù)研究院有限公司，572000）

目前中國農(nóng)業(yè)發(fā)展較快，農(nóng)業(yè)數(shù)字化、智能化、自動化發(fā)展較快。隨著數(shù)字鄉(xiāng)村發(fā)展綱要的提出，各項信息技術(shù)開始創(chuàng)新發(fā)展，實現(xiàn)各類技術(shù)、產(chǎn)品的變革，促使區(qū)域農(nóng)業(yè)發(fā)展全面升級。目前為了不斷夯實農(nóng)業(yè)發(fā)展基礎(chǔ)，實現(xiàn)自然資源有效監(jiān)測，要注重組建完善的監(jiān)管平臺，實現(xiàn)農(nóng)田動態(tài)化監(jiān)控。

1 遙感技術(shù)運用

在精準農(nóng)業(yè)生產(chǎn)中要注重突出遙感技術(shù)應(yīng)用價值，遙感技術(shù)應(yīng)用能有效獲取大范圍、遠距離信息，屬于新型穿透探測技術(shù)，能有效獲取多項實時數(shù)據(jù)。目前基于遙感成像技術(shù)運用能獲取物體多重性質(zhì)，便于較短時間內(nèi)獲取更多基礎(chǔ)信息。在相對空遠的位置中，要應(yīng)用遙感技術(shù)獲取更多電磁波信號，做好圖像信息識別處理。

2 無人機低空遙感技術(shù)應(yīng)用實踐

各類植物生長過程中具備光譜特性，能有效吸收、反射不同光譜。目前無人機低空遙感技術(shù)運用實踐中主要是以植物光譜特性為基礎(chǔ)，不同波長的光對植物正常穩(wěn)定生長會產(chǎn)生多樣化影響。要注重發(fā)揮無人機應(yīng)用作用，搭載圖像傳感器，比如多光譜相機、可見光相機、熱成像相機、高光譜相機等，能有效獲取各類作物在不同波段的圖像，獲取生長各階段基本長勢現(xiàn)狀[1]。

在可利用的電磁波譜中，不同波段圖像數(shù)據(jù)能有效提取不同作物特征參數(shù)。比如在400～700 nm的可見光波段對植物形態(tài)、幾何特征、顏色特征進行判定。在700～1000 nm的近紅外波段能用于植物葉片含水量監(jiān)測。在7500～13000 nm的熱紅外波段常用于各類葉片光譜反射，也能有效反映出含水量。在高光譜相機能采集350～2500 nm上百個光譜帶應(yīng)用植物生長脅迫狀態(tài)。目前應(yīng)用無人機低空遙感對各類農(nóng)作物生長信息、物理信息集中整合，有助于對農(nóng)作物生長生物量實施有效評估，能為大面積農(nóng)作物種植補充良好的低空管理工具。在現(xiàn)代化農(nóng)業(yè)生產(chǎn)中運用無人機低空遙感技術(shù)，能做好作物生長識別、長勢分析、墑情監(jiān)控、植株數(shù)量判定、成苗率統(tǒng)計、土壤屬性分析、災(zāi)害評估、作物產(chǎn)量預(yù)判等。比如部分研究人員運用無人機多光譜、熱成像以及RGB技術(shù)，對黑松種群生長中冠層溫度、植被指數(shù)的遺傳變異進行分析，評估植被生長特征以及地面上各類植物種群生長關(guān)聯(lián)性。也有部分研究人員在大豆生長時期，整合RGB圖像，對圖像光譜、結(jié)構(gòu)、提及信息等進行判定，能獲取加權(quán)冠層體積模型，有效計算出大豆植物生物量。該文以棉花產(chǎn)量預(yù)測為例，分析無人低空遙感技術(shù)應(yīng)用流程與應(yīng)用關(guān)鍵點。

2.1 數(shù)據(jù)采集

在植物生長田間要注重做好各項數(shù)據(jù)信息采集，明確對應(yīng)的研究對象以及研究目標(biāo)。整合種植田間各項試驗數(shù)據(jù)，比如各類作物種植品種、種植位置、播種現(xiàn)狀、施工操作、灌溉運用、管理成效等。還要集中整合種植田間各項大數(shù)據(jù)，比如作物產(chǎn)量值、土壤環(huán)境電導(dǎo)率數(shù)值等。

2.2 遙感圖像獲取

當(dāng)前要注重集中整合無人機應(yīng)用作用，規(guī)范化采集低空遙感圖像，對無人機搭載圖像類別進行劃分。對現(xiàn)有技術(shù)條件集中整合，搭配常用的RGB可見光相機、多光譜相機、熱成像相機等。在作物不同生長階段要注重集中收集田間圖像，便于對各類作物生長過程實施有效監(jiān)測監(jiān)管。

2.3 數(shù)據(jù)預(yù)處理

技術(shù)人員要運用商用軟件對各項數(shù)據(jù)實施預(yù)處理，比如選用Yield Editor產(chǎn)量數(shù)據(jù)處理軟件。集中篩選出諸多不規(guī)范化的產(chǎn)量數(shù)據(jù)，這樣能為云服務(wù)軟件供應(yīng)商以及各類應(yīng)用軟件補充諸多農(nóng)田圖像信息，構(gòu)建相對完善的全景圖像畫面。集中整合全景圖像之后，要注重跟大數(shù)據(jù)以及圖像數(shù)據(jù)應(yīng)用進行匹配，再通過幾何運算保障記錄掌握的GPS數(shù)據(jù)能有效融入轉(zhuǎn)入到圖像中。在此過程操作中，技術(shù)人員在植物種植田地中選取較多極具特征性的位置，再判定其精確坐標(biāo)。之后通過對圖像畫面進行分析，找尋對應(yīng)的像素值，再做好相應(yīng)的比例轉(zhuǎn)換[2]。

2.4 采樣單元分割

對收集的圖像集中整合，做好GPS數(shù)據(jù)分割，有效轉(zhuǎn)為不同的采樣單元。不同單元構(gòu)成中均具備相對完整的GPS數(shù)據(jù)、圖像數(shù)據(jù)、作物產(chǎn)量信息等，這樣能建立相對完整的數(shù)據(jù)集合。

2.5 特征參數(shù)獲取

在各項特征參數(shù)提取中，要注重獲取較多相對突出、能集中表現(xiàn)出各類作物差異性的參數(shù)。對RGB、HSV、Lab顏色模型有效分析。之后基于NDVI植株覆蓋率以及歸一化植被參數(shù)實施深入分析。

3 結(jié) 語

綜合上述，該文主要對無人機低空遙感技術(shù)在大田作物監(jiān)測以及產(chǎn)量分析應(yīng)用進行探析，為相關(guān)農(nóng)業(yè)管理部門提供各項意見。有助于優(yōu)化現(xiàn)有生產(chǎn)技術(shù)，實現(xiàn)農(nóng)業(yè)產(chǎn)業(yè)長遠可持續(xù)發(fā)展。