摘要：為厘清火龍果種植面積情況，利用低空無人機(jī)搭載多光譜傳感器，對望謨縣樂元鎮(zhèn)拉么村火龍果基地進(jìn)行數(shù)據(jù)采集，采用最大似然法提取火龍果種植區(qū)域和計(jì)算面積。研究表明，在進(jìn)行植被指數(shù)計(jì)算時(shí)，火龍果植被指數(shù)為0.4～0.6，多光譜影像上紋理比較明顯，周邊以雜草為主，雜草的植被指數(shù)為0.2～0.4，能夠較好地區(qū)分火龍果和雜草;結(jié)合植被指數(shù)和火龍果紋理特征，利用最大似然法提取火龍果種植區(qū)域和計(jì)算面積，提取的精度達(dá)88.4%，研究區(qū)火龍果種植面積約為55 000 m2。

關(guān)鍵詞：無人機(jī)遙感;火龍果;面積;望謨縣

中圖分類號(hào)：P283.8 " " " " 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2022）03-0152-04

DOI：10.14088/j.cnki.issn0439-8114.2022.03.031 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Study on monitoring method of pitaya planting area based on UAV remote sensing

CHEN Zhi-hu， LIU Chun-yan， TONG Qian-qian， ZHAO Ze-ying， XU Yuan-hong

（Institute of Science and Technology Information，Guizhou Academy of Agricultural Sciences，Guiyang "550006，China）

Abstract：In order to clarify the planting area of pitaya， a low altitude UAV equipped with multispectral sensors was used to collect data from the pitaya base in Lamo village， Leyuan town， Wangmo county， and the Maximum likelihood method was used to extract the planting area and calculate the area of pitaya. The result showed that when calculating the vegetation index， the vegetation index of pitaya ranges from 0.4 to 0.6. The texture was obvious on the multispectral image. The periphery was dominated by weeds， and the vegetation index of weeds ranges from 0.2 to 0.4， which could better distinguish pitaya from weeds; Combined with vegetation index and pitaya texture features， the Maximum likelihood method was used to extract pitaya planting area and calculate the area. The extraction accuracy was 88.4%， and the pitaya planting area in the study area was about 55 000 m2.

Key words：UAV remote sensing; pitaya;area; Wangmo county

隨著中國精準(zhǔn)農(nóng)業(yè)的發(fā)展，農(nóng)作物信息的快速提取與解析以及農(nóng)作物種植面積快速精準(zhǔn)監(jiān)測已經(jīng)變得極為重要[1-3]。首先，農(nóng)作物種植面積遙感監(jiān)測是作物估產(chǎn)的基本要素，而遙感技術(shù)手段可以為面積監(jiān)測提供豐富的地表信息。例如，遙感圖像中地物的紋理、形狀以及和周邊地物之間的差異能夠很好地進(jìn)行反映[4-8]。其次，不同時(shí)期的遙感影像可以反映出農(nóng)作物的生長情況[9-11]。白燕英等[12]基于作物生長發(fā)育期的Landsat8 影像，利用NDVI和EVI指數(shù)，對作物的長勢變化規(guī)律及不同作物在同一時(shí)期的長勢差異進(jìn)行了相關(guān)研究。周珂等[13]基于Landsat8影像數(shù)據(jù)，采用隨機(jī)森林分類方法對研究區(qū)的冬小麥種植面積進(jìn)行提取和長勢監(jiān)測;姜藍(lán)齊等[14]基于不同時(shí)相的遙感影像，利用植被指數(shù)等關(guān)鍵技術(shù)，對水、旱作物種植面積及空間分布進(jìn)行監(jiān)測。除此之外，農(nóng)作物種植面積的監(jiān)測還可以為決策部門進(jìn)行產(chǎn)業(yè)調(diào)整提供參照和依據(jù)[15，16]。

火龍果作為熱帶、亞熱帶水果，具有很高的營養(yǎng)價(jià)值，富含蛋白質(zhì)、膳食纖維、維生素、鐵、鈣等元素?；瘕埞补饽完帯⒛蜔崮秃?、喜肥耐瘠，可適應(yīng)多種土壤，其中以含腐殖質(zhì)多、保水保肥的中性土壤和弱酸性土壤較好。貴州省喀斯特地貌類型豐富，土層薄，土壤肥力不足，大力發(fā)展火龍果種植有利于改善土壤環(huán)境和提高當(dāng)?shù)鼐用袷杖胨絒17-19]。貴州省望謨縣樂元鎮(zhèn)北盤江流域沿線具有得天獨(dú)厚的氣候資源，年平均氣溫21 ℃，平均海拔720 m，全年無霜期340 d左右，具有良好的種植條件。

1 研究區(qū)概況與數(shù)據(jù)采集

1.1 研究區(qū)概況

研究區(qū)選在望謨縣樂元鎮(zhèn)拉么村火龍果種植基地，拉么村位于黔西南州興義市望謨縣西北角（圖1），距望謨縣城67 km，距樂元鎮(zhèn)政府20 km，轄7個(gè)村民組、1個(gè)村民居委會(huì)，總?cè)丝? 600余人，全村以布依族居多。拉么村平均海拔570 m，位于東經(jīng)105.895°，北緯25.268°，年降水量1 200 mm，平均氣溫21.5 ℃。

1.2 數(shù)據(jù)采集與預(yù)處理

本研究采用的數(shù)據(jù)主要包括多光譜影像數(shù)據(jù)和正射影像數(shù)據(jù)，采用的設(shè)備和儀器包括成都縱橫公司生產(chǎn)的CW—007型無人機(jī)、RedEdge-M快照式多光譜相機(jī)和Sony正攝像機(jī)。利用CW—007型無人機(jī)搭載RedEdge-M快照式多光譜相機(jī)采集火龍果種植區(qū)域多光譜影像，影像在傳統(tǒng)的4通道基礎(chǔ)上增加了紅邊波段;正射影像利用CW—007型無人機(jī)搭載Sony相機(jī)進(jìn)行采集。

1.2.1 數(shù)據(jù)采集 數(shù)據(jù)采集時(shí)間選在2020年03月14日進(jìn)行，當(dāng)日天氣晴朗、少云，拍攝時(shí)間選在 " "11：00—15：00，太陽直射地面，火龍果植株陰影較少，降低陰影對研究的影響。無人機(jī)航拍過程包括儀器安裝、航線規(guī)劃（圖2）、自動(dòng)拍攝以及航拍后照片預(yù)篩選等步驟。設(shè)置航線飛行預(yù)計(jì)時(shí)間20 min，航線離地高度200 m，航拍面積約65萬m2;除此之外，在研究區(qū)內(nèi)道路交叉點(diǎn)、房屋拐角等地采集了6個(gè)控制點(diǎn)，控制點(diǎn)均勻分布在研究區(qū)內(nèi)。

1.2.2 數(shù)據(jù)預(yù)處理 經(jīng)過外業(yè)影像采集，共采集多光譜影像照片1 150張，正射影像照片800張，將圖片中有拉花、扭曲現(xiàn)象的圖片進(jìn)行處理，最終得到有效多光譜影像照片1 070張，正攝影像照片710張。利用PIX4D軟件對有效照片進(jìn)行影像拼接處理，最終得到多光譜影像3幅，正射影像4幅。

2 研究方法

2.1 技術(shù)路線

基于無人機(jī)搭載多種傳感器采集不同的影像數(shù)據(jù)，利用ENVI、Arcgis和PIX4D等軟件對采集的數(shù)據(jù)進(jìn)行輻射校正、大氣校正、幾何校正和拼接處理后得到研究數(shù)據(jù)。在此基礎(chǔ)上，根據(jù)多光譜影像中地物的紋理、形狀及地物之間的差異[20，21]，利用不同地物之間植被指數(shù)差異進(jìn)行火龍果種植區(qū)域提取，將提取結(jié)果與正射影像進(jìn)行疊加分析，修改錯(cuò)誤數(shù)據(jù)，最終得到研究區(qū)火龍果種植區(qū)域和面積，技術(shù)路線如圖3所示。

2.2 數(shù)據(jù)處理

將無人機(jī)采集的圖片經(jīng)過影像拼接、影像校正和影像融合等處理得到研究區(qū)基礎(chǔ)影像數(shù)據(jù)。

1）影像拼接。首先，采集的多光譜數(shù)據(jù)為單張獨(dú)立的且為單波段的照片，運(yùn)用PIX4D軟件，根據(jù)照片自帶的坐標(biāo)信息，將每張圖片拼接成一幅完整的影像圖，共得到5個(gè)波段的多光譜影像圖。其次，采集的正射影像資料為獨(dú)立的不帶坐標(biāo)的單張照片，利用PIX4D軟件和外置坐標(biāo)信息，將單張照片拼接成一張完整的正射影像圖。

2）影像校正。正射影像校正采用野外采集的控制點(diǎn)進(jìn)行校正，利用ArcGIS軟件進(jìn)行處理，得到最終的正射影像（圖4）。針對多光譜影像，需要定義坐標(biāo)、幾何校正、大氣校正和輻射校正。首先，運(yùn)用ArcGIS軟件將5幅影像校正到影像之間沒有位移，再以外業(yè)控制點(diǎn)為基礎(chǔ)，進(jìn)行一次校正，并定義坐標(biāo)為WGS84坐標(biāo);其次，利用ENVI軟件和相機(jī)自帶的輻射定標(biāo)文件對影像進(jìn)行大氣校正和輻射校正。

3）影像融合。多光譜影像采集過程按照單波段單張圖片采集，經(jīng)過拼接和校正以后得到單波段的灰度影像，運(yùn)用ENVI的波段融合工具，將灰度影像進(jìn)行影像融合處理得到具有5個(gè)波段數(shù)據(jù)的多光譜影像數(shù)據(jù)（圖5）。

3 結(jié)果與分析

3.1 光譜特征提取

基于多光譜影像數(shù)據(jù)中的近紅外、紅光和綠光3個(gè)波段，利用ENVI軟件計(jì)算歸一化植被指數(shù)，得到研究區(qū)內(nèi)各種作物的植被指數(shù)（圖6）。植被指數(shù)能夠很好地反映植被覆蓋度和長勢。分析火龍果的植被指數(shù)與周邊作物的差異，火龍果的植被指數(shù)為0.4～0.6;火龍果周邊作物主要是雜草，雜草的植被指數(shù)為0.2～0.4，植被指數(shù)存在交叉的情況，結(jié)合火龍果的紋理特征可以局部消除這一影響。

3.2 火龍果種植面積提取

利用ENVI軟件，依據(jù)植被指數(shù)的范圍，選取火龍果樣本15個(gè)、其他作物樣本30個(gè)，利用最大似然法進(jìn)行火龍果種植區(qū)域提取和其他作物區(qū)域提取，并進(jìn)行面積計(jì)算。

3.3 精度分析和面積計(jì)算

結(jié)合多光譜影像的紋理信息、光譜信息等特征，運(yùn)用最大似然法提取火龍果種植區(qū)域，共提取圖斑數(shù)量3 383個(gè)，基于正射影像進(jìn)行精度分析，其中錯(cuò)分圖斑313個(gè)，漏分80個(gè)，分類精度達(dá)到88.4%。運(yùn)用GIS的統(tǒng)計(jì)功能對火龍果圖斑進(jìn)行面積計(jì)算，得到研究區(qū)火龍果種植面積約為55 000 m2。

4 結(jié)論

由于貴州省地貌類型多樣、地表破碎，農(nóng)作物種植品種多且分布混雜，運(yùn)用衛(wèi)星影像進(jìn)行農(nóng)作物種植面積監(jiān)測研究難度較大，利用低空無人機(jī)搭載多光譜傳感器，運(yùn)用相關(guān)設(shè)備航拍數(shù)據(jù)，基于最大似然法進(jìn)行火龍果種植面積提取。結(jié)果表明，①利用低空無人機(jī)搭載多光譜傳感器和正攝像機(jī)，能夠獲取具有高分辨率、高頻度的多光譜影像和正射影像，克服了衛(wèi)星影像分辨率低、時(shí)效性差等問題。多光譜數(shù)據(jù)具有光譜信息、紋理信息等特征信息，對火龍果種植區(qū)域的提取精度提供了保障，也為其他作物面積監(jiān)測奠定基礎(chǔ)。②利用植被指數(shù)計(jì)算各種農(nóng)作物的數(shù)值，火龍果的植被指數(shù)為0.4～0.6，火龍果周邊作物主要是雜草，雜草的植被指數(shù)為0.2～0.4，有局部地區(qū)存在地物交叉的情況。③結(jié)合植被指數(shù)和火龍果的紋理特征，利用最大似然法能夠快速準(zhǔn)確地提取火龍果種植區(qū)域和計(jì)算面積，提取的精度達(dá)到88.4%，且有效避免了利用衛(wèi)星影像提取中出現(xiàn)的地物混雜、圖斑凌亂的現(xiàn)象。

參考文獻(xiàn)：

[1] GAIKWAD S V，VIBHUTE A D，KALE K V，et al.An innovative IoT based system for precision farming[J]. Computers and electronics in agriculture，2021，187：106291.

[2] 宋永嘉，劉 賓，魏暄云，等. 大數(shù)據(jù)時(shí)代無線傳感技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué)，2021，49（8）：31-37.

[3] 林 娜，陳 宏，趙 健，等. 輕小型無人機(jī)遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用及展望[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（20）：43-48.

[4] YOUNG L J. Agricultural crop forecasting for large geographical areas[J]. Annual review of statistics and its application，2019，6（1）：173-196.

[5] 王 帆，李崇貴，馬 婷，等. 一種改進(jìn)的遙感影像水體信息快速提取方法[J]. 人民長江，2021，52（6）：223-228.

[6] 張春森，賈 欣，吳蓉蓉，等. 面向?qū)ο蟾叻诌b感影像典型自然地物半自動(dòng)提取[J]. 地球信息科學(xué)學(xué)報(bào)，2021，23（6）：1050-1062.

[7] 呂 昱，范燕敏，武紅旗，等. 面向?qū)ο蟮淖魑锓N植信息提取研究——以新疆奇臺(tái)縣為例[J]. 山東農(nóng)業(yè)科學(xué)，2020，52（6）：137-143.

[8] 王翔宇，楊 菡，李鑫星，等. 基于無人機(jī)可見光譜遙感的玉米長勢監(jiān)測[J]. 光譜學(xué)與光譜分析，2021，41（1）：265-270.

[9] 牛魯燕，蔣風(fēng)偉，張俊麗，等. 基于無人機(jī)多光譜遙感的冬小麥長勢監(jiān)測研究[J]. 山東農(nóng)業(yè)科學(xué)，2021，53（3）：139-145.

[10] 馬 驛. 基于多源遙感數(shù)據(jù)的油菜長勢監(jiān)測[D]. 武漢：華中農(nóng)業(yè)大學(xué)，2016.

[11] 羅 桓. 縣域夏玉米生長遙感監(jiān)測與產(chǎn)量估算研究[D]. 南京：南京信息工程大學(xué)，2020.

[12] 白燕英，高聚林，張寶林. 基于NDVI與EVI的作物長勢監(jiān)測研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（9）：153-161.

[13] 周 珂，柳 樂，張儼娜，等. GEE支持下的河南省冬小麥面積提取及長勢監(jiān)測[J]. 中國農(nóng)業(yè)科學(xué)，2021，54（11）：2302-2318.

[14] 姜藍(lán)齊，王 萍，姜麗霞，等. 基于多時(shí)相MODIS數(shù)據(jù)監(jiān)測水、旱作物種植面積及空間分布[J]. 中國農(nóng)學(xué)通報(bào)，2021，37（16）：108-118.

[15] 任澤茜，丁麗霞，劉麗娟，等. 利用無人機(jī)遙感監(jiān)測農(nóng)作物種植面積[J]測繪通報(bào)，2020（7）：76-81.

[16] 謝鑫昌，楊云川，田 憶，等. 基于遙感的廣西甘蔗種植面積提取及長勢監(jiān)測[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2021，29（2）：410-422.

[17] 喬 謙，于 泳，王江勇，等. 火龍果研究進(jìn)展及北方引種可行性分析[J]. 中國農(nóng)學(xué)通報(bào)，2020，36（25）：53-59.

[18] 錢開勝. 廣西博白火龍果“一年三茬”栽培技術(shù)助推扶貧[J]. 中國果業(yè)信息，2020，37（6）：43-44.

[19] 孟翠麗，楊文剛，張淑娟，等. 湖北省冬季設(shè)施火龍果最低氣溫變化特征及預(yù)報(bào)模型研究[J]. 湖北農(nóng)業(yè)科學(xué)，2019，58（24）：84-87，92.

[20] 任澤茜，丁麗霞，劉麗娟，等. 利用無人機(jī)遙感監(jiān)測農(nóng)作物種植面積[J]. 測繪通報(bào)，2020（7）：76-81.

[21] 李方方，劉正軍，徐強(qiáng)強(qiáng)，等. 面向?qū)ο箅S機(jī)森林方法在濕地植被分類的應(yīng)用[J]. 遙感信息. 2018，33（1）：111-116.