摘 要：隨著科學(xué)技術(shù)的不斷發(fā)展，傳統(tǒng)監(jiān)測(cè)大田農(nóng)作物生長(zhǎng)模式已無(wú)法滿(mǎn)足時(shí)代發(fā)展的需要，存在成本高、耗時(shí)長(zhǎng)等諸多弊端。無(wú)人機(jī)光譜成像技術(shù)是信息化、數(shù)字化發(fā)展的產(chǎn)物，將該技術(shù)用于大田農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)，具有監(jiān)測(cè)時(shí)效性強(qiáng)等優(yōu)勢(shì)。該文闡述了無(wú)人機(jī)光譜成像技術(shù)的原理、特點(diǎn)、優(yōu)勢(shì)等，以及在大田中的應(yīng)用情況，并分析了現(xiàn)階段研究中存在的問(wèn)題，以期為今后無(wú)人機(jī)光譜成像技術(shù)在大田中的應(yīng)用研究提供參考。

關(guān)鍵詞：無(wú)人機(jī)光譜成像技術(shù);大田;應(yīng)用

中圖分類(lèi)號(hào) S127;O657.3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2022）11-0117-03

Research Progress on the Application of Uav Spectral Imaging Technology in the Field

MA Jingyu

（Sanhe Digital Surveying and Mapping Geographic Information Technology Co.，Ltd.， Tianshui 741000， China）

Abstract： With the continuous development of science and technology，the traditional monitoring of field crop growth mode can no longer meet the development requirements of the times，and there are many disadvantages such as high cost and long time. UAV spectral imaging technology is a product of informatization and digital development. This technology is used in monitoring the growth environment of field crops and has the advantages of strong monitoring timeliness. This paper further develops the application of UAV spectral imaging technology in the field by expounding the principle，characteristics and advantages of UAV spectral imaging technology，and expounds the difficulties existing in this research at this stage. It is expected to provide reference for the application of UAV spectral imaging technology in the field in the future.

Key words： UAV spectral imaging technology; Field; Application

中國(guó)自古以來(lái)就是農(nóng)業(yè)大國(guó)，尤其是水稻、玉米等農(nóng)作物的種植范圍廣闊。然而，糧食作物在生長(zhǎng)過(guò)程中由于會(huì)受到多種因素的影響，如溫濕度、降水和土壤等，導(dǎo)致作物植株生長(zhǎng)出現(xiàn)變化。因此，為了確保農(nóng)作物生長(zhǎng)質(zhì)量，需要對(duì)農(nóng)作物葉面積指數(shù)等多項(xiàng)參數(shù)進(jìn)行科學(xué)檢測(cè)，進(jìn)而有效地對(duì)農(nóng)作物生長(zhǎng)情況進(jìn)行評(píng)估。傳統(tǒng)的作物生長(zhǎng)環(huán)境監(jiān)測(cè)主要是以衛(wèi)星遙感監(jiān)測(cè)為主，該監(jiān)測(cè)方法存在監(jiān)測(cè)成本高、受云層干擾大等弊端。為尋找監(jiān)測(cè)效果好、受云層干擾小的農(nóng)作物監(jiān)測(cè)方法，眾多學(xué)者提出利用無(wú)人機(jī)光譜成像技術(shù)開(kāi)展大田農(nóng)作物生長(zhǎng)環(huán)境監(jiān)測(cè)工作。

1 無(wú)人機(jī)光譜成像技術(shù)概述

1.1 原理 無(wú)人機(jī)光譜成像技術(shù)涵蓋的技術(shù)種類(lèi)較多，主要包括無(wú)人飛行器、通信、傳感器、定位、圖像傳輸?shù)燃夹g(shù)。深入探究無(wú)人機(jī)光譜成像技術(shù)遙感系統(tǒng)的組成部分可知，主要由飛行平臺(tái)系統(tǒng)、傳感系統(tǒng)、控制系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)、后勤人員等6個(gè)部分組成。具體操作過(guò)程為：在開(kāi)展大田監(jiān)測(cè)過(guò)程中，工作人員利用控制系統(tǒng)操控?zé)o人機(jī)飛行軌跡，根據(jù)相應(yīng)的監(jiān)測(cè)需求，使用光譜成像儀對(duì)田間農(nóng)作物進(jìn)行圖像采集，并利用相應(yīng)的信息處理系統(tǒng)對(duì)采集后的圖像等信息展開(kāi)分析，最終得出準(zhǔn)確的作物生長(zhǎng)指標(biāo)，以此指導(dǎo)農(nóng)作物生產(chǎn)。

1.2 可采集光譜圖像特點(diǎn) 光譜成像技術(shù)是基于成像技術(shù)與光譜測(cè)量技術(shù)，將二者相結(jié)合進(jìn)而準(zhǔn)確獲取農(nóng)作物位置信息、分析光譜輻射信息的一種技術(shù)。將光譜圖像進(jìn)行分類(lèi)，主要包括全色圖像、多光譜圖像、高光譜圖像、熱紅外圖像等。通常情況下，不同的光譜圖像種類(lèi)具有不同的波段范圍、分辨率等，因此，不同的光譜種類(lèi)在大田中的應(yīng)用均有所不同。

不同學(xué)者將不同的光譜成像應(yīng)用在作物生長(zhǎng)監(jiān)測(cè)中，例如，楊曉宇等[1]在研究中利用全色圖像，結(jié)合區(qū)域生長(zhǎng)法、水分分析法開(kāi)展了作物生長(zhǎng)環(huán)境監(jiān)測(cè)工作，其將荔枝單木作為監(jiān)測(cè)對(duì)象，利用高分辨率全色圖像進(jìn)一步收集了荔枝單木信息。同時(shí)，這幾位學(xué)者在另一項(xiàng)研究中，利用高光譜成像對(duì)健康小麥、受鐮刀菌感染的小麥展開(kāi)成像，并進(jìn)一步探究了鐮刀菌感染的波長(zhǎng)范圍。此外，還有學(xué)者將熱紅外圖像用于葡萄園監(jiān)測(cè)，利用科學(xué)的分析手段進(jìn)一步明確了水分威脅指數(shù)與水勢(shì)參數(shù)之間的關(guān)系，明確兩者間存在正相關(guān)。可以看出，不同的光譜成像均存在不同的特點(diǎn)，因此，應(yīng)根據(jù)實(shí)際情況，選擇最合適的光譜成像方法。

1.3 優(yōu)勢(shì) 傳統(tǒng)的大田作物生長(zhǎng)環(huán)境監(jiān)測(cè)主要以衛(wèi)星遙感技術(shù)為主。但衛(wèi)星遙感技術(shù)極易受到大氣環(huán)境變化、云層、地形等因素的影響，存在精度低、數(shù)據(jù)處理復(fù)雜等缺陷。相較于傳統(tǒng)衛(wèi)星遙感技術(shù)，以無(wú)人機(jī)為承載器搭載的成像儀所形成的遙感系統(tǒng)，能夠有效解決傳統(tǒng)衛(wèi)星遙感技術(shù)缺陷的問(wèn)題。眾多學(xué)者深入開(kāi)展二者間對(duì)比研究，以葡萄園為監(jiān)測(cè)對(duì)象，對(duì)比2種遙感系統(tǒng)精度，結(jié)果表明，衛(wèi)星遙感系統(tǒng)監(jiān)測(cè)成像分辨率較低，且無(wú)法準(zhǔn)確反應(yīng)葡萄園內(nèi)部差異;而無(wú)人機(jī)遙感系統(tǒng)監(jiān)測(cè)則可對(duì)葡萄園內(nèi)部小面積作物展開(kāi)分析，可精確顯示葡萄園內(nèi)部差異。

將無(wú)人機(jī)作為平臺(tái)的遙感技術(shù)具有較大的綜合優(yōu)勢(shì)。首先，利用無(wú)人機(jī)遙感具有空間分辨率高、信息容量大、位置精度高、成像清晰等優(yōu)勢(shì)，無(wú)論是大范圍監(jiān)測(cè)、小范圍監(jiān)測(cè)均可利用無(wú)人機(jī)遙感技術(shù)。其次，無(wú)人機(jī)遙感技術(shù)可實(shí)現(xiàn)低空連續(xù)作業(yè)，并不受云層影響，使監(jiān)測(cè)工作變得更加便捷、可行、靈活。再次，無(wú)人機(jī)遙感技術(shù)還具有降低監(jiān)測(cè)作業(yè)成本等優(yōu)勢(shì)。

2 無(wú)人機(jī)光譜成像技術(shù)在大田中的應(yīng)用研究

2.1 監(jiān)測(cè)作物長(zhǎng)勢(shì)及營(yíng)養(yǎng)指標(biāo) 深入探究影響作物生長(zhǎng)發(fā)育的營(yíng)養(yǎng)元素可知，氮素是影響作物生長(zhǎng)的最主要因素。進(jìn)一步探究氮素與光譜特征之間的關(guān)系可知，二者間存在較強(qiáng)的關(guān)聯(lián)性。王義坤等[2]利用無(wú)人機(jī)光譜成像技術(shù)開(kāi)展了小麥冠層生物指標(biāo)的研究，主要將植物高度、葉面積指數(shù)、氮素含量作為研究指標(biāo)，利用主成分分析法建立3項(xiàng)指標(biāo)與光譜指數(shù)之間的回歸模型。研究結(jié)果顯示，無(wú)人機(jī)光譜成像技術(shù)能夠有效監(jiān)測(cè)作物氮素含量指標(biāo)。張黎黎[3]將玉米作為研究對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)對(duì)采集玉米多光譜圖像，進(jìn)一步研究低氮脅迫下玉米的營(yíng)養(yǎng)狀況。

此外，葉綠素含量、葉面積指數(shù)也是影響作物生長(zhǎng)的重要因素，二者均為評(píng)價(jià)作物長(zhǎng)勢(shì)的主要依據(jù)。國(guó)外學(xué)者M(jìn)atsuo T等[4]在研究中將大麥作為監(jiān)測(cè)對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)得出大麥高光譜圖像、RGB圖像，并利用植被指數(shù)、植被高度等信息對(duì)植株生物量進(jìn)行估算，結(jié)果表明，歸一化比率指數(shù)、作物物質(zhì)質(zhì)量二者間存在較強(qiáng)的關(guān)聯(lián)性。此外，有學(xué)者將水稻作為監(jiān)測(cè)對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)針對(duì)水稻不同的生長(zhǎng)時(shí)期展開(kāi)監(jiān)測(cè)，并將監(jiān)測(cè)結(jié)果與LAI參數(shù)開(kāi)展相關(guān)性分析，以此作為基礎(chǔ)構(gòu)建作物生長(zhǎng)模型。結(jié)果顯示，水稻植株高度與LAI具有較強(qiáng)的相關(guān)性。

2.2 監(jiān)測(cè)田間災(zāi)害 進(jìn)一步分析大田中災(zāi)害種類(lèi)，主要包括病蟲(chóng)害、旱澇災(zāi)害。通常情況下，作物的光譜特征會(huì)隨著各類(lèi)災(zāi)害的變化而變化，將無(wú)人機(jī)光譜成像技術(shù)用于作物生長(zhǎng)信息監(jiān)測(cè)，可以準(zhǔn)確評(píng)估災(zāi)害類(lèi)別，發(fā)生位置與嚴(yán)重程度，進(jìn)而降低損失，同時(shí)也能為農(nóng)藥噴灑提供較為精準(zhǔn)的依據(jù)。Luo B等[5]將橄欖樹(shù)種植區(qū)作為研究對(duì)象，并利用無(wú)人機(jī)光譜成像技術(shù)采集橄欖樹(shù)種植區(qū)熱紅外線(xiàn)圖像、高光譜圖像，采用線(xiàn)性判別分析法對(duì)大麗花病害開(kāi)展相關(guān)的監(jiān)測(cè)預(yù)警工作，研究結(jié)果表明，熱紅外圖像對(duì)大麗花病害的監(jiān)測(cè)精度較高。此外，上述學(xué)者還開(kāi)展了另一項(xiàng)研究，將甜菜作為研究對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)收集甜菜高光譜數(shù)據(jù)，并進(jìn)一步提出了鑒別早期甜菜災(zāi)害的辦法。

作物冠層溫度、氣孔導(dǎo)度是業(yè)界公認(rèn)的判斷作物水分脅迫的重要指標(biāo)，同時(shí)地表溫度、植被指數(shù)也是公認(rèn)的判斷農(nóng)作物旱澇情況的重要指標(biāo)。王飛龍等[6]將葡萄作為研究對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)得出葡萄熱紅外圖像，對(duì)數(shù)據(jù)分析結(jié)果中的水分威脅指數(shù)、氣孔導(dǎo)度等指標(biāo)進(jìn)行比較，結(jié)果表明，這2項(xiàng)指標(biāo)具有較強(qiáng)的關(guān)聯(lián)性。

2.3 預(yù)測(cè)作物產(chǎn)量 開(kāi)展作物產(chǎn)量評(píng)估工作能夠幫助各地政府精準(zhǔn)了解各地糧食產(chǎn)量情況，作物產(chǎn)量評(píng)估在國(guó)家糧食宏觀調(diào)控中起著至關(guān)重要的作用。深入探究傳統(tǒng)作物產(chǎn)量評(píng)估方法可知，傳統(tǒng)作物產(chǎn)量評(píng)估方法存在成本高、工作量大等問(wèn)題，且對(duì)作物產(chǎn)量估值的精準(zhǔn)程度較低。相比于傳統(tǒng)作物產(chǎn)量評(píng)估方法，無(wú)人機(jī)光譜成像技術(shù)能夠打破傳統(tǒng)方法的局限性。王偉等[7]將大豆作為研究對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)對(duì)其產(chǎn)量進(jìn)行評(píng)估，經(jīng)過(guò)精準(zhǔn)度檢驗(yàn)，明確利用無(wú)人機(jī)光譜成像技術(shù)評(píng)估大豆產(chǎn)量的精度高達(dá)0.8118，進(jìn)一步驗(yàn)證了該技術(shù)的可行性與精確性。

2.4 精細(xì)分類(lèi) 精細(xì)分類(lèi)是實(shí)現(xiàn)農(nóng)業(yè)精準(zhǔn)化的重要手段，是開(kāi)展農(nóng)作物面積計(jì)算、種類(lèi)統(tǒng)計(jì)的基礎(chǔ)性工作。對(duì)于農(nóng)業(yè)機(jī)械化、自動(dòng)化來(lái)說(shuō)，利用精細(xì)分類(lèi)確定田間雜草等分布信息至關(guān)重要。利用無(wú)人機(jī)光譜成像技術(shù)可有效監(jiān)控植株作物，盡可能減少除草劑等農(nóng)藥的使用情況。馬樂(lè)等[8]以冬小麥作為研究對(duì)象，利用無(wú)人機(jī)光譜成像技術(shù)對(duì)冬小麥進(jìn)行高分辨率的數(shù)碼成像，并進(jìn)一步明確冬小麥光譜特征和植被指數(shù)變化?；谘芯拷Y(jié)果提出了新的農(nóng)作物分類(lèi)模型，明確自動(dòng)分類(lèi)、最大似然分類(lèi)這2種分類(lèi)方法具有較高的適用性和精度。此外，其在研究中還指出，利用無(wú)人機(jī)光譜成像技術(shù)可有效區(qū)分作物與雜草，能夠?yàn)榇筇镏械淖魑锓诸?lèi)提供依據(jù)。

3 光譜圖像建模方法研究進(jìn)展

不同植被類(lèi)型其光譜特征有所不同，將光譜特征作為指標(biāo)開(kāi)展光譜圖像建模，主要包括植物紅邊效應(yīng)構(gòu)建、植被指數(shù)模型構(gòu)建和作物生長(zhǎng)模型構(gòu)建。

所謂紅邊是指作物受到葉綠素影響，在光譜成像時(shí)紅光區(qū)與近紅外區(qū)之間的過(guò)渡位置植被的光譜曲線(xiàn)斜率較為陡峭。研究表明，紅邊所處位置、傾斜角度等可以體現(xiàn)植被特征，如顏色、健康程度、覆蓋率等。植被指數(shù)是指將植物光譜特性作為依據(jù)，合理組合植物特征波段值所形成的指數(shù)。植被指數(shù)在一定程度上能夠消除因大氣、云層、背景等影響誤差，可明顯反應(yīng)植被生長(zhǎng)狀況。目前，NDVI是業(yè)界公認(rèn)的誤差小、精度高的植被指數(shù)，且被廣泛應(yīng)用于各類(lèi)研究中。除上述2種建模手段外，作物生長(zhǎng)模型也是監(jiān)測(cè)農(nóng)作物生長(zhǎng)狀況的有效手段，且相較于其他2種方法，該建模手段具有精度高、適用范圍廣等優(yōu)勢(shì)，同時(shí)該建模還具有建模難度大等缺陷。深入探究作物生長(zhǎng)模型分類(lèi)，可將其分為經(jīng)驗(yàn)統(tǒng)計(jì)模型和以過(guò)程為基礎(chǔ)的作物生長(zhǎng)模擬模型。

4 無(wú)人機(jī)光譜成像技術(shù)應(yīng)用研究存在的問(wèn)題

無(wú)人機(jī)光譜成像技術(shù)為大田作物生長(zhǎng)環(huán)境監(jiān)測(cè)工作提供了技術(shù)支持，能夠科學(xué)監(jiān)測(cè)作物長(zhǎng)勢(shì)及營(yíng)養(yǎng)指標(biāo)、田間災(zāi)害以及作物產(chǎn)量。但就目前情況而言，無(wú)人機(jī)光譜成像技術(shù)在各方面仍存在諸多問(wèn)題。

4.1 無(wú)人機(jī)方面 無(wú)人機(jī)光譜成像技術(shù)較為依賴(lài)遙感平臺(tái)，在無(wú)人機(jī)研究方面，應(yīng)保證無(wú)人機(jī)具有輕巧、穩(wěn)定、續(xù)航時(shí)間長(zhǎng)、靈活等特點(diǎn)?？茖W(xué)合理地選擇無(wú)人機(jī)制作材料，明確無(wú)人機(jī)設(shè)計(jì)結(jié)構(gòu)。為進(jìn)一步擴(kuò)大無(wú)人機(jī)的使用范圍，應(yīng)謹(jǐn)慎選擇無(wú)人機(jī)外殼材料，盡量選取重量輕、耐高溫、耐腐蝕、韌性高、經(jīng)濟(jì)效益高的外殼材料，并在此基礎(chǔ)上進(jìn)一步保證無(wú)人機(jī)結(jié)構(gòu)安全、牢固、穩(wěn)定。目前，如何增強(qiáng)無(wú)人機(jī)性能是研究的重難點(diǎn)，隨著復(fù)合材料研發(fā)、特殊燃料使用等研究的不斷深入，相信在不久的將來(lái)無(wú)人機(jī)材料、結(jié)構(gòu)研發(fā)會(huì)更上一層樓。

4.2 光譜成像技術(shù)方面 目前在光譜成像技術(shù)研究方面，仍存在數(shù)據(jù)收集、處理等問(wèn)題未被解決。深入分析大田環(huán)境特點(diǎn)，其具有復(fù)雜性、易受干擾等特性，其地物反射率易受多種因素的影響。通常情況下，在開(kāi)展光譜圖像采集時(shí)，由于受到作物葉面分布、葉面面積、太陽(yáng)照射角度、觀測(cè)角度的影響，會(huì)產(chǎn)生不同的作物呈現(xiàn)相同的圖譜，或同種作物呈現(xiàn)不同的圖譜現(xiàn)象。近年來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展，相信在不久的將來(lái)這一技術(shù)空白會(huì)被填補(bǔ)。

4.3 數(shù)據(jù)處理分析方面 除上述難點(diǎn)與技術(shù)空白以外，在數(shù)據(jù)分析方面仍存在技術(shù)空白與難點(diǎn)。具體表現(xiàn)為：現(xiàn)階段并未出現(xiàn)較為統(tǒng)一的圖像處理方法，不統(tǒng)一的圖像處理方法必然會(huì)降低數(shù)據(jù)處理、數(shù)據(jù)結(jié)果精度?，F(xiàn)階段，我國(guó)的多光譜、高光譜技術(shù)較為成熟，但這2種技術(shù)應(yīng)用后會(huì)帶來(lái)大量數(shù)據(jù)，技術(shù)人員很難從大量的數(shù)據(jù)中準(zhǔn)確挑選出特征性較強(qiáng)的波段。通常情況下，作物種類(lèi)不同、生長(zhǎng)時(shí)期不同、生長(zhǎng)條件不同，產(chǎn)生的特征性波段也有所不同。目前，較為常用的方式是選取多個(gè)波段組合進(jìn)行分析，以此來(lái)減少數(shù)據(jù)處理誤差，體現(xiàn)作物生長(zhǎng)特點(diǎn)，但技術(shù)人員在此過(guò)程中所使用的指標(biāo)并不統(tǒng)一，導(dǎo)致其所得出的研究成果無(wú)法得到其他研究人員認(rèn)可，嚴(yán)重缺乏可靠性、普及性。

5 結(jié)語(yǔ)

本文闡述了無(wú)人機(jī)光譜成像的技術(shù)原理、特點(diǎn)及優(yōu)勢(shì)，介紹了無(wú)人機(jī)光譜成像技術(shù)在大田中的應(yīng)用研究進(jìn)展，指出當(dāng)前無(wú)人機(jī)光譜成像技術(shù)可應(yīng)用于作物長(zhǎng)勢(shì)、營(yíng)養(yǎng)指標(biāo)、田間災(zāi)害的監(jiān)測(cè)，可預(yù)測(cè)作物產(chǎn)量，還可對(duì)作物進(jìn)行精細(xì)分類(lèi);分析了當(dāng)前無(wú)人機(jī)光譜成像技術(shù)在大田的應(yīng)用研究存在的問(wèn)題。相信在不久的將來(lái)，這些問(wèn)題均會(huì)被突破，大田作物生長(zhǎng)環(huán)境監(jiān)測(cè)工作必將進(jìn)入新的發(fā)展階段。

參考文獻(xiàn)

[1]楊曉宇，包妮沙，曹粵，等.基于無(wú)人機(jī)成像光譜技術(shù)的農(nóng)田土壤養(yǎng)分估測(cè)及制圖[J].地理與地理信息科學(xué)，2021，37（5）：38-45.

[2]王義坤，韓貴丞，姚波，等.面陣擺掃型無(wú)人機(jī)載大視場(chǎng)高光譜成像技術(shù)研究[J].激光與紅外，2019，49（7）：876-880.

[3]張黎黎.無(wú)人機(jī)高光譜技術(shù)在新農(nóng)業(yè)中的應(yīng)用[J].新農(nóng)業(yè)，2021（14）：41.

[4]Matsuo T，Ikari S，Kondo H，et al. High spatial resolution spectral imaging method for space interferometers and its application to formation-flying small satellites[J]. JATIS，2022（01）：44-53.

[5]Luo B，Wang X，Zhang Z. Application of Computer Vision Technology in UAV[J]. Journal of Physics：Conference Series，2021，1881（4）：042052.

[6]王飛龍，王福民，胡景輝，等.基于相對(duì)光譜變量的無(wú)人機(jī)遙感水稻估產(chǎn)及產(chǎn)量制圖[J].遙感技術(shù)與應(yīng)用，2020，35（2）：458-468.

[7]王偉，衡磊，郝一騰，等.基于傾轉(zhuǎn)翼無(wú)人機(jī)多光譜成像在農(nóng)業(yè)中的應(yīng)用[J].農(nóng)村實(shí)用技術(shù)，2020（3）：32-33.

[8]馬樂(lè)，黃超偉.無(wú)人機(jī)多光譜技術(shù)在智慧農(nóng)業(yè)中的應(yīng)用[J].現(xiàn)代制造技術(shù)與裝備，2021，57（11）：163-165.

作者簡(jiǎn)介：馬敬宇（1989—），女，甘肅平?jīng)鋈耍砉こ處?，從事無(wú)人機(jī)航測(cè)數(shù)據(jù)處理及高光譜成像技術(shù)分析工作。? 收稿日期：2022-03-14