張 艷 ，陳 丕

（三和數(shù)碼測(cè)繪地理信息技術(shù)有限公司，甘肅 天水 741000）

1 無人機(jī)多光譜遙感與可見光遙感技術(shù)區(qū)別

現(xiàn)階段，無人機(jī)遙感技術(shù)具有多種類別，其中包括多光譜技術(shù)、高光譜技術(shù)、可見光技術(shù)等，不同類別技術(shù)具有不同的應(yīng)用效果與應(yīng)用特點(diǎn)，其中可見光遙感技術(shù)在與多光譜遙感技術(shù)在農(nóng)業(yè)統(tǒng)計(jì)調(diào)查中較為常見。可見光遙感技術(shù)在實(shí)際應(yīng)用中具有一定限制性，當(dāng)?shù)孛娲嬖诜e水或者有霧天氣時(shí)，航攝影像質(zhì)量會(huì)出現(xiàn)嚴(yán)重下滑，不利于辨別地面物體；普通光學(xué)鏡頭難以穿過塑料薄膜以及玻璃等材質(zhì)對(duì)物體進(jìn)行識(shí)別；牲畜監(jiān)測(cè)時(shí)由于建筑物遮擋難以有效獲取全面精確的信息。無人機(jī)多光譜遙感技術(shù)能夠有效應(yīng)對(duì)以上問題[1]。多光譜傳感裝置能夠識(shí)別更多頻段的光譜波段，從而獲取到更加精確詳細(xì)的光譜信息。

可見光通常是指紅色、青色、黃色等常見光，紅外線和紫外線屬于不可見光，可見光波長(zhǎng)在380 nm～700 nm范圍內(nèi)，紅外線波長(zhǎng)在700 nm～1 000 nm范圍內(nèi)，紫外線波長(zhǎng)在10 nm～380 nm范圍內(nèi)。多光譜遙感技術(shù)主要在紅外線或紫外線波段成像，與可見光相比能夠呈現(xiàn)出更多的細(xì)節(jié)內(nèi)容[2]。同時(shí)，多光譜影像信息通常是指用像素表示的3～10個(gè)波段信息，每個(gè)波段都能夠利用遙感輻射計(jì)檢測(cè)獲取，因此具有良好的應(yīng)用效果，在霧霾天氣、地面積水以及溫室大棚等條件下能夠順利開展影像監(jiān)測(cè)工作。

2 無人機(jī)多光譜遙感信息數(shù)據(jù)獲取和處理

無人機(jī)多光譜遙感技術(shù)在實(shí)際應(yīng)用過程中，會(huì)獲取到多個(gè)波段獨(dú)立的覆蓋范圍相對(duì)較小的圖片信息，隨后經(jīng)過輻射校準(zhǔn)以及攝影測(cè)量等處理操作獲取到大范圍具有反射信息數(shù)據(jù)的真實(shí)影像，數(shù)據(jù)信息處理流程包括多光譜數(shù)據(jù)處理、圖片影像拼接、數(shù)據(jù)校正以及遙感信息生成等。

1）攝影數(shù)據(jù)處理。首先需要將大量獨(dú)立波段的多光譜影響信息拼接轉(zhuǎn)換為多光譜正射影像信息，同時(shí)進(jìn)行地理信息配準(zhǔn)以及幾何校正等操作。利用PS、LPS等軟件工具快速開展數(shù)據(jù)處理工作，在操作過程中需要注意的是，多光譜影像通常具有多個(gè)波段，需要注重不同波段的選擇問題，以此保證影像信息的質(zhì)量，在選擇過程中依據(jù)環(huán)境條件、反射基礎(chǔ)特種證等因素進(jìn)行綜合考量。2）輻射校正[3]。輻射校正主要負(fù)責(zé)為傳感裝置DN指數(shù)轉(zhuǎn)化為傳感裝置輻射亮度提供函數(shù)，以此消除云層陰影、相機(jī)曝光、太陽角度等因素對(duì)實(shí)際測(cè)量參數(shù)的影響。多光譜輻射校正通常選擇代替輻射校正方法，是一種現(xiàn)場(chǎng)測(cè)量的校正方法，能夠?qū)鞲醒b置靈敏度、暗電流、曝光設(shè)置以及增益參數(shù)等進(jìn)行有效補(bǔ)償。3）影像生成。基于無人機(jī)多光譜遙感信息能夠生成地面監(jiān)測(cè)信息，并將信息數(shù)據(jù)與實(shí)際應(yīng)用相結(jié)合，從而生成不同作用的數(shù)據(jù)資源信息圖。

3 無人機(jī)多光譜遙感技術(shù)在農(nóng)業(yè)統(tǒng)計(jì)中的具體應(yīng)用

3.1 農(nóng)作物長(zhǎng)勢(shì)信息監(jiān)測(cè)

不同種類的農(nóng)作物在生長(zhǎng)發(fā)育過程中對(duì)于蛋白質(zhì)、水分、葉綠素和氮素等營養(yǎng)成分需求不盡相同，因此導(dǎo)致農(nóng)作物冠層群體反射光譜不盡相同。利用無人機(jī)多光譜遙感技術(shù)能夠?qū)r(nóng)作物種類進(jìn)行生化組分反演，以此探查農(nóng)作物生長(zhǎng)發(fā)育情況，幫助農(nóng)業(yè)人員快速精確地獲取到農(nóng)作物生長(zhǎng)信息，及時(shí)了解農(nóng)作物長(zhǎng)勢(shì)、病蟲害、營養(yǎng)情況等信息，以便開展相關(guān)治理防治工作，保障農(nóng)作物生長(zhǎng)健康。比如，為探究冬小麥生長(zhǎng)過程中葉綠素含量變化情況，利用無人機(jī)多光譜遙感技術(shù)對(duì)冬小麥進(jìn)行遙感監(jiān)測(cè)，對(duì)冬小麥生長(zhǎng)過程中的拔節(jié)期、孕穗期、抽穗期以及開花期進(jìn)行監(jiān)測(cè)探究，分析不同波段和葉片葉綠素含量間的關(guān)系，依據(jù)多光譜信息數(shù)據(jù)構(gòu)建回歸模型，從而對(duì)葉綠素含量最佳回歸手段以及生長(zhǎng)階段進(jìn)行反演，以此為農(nóng)作物生產(chǎn)監(jiān)測(cè)提供技術(shù)支持[4]。

試驗(yàn)區(qū)域設(shè)置在陜西省關(guān)中楊陵區(qū)，整體地勢(shì)呈北高南低趨勢(shì)，海拔高度在450 m左右，年降水量在655 mm左右，當(dāng)年10月份進(jìn)行冬小麥種植，于下一年6月份收獲作物。試驗(yàn)區(qū)域共劃分成65個(gè)長(zhǎng)方形小型試驗(yàn)區(qū)域，每個(gè)試驗(yàn)區(qū)為2.5 m*25 m，內(nèi)部規(guī)劃出1 m*1 m樣本區(qū)。

試驗(yàn)團(tuán)隊(duì)利用六旋翼無人機(jī)進(jìn)行遙感監(jiān)測(cè)，搭載五波段多光譜相機(jī)，以此構(gòu)成無人機(jī)多光譜遙感系統(tǒng)。數(shù)據(jù)信息采集天氣全部為晴朗天氣，采集時(shí)間統(tǒng)一為下午3點(diǎn)至4點(diǎn)，無人機(jī)距地面高60 m飛行，航速保持在5 m/s左右，航向與旁向重疊度為80%，地面分辨率在4 cm/pixel。多光譜相機(jī)鏡頭垂直向下，共采集5種波長(zhǎng)小麥冠層多光譜信息，中心波長(zhǎng)分別設(shè)置為475 nm、560 nm、668 nm、717 nm、840 nm。在無人機(jī)航攝過程中需要地面同步開展相關(guān)輔助工作，由測(cè)繪人員手持葉綠素儀對(duì)65個(gè)樣本點(diǎn)位進(jìn)行全面檢測(cè)，在樣本區(qū)域選擇7株具有代表性的冬小麥，對(duì)葉基、葉中和葉尖部位進(jìn)行葉綠素含量測(cè)量，從而求得植株葉綠素含量平均值，將這7株冬小麥平均指數(shù)作為樣本葉綠素含量。

利用PixDmapperr對(duì)無人機(jī)多光譜遙感數(shù)據(jù)進(jìn)行后續(xù)處理。對(duì)地面控制點(diǎn)信息進(jìn)行校正，生成正射影像數(shù)據(jù)；隨后利用灰板進(jìn)行反射率校正，進(jìn)而獲得試驗(yàn)地反射率影像，將信息數(shù)據(jù)以“.TIF”格式儲(chǔ)存；最后利用ENVI軟件工具獲取4個(gè)生長(zhǎng)周期多光譜反射率影像信息。構(gòu)建冬小麥葉綠素含量反演模型，并依據(jù)反演模型對(duì)冬小麥葉綠素含量變化情況進(jìn)行總結(jié)分析。通過試驗(yàn)測(cè)試能夠得出結(jié)論，冬小麥隨著生長(zhǎng)期的變化，葉綠素含量值會(huì)呈現(xiàn)出不斷上升的趨勢(shì)，本次試驗(yàn)取得的冬小麥葉綠素含量變異系數(shù)處于10%以內(nèi)，屬于弱變異情況。

3.2 農(nóng)作物葉面積指數(shù)提取

葉面積指數(shù)能夠有效反映出農(nóng)作物生長(zhǎng)發(fā)育情況，是評(píng)估農(nóng)作物生長(zhǎng)狀態(tài)的重要參數(shù)。利用無人機(jī)多光譜遙感技術(shù)能夠獲取到農(nóng)作物光譜信息，從而對(duì)葉面積指數(shù)進(jìn)行反演推算，以此能夠獲取農(nóng)作物實(shí)際生長(zhǎng)情況，對(duì)農(nóng)業(yè)發(fā)展具有十分重要的作用。以玉米作物為案例進(jìn)行分析，利用無人機(jī)配置多光譜成像裝置對(duì)玉米作物拔節(jié)期、抽雄期和成熟期等重要階段進(jìn)行遙感影像監(jiān)測(cè)，采集玉米作物葉面積指數(shù)，以此構(gòu)建玉米作物葉面積指數(shù)估算模型，同時(shí)篩選出最佳監(jiān)測(cè)時(shí)期和最佳植被指數(shù)。

試驗(yàn)區(qū)域設(shè)置在農(nóng)科院新鄉(xiāng)實(shí)驗(yàn)基地，海拔高度在79 m左右，無霜期在210天左右，年降水量平均指數(shù)為585 mm。

無人機(jī)多光譜遙感信息采集主要使用六旋翼無人機(jī)搭載多光譜成像裝置，能夠同時(shí)收集紅光、藍(lán)光、綠光、紅邊光以及近紅外光5種光譜波段，相機(jī)焦距設(shè)置為505 mm，影像分辨率為1 280*960。影像航攝期間為晴朗無云天氣，航攝時(shí)間設(shè)置在11時(shí)至14時(shí)，無人機(jī)飛行高度設(shè)置在70 m左右，航向重疊度與旁向重疊度為70%。航攝影像信息的空間分辨率為0.035 m，RGB高清影像的空間分辨率為0.028 m，以此作為幾何校正基礎(chǔ)數(shù)據(jù)。

利用Pix4Dmapper軟件作為影像數(shù)據(jù)信息處理工具，具體流程如下：初始化處理；對(duì)紋理和點(diǎn)云進(jìn)行處理；對(duì)正射影像和DSM等進(jìn)行操作處理；反射板校正處理，對(duì)影像信息進(jìn)行拼接處理，輸出拼接后的影像信息；幾何校正，將誤差值控制在0.5個(gè)像元內(nèi)；依據(jù)地區(qū)地理坐標(biāo)進(jìn)行圖像剪裁，形成試驗(yàn)區(qū)域多光譜遙感影像。在農(nóng)作物指數(shù)選取過程中，需要對(duì)遙感估算的不確定性因素進(jìn)行綜合考量，結(jié)合多光譜影像信息特點(diǎn)，對(duì)NDVI、OSAVI、NDRE以及EVI指數(shù)進(jìn)行采集，構(gòu)建出玉米作物葉面積指數(shù)估算模型。將連續(xù)兩年的數(shù)據(jù)信息進(jìn)行分析組處理，使用經(jīng)驗(yàn)?zāi)Ｐ头椒ㄩ_展葉面積指數(shù)估算[5]。同時(shí)利用回歸分析與相關(guān)分析方法構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ?，利用?dú)立數(shù)據(jù)信息對(duì)模型精確度進(jìn)行有效驗(yàn)證。在經(jīng)驗(yàn)?zāi)Ｐ徒ㄔO(shè)過程中探討最佳估算時(shí)期和最佳植被指數(shù)，以此為基礎(chǔ)進(jìn)行大面積玉米作物葉面積指數(shù)空間模型繪制，同時(shí)結(jié)合空間分布圖對(duì)田間實(shí)測(cè)值進(jìn)行收集取樣，以此分析反演圖的精確程度，深入分析多光譜信息數(shù)據(jù)對(duì)玉米作物葉面積指數(shù)進(jìn)行研究分析。在系統(tǒng)試驗(yàn)分析后能夠得出結(jié)論，不同生長(zhǎng)發(fā)育時(shí)期植被指數(shù)和葉面積指數(shù)間的關(guān)系系數(shù)達(dá)到0.713～0.868，說明試驗(yàn)選擇植被指數(shù)能夠作為葉面積指數(shù)建?；A(chǔ)參數(shù)。

3.3 病蟲害監(jiān)測(cè)分析

農(nóng)作物發(fā)生病蟲害問題后，其冠層結(jié)構(gòu)和葉片色素會(huì)發(fā)生明顯變化。利用無人機(jī)多光譜遙感技術(shù)能夠?qū)ψ魑镒兓a(chǎn)生的波段浮動(dòng)情況進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，以此判斷農(nóng)作物病蟲害程度，輔助農(nóng)業(yè)人員開展相關(guān)病蟲害防治工作。以棉花作物為對(duì)象進(jìn)行研究分析，利用無人機(jī)多光譜遙感技術(shù)對(duì)農(nóng)作物長(zhǎng)勢(shì)情況、棉葉螨蟲害監(jiān)測(cè)情況進(jìn)行分析，利用無人機(jī)搭載高清分辨率相機(jī)進(jìn)行影像監(jiān)測(cè)收集，結(jié)合棉花田光譜響應(yīng)規(guī)律對(duì)特定光譜指數(shù)記性篩選，以此構(gòu)建監(jiān)測(cè)模型，從而實(shí)現(xiàn)大面積棉花田地快速監(jiān)測(cè)診斷[6-9]。

試驗(yàn)區(qū)域位于新疆生產(chǎn)建設(shè)146團(tuán)某處分場(chǎng)，該地區(qū)屬于溫帶干旱氣候，陽光資源十分豐富，降水量較少。棉花種植品種為陸旱161號(hào)，試驗(yàn)范圍8 500 m2左右，其中主要蟲害為棉葉螨。

采用大疆八旋翼無人機(jī)打造多光譜相機(jī)進(jìn)行影像采集，能夠收集12個(gè)不同波段，分別是可見光、紅邊、近紅外波段，無人機(jī)航攝時(shí)間為12時(shí)至14時(shí)，飛行天氣晴朗無云且風(fēng)力在3級(jí)以內(nèi)。飛行高度設(shè)置為80 m，平均飛行速度為5 m/s，影像空間分辨率為0.04 m，航向重疊率設(shè)置為60%，旁向重疊率設(shè)置為80%。

利用Pix4Dmapper軟件作為影像數(shù)據(jù)信息處理工具。棉葉螨會(huì)導(dǎo)致棉花作物內(nèi)部生理形態(tài)和外部形態(tài)發(fā)生一系列變化，可見光和近紅外光的反射峰會(huì)出現(xiàn)明顯變化，選擇采集影像中6項(xiàng)波段數(shù)據(jù)，同時(shí)結(jié)合14項(xiàng)植被指數(shù)，形成20個(gè)基礎(chǔ)特征參數(shù)構(gòu)建棉葉螨蟲害回歸模型[10]。利用邏輯回歸模型對(duì)因變量為分類變量的信息數(shù)據(jù)進(jìn)行處理操作。利用二值邏輯方法對(duì)特定條件下事件發(fā)生概率進(jìn)行解釋，用0和1代替兩種不同作物狀態(tài)。利用ArcMap工具進(jìn)行分析，依據(jù)棉花螨蟲害具體調(diào)查情況和地理坐標(biāo)數(shù)據(jù)提取影響信息中對(duì)應(yīng)范圍的光譜指數(shù)，同時(shí)和螨蟲害實(shí)際情況進(jìn)行相關(guān)性分析。對(duì)特征變量歸一化處理，在總計(jì)180個(gè)調(diào)查點(diǎn)位中選擇2/3數(shù)量點(diǎn)位進(jìn)行訓(xùn)練，剩余1/3數(shù)量點(diǎn)位進(jìn)行測(cè)試，依據(jù)相關(guān)性數(shù)值大小關(guān)系添加光譜指數(shù)，以此作為輸入因子構(gòu)建邏輯回歸模型。分析模型能夠發(fā)現(xiàn)，棉葉螨大多分布在試驗(yàn)田地東北部地區(qū)，主要原因在于東北部靠近道路，雜草相對(duì)較多，進(jìn)而導(dǎo)致蟲害發(fā)生擴(kuò)散。棉葉螨發(fā)生初始階段，蟲害等級(jí)指數(shù)為1級(jí)，螨蟲害葉片光譜響應(yīng)變化相對(duì)較小，整體處于健康狀態(tài)。因此在試驗(yàn)中將螨蟲害等級(jí)達(dá)到2級(jí)以上的定義為蟲害發(fā)生，該種方法可能會(huì)對(duì)模型精度造成一定干擾，因此需要研究人員進(jìn)一步深入研究。

4 結(jié)論

無人機(jī)遙感技術(shù)在農(nóng)業(yè)統(tǒng)計(jì)調(diào)查中具有十分優(yōu)秀的應(yīng)用效果，能夠幫助農(nóng)業(yè)人員開展高效化、便捷化、科學(xué)化以及精確化的農(nóng)業(yè)統(tǒng)計(jì)工作，對(duì)農(nóng)作物生長(zhǎng)情況、病蟲害、營養(yǎng)水分等進(jìn)行詳盡調(diào)查，從而得到真實(shí)可靠的農(nóng)作物信息，可幫助農(nóng)業(yè)人員開展農(nóng)作物管理工作，以此推動(dòng)農(nóng)業(yè)生產(chǎn)向著現(xiàn)代化方向發(fā)展，進(jìn)而推動(dòng)我國農(nóng)業(yè)經(jīng)濟(jì)實(shí)現(xiàn)可持續(xù)長(zhǎng)遠(yuǎn)發(fā)展。