張 夢(mèng)

(1.安徽理工大學(xué)空間信息與測(cè)繪工程學(xué)院，安徽 淮南 232001)

農(nóng)業(yè)是國(guó)家立足的根本，發(fā)展富強(qiáng)的基礎(chǔ)。隨著社會(huì)經(jīng)濟(jì)的高速發(fā)展，對(duì)農(nóng)業(yè)生產(chǎn)領(lǐng)域也提出新的要求。農(nóng)業(yè)機(jī)械化和信息化是農(nóng)業(yè)現(xiàn)代化主要發(fā)展方向，其下一階段的目標(biāo)是實(shí)現(xiàn)農(nóng)業(yè)自動(dòng)化與智能化?，F(xiàn)代農(nóng)業(yè)信息化的發(fā)展需要及時(shí)準(zhǔn)確獲取地表田間作物信息，以此實(shí)現(xiàn)作物分類識(shí)別、田間土壤理化性質(zhì)反演及農(nóng)業(yè)災(zāi)害監(jiān)測(cè)。目前，主要以人工地面調(diào)查和遙感方法獲取田間作物信息。傳統(tǒng)的地面人工調(diào)查方法不僅在人力、財(cái)力等方面耗費(fèi)大，而且不能直觀反映農(nóng)業(yè)種植空間分布。衛(wèi)星遙感是一門有效的綜合性對(duì)地探測(cè)技術(shù)，以其宏觀性在大范圍的農(nóng)情遙感監(jiān)測(cè)中得到廣泛應(yīng)用[1]。然而，受其軌道高度的影響，在重訪周期、分辨率等方面存在一定局限性[2]，制約了衛(wèi)星遙感技術(shù)的應(yīng)用。無人機(jī)(Unmanned Aerial Vehicle，UAV)遙感技術(shù)的應(yīng)用拓展了精確獲取地表信息的渠道，其機(jī)身尺寸小、便攜性強(qiáng)，使用成本低、靈活度高，且其時(shí)空分辨率優(yōu)于航天航空遙感平臺(tái)，為小區(qū)域作物精細(xì)監(jiān)測(cè)提供了新手段。在此背景下，首先對(duì)無人機(jī)遙感技術(shù)進(jìn)行概述，然后對(duì)目前無人機(jī)遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用進(jìn)展進(jìn)行總結(jié)，最后對(duì)無人機(jī)遙感技術(shù)應(yīng)用前景和發(fā)展趨勢(shì)進(jìn)行展望。

一、無人機(jī)遙感技術(shù)簡(jiǎn)介

近年來隨著無人機(jī)動(dòng)力系統(tǒng)、控制系統(tǒng)和傳感器技術(shù)水平的不斷發(fā)展，使無人機(jī)搭載多種類型傳感器實(shí)現(xiàn)對(duì)地觀測(cè)成為可能，是對(duì)衛(wèi)星遙感平臺(tái)的有效補(bǔ)充。與衛(wèi)星平臺(tái)相比，無人機(jī)遙感對(duì)地觀測(cè)時(shí)的飛行高度一般較低，不會(huì)受到大氣層的影響，受云層的影響也較小，因此能夠獲取更為精細(xì)的地表影像數(shù)據(jù)。無人機(jī)遙感系統(tǒng)主要包括飛行載荷平臺(tái)和傳感器兩個(gè)部分。動(dòng)力系統(tǒng)、姿態(tài)調(diào)整系統(tǒng)、GPS實(shí)時(shí)定位系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)是飛行載荷平臺(tái)的重要組成部分，按機(jī)體結(jié)構(gòu)設(shè)計(jì)差異可分為固定翼和旋翼、無人直升機(jī)和飛艇等。其中小型固定翼和旋翼無人機(jī)使用成本相對(duì)較低，在農(nóng)業(yè)領(lǐng)域應(yīng)用廣泛。小型固定翼無人機(jī)航速高，單位時(shí)間內(nèi)采集的影像范圍大，但其對(duì)飛行場(chǎng)地的及作業(yè)人員的操控技能要求較高；小型旋翼無人機(jī)易于攜帶，垂直起降方式使其對(duì)場(chǎng)地要求較低，能夠?qū)崿F(xiàn)定速定高巡航、懸停等操作，更加適用于農(nóng)情遙感監(jiān)測(cè)。目前無人機(jī)提供的智能飛控系統(tǒng)，能夠根據(jù)規(guī)劃后的KML邊界文件進(jìn)行自主航線規(guī)劃、自動(dòng)起飛、自動(dòng)拍照、完成作業(yè)自動(dòng)返航等，大幅提高了作業(yè)效率。

二、無人機(jī)遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀

(一) 作物種植區(qū)提取及面積監(jiān)測(cè)

在農(nóng)業(yè)領(lǐng)域，作物的分類識(shí)別是進(jìn)行不同種類作物面積監(jiān)測(cè)、產(chǎn)量估計(jì)的前提[3]。無人機(jī)遙感技術(shù)獲取的高分辨率影像蘊(yùn)藏豐富的地物表型信息，根據(jù)不同作物在無人機(jī)影像上所表現(xiàn)出的色彩、紋理特征，建立無人機(jī)遙感作物解譯標(biāo)志庫(kù)，用于人工目視解譯與遙感制圖。雖然這種方式解譯精度高，但工作量大，作業(yè)人員容易出現(xiàn)解譯疲勞而導(dǎo)致解譯準(zhǔn)確度的降低。為此，作物自動(dòng)化提取方法成為當(dāng)下研究熱點(diǎn)，國(guó)內(nèi)外的研究主要集中在算法的創(chuàng)新及特征的選擇上，主要包括統(tǒng)計(jì)回歸分析、人工神經(jīng)網(wǎng)絡(luò)等。如鄭明雪等通過對(duì)Mean Shift算法進(jìn)行改進(jìn)，基于無人機(jī)影像實(shí)現(xiàn)了田塊邊界的自動(dòng)化提取[4]，提取效果較好；李明等基于無人機(jī)RGB影像及擴(kuò)展特征構(gòu)建Logistic回歸模型用于水稻識(shí)別，總體正確率達(dá)到98 %，面積誤差小于3.5 %[5]；任澤茜等針對(duì)南方種植結(jié)構(gòu)復(fù)雜的破碎農(nóng)田景觀，通過引入植被指數(shù)并將隨機(jī)森林與尺度分割算法結(jié)合的方式進(jìn)行無人機(jī)遙感作物種植面積監(jiān)測(cè)，面積誤差在1.11%以內(nèi)[6]。

(二) 作物長(zhǎng)勢(shì)監(jiān)測(cè)及產(chǎn)量估計(jì)

通過對(duì)長(zhǎng)勢(shì)及葉片發(fā)育情況監(jiān)測(cè)可以輔助進(jìn)行作物的生長(zhǎng)環(huán)境評(píng)估及水肥施補(bǔ)等田間管理。無人機(jī)遙感可以及時(shí)準(zhǔn)確地獲取農(nóng)作物長(zhǎng)勢(shì)信息，利用葉面積指數(shù)(LAI)、冠層高度、植被指數(shù)等地表參數(shù)監(jiān)測(cè)作物長(zhǎng)勢(shì)信息，進(jìn)而構(gòu)建作物產(chǎn)量估算模型。如周敏姑等通過提取冬小麥四個(gè)關(guān)鍵期無人機(jī)多光譜影像的反射率，采用多種回歸分析方法結(jié)合地面監(jiān)測(cè)數(shù)據(jù)建立冬小麥SPAD值的反演模型，在無人機(jī)遙感作物長(zhǎng)勢(shì)監(jiān)測(cè)方面具有一定應(yīng)用價(jià)值[7]；朱婉雪等基于多種植被指數(shù)構(gòu)建小麥3個(gè)生長(zhǎng)關(guān)鍵期(返青期、抽穗期和成熟期)的估產(chǎn)模型，結(jié)果表明抽穗灌漿期小麥估產(chǎn)效果最好，植被指數(shù)EVI2最優(yōu)[8]；韓文霆利用多光譜無人機(jī)對(duì)夏玉米進(jìn)行多時(shí)相監(jiān)測(cè)，采用牛頓-梯形積分和最小二乘法以多種植被指數(shù)構(gòu)建不同生育期的玉米估產(chǎn)經(jīng)驗(yàn)?zāi)Ｐ?，在玉米長(zhǎng)勢(shì)評(píng)估和產(chǎn)量預(yù)測(cè)方面效果較好，估產(chǎn)模型R2可達(dá)到0.87以上[9]。

(三) 農(nóng)業(yè)災(zāi)害遙感

農(nóng)業(yè)災(zāi)害是導(dǎo)致糧食減產(chǎn)的主要原因，對(duì)農(nóng)業(yè)災(zāi)害進(jìn)行遙感監(jiān)測(cè)有利于了解作物受災(zāi)情況，從而對(duì)損失進(jìn)行評(píng)估，及時(shí)調(diào)整糧食供應(yīng)策略、補(bǔ)充糧食供應(yīng)渠道，避免因減產(chǎn)而導(dǎo)致糧食供應(yīng)緊張。目前，農(nóng)業(yè)災(zāi)害遙感監(jiān)測(cè)的研究主要涉及凍害、病蟲害等方面。如安談洲等利用無人機(jī)遙感監(jiān)測(cè)過冬油菜凍害，采用深度學(xué)習(xí)算法的油菜凍害整體識(shí)別精度達(dá)到98.13 %，Kappa系數(shù)為0.96[10]；地力夏提·依馬木等利用Logistic算法對(duì)棉田蟲害進(jìn)行無人機(jī)多光譜遙感監(jiān)測(cè)，基于SAVI和NDVI地表參數(shù)構(gòu)建的棉蚜蟲、棉紅蜘蛛、棉鈴蟲識(shí)別模型最優(yōu)，三類蟲害的識(shí)別精度為66.3 %～94.2 %[11]；Ryo Sugiura等使用無人機(jī)RGB影像結(jié)合田間抗性試驗(yàn)開展了馬鈴薯晚枯萎病的研究，實(shí)現(xiàn)馬鈴薯晚疫病的無人機(jī)遙感監(jiān)測(cè)，取得了不錯(cuò)的效果[12]。

三、無人機(jī)遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用中的挑戰(zhàn)與展望

(一) 無人機(jī)遙感系統(tǒng)軟硬件設(shè)備的改進(jìn)

尺寸小、使用靈活方便是無人機(jī)遙感平臺(tái)的特點(diǎn)，然而這也導(dǎo)致了無人機(jī)遙感平臺(tái)存在載荷低、滯空時(shí)間短、抗風(fēng)能力弱等不足。一方面，農(nóng)情遙感監(jiān)測(cè)領(lǐng)域需要根據(jù)不同需求使用不同類型的傳感器，由于無人機(jī)平臺(tái)載荷能力及使用成本的限制，目前國(guó)內(nèi)外的研究多集中在傳統(tǒng)RGB相機(jī)和多光譜相機(jī)的應(yīng)用研究上，極少使用質(zhì)量大、成本高的高光譜傳感器和熱成像儀。另一方面，農(nóng)情遙感監(jiān)測(cè)需要獲取大范圍的監(jiān)測(cè)數(shù)據(jù)，當(dāng)前普遍使用的小型無人機(jī)存在續(xù)航時(shí)間短的缺點(diǎn)，通訊距離的限制也是影響其作業(yè)效率、作業(yè)范圍的不利因素。此外，無人機(jī)在高空作業(yè)時(shí)遭遇大風(fēng)容易產(chǎn)生一定程度的抖動(dòng)，導(dǎo)致獲取的影像不同程度受到影響(如扭曲變形、成像模糊等)，這也給后期數(shù)據(jù)處理帶來挑戰(zhàn)，從而導(dǎo)致后續(xù)的數(shù)據(jù)分析及研究結(jié)果產(chǎn)生偏差，限制了其在農(nóng)業(yè)領(lǐng)域的應(yīng)用與推廣。鑒于無人機(jī)遙感系統(tǒng)的廣泛應(yīng)用前景，政府、企業(yè)、科研院所需要協(xié)同合作，出臺(tái)相應(yīng)政策及行業(yè)標(biāo)準(zhǔn)，規(guī)范與促進(jìn)行業(yè)有序發(fā)展，不斷更新無人機(jī)遙感系統(tǒng)軟硬件設(shè)備，開發(fā)出滿足不同任務(wù)需求、成本低、體積小的無人機(jī)平臺(tái)及各類型的傳感器，以滿足使用者對(duì)便攜性、經(jīng)濟(jì)性、適用性、長(zhǎng)續(xù)航的需求。同時(shí)不斷優(yōu)化飛行控制算法及數(shù)據(jù)傳輸模式，提高無人機(jī)遙感平臺(tái)的作業(yè)效率和產(chǎn)品的質(zhì)量。由于無人機(jī)遙感系統(tǒng)的應(yīng)用從數(shù)據(jù)采集、數(shù)據(jù)處理及后續(xù)的實(shí)際應(yīng)用大都停留在科學(xué)研究上，需要作業(yè)人員具有較高的專業(yè)知識(shí)與技能，適用的范圍小。如何實(shí)現(xiàn)從數(shù)據(jù)采集到實(shí)際應(yīng)用的一整套技術(shù)方案的自動(dòng)化與智能化，降低使用者的學(xué)習(xí)成本、擴(kuò)展應(yīng)用范圍將是今后的研究方向。

(二) 不同平臺(tái)多源、多時(shí)序數(shù)據(jù)協(xié)同利用

目前農(nóng)業(yè)領(lǐng)域的監(jiān)測(cè)數(shù)據(jù)主要有空—天—地三個(gè)尺度的數(shù)據(jù)源，三個(gè)尺度的監(jiān)測(cè)手段各有優(yōu)劣。航空領(lǐng)域適合大尺度的農(nóng)情遙感監(jiān)測(cè)，但其在分辨率方面有一定局限性；地面主要靠作業(yè)人員手持各種儀器采集作物信息，其在數(shù)據(jù)的準(zhǔn)確度方面具有一定優(yōu)勢(shì)，但難以保證監(jiān)測(cè)效率和監(jiān)測(cè)范圍；無人機(jī)的應(yīng)用擴(kuò)展了航天監(jiān)測(cè)的手段，是對(duì)航空和地面監(jiān)測(cè)方法的有效補(bǔ)充。目前，農(nóng)情遙感監(jiān)測(cè)的研究多基于單一尺度數(shù)據(jù)源甚至是單一傳感器，其獲取的田間作物信息較單薄，難以全面反映作物表型特征。因此，如何將不同平臺(tái)、不同傳感器的數(shù)據(jù)進(jìn)行融合利用將是今后關(guān)注的方向。由于作物一直處于生長(zhǎng)狀態(tài)，處于不同生長(zhǎng)階段的作物表現(xiàn)出不同的理化性質(zhì)，不同地理環(huán)境和氣候條件也會(huì)擴(kuò)大這種差異性，基于特定地域、單一生長(zhǎng)期所建立的模型代表性有限，對(duì)于普遍情況下的農(nóng)情遙感監(jiān)測(cè)適用性不強(qiáng)。因此，通過對(duì)不同尺度、不同地域、不同時(shí)序數(shù)據(jù)的綜合利用，在時(shí)間和空間上進(jìn)行數(shù)據(jù)融合與數(shù)據(jù)挖掘，從而構(gòu)建具有可擴(kuò)展性高、適用性強(qiáng)、精度高的作物監(jiān)測(cè)模型。

(三) 農(nóng)作物遙感特征擴(kuò)展及算法的改進(jìn)

通過傳感器直接獲取的作物波譜空間的信息量相對(duì)較少，且不同類型作物的波譜敏感度不同，不利于遙感影像目標(biāo)信息的有效提取。因此有學(xué)者基于原始波段通過線性或非線性的數(shù)學(xué)計(jì)算進(jìn)行特征擴(kuò)展，目的是為了充分挖掘原始影像中隱含的信息，擴(kuò)展作物遙感辨識(shí)性特征。常用的特征有指數(shù)特征、紋理特征、幾何空間特征和色彩特征等，然而各特征在不同作物應(yīng)用上的優(yōu)勢(shì)尚未明確，沒有形成一套通用的作物敏感特征識(shí)別庫(kù)。因此，開發(fā)一套適用性強(qiáng)的敏感特征識(shí)別庫(kù)，同時(shí)揭示各特征的物理意義，對(duì)現(xiàn)代農(nóng)業(yè)的發(fā)展具有一定促進(jìn)意義。此外，不同類型的算法在不同應(yīng)用上各有優(yōu)勢(shì)，在今后的研究中，應(yīng)面向?qū)嶋H應(yīng)用需求，通過進(jìn)一步改進(jìn)現(xiàn)有算法或建立新型算法實(shí)現(xiàn)方案的優(yōu)化。

四、結(jié)語(yǔ)

無人機(jī)遙感技術(shù)的應(yīng)用是對(duì)低空遙感的有效補(bǔ)充，在使用成本、功能及設(shè)備專業(yè)性上能夠滿足普通研究工作者的使用需求，在農(nóng)業(yè)遙感領(lǐng)域應(yīng)用廣泛。目前，無人機(jī)遙感平臺(tái)搭載多種類型的傳感器用于農(nóng)情遙感監(jiān)測(cè)：傳統(tǒng)RGB相機(jī)獲取的影像分辨率高，地表作物覆蓋種類解析度高；多光譜和高光譜傳感器波段范圍廣，采集的影像信息量豐富，但也存在信息冗余的問題，為此有學(xué)者針對(duì)高光譜最佳波段組合方法進(jìn)行研究，以期實(shí)現(xiàn)不同作物敏感波段的篩選，降低冗余信息量；熱成像儀可以獲取作物冠層熱輻射數(shù)據(jù)，多用于田間土壤含水率及干旱監(jiān)測(cè)；激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)可用于冠層高度提取等。通過多傳感器類型在作物種植區(qū)提取及面積監(jiān)測(cè)、作物長(zhǎng)勢(shì)監(jiān)測(cè)及產(chǎn)量估計(jì)、農(nóng)業(yè)災(zāi)害遙感等方面的應(yīng)用可為田間管理提供數(shù)據(jù)支持，對(duì)推動(dòng)農(nóng)業(yè)信息化的發(fā)展具有重要意義。雖然目前無人機(jī)遙感農(nóng)情監(jiān)測(cè)研究面向的作物種類多、涉及的研究范圍廣，但在信息融合、實(shí)際應(yīng)用及推廣性方面存在不足。利用無人機(jī)遙感系統(tǒng)搭載的單一傳感器獲取的田間表型信息不全面，如何利用不同傳感器類型、甚至不同平臺(tái)遙感監(jiān)測(cè)數(shù)據(jù)進(jìn)行協(xié)同與立體監(jiān)測(cè)，實(shí)現(xiàn)“空-天-地”一體化監(jiān)測(cè)體系將成為今后研究的方向。同時(shí)，受地形環(huán)境、氣候條件和作物種類的影響，目前涉及的研究方法、建立的模型多僅適用于當(dāng)時(shí)的作業(yè)環(huán)境，具有一定局限性，如何將科研實(shí)驗(yàn)進(jìn)行推廣應(yīng)用也是今后需要思考的問題?？梢灶A(yù)見，無人機(jī)遙感技術(shù)的發(fā)展不會(huì)停滯，其在農(nóng)業(yè)遙感監(jiān)測(cè)領(lǐng)域的應(yīng)用潛力和價(jià)值將不斷被發(fā)掘，并且在實(shí)際應(yīng)用中更加普遍化和大眾化。