摘 要：隨著鄉(xiāng)村振興戰(zhàn)略的實(shí)施，鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)在我國(guó)迅速發(fā)展。然而，鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)在信息化和數(shù)字化方面存在不足，特別是智能監(jiān)測(cè)技術(shù)尚不成熟，這在一定程度上限制了其發(fā)展進(jìn)程。鑒于此，此研究探討了無(wú)人機(jī)多光譜遙感技術(shù)在苗圃智能監(jiān)測(cè)中的應(yīng)用。以江西省南昌縣黃馬鄉(xiāng)園林綠化苗木產(chǎn)業(yè)基地為試驗(yàn)地，利用無(wú)人機(jī)多光譜遙感技術(shù)進(jìn)行智能巡航，實(shí)施實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)，并進(jìn)行數(shù)據(jù)分析，這一技術(shù)不僅能監(jiān)測(cè)苗木的生長(zhǎng)狀態(tài)和病蟲(chóng)害發(fā)生情況等信息，更重要的是能監(jiān)測(cè)苗木種類和數(shù)量的動(dòng)態(tài)變化，從而分析苗木產(chǎn)業(yè)的結(jié)構(gòu)布局是否合理，并結(jié)合市場(chǎng)信息，指導(dǎo)園林綠化苗木產(chǎn)業(yè)的規(guī)劃和配置，以實(shí)現(xiàn)其最優(yōu)化配置。但該技術(shù)也存在一定的局限性，如對(duì)相似植物種類的識(shí)別誤差。此研究可為鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的信息化、智能化管理提供新的技術(shù)途徑，對(duì)推動(dòng)農(nóng)業(yè)現(xiàn)代化具有重要意義。

關(guān)鍵詞：多光譜遙感；鄉(xiāng)村苗圃；動(dòng)態(tài)監(jiān)測(cè)

中圖分類號(hào)：S127 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-7909（2024）7-120-6

DOI：10.19345/j.cnki.1674-7909.2024.07.028

0 引言

近年來(lái)，隨著我國(guó)大力推進(jìn)鄉(xiāng)村振興戰(zhàn)略和對(duì)生態(tài)文明建設(shè)的日益重視，鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)呈現(xiàn)持續(xù)健康發(fā)展態(tài)勢(shì)。得益于現(xiàn)代花園城市建設(shè)進(jìn)程的加速，以及各地積極推進(jìn)退耕還林、綠化造林等工程，園林綠化苗木產(chǎn)業(yè)得到了進(jìn)一步推動(dòng)。2023年，中國(guó)苗木的年供應(yīng)量達(dá)2 600萬(wàn)株，育苗面積新增12萬(wàn)hm2，綠化造林用苗量達(dá)2 100萬(wàn)株。預(yù)計(jì)2024年，中國(guó)對(duì)苗木的需求量將達(dá)到2 800萬(wàn)株［1］。苗木需求的增加，不僅使綠化苗木產(chǎn)業(yè)成為農(nóng)村經(jīng)濟(jì)的重要增長(zhǎng)點(diǎn)，還為鄉(xiāng)村提供了大量就業(yè)機(jī)會(huì)，對(duì)助力鄉(xiāng)村振興，實(shí)現(xiàn)農(nóng)民增產(chǎn)增收具有非常重要的意義。

科技創(chuàng)新也為園林綠化苗木產(chǎn)業(yè)帶來(lái)了新的發(fā)展機(jī)遇，如智能溫室、無(wú)土栽培等技術(shù)的應(yīng)用，提高了苗木的品質(zhì)和產(chǎn)量。但現(xiàn)階段鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)在信息化和數(shù)字化方面仍存在不足，如信息化程度較低，生產(chǎn)管理效率低下；園林綠化苗木產(chǎn)業(yè)的規(guī)劃和布局不合理，導(dǎo)致大量苗木滯銷［2］；同時(shí)，物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等智能化技術(shù)的應(yīng)用相對(duì)缺乏；尤其是智能監(jiān)測(cè)技術(shù)還不夠成熟，限制了苗圃的產(chǎn)業(yè)化和信息化發(fā)展［3］。因此，提升鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的信息化水平，實(shí)現(xiàn)數(shù)字化、智能化監(jiān)測(cè)和運(yùn)營(yíng)，對(duì)該產(chǎn)業(yè)的持續(xù)健康發(fā)展有非常重要的意義。

無(wú)人機(jī)多光譜遙感技術(shù)可提供高分辨率、高光譜分辨率的遙感數(shù)據(jù)，對(duì)實(shí)現(xiàn)園林苗圃的實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)具有重要意義［4］。該技術(shù)利用無(wú)人機(jī)搭載的多光譜相機(jī)，能夠獲取苗圃植被在不同光譜波段的反射信息，通過(guò)不同波段的反射率，可以精準(zhǔn)識(shí)別植被種類，以及苗木的實(shí)時(shí)生長(zhǎng)狀況、病蟲(chóng)害等情況。通過(guò)實(shí)時(shí)監(jiān)測(cè)和分析這些數(shù)據(jù)，大大提高了苗圃管理的效率和精準(zhǔn)度［5］。該技術(shù)還可以與其他智能化設(shè)備相結(jié)合，如自動(dòng)灌溉系統(tǒng)、智能施肥設(shè)備等，從而實(shí)現(xiàn)園林苗圃的智能化管理［6］。同時(shí)，該技術(shù)還能夠?qū)@林苗圃的種類分布、規(guī)劃布局等進(jìn)行全面評(píng)估，為園林綠化苗木產(chǎn)業(yè)的布局提供有力支持。這就大大提升了鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的信息化水平［7］。

此研究主要探討了無(wú)人機(jī)多光譜遙感技術(shù)在鄉(xiāng)村苗圃智能監(jiān)測(cè)中的應(yīng)用。以南昌縣黃馬鄉(xiāng)園林綠化苗木產(chǎn)業(yè)基地為試驗(yàn)地，利用無(wú)人機(jī)多光譜遙感技術(shù)進(jìn)行智能巡航、實(shí)施實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)，并進(jìn)行實(shí)時(shí)的數(shù)據(jù)分析，不僅僅監(jiān)測(cè)苗木的生長(zhǎng)狀態(tài)和病蟲(chóng)害情況等信息，更重要的是監(jiān)測(cè)園林綠化苗木產(chǎn)業(yè)的布局和苗木種類分布的合理性，并結(jié)合市場(chǎng)信息，指導(dǎo)園林綠化苗木產(chǎn)業(yè)的規(guī)劃和配置，以實(shí)現(xiàn)鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的最優(yōu)化配置。這也是此研究的創(chuàng)新點(diǎn)。

1 材料與方法

1.1 主要儀器設(shè)備

基于無(wú)人機(jī)多光譜遙感技術(shù)，此研究主要利用DJI Mavic3M航測(cè)無(wú)人機(jī)，其融合可見(jiàn)光相機(jī)與多光譜相機(jī)于一體，可智能化動(dòng)態(tài)監(jiān)測(cè)植株生長(zhǎng)狀態(tài)，從而實(shí)現(xiàn)苗圃生產(chǎn)精準(zhǔn)管理［8］。

DJI Mavic3M航測(cè)無(wú)人機(jī)配備4*500萬(wàn)像素G/R/RE/NIR的多光譜相機(jī)，搭載的可見(jiàn)光相機(jī)為2 000萬(wàn)像素4/3 CMOS，1/2 000秒機(jī)械快門，支持RTK模塊［9］。多光譜相機(jī)包括多個(gè)波段：綠（G）：560 nm±16 nm；紅（R）：650 nm±16 nm；紅邊（RE）：730 nm±16 nm；近紅外（NIR）：860 nm±26 nm。該無(wú)人機(jī)搭載光強(qiáng)傳感器，可更準(zhǔn)確測(cè)量NDVI［10］。該無(wú)人機(jī)使用D-RTK 2移動(dòng)站，在無(wú)風(fēng)條件下，單架次巡航時(shí)間為43 min，單架次航測(cè)苗圃面積可達(dá)200 hm2［11］。該無(wú)人機(jī)擁有15 km的圖傳距離，信號(hào)穩(wěn)定，支持增強(qiáng)4G圖傳，全向避障；可接入DJ第三方平臺(tái)，使用云API，對(duì)圖像數(shù)據(jù)全面分析并可實(shí)現(xiàn)數(shù)據(jù)共享［12］。

1.2 試驗(yàn)方法

1.2.1 監(jiān)測(cè)技術(shù)

選取江西省南昌縣黃馬鄉(xiāng)園林綠化苗木產(chǎn)業(yè)基地100 m×300 m的區(qū)域（見(jiàn)圖1），在晴朗且無(wú)風(fēng)的氣象狀況下，無(wú)人機(jī)以15 m/s的速度飛行采樣，可見(jiàn)光圖像的采樣距離為5.73 cm，而多光譜圖像的采樣距離則為10 cm，進(jìn)行全基地?zé)o人機(jī)多光譜巡航實(shí)測(cè)，并拍攝500萬(wàn)像素的高精度圖片。采用DJI 03 圖傳行業(yè)版，可實(shí)現(xiàn)實(shí)時(shí)圖傳，并能將實(shí)時(shí)圖像傳送到DJ司空云平臺(tái)。為收集動(dòng)態(tài)變化數(shù)據(jù)，進(jìn)行了2次檢測(cè)，第一次監(jiān)測(cè)時(shí)間為2023年4月10日，第二次監(jiān)測(cè)時(shí)間為2023年10月10日。

1.2.2 數(shù)據(jù)處理

在光譜圖像分析中，采用了LiForest軟件包中的Stat模塊，針對(duì)基于CHM或點(diǎn)云數(shù)據(jù)的林木分割進(jìn)行了深入的算法優(yōu)化［13］。通過(guò)一系列復(fù)雜的數(shù)據(jù)處理流程，精確地提取了包括樹(shù)木的地理坐標(biāo)、樹(shù)干高度、冠層投影面積、冠層的水平和垂直維度在內(nèi)的單木級(jí)參數(shù)［14］。此研究中數(shù)據(jù)處理所采用的軟件工具集包括Li-Forest點(diǎn)云分析軟件、LiDAR-360激光雷達(dá)點(diǎn)云數(shù)據(jù)處理和分析軟件、ArcMap 10.2地圖制作軟件、R語(yǔ)言統(tǒng)計(jì)分析軟件和Microsoft Excel 2003，這些工具的綜合應(yīng)用顯著提升了數(shù)據(jù)處理的效率和準(zhǔn)確性［15］。

此外，利用先進(jìn)的圖像分析技術(shù)，進(jìn)一步獲取了林木種群的組成、分布面積、個(gè)體數(shù)量、平均高度和病蟲(chóng)害發(fā)生情況等關(guān)鍵生態(tài)信息。這些信息對(duì)森林資源的精確管理和可持續(xù)經(jīng)營(yíng)具有不可估量的價(jià)值。

1.2.3 實(shí)地踏勘調(diào)查

為驗(yàn)證無(wú)人機(jī)多光譜遙感技術(shù)監(jiān)測(cè)苗圃獲得數(shù)據(jù)的準(zhǔn)確性，采用實(shí)地踏勘和實(shí)地調(diào)查相結(jié)合的方法，對(duì)苗圃內(nèi)植物的生長(zhǎng)狀態(tài)和植物類別進(jìn)行觀察，以佐證多光譜遙感技術(shù)監(jiān)測(cè)結(jié)果的有效性及準(zhǔn)確度。

2 結(jié)果與分析

2.1 苗木種類識(shí)別監(jiān)測(cè)

2.1.1 無(wú)人機(jī)多光譜遙感技術(shù)監(jiān)測(cè)

利用無(wú)人機(jī)搭載多光譜成像技術(shù)，對(duì)位于黃馬鄉(xiāng)的苗圃基地100 m×300 m區(qū)域進(jìn)行了動(dòng)態(tài)監(jiān)測(cè)。通過(guò)無(wú)人機(jī)巡航，采集到了高分辨率的苗圃原始影像（見(jiàn)圖2），并通過(guò)高效的無(wú)線傳輸模塊實(shí)時(shí)將影像數(shù)據(jù)傳輸至大疆司空平臺(tái)進(jìn)行分析處理。然后運(yùn)用DJI Smart Controller集成的DJ智圖軟件，對(duì)采集到的影像數(shù)據(jù)進(jìn)行光譜分析（見(jiàn)圖3），獲取植株葉片在連續(xù)多個(gè)光譜波段上的反射率，從而得到高分辨率的光譜數(shù)據(jù)。通過(guò)歸一化植被指數(shù)模型公式計(jì)算，獲得每個(gè)像素點(diǎn)的光譜植被指數(shù)，由此識(shí)別出6個(gè)具有顯著光譜特征差異的區(qū)域。這些波段的光譜特征提供了區(qū)分不同植物群落的可能性。

光譜植被指數(shù)（Spectral Vegetation Indices，SVIs）是基于葉片或植被的反射率經(jīng)過(guò)計(jì)算得到的，其計(jì)算公式見(jiàn)式（1）。

[NDVI=R（λNIR）-R（λRed）R（λNIR）+R（λRed）]" " " " " " " " （1）

式（1）中：NDVI為歸一化光譜植被指數(shù)，[R（λNIR）]為近紅外波段的反射率，[R（λRed）]為紅光波段的反射率。

基于上述光譜分析結(jié)果，進(jìn)一步對(duì)這6個(gè)光譜特征所對(duì)應(yīng)的區(qū)域進(jìn)行面積估算，推測(cè)這些區(qū)域可能代表了6種不同植物群落的分布范圍，如表1所示。

2.1.2 苗圃基地實(shí)地踏勘

此研究通過(guò)實(shí)地踏勘的方法，對(duì)選定苗圃基地進(jìn)行現(xiàn)場(chǎng)調(diào)查。調(diào)查結(jié)果顯示，苗圃內(nèi)主要分布有6種植物，分別為香樟［Cinnamomum camphora （L.）presl］、女貞（Ligustrum quihoui Carr.）、雞爪槭（Acer palmatum Thunb.）、紫薇（Lagerstroemia indica L.）、杜鵑（Rhododendron simsii Planch和羅漢松［Podocarpus macrophyllus （Thunb.）D.Don］。此外，還觀察到若干雜草。與航測(cè)圖像顯示的6個(gè)區(qū)域相對(duì)照，發(fā)現(xiàn)無(wú)人機(jī)搭載的多光譜遙感技術(shù)所監(jiān)測(cè)到的植物種類和面積與實(shí)地踏勘結(jié)果一致，從而驗(yàn)證了該技術(shù)在植物監(jiān)測(cè)領(lǐng)域的有效性與可靠性。

通過(guò)分布區(qū)域的光譜圖像進(jìn)行監(jiān)測(cè)分析，結(jié)合現(xiàn)場(chǎng)苗圃基地的實(shí)地調(diào)研，將不同的植物種類與特定的光譜特征相關(guān)聯(lián)。光譜圖像中植物的位置與苗圃現(xiàn)場(chǎng)位置對(duì)照，可得出：Ⅰ代表香樟，Ⅱ代表女貞，Ⅲ代表雞爪槭，Ⅳ代表紫薇，Ⅴ代表杜鵑，而Ⅵ則代表羅漢松，如圖4所示。

2.1.3 小結(jié)

可見(jiàn)，無(wú)人機(jī)多光譜遙感技術(shù)在苗木識(shí)別方面展現(xiàn)出了一定的應(yīng)用潛力。該技術(shù)能夠根據(jù)植物的光譜植被指數(shù)等參數(shù)區(qū)分不同的植物類型及其分布區(qū)域，但在光譜相近植物種類的識(shí)別上存在局限。因此，為了精確識(shí)別植物類型，往往要結(jié)合現(xiàn)場(chǎng)實(shí)地調(diào)研的詳細(xì)數(shù)據(jù)。然而，通過(guò)對(duì)該植物群落進(jìn)行周期性的監(jiān)測(cè)，積累其光譜信息，可以顯著提升對(duì)更廣泛區(qū)域同類植物的識(shí)別與監(jiān)測(cè)效率。

2.2 苗圃面積、株數(shù)和分布范圍動(dòng)態(tài)監(jiān)測(cè)

對(duì)多光譜遙感圖像數(shù)據(jù)分析后，得出不同種類植物的光譜區(qū)域，即各類苗木的種植面積。通過(guò)對(duì)不同植物種類的占地面積與種植密度的綜合考量，利用苗木數(shù)量計(jì)算公式可快速準(zhǔn)確地計(jì)算出苗木的數(shù)量，見(jiàn)式（1）。

苗木數(shù)量（株）=占地面積（m2）×種植密度（株/m2）" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（1）

式（1）中：占地面積指的是各區(qū)域內(nèi)植物的面積總和，種植密度則是指單位面積內(nèi)苗木的數(shù)量。

通過(guò)無(wú)人機(jī)多光譜技術(shù)的動(dòng)態(tài)巡航，每隔一個(gè)月甚至一天收集苗圃基地圖像信息，實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)，可掌握各類苗木分布信息。表2為第一次監(jiān)測(cè)到的各類苗木分布信息，表3為時(shí)隔半年第二次監(jiān)測(cè)到的各類苗木分布信息。與第一次監(jiān)測(cè)相比，第二次監(jiān)測(cè)時(shí)紫薇的種植面積減少了1 000 m2，而雞爪槭的種植面積增加了1 000 m2，其余苗木種植面積變化不大。持續(xù)監(jiān)測(cè)各類苗木的種植面積變化，可實(shí)時(shí)掌握苗木的動(dòng)態(tài)分布情況。這些數(shù)據(jù)變化對(duì)監(jiān)測(cè)苗木生產(chǎn)數(shù)量和調(diào)整苗木產(chǎn)業(yè)布局具有重要的參考價(jià)值。

該方法適用于統(tǒng)計(jì)數(shù)千乃至數(shù)萬(wàn)公頃園林綠化苗木產(chǎn)業(yè)基地的苗木分布信息，能夠?qū)崿F(xiàn)對(duì)縣域乃至省域范圍內(nèi)苗圃基地苗木種類和分布區(qū)域的快速、高效、準(zhǔn)確地動(dòng)態(tài)監(jiān)測(cè)，實(shí)時(shí)掌握?qǐng)@林綠化苗木產(chǎn)業(yè)的分布。

此外，結(jié)合市場(chǎng)供需數(shù)據(jù)進(jìn)行耦合分析，提出了一種以市場(chǎng)需求為導(dǎo)向的苗木結(jié)構(gòu)化布局調(diào)整策略。例如，在半年的監(jiān)測(cè)周期內(nèi)，發(fā)現(xiàn)紫薇的市場(chǎng)過(guò)度飽和，導(dǎo)致大量紫薇滯銷，而根據(jù)市場(chǎng)反饋，雞爪槭的需求量大幅增加?；谶@一情況，經(jīng)過(guò)多方調(diào)研和調(diào)控，苗木基地決定削減紫薇的種植面積，并相應(yīng)增加雞爪槭的種植面積。由此可見(jiàn)，利用無(wú)人機(jī)多光譜監(jiān)測(cè)技術(shù)，結(jié)合市場(chǎng)供需信息，可實(shí)現(xiàn)對(duì)園林綠化苗木產(chǎn)業(yè)結(jié)構(gòu)布局的動(dòng)態(tài)調(diào)整。該策略的目的在于優(yōu)化園林綠化苗木產(chǎn)業(yè)結(jié)構(gòu)，通過(guò)縮減市場(chǎng)需求較小的苗木種類的種植面積，同時(shí)增加市場(chǎng)需求較大的苗木種類的種植面積，以實(shí)現(xiàn)供需匹配，滿足市場(chǎng)需求，降低苗木滯銷風(fēng)險(xiǎn)。這有助于提高苗木的市場(chǎng)適應(yīng)性和競(jìng)爭(zhēng)力，對(duì)園林綠化苗木產(chǎn)業(yè)的持續(xù)健康發(fā)展具有重要意義。

2.3 苗圃苗木生長(zhǎng)狀態(tài)和病蟲(chóng)害監(jiān)測(cè)

以苗圃植物杜鵑為例，通過(guò)無(wú)人機(jī)搭載的多光譜傳感器，對(duì)其在X區(qū)域和Y區(qū)域的同種類杜鵑光譜特征對(duì)比分析。在X區(qū)域，杜鵑的光譜波長(zhǎng)分布在400～500 nm，反射率集中在0.08，而歸一化光譜植被指數(shù)（NDVI）的計(jì)算結(jié)果為6.5。相比之下，Y區(qū)域的杜鵑光譜波長(zhǎng)分布在700～900 nm，反射率集中在0.2，NDVI值降至2.5。分析結(jié)果表明，即使是同種植物，其葉片的反射率和光譜特征也存在顯著差異。

結(jié)合現(xiàn)場(chǎng)實(shí)地調(diào)研，對(duì)X區(qū)域和Y區(qū)域的杜鵑植株進(jìn)行了直觀的生長(zhǎng)狀態(tài)對(duì)比，如圖5所示。X區(qū)域的杜鵑葉片顏色更為鮮綠，植株生長(zhǎng)健康；而Y區(qū)域的杜鵑葉片呈現(xiàn)黃色，植株出現(xiàn)萎靡現(xiàn)象，并伴有病蟲(chóng)害的跡象。這種差異與植物葉綠素的含量和吸收特性密切相關(guān)。健康綠色的植物葉片含有較高濃度的葉綠素，這導(dǎo)致在可見(jiàn)光區(qū)域（尤其是藍(lán)光和紅光波段）的反射率較低，而在近紅外區(qū)域的反射率較高。

可見(jiàn)，通過(guò)對(duì)特定波譜段的反射率進(jìn)行分析，可以實(shí)時(shí)監(jiān)測(cè)植被的生長(zhǎng)狀況，包括植被的葉綠素含量、健康狀況等，也可以及時(shí)發(fā)現(xiàn)植被中的病蟲(chóng)害問(wèn)題，更可設(shè)置預(yù)警信息，當(dāng)植株植被指數(shù)超過(guò)一定范圍值就開(kāi)始預(yù)警，可以迅速對(duì)苗木采取措施，此技術(shù)高效、快捷、節(jié)省人力，可實(shí)現(xiàn)對(duì)苗木生長(zhǎng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。

此技術(shù)驗(yàn)證了多光譜遙感技術(shù)（MSRS）在評(píng)估植被生長(zhǎng)狀態(tài)和健康狀況方面的顯著效能。精確監(jiān)測(cè)植物在特定光譜波段的反射率，并結(jié)合歸一化光譜植被指數(shù)（NDVI）等指標(biāo)，能夠?qū)χ参锏娜~綠素含量進(jìn)行定量分析，從而高效地推斷出植物的生長(zhǎng)狀態(tài)是否健康，以及是否存在病蟲(chóng)害的威脅。

3 討論與結(jié)論

無(wú)人機(jī)多光譜遙感技術(shù)配備多個(gè)光譜通道的傳感器，可實(shí)現(xiàn)對(duì)地表物體的同步圖像捕捉，并對(duì)這些波譜段的信息進(jìn)行解析，揭示地物的光譜特性。由于不同地物在不同的波譜段上表現(xiàn)出不同的光譜特性，這種特性差異可以用來(lái)區(qū)分和識(shí)別不同的地物。

在鄉(xiāng)村苗圃智能監(jiān)測(cè)中，多光譜遙感技術(shù)能夠?qū)崿F(xiàn)苗木識(shí)別、苗木面積和數(shù)量統(tǒng)計(jì)，可用于植株生長(zhǎng)狀態(tài)的監(jiān)測(cè)等領(lǐng)域，具有實(shí)時(shí)性強(qiáng)、精度高、覆蓋面廣、節(jié)省人力物力等優(yōu)勢(shì)。

①無(wú)人機(jī)多光譜遙感技術(shù)為鄉(xiāng)村苗圃智能監(jiān)測(cè)提供了高效、精準(zhǔn)且實(shí)時(shí)的數(shù)據(jù)支持。該技術(shù)能夠獲取高分辨率的遙感數(shù)據(jù)，通過(guò)對(duì)不同光譜波段的反射信息進(jìn)行解析，可實(shí)現(xiàn)對(duì)植被種類、生長(zhǎng)狀態(tài)、病蟲(chóng)害等問(wèn)題的精準(zhǔn)識(shí)別與監(jiān)測(cè)。這大大提高了苗圃管理的效率和精準(zhǔn)度，降低了對(duì)人力資源的依賴，為鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的信息化、產(chǎn)業(yè)化發(fā)展提供了有力支持。

②無(wú)人機(jī)多光譜遙感技術(shù)在苗木識(shí)別和數(shù)量統(tǒng)計(jì)方面也有一定優(yōu)勢(shì)，可指導(dǎo)園林綠化苗木產(chǎn)業(yè)布局的合理規(guī)劃配置。通過(guò)航拍的光譜圖像植被指數(shù)的計(jì)算與分析，能夠區(qū)分不同植物群落的光譜特征，進(jìn)而推斷出植物種類的大概分布范圍與面積。這為鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的結(jié)構(gòu)調(diào)整和資源配置提供了科學(xué)依據(jù)，有助于實(shí)現(xiàn)產(chǎn)業(yè)的最優(yōu)化配置，助力產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級(jí)。

③多光譜遙感技術(shù)能夠?qū)崟r(shí)監(jiān)測(cè)苗木的生長(zhǎng)狀態(tài)與病蟲(chóng)害情況。對(duì)特定光譜波段的反射率進(jìn)行分析，可以評(píng)估植被的葉綠素含量等信息，從而分析出苗木的生長(zhǎng)狀態(tài)和病蟲(chóng)害的威脅程度。這為苗圃基地的管理提供了及時(shí)、準(zhǔn)確的決策依據(jù)，有助于迅速采取應(yīng)對(duì)措施，保障苗木的健康生長(zhǎng)。

但是，無(wú)人機(jī)多光譜遙感技術(shù)在鄉(xiāng)村苗圃智能監(jiān)測(cè)中的應(yīng)用還具有一定的局限性。例如，在植物種類識(shí)別方面，盡管該技術(shù)能夠區(qū)分不同植物的光譜特征，但對(duì)于某些相似度較高的植物種類，仍可能存在識(shí)別誤差。此外，該技術(shù)的應(yīng)用還受到天氣條件、飛行高度、傳感器性能等多種因素的影響。因此，在實(shí)際應(yīng)用中，需要結(jié)合其他技術(shù)手段和實(shí)地調(diào)研數(shù)據(jù)，以提高監(jiān)測(cè)的準(zhǔn)確性和可靠性。

綜上所述，無(wú)人機(jī)多光譜遙感技術(shù)在鄉(xiāng)村苗圃智能監(jiān)測(cè)中具有廣闊的應(yīng)用前景和重要的實(shí)踐價(jià)值。隨著技術(shù)的不斷進(jìn)步和應(yīng)用經(jīng)驗(yàn)的積累，相信該技術(shù)將為鄉(xiāng)村園林綠化苗木產(chǎn)業(yè)的健康發(fā)展做出更大的貢獻(xiàn)。

參考文獻(xiàn)：

［1］何斌，冼麗鏵，劉玲，等.基于無(wú)人機(jī)遙感技術(shù)的智慧苗圃數(shù)據(jù)采集研究［J］.廣東園林，2017，39（3）：78-81.

［2］洪曉霞，洪兆龍，翁升，等.浙江國(guó)有苗圃改革發(fā)展現(xiàn)狀及對(duì)策分析［J］.浙江林業(yè)科技，2010（5）：82-86.

［3］李宇昊.無(wú)人機(jī)在林業(yè)調(diào)查中的應(yīng)用實(shí)驗(yàn)［J］.林業(yè)資源管理，2007（4）：69-73.

［4］樊江川.無(wú)人機(jī)航空攝影測(cè)樹(shù)技術(shù)研究［D］.北京：北京林業(yè)大學(xué)，2014.

［5］黃燕婷.基于GEM模型惠州旅游產(chǎn)業(yè)集群提升競(jìng)爭(zhēng)力實(shí)證研究［J］.度假旅游，2018（12）：10-11.

［6］鄒裕文，張宏志.以康養(yǎng)為導(dǎo)向的城市綠心區(qū)苗圃產(chǎn)業(yè)轉(zhuǎn)型研究：以長(zhǎng)株潭綠心為例［J］.農(nóng)業(yè)與技術(shù)，2020，40（22）：168-171.

［7］王新悅.何以解圍 惟有提升：從發(fā)達(dá)國(guó)家苗圃特點(diǎn)看我國(guó)苗圃業(yè)未來(lái)發(fā)展方向［J］.中國(guó)花卉園藝，2016（9）：16-19.

［8］潘穎，龍?jiān)懒?國(guó)外苗圃產(chǎn)業(yè)發(fā)展及轉(zhuǎn)型思考［J］.安徽農(nóng)學(xué)通報(bào)，2018，24（7）：109-110.

［9］潘穎.基于產(chǎn)業(yè)轉(zhuǎn)型發(fā)展的傳統(tǒng)苗圃環(huán)境經(jīng)過(guò)改造設(shè)計(jì)研究：以長(zhǎng)沙市龍喜水鄉(xiāng)苗圃為例［D］.長(zhǎng)沙：湖南農(nóng)業(yè)大學(xué)，2018.

［10］宋維明.關(guān)于森林康養(yǎng)產(chǎn)業(yè)發(fā)展必然性與路徑的思考［J］.林業(yè)經(jīng)濟(jì)，2020，42（1）：3-8.

［11］鄧?yán)蚶?，陳?廣西康養(yǎng)產(chǎn)業(yè)競(jìng)爭(zhēng)力及發(fā)展策略分析［J］.中國(guó)集體經(jīng)濟(jì)，2024（9）：41-44.

［12］劉新偉，張攀華，高逢敬，等.基于AHP方法的農(nóng)業(yè)產(chǎn)業(yè)競(jìng)爭(zhēng)力比較研究：以甘肅省鎮(zhèn)原縣種植業(yè)為例［J］.安徽農(nóng)業(yè)科學(xué)，2024，52（1）：213-127.

［13］鄭英達(dá)，何丹.森林旅游產(chǎn)業(yè)集群競(jìng)爭(zhēng)力GEM模型研究：以遼寧省本溪滿族自治縣為例［J］.沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，17（5）：599-603.

［14］張晗，呂杰.農(nóng)業(yè)產(chǎn)業(yè)集群影響因素研究［J］.農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011（2）：85-91.

［15］牛艷云.基于GEM模型的旅游產(chǎn)業(yè)集群競(jìng)爭(zhēng)力研究［D］.濟(jì)南：山東大學(xué)，2007.

基金項(xiàng)目：2021年江西省高校人文社會(huì)科學(xué)研究一般項(xiàng)目“基于物聯(lián)網(wǎng)等信息技術(shù)的鄉(xiāng)村‘新型苗圃’產(chǎn)業(yè)集群化研究”（JC21136）；2021年度江西省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目“基于物聯(lián)網(wǎng)等信息技術(shù)的鄉(xiāng)村苗圃產(chǎn)業(yè)規(guī)劃布局研究”（GJJ215302）。

作者簡(jiǎn)介：張麗麗（1984—），女，碩士，講師，研究方向：園林植物與觀賞園藝；左詞時(shí)（1986—），男，本科，經(jīng)濟(jì)師，研究方向：項(xiàng)目管理；廖琳琳（1964—），女，本科，副教授，研究方向：漢語(yǔ)言文學(xué)；吳水珍（1977—），女，本科，副教授/高級(jí)工程師，研究方向：建筑裝飾工程技術(shù)；陳宇（1982—），男，碩士，副教授，研究方向：職業(yè)教育、風(fēng)景園林規(guī)劃設(shè)計(jì)。