作者：Fan Daoquan，Zhang Meina，Lü Xiaolan，Li Xue
　　
? ? ? ?引言

在世界 80 多個棉花生產國家中，中國、美國、印度和巴基斯坦是最大的棉花生產國和消費國，這 4 個國家的產量和消費量大約占到了世界棉花總產量和總消費量的 60%。在中國新疆，得天獨厚的自然條件，堿性土質，夏季溫差大，陽光充足，光合作用充分，生長時間長，新疆種植的棉花以絨長、品質好、產量高著稱于世。隨著新疆土地流轉速度加快，規(guī)?；N植，技術水平的提高，赴疆采棉大軍已經(jīng)慢慢淡出了人們的視線，機械化種植、采收棉花已經(jīng)成為主流。放眼未來，在全面機械化之后，更多新技術向農業(yè)領域滲透，將會大大促進未來農業(yè)的發(fā)展。未來農業(yè)正朝著自動化、智能化、數(shù)字化、信息化、互聯(lián)互通的智慧系統(tǒng)方向發(fā)展。2019 年 5 月 16 日，中共中央辦公廳、國務院辦公廳印發(fā)了《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》，指出新一代信息技術創(chuàng)新空前活躍，不斷催生新技術、新產品、新模式，推動全球經(jīng)濟格局和產業(yè)形態(tài)深度變革，亟需進一步發(fā)掘信息化在鄉(xiāng)村振興中的巨大潛力，促進農業(yè)全面升級、農村全面進步、農民全面發(fā)展。重點任務之一為，夯實數(shù)字農業(yè)基礎，完善自然資源遙感監(jiān)測“一張圖”和綜合監(jiān)管平臺，對永久基本農田實行動態(tài)監(jiān)測。在此背景下， 本文主要介紹精準農業(yè)技術、遙感技術以及無人機低空遙感技術在大田作物監(jiān)測與產量預測中的應用。

1 精準農業(yè)技術

精準農業(yè)是農業(yè)發(fā)展模式中新型發(fā)展模式， 主要將信息技術與各類高新技術相結合，根據(jù)空間、地理、時間和環(huán)境的變化進行現(xiàn)代化農業(yè)管理與操作，形成的一種適用于大面積作物種植的現(xiàn)代農業(yè)生產模式，如圖 1。3S 技術（地理信息系統(tǒng) GIS、全球衛(wèi)星定位系統(tǒng) GPS 以及遙感技術 RS 技術）是精準農業(yè)技術的核心技術，其可對大田農業(yè)采集的信息處理、管理、分析、表達、傳播和應用，對我國農業(yè)建設發(fā)展起到了顯著的推動作用。作物生產管理決策支持系統(tǒng)、作物長勢和傳感器技術、變量噴霧控制技術和裝備等相關技術促進精準農業(yè)技術快速發(fā)展。2018 年數(shù)據(jù)，美國 30%~50%大型農場應用了精準農業(yè)技術，農場越大，精準農業(yè)技術提供的利潤也就越高，成本回收周期越短。目前，在精準農業(yè)技術領域，土壤地圖，產量地圖、導航系統(tǒng)與變量技術應用最為廣泛。在當前我國農業(yè)機械化工作水平不斷發(fā)展的背景下，精準農業(yè)在提高農業(yè)生產管理水平、合理利用資源和環(huán)保效益上具有重要意義。

圖1 精準農業(yè)示意圖

2 遙感技術

作為精準農業(yè)技術的支撐技術之一，遙感技術一種用于大面積、遠距離信息采集與監(jiān)測的一

種無損、穿透性的新型探測技術，其可在大范圍內、不同時間獲取實時數(shù)據(jù)，通過遙感影像詳細的反映物體的各方面的性質，能讓人們在短時間內獲得自然與非自然環(huán)境基本信息。在高空遠距離處，通過遙感技術接收物體輻射或反射的電磁波信息，應用信息處理技術，加工處理成能識別的圖像，經(jīng)分析揭示出物體的性質、形態(tài)和動態(tài)變化。目前，遙感技術廣泛的應用在礦物勘探、環(huán)境監(jiān)測、農牧業(yè)等多個領域。

從開始研究對地遙感技術，農業(yè)遙感技術一直是星載遙感和機載遙感的重點研究方向。 通過星載遙感和機載遙感對農田作業(yè)，獲得大面積作物種植生物、物理等信息，有助于對大面積農作物管理。隨著高光譜技術的進步，以及對地探測專業(yè)小衛(wèi)星的發(fā)展，遙感技術將成為推進我國數(shù)字農業(yè)和精準農業(yè)以及生態(tài)農業(yè)的快速發(fā)展的動力。衛(wèi)星遙感的觀測范圍較大，觀測信息較為宏觀和綜合，能夠實現(xiàn)長期連續(xù)監(jiān)測，但圖像分辨率不是很高。

圖2 衛(wèi)星遙感

近年來逐漸發(fā)展壯大的無人機遙感（Unmanned Aerial Vehicle Remote Sensing ），利用先進的無人機平臺，實現(xiàn)自動化、智能化、專用快速獲取空間遙感信息，完成遙感數(shù)據(jù)處理、建模和應用分析。相比于衛(wèi)星遙感，無人機因為近地面，觀測范圍相對較小， 但圖像分辨率高，靈活易部署，時效性好，且可以拍攝視頻影像。

圖3 無人機遙感

3 無人機低空遙感技術

植物具有光譜特性，可吸收、反射、輻射不同的光譜。無人機低空遙感技術以植物的光譜特性為基礎，不同波長的光對植物生長有不同的影響，利用無人機搭載圖像傳感器，如可見光相機、多光譜相機、高光譜相機與熱成像相機，用于采集作物在不同波段下的圖像，提取不同的特征，如圖 4。

在整個可利用的電磁波譜中，不同波段的圖像數(shù)據(jù)用于提取作物不同的特征參數(shù)：

（1）400~700 nm 的可見光波段（VIS）用于測量植物的形態(tài)、幾何特征和顏色特征;

（2）700~1 000 nm 的近紅外波段（NIR）常用于檢測葉片含水量;

（3）7 500~13 000nm 的熱紅外波段（TIR）常用于檢測不同溫度條件下葉片的光譜反射，也可以反映含水量;

（4）高光譜相機采集 350~2 500 nm 的上百個光譜帶用于測量反映植物脅迫狀況;

（5）激發(fā)光下測量的葉綠素熒光圖像可用于研究植物的光合作用。

圖4 無人機機載圖像傳感器

無人機低空遙感探測農作物生物、物理等信息， 可快速有效針對農作物生物量做出評估，為大面積農作物種植提供一種高效的低空管理工具。無人機低空遙感技術在農業(yè)領域中的應用包括作物種類識別、長勢與墑情監(jiān)測、病蟲害監(jiān)測、植株數(shù)量和成苗率統(tǒng)計分析、土壤屬性分析、自然災害后的作物受損評估、作物產量預測等。如 Filippo Santini［7］等利用無人機多光譜、RGB 和熱成像技術測試黑松種群中植被指數(shù)和冠層溫度的遺傳變異，并評估了植被特性與地上生長的種群間關聯(lián)性。Maimaitijiang M［8］等在美國密蘇里州哥倫比亞市附近的一個田地里，利用無人機收集整個大豆生長季節(jié)的 RGB 圖像成像，對RGB 圖像衍生的光譜、結構和體積信息獲取植被指數(shù)加權冠層體積模型，進而估算大豆生物量。朱婉雪［9］ 等在山東省濱州市典型規(guī)?；r田，利用固定翼無人機遙感平臺對冬小麥拔節(jié)期、抽穗灌漿期和成熟期遙感影像數(shù)據(jù)集，采用最小二乘法建立不同植被指數(shù)與冬小麥實測產量的線性模型，進而診斷和評估作物長勢和產量。

下面以一個實例介紹無人機低空遙感集輸在棉花產量預測應用中的技術流程與系統(tǒng)研究過程中值得注意的關鍵點［10］。

（1） 田間試驗與田間數(shù)據(jù)采集，確定研究目標與對象之后，記錄田間試驗條件如作物品種，地理位置，播種、施肥、灌溉等作物管理方式，同時準確收集田間的大地數(shù)據(jù)，如土壤電導率值、產量值等。

（2） 利用無人機采集低空遙感圖像。確定無人機搭載的圖像傳感器種類，在有條件的前提下，建議搭載常用的 RGB 可見光相機、包括近紅外波段在內的多光譜相機，以及熱成像相機。同時，可在作物生長的多個時期采集大田圖像，實現(xiàn)作物生長過程檢測。

（3） 利用商用軟件進行數(shù)據(jù)預處理，如文獻［10］ 中應用的 Yield Editor 產量數(shù)據(jù)處理軟件，去除那些不合理的產量數(shù)據(jù)。專為無人機提供云服務的軟件供應商以及 DroneDeploy 軟件將大量的農田局部圖像拼接為全景圖像。

圖5 無人機低空遙感技術運用

（4）得到全景圖像之后，需要將大地數(shù)據(jù)與圖像數(shù)據(jù)匹配起來，即通過幾何運算將收獲時記錄的GPS 數(shù)據(jù)對應注冊到圖像中;這個過程也非常簡單， 在大田中找到標志性的特征點，在 Google 地圖中能夠確認其經(jīng)緯度坐標，再在圖像中找到這幾個特征點的像素值，通過比例轉換就能夠實現(xiàn)了。

（5） 將整個圖像按 GPS 數(shù)據(jù)分割為若干個采樣單元，對應每一個小單元都有其 GPS 數(shù)據(jù)、圖像數(shù)據(jù)和產量數(shù)據(jù)，這就形成了一個數(shù)據(jù)集合。

（6） 特征參數(shù)的提取，特征參數(shù)要能夠明顯、充分地體現(xiàn)作物差異性的參數(shù)?？衫?RGB、HSV、Lab 等顏色模型進行分析，還可利用 NDVI 植株覆蓋率與歸一化植被指數(shù) （normalized difference vegetation index，NDVI）進行分析。

（7） 最后，就是數(shù)據(jù)統(tǒng)計分析建模的部分了。一般將整個數(shù)據(jù)集分為 90%的訓練集和 10%的測試集，訓練集用于建模，測試集用來評估預測模型的精度。基于多個特征參數(shù)可以構建多元線性回歸模型進行產量預測，然后利用假設檢驗的 P 值、決定系數(shù) R2、預測值和真實值之間平均絕對誤差百分比MAPE（ 0.4 hm2 ）進行預測模型的評價。

通過上述 7 個主要步驟能夠完成基于無人機低空遙感平臺的作物產量預測應用，類似的，在其他應用中也可參考上述技術流程。

4 結論

本文簡要概述了精準農業(yè)技術、遙感技術以及無人機低空遙感技術，列舉了無人機低空遙感技術在大田作物監(jiān)測與產量預測中的應用，并以一個實例介紹了應用低空遙感視覺與光譜圖像預測棉花產量的方法。在今后的研究中，應重點提升以下幾個方面：（1）平臺設計，穩(wěn)定可靠的機載平臺是獲取準確可靠的傳感器數(shù)據(jù)的基礎;（2）算法研究，包括。圖像處理方法、。特征參數(shù)提取算法、大數(shù)據(jù)分析方法;（3）多學科的融合、合作，農學、工學與信息學的交叉融合能夠進一步推進無人機遙感技術在農業(yè)領域中的深入發(fā)展。

責任編輯：gt