來源：新疆農(nóng)機化，作者：Fan Daoquan ， Zhang Meina ， Lü Xiaolan

引言

在世界 80 多個棉花生產(chǎn)國家中，中國、美國、印度和巴基斯坦是最大的棉花生產(chǎn)國和消費國，這 4 個國家的產(chǎn)量和消費量大約占到了世界棉花總產(chǎn)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(zhì)，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(zhì)好、產(chǎn)量高著稱于世。隨著新疆土地流轉(zhuǎn)速度加快，規(guī)模化種植，技術(shù)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(shù)向農(nóng)業(yè)領(lǐng)域滲透，將會大大促進未來農(nóng)業(yè)的發(fā)展。未來農(nóng)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(shù)創(chuàng)新空前活躍，不斷催生新技術(shù)、新產(chǎn)品、新模式，推動全球經(jīng)濟格局和產(chǎn)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(nóng)業(yè)全面升級、農(nóng)村全面進步、農(nóng)民全面發(fā)展。重點任務之一為，夯實數(shù)字農(nóng)業(yè)基礎(chǔ)，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(nóng)田實行動態(tài)監(jiān)測。在此背景下， 本文主要介紹精準農(nóng)業(yè)技術(shù)、遙感技術(shù)以及無人機低空遙感技術(shù)在大田作物監(jiān)測與產(chǎn)量預測中的應用。

1 精準農(nóng)業(yè)技術(shù)

精準農(nóng)業(yè)是農(nóng)業(yè)發(fā)展模式中新型發(fā)展模式， 主要將信息技術(shù)與各類高新技術(shù)相結(jié)合，根據(jù)空間、地理、時間和環(huán)境的變化進行現(xiàn)代化農(nóng)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(nóng)業(yè)生產(chǎn)模式，如圖 1。3S 技術(shù)（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(shù) RS 技術(shù)）是精準農(nóng)業(yè)技術(shù)的核心技術(shù)，其可對大田農(nóng)業(yè)采集的信息處理、管理、分析、表達、傳播和應用，對我國農(nóng)業(yè)建設(shè)發(fā)展起到了顯著的推動作用。作物生產(chǎn)管理決策支持系統(tǒng)、作物長勢和傳感器技術(shù)、變量噴霧控制技術(shù)和裝備等相關(guān)技術(shù)促進精準農(nóng)業(yè)技術(shù)快速發(fā)展。2018 年數(shù)據(jù)，美國 30%~50%大型農(nóng)場應用了精準農(nóng)業(yè)技術(shù)，農(nóng)場越大，精準農(nóng)業(yè)技術(shù)提供的利潤也就越高，成本回收周期越短。目前，在精準農(nóng)業(yè)技術(shù)領(lǐng)域，土壤地圖，產(chǎn)量地圖、導航系統(tǒng)與變量技術(shù)應用最為廣泛。在當前我國農(nóng)業(yè)機械化工作水平不斷發(fā)展的背景下，精準農(nóng)業(yè)在提高農(nóng)業(yè)生產(chǎn)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(nóng)業(yè)示意圖

2 遙感技術(shù)

作為精準農(nóng)業(yè)技術(shù)的支撐技術(shù)之一，遙感技術(shù)

［4］是一種用于大面積、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(shù)，其可在大范圍內(nèi)、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(zhì)，能讓人們在短時間內(nèi)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(shù)接收物體輻射或反射的電磁波信息，應用信息處理技術(shù)，加工處理成能識別的圖像，經(jīng)分析揭示出物體的性質(zhì)、形態(tài)和動態(tài)變化。目前，遙感技術(shù)廣泛的應用在礦物勘探、環(huán)境監(jiān)測、農(nóng)牧業(yè)等多個領(lǐng)域。

從開始研究對地遙感技術(shù)，農(nóng)業(yè)遙感技術(shù)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(nóng)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(nóng)作物管理。隨著高光譜技術(shù)的進步，以及對地探測專業(yè)小衛(wèi)星的發(fā)展，遙感技術(shù)將成為推進我國數(shù)字農(nóng)業(yè)和精準農(nóng)業(yè)以及生態(tài)農(nóng)業(yè)的快速發(fā)展的動力［6］。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?qū)崿F(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(shù)

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(shù)以植物的光譜特性為基礎(chǔ)，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(nóng)作物生物、物理等信息， 可快速有效針對農(nóng)作物生物量做出評估，為大面積農(nóng)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(shù)在農(nóng)業(yè)領(lǐng)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(chǎn)量預測等。如 Filippo Santini等利用無人機多光譜、RGB 和熱成像技術(shù)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(guān)聯(lián)性。Maimaitijiang M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(jié)構(gòu)和體積信息獲取植被指數(shù)加權(quán)冠層體積模型，進而估算大豆生物量。朱婉雪等在山東省濱州市典型規(guī)?；r(nóng)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(chǎn)量的線性模型，進而診斷和評估作物長勢和產(chǎn)量。

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

（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(chǎn)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(nèi)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，如文獻中應用的 Yield Editor 產(chǎn)量數(shù)據(jù)處理軟件，去除那些不合理的產(chǎn)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(nóng)田局部圖像拼接為全景圖像。

圖5 無人機低空遙感技術(shù)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(zhuǎn)換就能夠?qū)崿F(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(chǎn)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?；诙鄠€特征參數(shù)可以構(gòu)建多元線性回歸模型進行產(chǎn)量預測，然后利用假設(shè)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(chǎn)量預測應用，類似的，在其他應用中也可參考上述技術(shù)流程。

4 結(jié)論

本文簡要概述了精準農(nóng)業(yè)技術(shù)、遙感技術(shù)以及無人機低空遙感技術(shù)，列舉了無人機低空遙感技術(shù)在大田作物監(jiān)測與產(chǎn)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(chǎn)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(shè)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(chǔ);（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(nóng)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(shù)在農(nóng)業(yè)領(lǐng)域中的深入發(fā)展。

責任編輯：gt