張樂(lè)春

(南通科技職業(yè)學(xué)院，江蘇 南通 226000)

0 引言

農(nóng)田是農(nóng)業(yè)生產(chǎn)的基礎(chǔ)物資條件，主要由土壤、目標(biāo)作物和雜草組成。農(nóng)田監(jiān)測(cè)的內(nèi)容包括土壤類型、目標(biāo)作物生長(zhǎng)狀況、雜草種類和數(shù)量，其監(jiān)測(cè)結(jié)果是農(nóng)藝管理操作的依據(jù)。農(nóng)田的土壤類型較為穩(wěn)定，在一定時(shí)期內(nèi)不會(huì)有太大變化，因此無(wú)須進(jìn)行實(shí)時(shí)監(jiān)測(cè)。目標(biāo)作物作為農(nóng)業(yè)生產(chǎn)的主體，生長(zhǎng)速度快，性狀種類多，是農(nóng)田監(jiān)測(cè)的重點(diǎn)。雜草在農(nóng)田中普遍存在，一般不會(huì)對(duì)目標(biāo)作物造成嚴(yán)重的影響，只有出現(xiàn)爆發(fā)或生物入侵的情況下才需要進(jìn)行監(jiān)測(cè)。因此，大部分農(nóng)田監(jiān)測(cè)相關(guān)的研究都是針對(duì)目標(biāo)作物長(zhǎng)勢(shì)的研究，旨在為田間管理和產(chǎn)量預(yù)測(cè)提供重要的信息[1-2]。

農(nóng)作物長(zhǎng)勢(shì)是通過(guò)外部性狀和內(nèi)部性狀綜合評(píng)判的，外部性狀可以被直接觀察感知，如各組織器官的數(shù)量、形狀和顏色等；外部性狀通過(guò)觀察記錄或者測(cè)量統(tǒng)計(jì)獲得，是作物生長(zhǎng)狀況的直接反映。內(nèi)部性狀是生理代謝狀況和生理生化指標(biāo)，如葉綠素含量、氮含量等，需要利用專門(mén)的儀器或方法測(cè)定獲得。內(nèi)部性狀是外部性狀產(chǎn)生的原因，可以作為分析作物生長(zhǎng)趨勢(shì)的參考因素。傳統(tǒng)的農(nóng)田監(jiān)測(cè)是由人工完成，通過(guò)肉眼的觀察和統(tǒng)計(jì)測(cè)量，或者利用便攜式儀器測(cè)量，以及取樣后在室內(nèi)測(cè)定。人工監(jiān)測(cè)方法的勞動(dòng)強(qiáng)度大，效率較低，受人員技能和素質(zhì)的影響，難以得到準(zhǔn)確的結(jié)果。取樣測(cè)定還會(huì)對(duì)作物造成損害，且所選農(nóng)田區(qū)域的代表性有限，不能滿足現(xiàn)代化農(nóng)業(yè)的要求。

傳統(tǒng)農(nóng)田監(jiān)測(cè)方法的缺陷主要是源于平臺(tái)高度的限制，導(dǎo)致不能獲得大面積的農(nóng)田影像信息。隨著科學(xué)的發(fā)展，以衛(wèi)星和無(wú)人機(jī)為平臺(tái)的遙感技術(shù)應(yīng)用于農(nóng)田信息監(jiān)測(cè)中，有效地解決了上述問(wèn)題。衛(wèi)星遙感雖然覆蓋面積大，但是空間和光譜分辨率較低，影響了監(jiān)測(cè)的準(zhǔn)確性[3]。相比之下，無(wú)人機(jī)遙感則兼顧了覆蓋面積和監(jiān)測(cè)精度，還具有操作簡(jiǎn)便和靈活性好的特點(diǎn)，成為農(nóng)田監(jiān)測(cè)的理想手段[4]。無(wú)人機(jī)全稱無(wú)人駕駛航空飛行器，是由飛行平臺(tái)、遙控站及通訊模塊等部件組成的系統(tǒng)[5]。無(wú)人機(jī)在農(nóng)業(yè)上主要用于農(nóng)藥噴灑、農(nóng)業(yè)保險(xiǎn)勘察和農(nóng)田信息監(jiān)測(cè)。其中，農(nóng)田信息監(jiān)測(cè)的內(nèi)容包括作物長(zhǎng)勢(shì)、生理狀況和病蟲(chóng)草害，都是通過(guò)現(xiàn)代遙感技術(shù)完成的。無(wú)人機(jī)遙感獲得的農(nóng)田信息范圍大，實(shí)時(shí)性強(qiáng)且準(zhǔn)確性高，與傳統(tǒng)方法相比具有明顯的優(yōu)勢(shì)[6-8]。

無(wú)人機(jī)通過(guò)農(nóng)田影像的采集和分析來(lái)實(shí)現(xiàn)對(duì)農(nóng)田的監(jiān)測(cè)，影像采集設(shè)備為普通數(shù)碼相機(jī)及多光譜相機(jī)或光譜儀。數(shù)碼相機(jī)和多光譜相機(jī)采集的影像數(shù)據(jù)波段較少，光譜有限，不能全面地反映農(nóng)田信息[9]。高光譜遙感是20世紀(jì)80年代興起的技術(shù)，在拍攝地面圖像的同時(shí)獲得連續(xù)的光譜信息，通過(guò)分析光譜特征來(lái)對(duì)目標(biāo)進(jìn)行遙感監(jiān)測(cè)。高光譜的波段連續(xù)性強(qiáng)，光譜數(shù)據(jù)量大，有利于獲取農(nóng)田作物的完整信息。目前，由無(wú)人機(jī)搭載的高光譜遙感已在農(nóng)業(yè)中得到了廣泛應(yīng)用，對(duì)農(nóng)作物生長(zhǎng)狀態(tài)和生理指標(biāo)的檢測(cè)是其應(yīng)用的主要方面。高林等和田明璐等通過(guò)對(duì)無(wú)人機(jī)高光譜影像數(shù)據(jù)的分析，分別建立了針對(duì)冬小麥和棉花的葉面積指數(shù)估算模型[10-11]。裴浩杰等利用無(wú)人機(jī)獲取的高光譜影像數(shù)據(jù)監(jiān)測(cè)小麥的多個(gè)生理和生物量指標(biāo)，從而評(píng)判小麥的綜合長(zhǎng)勢(shì)[12]。秦占飛等采用相似的方法估測(cè)水稻葉片的全氮含量，用于評(píng)價(jià)水稻的營(yíng)養(yǎng)狀況[13]。此外，還有關(guān)于無(wú)人機(jī)高光譜對(duì)入侵雜草進(jìn)行監(jiān)測(cè)的報(bào)導(dǎo)[14]。

無(wú)人機(jī)拍攝農(nóng)田影像后，還需要進(jìn)行光譜分析，才能獲得農(nóng)田的目標(biāo)信息。光譜分析是農(nóng)田監(jiān)測(cè)的重要手段，分析方法的選擇對(duì)監(jiān)測(cè)精度有很大的影響。為此，設(shè)計(jì)了基于無(wú)人機(jī)光譜分析的農(nóng)田監(jiān)測(cè)系統(tǒng)，并用于對(duì)水稻的葉綠素含量進(jìn)行估算，評(píng)價(jià)系統(tǒng)監(jiān)測(cè)的精度，為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供技術(shù)支撐。

1 材料與方法

1.1 監(jiān)測(cè)系統(tǒng)的組成

監(jiān)測(cè)系統(tǒng)由無(wú)人機(jī)平臺(tái)和光譜儀組成。無(wú)人機(jī)平臺(tái)為大疆精靈Phantom 4 Advanced型旋翼無(wú)人機(jī)，有效載荷2kg，續(xù)航時(shí)間30min。無(wú)人機(jī)采用北斗定位，無(wú)線傳輸速度Class10，最遠(yuǎn)距離達(dá)到7km。地面站安裝大疆DJIGS Pro版軟件，規(guī)劃無(wú)人機(jī)的飛行路徑，通過(guò)PID控制方法將設(shè)定的航線發(fā)送給無(wú)人機(jī)，利用紅外無(wú)線傳輸控制飛行速度和方向。

光譜影像采集設(shè)備為德國(guó)Cubert公司的UHD185型機(jī)載光譜儀，安置在無(wú)人機(jī)的正下方。UHD185是全畫(huà)幅、非掃描的實(shí)時(shí)成像光譜儀，最小采樣間隔4nm，光譜范圍 450～950nm之間，分辨率為8nm。光譜儀質(zhì)量為0.47kg，具有125個(gè)通道，單次拍攝可以產(chǎn)生1幅50×50像素的高光譜影像。

1.2 試驗(yàn)區(qū)概況

試驗(yàn)區(qū)位于江蘇省南通市石港鎮(zhèn)(東經(jīng)120°59＇42＂，北緯32°11＇46＂)，地處長(zhǎng)江下游的沖積平原，屬亞熱帶季風(fēng)氣候，降雨量充沛。試驗(yàn)區(qū)內(nèi)種植的作物為水稻，品種是雜交中稻揚(yáng)兩優(yōu)818，采取常規(guī)的栽培措施。

1.3 影像拍攝和數(shù)據(jù)處理

1)在水稻的抽穗期采集農(nóng)田光譜影像，采集時(shí)間為9：00-11：00，天氣多云無(wú)風(fēng)，能見(jiàn)度較好。無(wú)人機(jī)飛行高度80m，速度5m/s。光譜儀的鏡頭垂直向下，焦距22mm，拍攝視角15°，積分時(shí)間設(shè)定為1ms。光譜儀拍攝前在地面完成暗電流校正，利用參考板進(jìn)行輻射標(biāo)定。

2)采集光譜影像的同時(shí)在試驗(yàn)區(qū)內(nèi)均勻選擇30個(gè)1m×1m的取樣點(diǎn)，每個(gè)點(diǎn)內(nèi)隨機(jī)選10片水稻劍葉，用SPAD-502型便攜式葉綠素儀測(cè)定每片劍葉上、中、下3個(gè)部位的葉綠素含量(SPAD)，以10片劍葉的平均值作為該樣點(diǎn)的葉綠素含量。

3)光譜影像采集后利用光譜儀附帶的軟件進(jìn)行輻射校正得到反射率，然后將影像導(dǎo)入ENVI5.1軟件中識(shí)別出目標(biāo)區(qū)域；以SPAD測(cè)定樣點(diǎn)為中心構(gòu)建興趣區(qū)，將興趣區(qū)內(nèi)的平均反射率光譜作為該樣點(diǎn)的特征光譜用于分析。從30個(gè)樣點(diǎn)中隨機(jī)選擇15個(gè)作為建模樣本，其余15個(gè)作為檢驗(yàn)樣本。

1.4 光譜參數(shù)選擇和模型構(gòu)建

將樣點(diǎn)的各波段反射率進(jìn)行線性或非線性組合計(jì)算，可以得到相應(yīng)的光譜參數(shù)，消除背景信息的干擾，提高估算精度。UHD數(shù)據(jù)中包含豐富的光譜參數(shù)，本文參考田明璐等的研究，選取了對(duì)葉綠素含量敏感的4個(gè)光譜參數(shù)用于對(duì)水稻劍葉葉綠素含量的估算[4]。4個(gè)參數(shù)DR526、DR578、SDy和Db都與葉綠素含量呈線性關(guān)系，參數(shù)的定義如表1所示。葉綠素含量的光譜參數(shù)估算模型在SPSS軟件中通過(guò)一元線性回歸建立，然后在ENVI環(huán)境中對(duì)檢驗(yàn)樣本的葉綠素含量進(jìn)行反演。光譜參數(shù)與葉綠素含量的相關(guān)性以及模型對(duì)檢驗(yàn)樣本的估算精度通過(guò)擬合方程的決定系數(shù)R2衡量，R2值越大，則相關(guān)性和估算精度越高。

表1 光譜參數(shù)的定義Table 1 Definition of the spectral indexes

2 結(jié)果與分析

4個(gè)光譜參數(shù)與建模樣本水稻葉片SPAD值的回歸分析結(jié)果如圖1所示。所有光譜參數(shù)的模型方程都達(dá)到了顯著水平，表明這些光譜參數(shù)都含有可用于估算SPAD的信息。4個(gè)參數(shù)中，基于DR526和SDy建立的模型精度較高，建模決定系數(shù)R2分別為0.753和0.726，因此用來(lái)對(duì)檢驗(yàn)樣本的SPAD實(shí)測(cè)值和估算值進(jìn)行擬合分析。

圖1 光譜參數(shù)與水稻葉片SPAD值的相關(guān)性Fig.1 The correlation between spectral indexes and rice leaf SPAD value

分別用SPAD-DR526和SPAD-SDy模型對(duì)15個(gè)檢驗(yàn)樣本的SPAD實(shí)測(cè)值和估算值進(jìn)行擬合分析，擬合方程的決定系數(shù)R2和斜率越接近1，表明模型的精度越高。分析結(jié)果如圖2所示。

圖2 檢驗(yàn)樣本水稻葉片SPAD估算值與實(shí)測(cè)值的擬合Fig.2 Regression of estimated and measured rice leaf SPAD values (samples for validation)

其兩個(gè)模型的R2都超過(guò)0.9，具有較高的精度。SPAD-DR526模型的斜率達(dá)到1.217，與SPAD-SDy模型的0.869相比，擬合的精度相對(duì)較低，因此SDy可以作為本文SPAD值的最佳估算參數(shù)。

3 結(jié)論

為了拓寬農(nóng)田信息監(jiān)測(cè)的手段，設(shè)計(jì)了基于無(wú)人機(jī)光譜分析的農(nóng)田監(jiān)測(cè)系統(tǒng)。系統(tǒng)利用大疆精靈旋翼無(wú)人機(jī)搭載德國(guó)UHD185型光譜儀拍攝水稻田的高光譜影像，基于多個(gè)光譜參數(shù)建立回歸模型，對(duì)水稻劍葉的葉綠素含量進(jìn)行估算。4個(gè)光譜參數(shù)與建模樣本水稻葉片SPAD值的回歸分析都達(dá)到顯著水平，含有可用于估算SPAD的信息。基于DR526和SDy建立的模型精度較高，因此用來(lái)對(duì)檢驗(yàn)樣本的SPAD實(shí)測(cè)值和估算值進(jìn)行擬合分析。兩個(gè)模型擬合方程的R2都超過(guò)0.9，具有較高的精度。結(jié)合模型的斜率值，則SDy可以作為本文SPAD值的最佳估算參數(shù)。無(wú)人機(jī)光譜分析對(duì)農(nóng)田監(jiān)測(cè)的精度較高，能為精準(zhǔn)農(nóng)業(yè)的發(fā)展提供技術(shù)支撐。