樊湘鵬，周建平，許 燕

(新疆大學(xué) 機(jī)械工程學(xué)院,新疆維吾爾自治區(qū)農(nóng)牧機(jī)器人及智能裝備工程研究中心,機(jī)械制造系統(tǒng)工程國家重點(diǎn)實(shí)驗(yàn)新疆大學(xué)分室，新疆 烏魯木齊 830047)

0 引言

無人機(jī)遙感是將無人駕駛飛行器技術(shù)、遙感技術(shù)、傳感器技術(shù)、遙控技術(shù)、定位技術(shù)和通訊技術(shù)等有機(jī)結(jié)合，實(shí)現(xiàn)遙感數(shù)據(jù)獲取、建模和分析的新型綜合應(yīng)用技術(shù)[1].無人機(jī)遙感獲取的影像經(jīng)拼接、幾何校正等處理，對(duì)數(shù)據(jù)進(jìn)行解析后可實(shí)現(xiàn)作物長勢(shì)監(jiān)測(cè)、產(chǎn)量估測(cè)、營養(yǎng)診斷和生長脅迫監(jiān)測(cè)等，已經(jīng)成為精準(zhǔn)農(nóng)業(yè)中獲取作物狀況和環(huán)境因子等田間時(shí)空變化信息的重要手段[2?3].近十年來，隨著微型計(jì)算機(jī)、通訊技術(shù)的迅速發(fā)展，無人機(jī)遙感監(jiān)測(cè)農(nóng)情信息研究呈指數(shù)級(jí)增長，國內(nèi)外眾多學(xué)者將無人機(jī)遙感用于田間作物表型信息獲取和解析，取得了不俗的成果.本文對(duì)無人機(jī)低空遙感平臺(tái)進(jìn)行概述，介紹了常用的無人機(jī)和傳感器類型，對(duì)無人機(jī)遙感監(jiān)測(cè)在農(nóng)情信息提取、解析和應(yīng)用等方面的進(jìn)展和不足展開論述，在此基礎(chǔ)上提出無人機(jī)低空遙感監(jiān)測(cè)農(nóng)情信息的發(fā)展趨勢(shì)，為農(nóng)業(yè)機(jī)械化和信息化從業(yè)人員提供技術(shù)思路，進(jìn)一步推動(dòng)無人機(jī)遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用和發(fā)展.

1 無人機(jī)低空遙感概述

1.1 無人機(jī)低空遙感

無人機(jī)低空遙感農(nóng)情監(jiān)測(cè)是以無人飛行器為平臺(tái)，根據(jù)任務(wù)需求搭載不同類型的影像采集設(shè)備，快速獲取高分辨率目標(biāo)區(qū)域的農(nóng)情數(shù)據(jù)，并借助一定的圖像解析技術(shù)獲取特定結(jié)果.無人機(jī)遙感系統(tǒng)主要由無人飛行器、飛行控制系統(tǒng)、定位系統(tǒng)、傳感設(shè)備、穩(wěn)定云臺(tái)（傳感器的支持設(shè)備）、通訊系統(tǒng)、影像處理平臺(tái)（如MATLAB、Pix4D、ENVI、PhotoScan）等構(gòu)成[4].

1.2 無人機(jī)的種類

根據(jù)結(jié)構(gòu)的不同，無人機(jī)可分為固定翼、多旋翼、直升機(jī)類和飛艇四類.固定翼飛機(jī)速度快、飛行時(shí)間長，但其成本高、懸停能力較差、速度快時(shí)易造成圖像模糊.小型多旋翼無人機(jī)能夠?qū)崿F(xiàn)定點(diǎn)懸停、中慢速航行且便于攜帶，適合定點(diǎn)、重復(fù)性高、多尺度、高分辨率的農(nóng)田信息采集，在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用更為廣泛[5].無人直升機(jī)旋翼大、飛行穩(wěn)定，能夠搭載體量較大的設(shè)備，但操作性復(fù)雜且噪聲大、成本高.飛艇類無人機(jī)具有良好的懸停能力和載荷能力，其體積和重量較大，有風(fēng)條件下穩(wěn)定性差，在農(nóng)業(yè)信息監(jiān)測(cè)方面應(yīng)用較少[6].

1.3 農(nóng)情遙感機(jī)載傳感器的種類

機(jī)載傳感器作為信息獲取的主要部件，其性能和品質(zhì)是影響獲取高精度作物信息并進(jìn)行解析的重要因素[7].經(jīng)過近十年的發(fā)展，在無人機(jī)低空遙感農(nóng)情監(jiān)測(cè)中所用到的傳感器種類較多，如RGB相機(jī)、多光譜相機(jī)、高光譜相機(jī)、熱成像儀和激光雷達(dá)等[8].在利用無人機(jī)圖像進(jìn)行作物長勢(shì)監(jiān)測(cè)研究的初始階段，由于無人機(jī)的承載能力有限，在當(dāng)時(shí)所開展的研究多以數(shù)碼影像或多光譜影像為數(shù)據(jù)源，雖然無法獲取精細(xì)光譜特征影像，但在空間分辨率上可達(dá)到厘米級(jí).隨著無人機(jī)技術(shù)的日益成熟，無人機(jī)高光譜遙感憑借其波段連續(xù)性強(qiáng)、光譜數(shù)據(jù)量大的優(yōu)勢(shì)和納米級(jí)的分辨率，被眾多學(xué)者用于農(nóng)業(yè)領(lǐng)域作物長勢(shì)監(jiān)測(cè)的研究[9]，并成為觀測(cè)地表作物的強(qiáng)有力工具.熱成像儀通過傳感器接收農(nóng)作物的紅外輻射信息，可以快速提取大面積作物冠層溫度信息，多用在作物干旱脅迫和含水率分析等方面的研究[10].激光雷達(dá)獲取遙感點(diǎn)云數(shù)據(jù)也可以對(duì)地面農(nóng)情信息進(jìn)行反演[8].

1.4 無人機(jī)農(nóng)情遙感監(jiān)測(cè)的優(yōu)勢(shì)

無人機(jī)遙感監(jiān)測(cè)具有快速機(jī)動(dòng)性強(qiáng)的響應(yīng)能力，適合不同種植結(jié)構(gòu)和不同地形的農(nóng)田場(chǎng)景，能夠在緊急或非緊急狀態(tài)下為農(nóng)業(yè)種植者、管理者和決策者提供實(shí)時(shí)準(zhǔn)確的遙感數(shù)據(jù)；無人機(jī)遙感成本低，不用考慮飛行員的安全，云層干擾小，作業(yè)條件要求低；采用多角度航拍獲取不同方向的厘米級(jí)分辨率數(shù)據(jù)，能夠有效結(jié)合三維冠層高度和正射影像信息，提高反演精度；無人機(jī)遙感的強(qiáng)自主性可根據(jù)不同的要求搭載不同分辨率、不同類型的傳感設(shè)備，建立高效遙感數(shù)據(jù)信息解析模型；無人機(jī)遙感對(duì)空間異質(zhì)信息相應(yīng)敏感.在不同作物和氣候條件以及人為管理?xiàng)l件等因素的影響下，農(nóng)田在宏觀尺度上是存在區(qū)域差異的，衛(wèi)星遙感難以克服以上因素對(duì)反演精度的影響[11]，而無人機(jī)遙感可以在低空范圍、小尺度下進(jìn)行研究，獲得大量的高質(zhì)量影像數(shù)據(jù).

2 無人機(jī)低空遙感在農(nóng)情信息監(jiān)測(cè)中的應(yīng)用

2.1 作物長勢(shì)監(jiān)測(cè)

長勢(shì)反映田間農(nóng)作物生長的狀態(tài)與趨勢(shì)，快速獲取作物長勢(shì)信息可為田間管理決策提供重要的依據(jù).作物系數(shù)、葉面積指數(shù)（Leaf Area Index，LAI）、植被指數(shù)、生物量、株高、光合色素含量等是常用的參數(shù)[12].在反演作物長勢(shì)參數(shù)方面，解析方法主要有基于經(jīng)驗(yàn)統(tǒng)計(jì)回歸與機(jī)器學(xué)習(xí)的方法；以影像形態(tài)特征和光譜特征進(jìn)行模式識(shí)別的解析方法；以葉片冠層結(jié)構(gòu)和生化參數(shù)模擬反射率的模型分析方法以及基于多源數(shù)據(jù)結(jié)合的分析方法.高林等[13]利用遙感數(shù)據(jù)獲得了高精度大豆LAI預(yù)測(cè)值.根據(jù)作物的生理特性，在紅波段、紅邊波段和近紅外波段，其光譜反射特征與長勢(shì)具有顯著相關(guān)性，因此可以通過多光譜獲得的影像數(shù)據(jù)與地面實(shí)測(cè)數(shù)據(jù)建立回歸模型反演作物表型參數(shù).陳鵬等[14]利用無人機(jī)多光譜影像，將影像中的光譜信息和紋理信息融合成新的綜合指標(biāo)估算了馬鈴薯葉綠素含量，綜合指標(biāo)模型比單一植被指數(shù)模型均方根誤差降低2.3%.Bian等人[15]采用無人機(jī)以多光譜相機(jī)和熱紅外相機(jī)為傳感器，獲得多種植被指數(shù)和水分脅迫率，為精準(zhǔn)灌溉提供科學(xué)依據(jù).Hassan等人[16]在無人機(jī)上搭載微型紅杉傳感器，研究了32個(gè)在不同灌溉條件下的小麥品種和育種情況，監(jiān)測(cè)小麥整個(gè)生命周期的NDVI.高光譜的高分辨率可提供更豐富和連續(xù)的數(shù)據(jù)信息，裴浩杰等人[17]以高光譜相機(jī)為傳感器，將葉面積指數(shù)、葉片葉綠素含量、植株氮含量、植株水分含量和生物量這5個(gè)指標(biāo)綜合建立的新指標(biāo)反演的模型精度較高，模型的標(biāo)準(zhǔn)均方根誤差最低僅為0.038.高林等[18]在冬小麥試驗(yàn)田中利用Cubert UHD185 Firefly成像光譜儀進(jìn)行空地聯(lián)合試驗(yàn)估測(cè)冬小麥LAI，獲取了精細(xì)的光譜特征信息，研究發(fā)現(xiàn)458～830 nm波段光譜質(zhì)量更優(yōu).陶慧林等人[19]采用無人機(jī)高光譜數(shù)據(jù)分析了不同生育期的指數(shù)和長勢(shì)監(jiān)測(cè)指標(biāo)的相關(guān)性，成功反演了冬小麥長勢(shì)監(jiān)測(cè)圖.高光譜成像和參數(shù)成圖技術(shù)可以實(shí)現(xiàn)區(qū)域范圍作物生物理化參數(shù)空間分布狀況的反演，為精準(zhǔn)農(nóng)業(yè)決策提供可靠的依據(jù)，但當(dāng)前參數(shù)圖是基于半經(jīng)驗(yàn)關(guān)系建立的預(yù)測(cè)模型，具有一定的時(shí)空限制性；另外，無人機(jī)搭載高光譜需要權(quán)衡空間、光譜分辨率與覆蓋范圍的關(guān)系才能獲取目標(biāo)的細(xì)微特征信息.

2.2 作物產(chǎn)量估測(cè)

及時(shí)預(yù)測(cè)作物產(chǎn)量可為經(jīng)營者管理種植模式和制定作物政策提供可靠支撐，已成為精準(zhǔn)農(nóng)業(yè)發(fā)展的迫切需求之一[20].無人機(jī)低空遙感估測(cè)作物產(chǎn)量主要是通過獲取作物在關(guān)鍵生長期的植被指數(shù)、水分含量、高度信息等建立回歸模型來實(shí)現(xiàn)[21].趙曉慶等[22]利用多旋翼無人機(jī)搭載成像高光譜傳感器監(jiān)測(cè)系統(tǒng)，獲取了不同生育期的不同光譜空間尺度下的大豆高光譜數(shù)據(jù)構(gòu)建植被指數(shù)，采用最小二乘法建立產(chǎn)量和植被指數(shù)之間的回歸模型，相關(guān)性高達(dá)0.811 7.在冬小麥的產(chǎn)量估測(cè)方面，朱婉雪等[23]通過最小二乘法構(gòu)建了基于不同植被指數(shù)與冬小麥實(shí)測(cè)產(chǎn)量的9種線性模型，相關(guān)性較好，最優(yōu)估算指數(shù)為EVI2.Md等[24]利用無人機(jī)遙感獲取水稻RGB圖像，利用多種圖像處理方式分割提取水稻，通過水稻米粒的面積來估測(cè)該地區(qū)的水稻產(chǎn)量，該方法人工提取特征的誤差較大.Zhang Meina等[25]提出了一種將RGB與CIR光譜圖像融合預(yù)測(cè)棉花產(chǎn)量的方法，基于全景圖像提取并計(jì)算了色度、植株覆蓋率與歸一化植被指數(shù)3個(gè)特征參數(shù)構(gòu)建預(yù)測(cè)模型，估計(jì)值與實(shí)際值之間的平均絕對(duì)誤差百分比為4.0%.當(dāng)前在農(nóng)作物產(chǎn)量估測(cè)方面，涉及到的農(nóng)作物較少，多集中在水稻、小麥、大豆等作物，大多數(shù)是通過建立回歸模型的方式分析相關(guān)性進(jìn)行估測(cè)，在作物的不同生育期差異性明顯，精度相對(duì)較低.在今后的研究中，需要融合作物多方面的生長參數(shù)，建立適用于特定作物的估測(cè)模型.

2.3 作物氮素診斷

作物正常生長離不開氮、磷、鉀等營養(yǎng)元素，尤其是氮素，決定著作物的光合能力和同化產(chǎn)物能力，因此氮肥的管理是提高作物產(chǎn)量、增強(qiáng)品質(zhì)的重要過程之一.無人機(jī)高光譜遙感監(jiān)測(cè)作物氮素主要是通過反演葉片顏色、葉綠素水平、水分含量等的變化導(dǎo)致的冠層光譜差異來獲取作物生物理化參數(shù)空間分布狀況.在氮素診斷研究中以水稻、冬小麥和玉米等糧食作物為主.在水稻田的精準(zhǔn)施肥管理上，秦占飛等[26]利用成像高光譜數(shù)據(jù)結(jié)合統(tǒng)計(jì)分析及遙感參數(shù)成圖技術(shù)，反演區(qū)域尺度水稻氮素含量的空間分布，均方根誤差僅有0.329.在玉米、小麥等作物營養(yǎng)快速診斷過程中，魏鵬飛等[27]在玉米種植基地分別采集無人機(jī)多光譜影像和實(shí)測(cè)葉片氮含量數(shù)據(jù)，建立的回歸模型R2均高于0.5，實(shí)現(xiàn)了對(duì)夏玉米葉片氮含量的高精度監(jiān)測(cè).Liu等人[28]基于無人機(jī)高光譜系統(tǒng)獲取小麥冠層圖像，結(jié)合人工神經(jīng)網(wǎng)絡(luò)法建立了小麥葉片氮素反演模型，可預(yù)測(cè)小麥不同時(shí)期的葉片氮濃度.Jay等[29]利用無人機(jī)光譜獲取甜菜冠層影像，對(duì)甜菜冠層氮含量進(jìn)行反演.目前針對(duì)營養(yǎng)素監(jiān)測(cè)研究大多集中在構(gòu)建作物氮素營養(yǎng)指標(biāo)的反演模型上，而針對(duì)作物氮素營養(yǎng)指標(biāo)信息的基礎(chǔ)反演以及如何判斷氮素虧缺狀況和針對(duì)無人機(jī)影像圖設(shè)計(jì)變量施肥方法等的研究較少，因此基于無人機(jī)影像的氮素施肥推薦方法和模型尚需進(jìn)一步的探索；基于無人機(jī)高光譜成像遙感監(jiān)測(cè)作物氮素反演過程中復(fù)雜的生化組分如木質(zhì)素、淀粉等導(dǎo)致光譜吸收特征重疊也會(huì)影響氮素含量的估測(cè).

2.4 作物病蟲草害監(jiān)測(cè)

根據(jù)聯(lián)合國糧農(nóng)組織統(tǒng)計(jì)，每年因病蟲草害導(dǎo)致的作物產(chǎn)量損失達(dá)30%以上，嚴(yán)重情況下甚至?xí)?dǎo)致作物絕產(chǎn)[30].快速監(jiān)測(cè)大范圍病蟲草害并采取有效的補(bǔ)救措施尤為重要，無人機(jī)低空遙感運(yùn)行成本低、靈活性高和獲取數(shù)據(jù)實(shí)時(shí)性強(qiáng)的特點(diǎn)使其在作物病蟲草害大面積范圍的快速檢測(cè)中具有不可比擬的優(yōu)勢(shì)[31].薛金利等[32]借助無人機(jī)搭載光譜獲取不同低空分辨率的棉花苗期影像，利用YOLOv3模型對(duì)棉田雜草進(jìn)行了識(shí)別，識(shí)別率高達(dá)94.06%.Gome等人[33]借助無人機(jī)遙感圖像實(shí)現(xiàn)了小麥生長區(qū)內(nèi)雜草的識(shí)別，并根據(jù)識(shí)別結(jié)果對(duì)雜草進(jìn)行控制.在農(nóng)業(yè)遙感中，眾多學(xué)者通過分析農(nóng)作物生長信息的敏感波段，借助多光譜近紅外區(qū)域和紅邊區(qū)域的特點(diǎn)來監(jiān)測(cè)作物病蟲害[34].Hunt等[35]利用六旋翼無人機(jī)搭載多光譜相機(jī)獲取了馬鈴薯冠層影像信息，利用基于面向?qū)ο蟮姆治龇椒▉頊?zhǔn)確判定馬鈴薯甲蟲危害程度.高光譜遙感檢測(cè)病蟲害的原理是通過解析發(fā)生病蟲害的反射光譜和正常健康作物反射光譜的差異來實(shí)現(xiàn)，蘭玉彬等[36]在獲取無人機(jī)低空柑橘果園高光譜影像后，對(duì)健康植株和感染黃龍病的植株冠層感興趣區(qū)域處理實(shí)現(xiàn)對(duì)黃龍病的診斷，對(duì)測(cè)試集的誤判率僅為3.36%.利用無人機(jī)遙感技術(shù)對(duì)作物病蟲害信息的研究大多集中在對(duì)影像光譜特征和病蟲害發(fā)生程度的關(guān)系解析方面.針對(duì)無人機(jī)遙感農(nóng)作物病蟲害的早期診斷研究鮮有報(bào)道，若要在實(shí)際農(nóng)業(yè)生產(chǎn)中推廣應(yīng)用還需將影像數(shù)據(jù)與氣象、水資源等信息結(jié)合，解析成可以引導(dǎo)無人機(jī)航空植保的作業(yè)處方圖，并根據(jù)不同地區(qū)特點(diǎn)制定不同的精準(zhǔn)噴施方案.

2.5 作物倒伏狀態(tài)監(jiān)測(cè)

氣候變化和災(zāi)害性天氣等導(dǎo)致的作物倒伏會(huì)降低作物光合作用和結(jié)實(shí)率，大幅降低作物的產(chǎn)量[37]；此外，倒伏引起的植株損傷為病害傳播提供了條件，會(huì)再次加重受災(zāi)損失[38]，因此對(duì)植株倒伏進(jìn)行有效的監(jiān)測(cè)對(duì)減少農(nóng)作物損失有重要意義.無人機(jī)低空遙感影像的光譜、顏色及紋理特征為倒伏監(jiān)測(cè)和倒伏面積計(jì)算開辟了新思路.李宗南等[39]通過無人機(jī)遙感獲取了倒伏玉米的RGB圖像，分析色彩、紋理等特征計(jì)算倒伏面積.董錦繪等[40]將機(jī)器學(xué)習(xí)用于影像分類，利用拼接后的數(shù)碼影像估算了小麥倒伏面積，誤差最小為0.3%.戴建國等[41]采用無人機(jī)多光譜影像分析光譜反射率，建立了棉田倒伏災(zāi)害損失評(píng)估模型，在測(cè)試集上分類結(jié)果的準(zhǔn)確率為91.30%，AUC值為0.80.Han等[42]使用無人機(jī)獲取了倒伏玉米的多光譜和可見光圖像，提取紋理、冠層結(jié)構(gòu)、植被指數(shù)等參數(shù)，構(gòu)建了2種倒伏面積提取的Logistic模型.張新樂等人[43]為提高玉米倒伏面積的計(jì)算精度，采用無人機(jī)多光譜數(shù)據(jù)逐步提取特征分析差異，構(gòu)建基于5種典型特征組合的倒伏面積提取方法，對(duì)完熟期倒伏玉米的識(shí)別具有重要的借鑒意義.

2.6 作物水分脅迫診斷

無人機(jī)遙感在恰當(dāng)?shù)臅r(shí)空分辨率下獲取的圖像，對(duì)精準(zhǔn)分析作物所處的農(nóng)業(yè)氣象條件、土壤含水率、脅迫參數(shù)等的空間變異性及其相互關(guān)系具有非常重要的作用，可為大面積農(nóng)田范圍內(nèi)感知作物缺水空間變異性提供依據(jù).國內(nèi)外在此方面的研究主要分為基于作物自身參數(shù)的水分脅迫診斷方法和基于土壤含水率的診斷方法[44].在無人機(jī)遙感監(jiān)測(cè)土壤水分方面，利用多光譜、高光譜遙感以及多種傳感器獲取單一或多個(gè)波段建立植被指數(shù)模型是常用的方法.王敬哲等[45]采用無人機(jī)高光譜獲取的影像數(shù)據(jù)建立了差值指數(shù)、比值指數(shù)、歸一化指數(shù)及垂直植被指數(shù)與土壤含水率的關(guān)系，為干旱區(qū)綠洲農(nóng)田含水率提供了借鑒意義.張智韜等[46]采用無人機(jī)多光譜遙感獲取玉米和冬小麥的冠層多光譜正影射圖像，并同步采集根域不同深度的土壤含水率，構(gòu)建了基于機(jī)器學(xué)習(xí)的植被指數(shù)與土壤含水率的關(guān)系模型，模型R2高于0.851，均方根誤差僅為0.7%.針對(duì)基于作物自身水分脅迫感知的研究，已經(jīng)實(shí)現(xiàn)了對(duì)棉花[47]、西紅柿[48]、果園[49]以及葡萄園[50]等的水分脅迫監(jiān)測(cè).利用熱紅外遙感獲取作物的溫度指數(shù)也可以準(zhǔn)確表征作物水分脅迫的溫度指數(shù)或指標(biāo).還有學(xué)者通過建立基于多光譜特定波段的植被指數(shù)來監(jiān)測(cè)作物生理特性和水分脅迫變異信息[51]，常用的有葉黃素、葉綠素和冠層結(jié)構(gòu)指數(shù)等，基于此三類指數(shù)的水分脅迫研究其田間效果穩(wěn)定性仍然值得進(jìn)一步探索.在將無人機(jī)低空遙感應(yīng)用于作物水分脅迫監(jiān)測(cè)過程中，需結(jié)合地面觀測(cè)效果，對(duì)多源時(shí)空信息融合提高精確度和實(shí)時(shí)性.

3 無人機(jī)低空遙感監(jiān)測(cè)農(nóng)情信息存在的不足和未來發(fā)展趨勢(shì)

3.1 當(dāng)前無人機(jī)低空遙感監(jiān)農(nóng)情信息研究存在的不足

無人機(jī)低空遙感在農(nóng)情監(jiān)測(cè)方面的研究在近十年來呈現(xiàn)指數(shù)式增長，總體而言，無人機(jī)遙感系統(tǒng)在農(nóng)情監(jiān)測(cè)推廣應(yīng)用方面取得了眾多顯著成果，但目前的研究仍存在不足，主要有以下幾個(gè)方面的問題：

（1）無人機(jī)飛行控制技術(shù)在近幾年雖然取得了較大發(fā)展，但無人機(jī)遙感監(jiān)測(cè)過程中的飛行平穩(wěn)性與智能化水平在面對(duì)復(fù)雜的作業(yè)環(huán)境時(shí)具有一定局限性.一方面，無人機(jī)難以承受較大的載荷能力，自身攜帶的傳感器精度、電池續(xù)航能力和通信距離等因素都會(huì)影響無人機(jī)遙感監(jiān)測(cè)的實(shí)用性[52]；另一方面，無人機(jī)受外在環(huán)境影響較大，在陰雨和多風(fēng)天氣難以開展相應(yīng)的飛行監(jiān)測(cè)工作，導(dǎo)致其適用性降低.盡管利用滑膜變結(jié)構(gòu)控制和抗干擾技術(shù)的飛行控制算法在一定程度上可以應(yīng)對(duì)風(fēng)力的影響[53?54]，但無人機(jī)獲取的遙感圖像信息抖動(dòng)和噪點(diǎn)信息較多，需要經(jīng)過專業(yè)性較強(qiáng)和繁瑣的預(yù)處理過程[55]，處理結(jié)果對(duì)后續(xù)的數(shù)據(jù)分析及模型反演的精度有較大的影響，這也限制了其在農(nóng)業(yè)中的廣泛適用性.

（2）無人機(jī)低空遙感系統(tǒng)搭載的單一傳感器難以全面反映田間和作物表型信息，如何將不同遙感信息綜合使用，提高監(jiān)測(cè)精度、拓展監(jiān)測(cè)范圍還需進(jìn)一步思考.隨著機(jī)載傳感器的小型化和智能化，已有學(xué)者研究多源數(shù)據(jù)同步監(jiān)測(cè)農(nóng)田信息，如高林等[56]采用數(shù)碼影像和高光譜成像數(shù)據(jù)相結(jié)合的方式，綜合估算了玉米生物量.但目前多源數(shù)據(jù)融合解析作物表型信息的研究還很有限，在復(fù)雜的農(nóng)業(yè)環(huán)境中，其數(shù)據(jù)的組合不應(yīng)局限于兩個(gè)或多個(gè)傳感器的融合.韓文霆等[57]的研究表明空間關(guān)系的變化會(huì)影響目標(biāo)解析的特異性，針對(duì)田間空間變化可以通過多種方法獲得，特別是納米衛(wèi)星，也可以通過歷史產(chǎn)量圖、土壤電導(dǎo)率測(cè)量來提取土壤肥力等信息，或基于拖拉機(jī)的遙感，將所有這些資源的信息組合，可以為管理決策過程提供一定的輔助作用.如何將成像光譜數(shù)據(jù)與空間構(gòu)型數(shù)據(jù)高效融合以及無人機(jī)遙感數(shù)據(jù)、衛(wèi)星遙感數(shù)據(jù)和地面監(jiān)測(cè)數(shù)據(jù)這類“空-天-地”一體型數(shù)據(jù)進(jìn)行融合的應(yīng)用，仍然需要進(jìn)一步加強(qiáng)研究.

（3）在無人機(jī)遙感監(jiān)測(cè)農(nóng)情信息研究中，未能考慮時(shí)空變換對(duì)作物表型信息獲取和解析的影響.在作物生長發(fā)育的不同時(shí)期，其光譜和紋理特征亦有所不同，而當(dāng)前基于無人機(jī)遙感的農(nóng)情信息監(jiān)測(cè)研究，大多基于單時(shí)段的數(shù)據(jù)，很少有獲取多個(gè)連續(xù)生長期的作物表型數(shù)據(jù)，反演參數(shù)少、代表性不足，難以準(zhǔn)確表達(dá)作物的真實(shí)長勢(shì)和指數(shù)等參數(shù).因此，對(duì)作物生長過程的連續(xù)性監(jiān)測(cè)并探尋農(nóng)情信息的周期性、動(dòng)態(tài)性監(jiān)測(cè)模型很有必要[58].無人機(jī)低空遙感獲取數(shù)據(jù)后對(duì)作物指數(shù)反演、產(chǎn)量估測(cè)、氮素評(píng)估和作物生長脅迫模型的建立往往以經(jīng)驗(yàn)為主，且針對(duì)不同類型的作物表型信息解析需要單獨(dú)建模，目前還沒有人為無人機(jī)遙感監(jiān)測(cè)研究開發(fā)通用的模型或調(diào)整作物的參數(shù)庫[6].盡管眾多學(xué)者利用植被指數(shù)、長勢(shì)參數(shù)等指標(biāo)通過經(jīng)驗(yàn)統(tǒng)計(jì)回歸與機(jī)器學(xué)習(xí)等方法[8]成功應(yīng)用于作物覆蓋度、株高、倒伏面積、生物量、葉面積指數(shù)、冠層溫度、水分脅迫等農(nóng)情信息的解析，但對(duì)于大多數(shù)作物及其指標(biāo)而言，模型的穩(wěn)定性、準(zhǔn)確性和普適性還有待進(jìn)一步研究.此外，針對(duì)遙感信息獲取的目標(biāo)分布圖和氮素監(jiān)測(cè)水平圖等后續(xù)進(jìn)行的精準(zhǔn)管理應(yīng)用研究很少.因此急需開發(fā)高效的地物識(shí)別、信息提取與解析模型，形成一定的標(biāo)準(zhǔn)和通用方法.

3.2 無人機(jī)低空遙感應(yīng)用前景與發(fā)展趨勢(shì)

3.2.1 農(nóng)情遙感監(jiān)測(cè)應(yīng)用的廣度和深度不斷拓展

無人機(jī)遙感監(jiān)測(cè)技術(shù)在農(nóng)情信息獲取方面有著顯著的優(yōu)勢(shì)和廣闊的應(yīng)用前景，已成為高效獲取田間和作物表型信息并進(jìn)行農(nóng)業(yè)現(xiàn)代化管理的重要手段之一.當(dāng)前無人機(jī)遙感監(jiān)測(cè)的研究對(duì)象多數(shù)集中在玉米、小麥、水稻、棉花、大豆等作物，針對(duì)薯類、蔬菜類、林果業(yè)的研究較少，并且在研究中包含的作物品種數(shù)量少，僅依靠單一作物信息無法實(shí)現(xiàn)對(duì)復(fù)雜農(nóng)情的信息解析.因此在今后的發(fā)展過程中，應(yīng)不斷拓寬無人機(jī)遙感在農(nóng)情信息監(jiān)測(cè)的深度和廣度，為低空遙感在精準(zhǔn)農(nóng)業(yè)農(nóng)情信息獲取解析中提供更多理論和技術(shù)支持.

3.2.2 機(jī)載傳感設(shè)備的低成本、微小型化的研發(fā)方向

基于無人機(jī)低空遙感在農(nóng)情信息獲取與解析方面取得的巨大優(yōu)勢(shì)，如快速的田間取樣、高通量和高分辨率的數(shù)據(jù)類型、長勢(shì)參數(shù)的快速獲取、圖像快速同步、高效率作業(yè)方式等，但當(dāng)前無人機(jī)低空遙感傳感設(shè)備如高光譜儀、熱成像儀等價(jià)格昂貴，大大限制了無人機(jī)低空遙感信息獲取的應(yīng)用推廣.機(jī)載傳感設(shè)備的體積對(duì)無人機(jī)飛行過程中的續(xù)航能力和靈活性影響較大，急需開發(fā)成本低、體積小、質(zhì)量輕和通用性強(qiáng)的機(jī)載傳感設(shè)備，促進(jìn)無人機(jī)低空遙感技術(shù)在農(nóng)業(yè)中的推廣.

3.2.3 無人機(jī)多源數(shù)據(jù)融合技術(shù)的挖掘不斷深入

不同波段的傳感器在獲取信息方面的能力和特點(diǎn)有所不同，無人機(jī)多載荷傳感器協(xié)同觀測(cè)和數(shù)據(jù)融合處理技術(shù)對(duì)于高效反演作物信息，應(yīng)用于精準(zhǔn)農(nóng)業(yè)的日常實(shí)踐中具有重要意義.以作物病害信息監(jiān)測(cè)為例，遙感數(shù)據(jù)能夠提供面狀連續(xù)的數(shù)據(jù)，結(jié)合關(guān)鍵地區(qū)無人機(jī)多光譜數(shù)據(jù)，則能夠提供點(diǎn)狀的連續(xù)時(shí)相的數(shù)據(jù)[58].因此，未來的研究應(yīng)集中于利用光譜數(shù)據(jù)與熱數(shù)據(jù)的互補(bǔ)性，遙感數(shù)據(jù)與地面觀測(cè)數(shù)據(jù)的耦合性，高空衛(wèi)星和低空光譜數(shù)據(jù)的匹配性，不斷深入挖掘多源數(shù)據(jù)的融合技術(shù)，從而集成觀測(cè)數(shù)據(jù)并構(gòu)建通用性強(qiáng)、精度高、應(yīng)用廣泛的作物信息解析模型，為現(xiàn)代農(nóng)業(yè)精準(zhǔn)化管理提供更多堅(jiān)實(shí)的保障.

3.2.4 遙感監(jiān)測(cè)技術(shù)標(biāo)準(zhǔn)化和易操作方案的推廣

無人機(jī)農(nóng)情遙感信息監(jiān)測(cè)對(duì)飛行控制技術(shù)、數(shù)據(jù)的解析建模等操作需要有專業(yè)的技術(shù)，特別是在熱數(shù)據(jù)和高光譜數(shù)據(jù)方面的處理能力，對(duì)技術(shù)人員的要求較高.因此需要對(duì)處理程序進(jìn)行標(biāo)準(zhǔn)化和易操作的全流程技術(shù)方案的研究與推廣，使用戶能夠自主實(shí)現(xiàn)對(duì)農(nóng)情信息的獲取和分析，允許非專家用戶將無人機(jī)操控、高光譜和熱傳感器等數(shù)據(jù)處理應(yīng)用于日常操作，進(jìn)一步擴(kuò)大無人機(jī)低空遙感平臺(tái)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用范圍.

4 結(jié)論

無人機(jī)低空遙感作為現(xiàn)代精準(zhǔn)農(nóng)業(yè)的重要信息獲取方式，可以同時(shí)搭載多種不同的傳感載荷，經(jīng)常用于農(nóng)情遙感監(jiān)測(cè)的機(jī)載傳感設(shè)備主要有RGB相機(jī)、多光譜相機(jī)、高光譜相機(jī)、熱成像儀和激光雷達(dá)等，其高時(shí)效、高分辨率、低成本等特性，在農(nóng)情信息監(jiān)測(cè)中具有獨(dú)一無二的優(yōu)勢(shì)，已成為精準(zhǔn)農(nóng)業(yè)作物表型信息感知與解析的研究熱點(diǎn).在遙感農(nóng)情監(jiān)測(cè)中通過對(duì)作物長勢(shì)監(jiān)測(cè)、產(chǎn)量估測(cè)、氮素診斷、病蟲草害監(jiān)測(cè)、倒伏監(jiān)測(cè)、作物水分脅迫分析等可為田間管理制定精準(zhǔn)作業(yè)方案，對(duì)于推動(dòng)現(xiàn)代農(nóng)業(yè)生產(chǎn)具有重要的理論支撐和技術(shù)應(yīng)用價(jià)值.

雖然目前基于無人機(jī)遙感的農(nóng)情監(jiān)測(cè)作業(yè)已經(jīng)取得了一定成果，但仍然存在難以滿足多樣化的用戶需求，包括研究廣度和深度難以覆蓋復(fù)雜的農(nóng)業(yè)實(shí)際的現(xiàn)狀；傳感器的高成本和通用性低導(dǎo)致的推廣率低；遙感數(shù)據(jù)的單一性不能完全代表作物的生長信息；數(shù)據(jù)解析過程的專業(yè)性強(qiáng)，還未形成通用性強(qiáng)、易操作的解決方案.毫無疑問的是，無人機(jī)遙感技術(shù)將繼續(xù)發(fā)展，并進(jìn)一步擴(kuò)大其在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用領(lǐng)域.無人機(jī)傳感器質(zhì)量和性能以及用戶操作友好性的提高趨勢(shì)將持續(xù)下去，將易操作、通用性強(qiáng)、精度高的全套技術(shù)解決方案推廣到普通用戶，使得非專家用戶將無人機(jī)遙感監(jiān)測(cè)系統(tǒng)應(yīng)用于日常操作.