張 夢

(1.安徽理工大學空間信息與測繪工程學院，安徽 淮南 232001)

農(nóng)業(yè)是國家立足的根本，發(fā)展富強的基礎(chǔ)。隨著社會經(jīng)濟的高速發(fā)展，對農(nóng)業(yè)生產(chǎn)領(lǐng)域也提出新的要求。農(nóng)業(yè)機械化和信息化是農(nóng)業(yè)現(xiàn)代化主要發(fā)展方向，其下一階段的目標是實現(xiàn)農(nóng)業(yè)自動化與智能化?，F(xiàn)代農(nóng)業(yè)信息化的發(fā)展需要及時準確獲取地表田間作物信息，以此實現(xiàn)作物分類識別、田間土壤理化性質(zhì)反演及農(nóng)業(yè)災害監(jiān)測。目前，主要以人工地面調(diào)查和遙感方法獲取田間作物信息。傳統(tǒng)的地面人工調(diào)查方法不僅在人力、財力等方面耗費大，而且不能直觀反映農(nóng)業(yè)種植空間分布。衛(wèi)星遙感是一門有效的綜合性對地探測技術(shù)，以其宏觀性在大范圍的農(nóng)情遙感監(jiān)測中得到廣泛應用[1]。然而，受其軌道高度的影響，在重訪周期、分辨率等方面存在一定局限性[2]，制約了衛(wèi)星遙感技術(shù)的應用。無人機(Unmanned Aerial Vehicle，UAV)遙感技術(shù)的應用拓展了精確獲取地表信息的渠道，其機身尺寸小、便攜性強，使用成本低、靈活度高，且其時空分辨率優(yōu)于航天航空遙感平臺，為小區(qū)域作物精細監(jiān)測提供了新手段。在此背景下，首先對無人機遙感技術(shù)進行概述，然后對目前無人機遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應用進展進行總結(jié)，最后對無人機遙感技術(shù)應用前景和發(fā)展趨勢進行展望。

一、無人機遙感技術(shù)簡介

近年來隨著無人機動力系統(tǒng)、控制系統(tǒng)和傳感器技術(shù)水平的不斷發(fā)展，使無人機搭載多種類型傳感器實現(xiàn)對地觀測成為可能，是對衛(wèi)星遙感平臺的有效補充。與衛(wèi)星平臺相比，無人機遙感對地觀測時的飛行高度一般較低，不會受到大氣層的影響，受云層的影響也較小，因此能夠獲取更為精細的地表影像數(shù)據(jù)。無人機遙感系統(tǒng)主要包括飛行載荷平臺和傳感器兩個部分。動力系統(tǒng)、姿態(tài)調(diào)整系統(tǒng)、GPS實時定位系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)是飛行載荷平臺的重要組成部分，按機體結(jié)構(gòu)設(shè)計差異可分為固定翼和旋翼、無人直升機和飛艇等。其中小型固定翼和旋翼無人機使用成本相對較低，在農(nóng)業(yè)領(lǐng)域應用廣泛。小型固定翼無人機航速高，單位時間內(nèi)采集的影像范圍大，但其對飛行場地的及作業(yè)人員的操控技能要求較高；小型旋翼無人機易于攜帶，垂直起降方式使其對場地要求較低，能夠?qū)崿F(xiàn)定速定高巡航、懸停等操作，更加適用于農(nóng)情遙感監(jiān)測。目前無人機提供的智能飛控系統(tǒng)，能夠根據(jù)規(guī)劃后的KML邊界文件進行自主航線規(guī)劃、自動起飛、自動拍照、完成作業(yè)自動返航等，大幅提高了作業(yè)效率。

二、無人機遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應用現(xiàn)狀

(一) 作物種植區(qū)提取及面積監(jiān)測

在農(nóng)業(yè)領(lǐng)域，作物的分類識別是進行不同種類作物面積監(jiān)測、產(chǎn)量估計的前提[3]。無人機遙感技術(shù)獲取的高分辨率影像蘊藏豐富的地物表型信息，根據(jù)不同作物在無人機影像上所表現(xiàn)出的色彩、紋理特征，建立無人機遙感作物解譯標志庫，用于人工目視解譯與遙感制圖。雖然這種方式解譯精度高，但工作量大，作業(yè)人員容易出現(xiàn)解譯疲勞而導致解譯準確度的降低。為此，作物自動化提取方法成為當下研究熱點，國內(nèi)外的研究主要集中在算法的創(chuàng)新及特征的選擇上，主要包括統(tǒng)計回歸分析、人工神經(jīng)網(wǎng)絡等。如鄭明雪等通過對Mean Shift算法進行改進，基于無人機影像實現(xiàn)了田塊邊界的自動化提取[4]，提取效果較好；李明等基于無人機RGB影像及擴展特征構(gòu)建Logistic回歸模型用于水稻識別，總體正確率達到98 %，面積誤差小于3.5 %[5]；任澤茜等針對南方種植結(jié)構(gòu)復雜的破碎農(nóng)田景觀，通過引入植被指數(shù)并將隨機森林與尺度分割算法結(jié)合的方式進行無人機遙感作物種植面積監(jiān)測，面積誤差在1.11%以內(nèi)[6]。

(二) 作物長勢監(jiān)測及產(chǎn)量估計

通過對長勢及葉片發(fā)育情況監(jiān)測可以輔助進行作物的生長環(huán)境評估及水肥施補等田間管理。無人機遙感可以及時準確地獲取農(nóng)作物長勢信息，利用葉面積指數(shù)(LAI)、冠層高度、植被指數(shù)等地表參數(shù)監(jiān)測作物長勢信息，進而構(gòu)建作物產(chǎn)量估算模型。如周敏姑等通過提取冬小麥四個關(guān)鍵期無人機多光譜影像的反射率，采用多種回歸分析方法結(jié)合地面監(jiān)測數(shù)據(jù)建立冬小麥SPAD值的反演模型，在無人機遙感作物長勢監(jiān)測方面具有一定應用價值[7]；朱婉雪等基于多種植被指數(shù)構(gòu)建小麥3個生長關(guān)鍵期(返青期、抽穗期和成熟期)的估產(chǎn)模型，結(jié)果表明抽穗灌漿期小麥估產(chǎn)效果最好，植被指數(shù)EVI2最優(yōu)[8]；韓文霆利用多光譜無人機對夏玉米進行多時相監(jiān)測，采用牛頓-梯形積分和最小二乘法以多種植被指數(shù)構(gòu)建不同生育期的玉米估產(chǎn)經(jīng)驗模型，在玉米長勢評估和產(chǎn)量預測方面效果較好，估產(chǎn)模型R2可達到0.87以上[9]。

(三) 農(nóng)業(yè)災害遙感

農(nóng)業(yè)災害是導致糧食減產(chǎn)的主要原因，對農(nóng)業(yè)災害進行遙感監(jiān)測有利于了解作物受災情況，從而對損失進行評估，及時調(diào)整糧食供應策略、補充糧食供應渠道，避免因減產(chǎn)而導致糧食供應緊張。目前，農(nóng)業(yè)災害遙感監(jiān)測的研究主要涉及凍害、病蟲害等方面。如安談洲等利用無人機遙感監(jiān)測過冬油菜凍害，采用深度學習算法的油菜凍害整體識別精度達到98.13 %，Kappa系數(shù)為0.96[10]；地力夏提·依馬木等利用Logistic算法對棉田蟲害進行無人機多光譜遙感監(jiān)測，基于SAVI和NDVI地表參數(shù)構(gòu)建的棉蚜蟲、棉紅蜘蛛、棉鈴蟲識別模型最優(yōu)，三類蟲害的識別精度為66.3 %～94.2 %[11]；Ryo Sugiura等使用無人機RGB影像結(jié)合田間抗性試驗開展了馬鈴薯晚枯萎病的研究，實現(xiàn)馬鈴薯晚疫病的無人機遙感監(jiān)測，取得了不錯的效果[12]。

三、無人機遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應用中的挑戰(zhàn)與展望

(一) 無人機遙感系統(tǒng)軟硬件設(shè)備的改進

尺寸小、使用靈活方便是無人機遙感平臺的特點，然而這也導致了無人機遙感平臺存在載荷低、滯空時間短、抗風能力弱等不足。一方面，農(nóng)情遙感監(jiān)測領(lǐng)域需要根據(jù)不同需求使用不同類型的傳感器，由于無人機平臺載荷能力及使用成本的限制，目前國內(nèi)外的研究多集中在傳統(tǒng)RGB相機和多光譜相機的應用研究上，極少使用質(zhì)量大、成本高的高光譜傳感器和熱成像儀。另一方面，農(nóng)情遙感監(jiān)測需要獲取大范圍的監(jiān)測數(shù)據(jù)，當前普遍使用的小型無人機存在續(xù)航時間短的缺點，通訊距離的限制也是影響其作業(yè)效率、作業(yè)范圍的不利因素。此外，無人機在高空作業(yè)時遭遇大風容易產(chǎn)生一定程度的抖動，導致獲取的影像不同程度受到影響(如扭曲變形、成像模糊等)，這也給后期數(shù)據(jù)處理帶來挑戰(zhàn)，從而導致后續(xù)的數(shù)據(jù)分析及研究結(jié)果產(chǎn)生偏差，限制了其在農(nóng)業(yè)領(lǐng)域的應用與推廣。鑒于無人機遙感系統(tǒng)的廣泛應用前景，政府、企業(yè)、科研院所需要協(xié)同合作，出臺相應政策及行業(yè)標準，規(guī)范與促進行業(yè)有序發(fā)展，不斷更新無人機遙感系統(tǒng)軟硬件設(shè)備，開發(fā)出滿足不同任務需求、成本低、體積小的無人機平臺及各類型的傳感器，以滿足使用者對便攜性、經(jīng)濟性、適用性、長續(xù)航的需求。同時不斷優(yōu)化飛行控制算法及數(shù)據(jù)傳輸模式，提高無人機遙感平臺的作業(yè)效率和產(chǎn)品的質(zhì)量。由于無人機遙感系統(tǒng)的應用從數(shù)據(jù)采集、數(shù)據(jù)處理及后續(xù)的實際應用大都停留在科學研究上，需要作業(yè)人員具有較高的專業(yè)知識與技能，適用的范圍小。如何實現(xiàn)從數(shù)據(jù)采集到實際應用的一整套技術(shù)方案的自動化與智能化，降低使用者的學習成本、擴展應用范圍將是今后的研究方向。

(二) 不同平臺多源、多時序數(shù)據(jù)協(xié)同利用

目前農(nóng)業(yè)領(lǐng)域的監(jiān)測數(shù)據(jù)主要有空—天—地三個尺度的數(shù)據(jù)源，三個尺度的監(jiān)測手段各有優(yōu)劣。航空領(lǐng)域適合大尺度的農(nóng)情遙感監(jiān)測，但其在分辨率方面有一定局限性；地面主要靠作業(yè)人員手持各種儀器采集作物信息，其在數(shù)據(jù)的準確度方面具有一定優(yōu)勢，但難以保證監(jiān)測效率和監(jiān)測范圍；無人機的應用擴展了航天監(jiān)測的手段，是對航空和地面監(jiān)測方法的有效補充。目前，農(nóng)情遙感監(jiān)測的研究多基于單一尺度數(shù)據(jù)源甚至是單一傳感器，其獲取的田間作物信息較單薄，難以全面反映作物表型特征。因此，如何將不同平臺、不同傳感器的數(shù)據(jù)進行融合利用將是今后關(guān)注的方向。由于作物一直處于生長狀態(tài)，處于不同生長階段的作物表現(xiàn)出不同的理化性質(zhì)，不同地理環(huán)境和氣候條件也會擴大這種差異性，基于特定地域、單一生長期所建立的模型代表性有限，對于普遍情況下的農(nóng)情遙感監(jiān)測適用性不強。因此，通過對不同尺度、不同地域、不同時序數(shù)據(jù)的綜合利用，在時間和空間上進行數(shù)據(jù)融合與數(shù)據(jù)挖掘，從而構(gòu)建具有可擴展性高、適用性強、精度高的作物監(jiān)測模型。

(三) 農(nóng)作物遙感特征擴展及算法的改進

通過傳感器直接獲取的作物波譜空間的信息量相對較少，且不同類型作物的波譜敏感度不同，不利于遙感影像目標信息的有效提取。因此有學者基于原始波段通過線性或非線性的數(shù)學計算進行特征擴展，目的是為了充分挖掘原始影像中隱含的信息，擴展作物遙感辨識性特征。常用的特征有指數(shù)特征、紋理特征、幾何空間特征和色彩特征等，然而各特征在不同作物應用上的優(yōu)勢尚未明確，沒有形成一套通用的作物敏感特征識別庫。因此，開發(fā)一套適用性強的敏感特征識別庫，同時揭示各特征的物理意義，對現(xiàn)代農(nóng)業(yè)的發(fā)展具有一定促進意義。此外，不同類型的算法在不同應用上各有優(yōu)勢，在今后的研究中，應面向?qū)嶋H應用需求，通過進一步改進現(xiàn)有算法或建立新型算法實現(xiàn)方案的優(yōu)化。

四、結(jié)語

無人機遙感技術(shù)的應用是對低空遙感的有效補充，在使用成本、功能及設(shè)備專業(yè)性上能夠滿足普通研究工作者的使用需求，在農(nóng)業(yè)遙感領(lǐng)域應用廣泛。目前，無人機遙感平臺搭載多種類型的傳感器用于農(nóng)情遙感監(jiān)測：傳統(tǒng)RGB相機獲取的影像分辨率高，地表作物覆蓋種類解析度高；多光譜和高光譜傳感器波段范圍廣，采集的影像信息量豐富，但也存在信息冗余的問題，為此有學者針對高光譜最佳波段組合方法進行研究，以期實現(xiàn)不同作物敏感波段的篩選，降低冗余信息量；熱成像儀可以獲取作物冠層熱輻射數(shù)據(jù)，多用于田間土壤含水率及干旱監(jiān)測；激光雷達獲取的點云數(shù)據(jù)可用于冠層高度提取等。通過多傳感器類型在作物種植區(qū)提取及面積監(jiān)測、作物長勢監(jiān)測及產(chǎn)量估計、農(nóng)業(yè)災害遙感等方面的應用可為田間管理提供數(shù)據(jù)支持，對推動農(nóng)業(yè)信息化的發(fā)展具有重要意義。雖然目前無人機遙感農(nóng)情監(jiān)測研究面向的作物種類多、涉及的研究范圍廣，但在信息融合、實際應用及推廣性方面存在不足。利用無人機遙感系統(tǒng)搭載的單一傳感器獲取的田間表型信息不全面，如何利用不同傳感器類型、甚至不同平臺遙感監(jiān)測數(shù)據(jù)進行協(xié)同與立體監(jiān)測，實現(xiàn)“空-天-地”一體化監(jiān)測體系將成為今后研究的方向。同時，受地形環(huán)境、氣候條件和作物種類的影響，目前涉及的研究方法、建立的模型多僅適用于當時的作業(yè)環(huán)境，具有一定局限性，如何將科研實驗進行推廣應用也是今后需要思考的問題?？梢灶A見，無人機遙感技術(shù)的發(fā)展不會停滯，其在農(nóng)業(yè)遙感監(jiān)測領(lǐng)域的應用潛力和價值將不斷被發(fā)掘，并且在實際應用中更加普遍化和大眾化。