基于无人机影像技术的小麦长势遥感监测

2022-11-19郑复承

农业与技术 2022年4期

郑复承

(三和数码测绘地理信息技术有限公司，甘肃天水 741000)

前言

小麦在我国粮食消费总量中占据较大的比重，受耕地面积减少、气候环境复杂及需求量增加的影响，小麦实现稳产高产的任务更加艰巨。小麦长势监测对实现小麦稳产、高产和高质量具有十分重要的意义。传统的小麦长势监测大多依靠现场调查、人工采样和生化分析等手段进行，监测效率低、监测范围有限，还需要投入大量的人力物力，且长势监测存在一定的滞后性和破坏性。在信息化时代发展中，对小麦生产进行科学化、精准化、高效化管理监测是保证小麦产量的重要保障。随着科学技术不断创新研发，越来越多的农业地区开始应用无人机影像技术对小麦长势进行科学监测，大幅度加强小麦长势监测工作效率与质量。

1 无人机影像技术概述

1.1 无人机类型与特点

无人机影像技术中常见的无人机类型主要包括固定翼无人机、多旋翼无人机与无人直升机3种。固定翼无人机是指通过动力装置产生推动力或前进力，固定机翼生成上升力确保无人机能够在空中顺利航行的航空装置，具有工作效率高、续航时间长、航行速度快等特点，但是固定翼无人机对起飞降落要求相对较高，同时无法进行空中悬停作业，在快速航摄过程中容易出现影像模糊问题。多旋翼无人机是指拥有3个轴以上的旋翼无人机，具有装置结构简单、能够悬停作业、起飞降落要求较低以及利用GPS航摄等优点，但是多旋翼无人机飞行速度相对较慢，同时存在载荷能力弱与续航时间短的缺点[1]。多旋翼无人机是现阶段农业生产中应用最为广泛的无人机类型，能够依据航摄需求与场地环境等进行适当调节。无人直升机是指具有单旋翼和尾部螺旋桨的直升机，其对起降场地环境要求相对较低，能够进行空中悬停作业，具有载荷能力强、续航时间久的特点，但是无人直升机结构比较复杂，使用维护成本较高，同时需要操作人员具有较高的专业能力，因此在农业遥感监测工作中极少运用。

1.2 传感器类型与特点

无人机影像技术中搭载的传感装置主要有5种，即高清相机、热成像相机、多光谱相机、高光谱成像装置以及激光雷达。高清相机拥有体积小、价格低廉、影像分辨率高以及整体重量较轻等优点，能够有效获取到分辨率较高的RGB影像信息，通过分析研究影像信息能够快速了解到作物长势。高清相机对天气环境要求较低，能够在阴天条件下正常工作，是精准化农业的重要研究对象。热成像相机是指通过发射红外线对农作物进行探测监测，具有影像精度高、成像速度快、反应灵敏的特点，热成像相机主要应用在作物冠层温度监测工作中，冠层温度能够间接反映出作物长势与蒸腾信息。多光谱相机具有多个波段通道，与普通高清相机相比能够对作用长势、产量以及营养情况等作物性状进行精准监测与诊断。高光谱成像装置是指利用波段较窄的电磁波监测作物以获取作物光谱信息，从而帮助农业人员对作物叶绿素含量、营养状态、水含量、蛋白质含量以及叶片面积等信息进行预测判断。但是高光谱成像装置会随着分辨率的提升而出现冗余现象和噪声干扰等问题，增加数据信息分析处理难度[2]。激光雷达能够快速获取监测目标表面模型信息，拥有抗干扰能力强、分辨率较高等优点。但是，激光雷达成本相对较高，操作流程相对复杂，主要应用于森林资源与自然环境监测工作中，在农业生产中极少应用。

2 无人机影像技术对小麦长势遥感监测的应用

2.1 小麦叶绿素含量监测

叶绿素是小麦吸收与利用太阳能的重要载体，小麦叶片中的叶绿素含量与小麦光合能力紧密相连，小麦叶绿素含量能够直接反映出氮素营养状况与光合作用能力，在小麦生长过程中常用于评价营养情况与逆环境中的伤害程度。胡萝卜素、叶绿素a和叶绿素b等会吸收不同波长的太阳光，因此，通过对小麦冠层反射光谱进行遥感监测能够在一定程度上监测到小麦叶绿素含量与具体组成情况[3]。现阶段的小麦叶绿素含量监测工作主要是指建立作物指数与叶绿素含量之间的回归关系或冠层光谱参数。如，为研究水浇地环境与干旱地环境中小麦生长期间叶片叶绿素含量的变化规律，可以利用无人机遥感技术对小麦拔节期间光谱影像信息进行监测获取，通过提取4个不同波段下的小麦冠层光谱影像，从中选取与SPAD值(叶绿素相对含量)具有强关联关系的7项作物指标，建立作物指数与SPAD值的一元线性回归模型与多元模型。通过对数据模型的分析验证能够对小麦拔节期间叶绿素含量进行精准预判，从而帮助农业人员了解小麦在田间环境中的营养情况，大幅度加强农业管理效率与精准性。

2.2 小麦叶面积指数监测

小麦叶面积指数是评价小麦长势、预测小麦产量的主要指标数据之一，与小麦光能利用率息息相关，不同的叶面积指数对应不同的光反射率。在使用无人机影像技术对小麦叶面积指数进行监测时，可以依据实际需求搭载高光谱、红外线、热成像、可见光等不同种类相机[4]。如，可以利用无人机搭载高光谱相机对小麦生长期间进行光谱参数测定，进而分析作物指数与叶面积指数、Hcsm之间的关联性，从而选择出最佳作物指数，并构建单个参数的叶面积指数线性关系模型，最终提高叶面积指数的预判估算精确度。

2.3 小麦叶片生物量监测

小麦叶片生物量能够直观反映出小麦的实际生长情况，与叶片光能利用率和产量息息相关，是小麦作物十分重要的生理参数，能够有效监测小麦生长趋势，方便农业人员预测小麦产量。传统模式中的生物量测定主要选用破坏性采样方法，时效性相对较差。而利用无人机技术搭载高光谱相机的遥感监测方法具有数据信息量大、信息时效性强、光谱分辨率良好等优点，能够对小麦群体长势进行及时有效地监测，从而加强农业生产精准化。如，在利用高光谱相机获取小麦作物光谱数据信息后，可以通过归一化作物指数对小麦开花期间的生物量进行精准估算，同时能够利用人工神经网络方法对小麦生物量预判精准性进行有效加强。此外，可以利用红边三角作物指数对小麦冠层生物量进行有效估算。

2.4 小麦氮素含量监测

氮元素是小麦生长发育期间必需的主要元素之一，如果氮素含量缺少，会直接影响到作物生长情况，如出现生长速度降低、长势不良等现象；氮素过量则会导致作物出现晚熟、作物质量下降等问题。利用无人机影像技术对小麦长势进行遥感监测，能够有效监测控制小麦氮素含量情况，帮助农业人员及时获得小麦长势情况与营养信息，同时将小麦长势信息与时间因素相结合，为制定小麦养分优质栽培提供真实数据信息，以提升小麦氮素含量监测的精确性与时效性。高光谱相机具有影像分辨率高和信息储存量大的优点，有效改善了传统人工破坏采样方法中存在的局限性和缺乏实效性的缺点，实现了对小麦作物进行无损实时监测的目的。通过对不同种类小麦品种在不同施氮情况下小麦叶片氮含量与冠层高光谱信息数据的测定分析，能够探究出二者之间存在的参数关系，最终能够确定给予红边面积构建小麦氮含量监测模型具有良好的预估精确度，红边参数能够有效反映出小麦氮素营养情况[5]。可以利用多光谱相机对小麦生长期间进行影像监测，依据影像信息构建小麦不同生长阶段氮素含量指数的数据模型，从而能够得出最终结论，帮助农业人员掌握小麦实际长势。利用壁纸光谱指数构建的小麦氮素含量模型能够有效提升模型数据精确度与稳定度。此外，利用反演模型检测技术同样能够提升小麦氮素含量监测精确度，从而为农业人员对小麦生长情况进行科学调节提供理论基础，推动精准化农业的进一步发展应用。

2.5 小麦产量监测

农作物的实际产量是我国开展农业相关政策制定与平衡粮食供需关系的重要依据，直接影响到国家安全与社会稳定问题。而无人机影像技术能够在短时间内获取较大区域内的农作物信息，且信息数据具有较高的准确性与时效性，对相关部门开展农作物产量预测、宏观调控、政策制定等具有重要的积极作用。随着无人机影像技术的快速发展，在对小麦产量进行研究分析时，可以利用无人机搭载高光谱相机获取农田小麦实际长势情况，通过对高光谱反射率信息的研究分析，最终能够明确小麦产量预测的敏感光谱图像以及不同条件下的作物指数；利用无人机技术对不同生长阶段的小麦进行遥感监测，构建不同种类小麦产量实测线性模型，从而明确不同生长阶段的小麦产量反演模型的精确度；利用作物水分指数、光合作用化学反射指数等作物指数预测小麦单产水平；利用小麦氮素含量指数将作物指数与小麦产量有效连接，建立关联关系，从而构建出小麦实际籽粒产量的预估模型；在小麦抽穗开花后运用归一化作物覆盖指数对小麦实际产量进行有效预测。

2.6 小麦长势品质监测

依据实际使用目的的差异可以将小麦品质划分成不同品质标准，如安全品质、食味品质、加工品质、外观品质以及卫生品质等。物质会在不同力的作用下出现不同的反射特征，这些特征能够间接反映出物质内部成分与结构组成信息等。利用无人机影像技术对小麦品质进行监测时主要通过对小麦冠层进行光谱成像，在光谱影像中寻找和籽粒蛋白质相关的信息指标，通过构建数据模型对小麦品质进行预估，具体的预估时间需要依据小麦生长情况与品质标准进行明确。在田间小麦生长发育后期，叶片全氮含量指数与小麦籽粒品质具有较强的关联性，因此，可以用小麦生长后期叶片全氮含量反映小麦籽粒蛋白质含量与面筋情况[6]。如，通过无人机影像技术获取小麦近地光谱信息，对小麦抽穗后冠层作物指数进行研究分析，从而找到其与小麦籽粒蛋白质和小麦淀粉含量之间的指数关系。

3 无人机影像技术在小麦长势监测中存在的问题与未来发展

现阶段，无人机影像技术虽然在农业生产中取得较大程度的推广应用，对无人机遥感系统进行改进优化，但是依然存在不足之处，如载荷能力较弱、安装流程复杂、装置成本价格高、稳定性较弱等问题，在后期影像信息处理时也相对欠缺，缺乏足够标准监测规定，导致无人机影像技术实用性出现降低现象。除此之外，工作人员在开展无人机航摄前需要提前向相关部门申请无人机摄影飞行，审批流程相对复杂，审批周期时间较长，再加上低空飞行管制较为严格，国家相关管理制度与法律规定还存在一定的欠缺之处，导致无人机影像技术在农业生产中受到一定程度的制约。未来发展中，应当加强无人机影像技术研发力度，政府部门要对相关规定与监管制度进行完善优化，同时降低无人机航摄飞行成本，以此为无人机影像技术在精准化农业发展中提供技术保障[7,8]。目前，无人机影像技术在小麦长势监测中的遥感模型大多是依据统计分析进行，随着地理区域、天气环境和应用尺度等发生变化，适用性与数据精准性可能会受到一定程度影响。在未来发展中，应当加强遥感模型的适应能力，确保其能够在不同天气环境、土壤环境、生态环境中进行小麦长势预测评估，从而加快我国精准化农业建设进程。