无人机多光谱遥感技术在农业统计中的运用

张 艳 ，陈 丕

（三和数码测绘地理信息技术有限公司，甘肃 天水 741000）

1 无人机多光谱遥感与可见光遥感技术区别

现阶段，无人机遥感技术具有多种类别，其中包括多光谱技术、高光谱技术、可见光技术等，不同类别技术具有不同的应用效果与应用特点，其中可见光遥感技术在与多光谱遥感技术在农业统计调查中较为常见。可见光遥感技术在实际应用中具有一定限制性，当地面存在积水或者有雾天气时，航摄影像质量会出现严重下滑，不利于辨别地面物体；普通光学镜头难以穿过塑料薄膜以及玻璃等材质对物体进行识别；牲畜监测时由于建筑物遮挡难以有效获取全面精确的信息。无人机多光谱遥感技术能够有效应对以上问题[1]。多光谱传感装置能够识别更多频段的光谱波段，从而获取到更加精确详细的光谱信息。

可见光通常是指红色、青色、黄色等常见光，红外线和紫外线属于不可见光，可见光波长在380 nm～700 nm范围内，红外线波长在700 nm～1 000 nm范围内，紫外线波长在10 nm～380 nm范围内。多光谱遥感技术主要在红外线或紫外线波段成像，与可见光相比能够呈现出更多的细节内容[2]。同时，多光谱影像信息通常是指用像素表示的3～10个波段信息，每个波段都能够利用遥感辐射计检测获取，因此具有良好的应用效果，在雾霾天气、地面积水以及温室大棚等条件下能够顺利开展影像监测工作。

2 无人机多光谱遥感信息数据获取和处理

无人机多光谱遥感技术在实际应用过程中，会获取到多个波段独立的覆盖范围相对较小的图片信息，随后经过辐射校准以及摄影测量等处理操作获取到大范围具有反射信息数据的真实影像，数据信息处理流程包括多光谱数据处理、图片影像拼接、数据校正以及遥感信息生成等。

1）摄影数据处理。首先需要将大量独立波段的多光谱影响信息拼接转换为多光谱正射影像信息，同时进行地理信息配准以及几何校正等操作。利用PS、LPS等软件工具快速开展数据处理工作，在操作过程中需要注意的是，多光谱影像通常具有多个波段，需要注重不同波段的选择问题，以此保证影像信息的质量，在选择过程中依据环境条件、反射基础特种证等因素进行综合考量。2）辐射校正[3]。辐射校正主要负责为传感装置DN指数转化为传感装置辐射亮度提供函数，以此消除云层阴影、相机曝光、太阳角度等因素对实际测量参数的影响。多光谱辐射校正通常选择代替辐射校正方法，是一种现场测量的校正方法，能够对传感装置灵敏度、暗电流、曝光设置以及增益参数等进行有效补偿。3）影像生成。基于无人机多光谱遥感信息能够生成地面监测信息，并将信息数据与实际应用相结合，从而生成不同作用的数据资源信息图。

3 无人机多光谱遥感技术在农业统计中的具体应用

3.1 农作物长势信息监测

不同种类的农作物在生长发育过程中对于蛋白质、水分、叶绿素和氮素等营养成分需求不尽相同，因此导致农作物冠层群体反射光谱不尽相同。利用无人机多光谱遥感技术能够对农作物种类进行生化组分反演，以此探查农作物生长发育情况，帮助农业人员快速精确地获取到农作物生长信息，及时了解农作物长势、病虫害、营养情况等信息，以便开展相关治理防治工作，保障农作物生长健康。比如，为探究冬小麦生长过程中叶绿素含量变化情况，利用无人机多光谱遥感技术对冬小麦进行遥感监测，对冬小麦生长过程中的拔节期、孕穗期、抽穗期以及开花期进行监测探究，分析不同波段和叶片叶绿素含量间的关系，依据多光谱信息数据构建回归模型，从而对叶绿素含量最佳回归手段以及生长阶段进行反演，以此为农作物生产监测提供技术支持[4]。

试验区域设置在陕西省关中杨陵区，整体地势呈北高南低趋势，海拔高度在450 m左右，年降水量在655 mm左右，当年10月份进行冬小麦种植，于下一年6月份收获作物。试验区域共划分成65个长方形小型试验区域，每个试验区为2.5 m*25 m，内部规划出1 m*1 m样本区。

试验团队利用六旋翼无人机进行遥感监测，搭载五波段多光谱相机，以此构成无人机多光谱遥感系统。数据信息采集天气全部为晴朗天气，采集时间统一为下午3点至4点，无人机距地面高60 m飞行，航速保持在5 m/s左右，航向与旁向重叠度为80%，地面分辨率在4 cm/pixel。多光谱相机镜头垂直向下，共采集5种波长小麦冠层多光谱信息，中心波长分别设置为475 nm、560 nm、668 nm、717 nm、840 nm。在无人机航摄过程中需要地面同步开展相关辅助工作，由测绘人员手持叶绿素仪对65个样本点位进行全面检测，在样本区域选择7株具有代表性的冬小麦，对叶基、叶中和叶尖部位进行叶绿素含量测量，从而求得植株叶绿素含量平均值，将这7株冬小麦平均指数作为样本叶绿素含量。

利用PixDmapperr对无人机多光谱遥感数据进行后续处理。对地面控制点信息进行校正，生成正射影像数据；随后利用灰板进行反射率校正，进而获得试验地反射率影像，将信息数据以“.TIF”格式储存；最后利用ENVI软件工具获取4个生长周期多光谱反射率影像信息。构建冬小麦叶绿素含量反演模型，并依据反演模型对冬小麦叶绿素含量变化情况进行总结分析。通过试验测试能够得出结论，冬小麦随着生长期的变化，叶绿素含量值会呈现出不断上升的趋势，本次试验取得的冬小麦叶绿素含量变异系数处于10%以内，属于弱变异情况。

3.2 农作物叶面积指数提取

叶面积指数能够有效反映出农作物生长发育情况，是评估农作物生长状态的重要参数。利用无人机多光谱遥感技术能够获取到农作物光谱信息，从而对叶面积指数进行反演推算，以此能够获取农作物实际生长情况，对农业发展具有十分重要的作用。以玉米作物为案例进行分析，利用无人机配置多光谱成像装置对玉米作物拔节期、抽雄期和成熟期等重要阶段进行遥感影像监测，采集玉米作物叶面积指数，以此构建玉米作物叶面积指数估算模型，同时筛选出最佳监测时期和最佳植被指数。

试验区域设置在农科院新乡实验基地，海拔高度在79 m左右，无霜期在210天左右，年降水量平均指数为585 mm。

无人机多光谱遥感信息采集主要使用六旋翼无人机搭载多光谱成像装置，能够同时收集红光、蓝光、绿光、红边光以及近红外光5种光谱波段，相机焦距设置为505 mm，影像分辨率为1 280*960。影像航摄期间为晴朗无云天气，航摄时间设置在11时至14时，无人机飞行高度设置在70 m左右，航向重叠度与旁向重叠度为70%。航摄影像信息的空间分辨率为0.035 m，RGB高清影像的空间分辨率为0.028 m，以此作为几何校正基础数据。

利用Pix4Dmapper软件作为影像数据信息处理工具，具体流程如下：初始化处理；对纹理和点云进行处理；对正射影像和DSM等进行操作处理；反射板校正处理，对影像信息进行拼接处理，输出拼接后的影像信息；几何校正，将误差值控制在0.5个像元内；依据地区地理坐标进行图像剪裁，形成试验区域多光谱遥感影像。在农作物指数选取过程中，需要对遥感估算的不确定性因素进行综合考量，结合多光谱影像信息特点，对NDVI、OSAVI、NDRE以及EVI指数进行采集，构建出玉米作物叶面积指数估算模型。将连续两年的数据信息进行分析组处理，使用经验模型方法开展叶面积指数估算[5]。同时利用回归分析与相关分析方法构建经验模型，利用独立数据信息对模型精确度进行有效验证。在经验模型建设过程中探讨最佳估算时期和最佳植被指数，以此为基础进行大面积玉米作物叶面积指数空间模型绘制，同时结合空间分布图对田间实测值进行收集取样，以此分析反演图的精确程度，深入分析多光谱信息数据对玉米作物叶面积指数进行研究分析。在系统试验分析后能够得出结论，不同生长发育时期植被指数和叶面积指数间的关系系数达到0.713～0.868，说明试验选择植被指数能够作为叶面积指数建模基础参数。

3.3 病虫害监测分析

农作物发生病虫害问题后，其冠层结构和叶片色素会发生明显变化。利用无人机多光谱遥感技术能够对作物变化产生的波段浮动情况进行动态监测，以此判断农作物病虫害程度，辅助农业人员开展相关病虫害防治工作。以棉花作物为对象进行研究分析，利用无人机多光谱遥感技术对农作物长势情况、棉叶螨虫害监测情况进行分析，利用无人机搭载高清分辨率相机进行影像监测收集，结合棉花田光谱响应规律对特定光谱指数记性筛选，以此构建监测模型，从而实现大面积棉花田地快速监测诊断[6-9]。

试验区域位于新疆生产建设146团某处分场，该地区属于温带干旱气候，阳光资源十分丰富，降水量较少。棉花种植品种为陆旱161号，试验范围8 500 m2左右，其中主要虫害为棉叶螨。

采用大疆八旋翼无人机打造多光谱相机进行影像采集，能够收集12个不同波段，分别是可见光、红边、近红外波段，无人机航摄时间为12时至14时，飞行天气晴朗无云且风力在3级以内。飞行高度设置为80 m，平均飞行速度为5 m/s，影像空间分辨率为0.04 m，航向重叠率设置为60%，旁向重叠率设置为80%。

利用Pix4Dmapper软件作为影像数据信息处理工具。棉叶螨会导致棉花作物内部生理形态和外部形态发生一系列变化，可见光和近红外光的反射峰会出现明显变化，选择采集影像中6项波段数据，同时结合14项植被指数，形成20个基础特征参数构建棉叶螨虫害回归模型[10]。利用逻辑回归模型对因变量为分类变量的信息数据进行处理操作。利用二值逻辑方法对特定条件下事件发生概率进行解释，用0和1代替两种不同作物状态。利用ArcMap工具进行分析，依据棉花螨虫害具体调查情况和地理坐标数据提取影响信息中对应范围的光谱指数，同时和螨虫害实际情况进行相关性分析。对特征变量归一化处理，在总计180个调查点位中选择2/3数量点位进行训练，剩余1/3数量点位进行测试，依据相关性数值大小关系添加光谱指数，以此作为输入因子构建逻辑回归模型。分析模型能够发现，棉叶螨大多分布在试验田地东北部地区，主要原因在于东北部靠近道路，杂草相对较多，进而导致虫害发生扩散。棉叶螨发生初始阶段，虫害等级指数为1级，螨虫害叶片光谱响应变化相对较小，整体处于健康状态。因此在试验中将螨虫害等级达到2级以上的定义为虫害发生，该种方法可能会对模型精度造成一定干扰，因此需要研究人员进一步深入研究。

4 结论

无人机遥感技术在农业统计调查中具有十分优秀的应用效果，能够帮助农业人员开展高效化、便捷化、科学化以及精确化的农业统计工作，对农作物生长情况、病虫害、营养水分等进行详尽调查，从而得到真实可靠的农作物信息，可帮助农业人员开展农作物管理工作，以此推动农业生产向着现代化方向发展，进而推动我国农业经济实现可持续长远发展。