无人机遥感影像监测棉花旱情应用研究进展

李贞 王家强

(塔里木大学农学院，新疆 阿拉尔 843300)

近年来，农业水资源正在面临新的挑战，随着我国经济的快速增长，其他行业对于水资源的竞争也越来越激烈，尤其是工业用水和生活用水不断挤占农业用水。农业水资源短缺问题也限制着农业的发展，从棉花种植角度来看，棉花生产主要集中在半干旱和干旱地区，通常在灌溉条件下进行。在棉花发育的关键阶段，即使是短暂的农业干旱，也会减少产量。此外，干旱胁迫会导致棉花光合速率降低，引起产量的下降。棉花的水分状况可以由棉花的生理指标反映出来，棉花的灌溉量可以根据棉花的形态指标和生理指标来进行判断。因此，准确高效地获取棉花旱情能够有效提高棉花产量和农业水资源的利用效率，对棉花种植区尤其是西北干旱地区来说具有重要意义。国内外大面积作物长势监测和产量估算中，常用数据为无人机遥感数据[1]。随着无人机的性能在不断优化，无人机获取的农作物的信息也越来越丰富和精确[2]。低空无人机遥感影像在棉花旱情监测中的应用，能够高效解决传统棉花旱情监测的弊端。随着无人机遥感影像监测棉花技术的不断成熟发展，使用遥感技术进行棉花水分监测的理论基础也越来越完善，无人机遥感影像技术亦为极端环境采样和数据获取提供了很好的便利条件，为众学者的科学研究及时提供数据和信息，对于无人机遥感在农业的应用能够发挥更大的作用，获取更精确的农情信息。本文以无人机遥感影像在棉花旱情监测的应用成果为对象，从无人机遥感影像监测棉花旱情的原理、方法和诊断水分指标进行了综述，梳理了国内外该领域的进展与方向，提出该领域面临的挑战及未来的展望。

1 无人机遥感影像监测棉花旱情的原理

无人机遥感影像技术的原理主要是基于棉花的光谱行为，简单来说是利用对棉花反射和发射的电磁辐射，进行测量、记录和处理。针对无人机遥感影像的预处理，一般来说，利用遥感影像监测棉花旱情的数据处理流程基本相似[3]，一般包括影像预处理、几何校正、图像裁剪、提取遥感信息及一些后处理。棉花水分含量对光谱特性的影响主要是由于对辐射的直接吸收所致。棉花叶片因为受到水分的影响，其内部结构也有一定的影响，棉花叶片的物理特征、颜色等发生了质变、结构或者是外观的破坏，以上对棉花叶片造成波谱特征变化的参数称为棉花旱情的光谱响应变化[4]。也就是说这会直接引起影响实时监测所得到遥感影像上的各种灰度数值，包括反射光谱信息发生改变[5]，而无人机遥感影像监测棉花旱情就是利用棉花受到旱情影响前后的波谱变化信息分析光谱反射率的变化情况，进而采用图像提取方法对波段反射率曲线进行对比分析，构建棉花旱情的监测模型。

2 无人机影像在棉花旱情监测方面的应用

现有众多文献报道关于棉花长势监测，文献里采用的无人机遥感影像多为高光谱影像、多光谱影像以及热红外影像。针对棉花旱情监测主要采用热红外、多光谱、高光谱传感器等。结合国内外3种遥感监测类型的研究进展，从监测方法和诊断指标综述。

2.1 无人机遥感影像监测棉花旱情方法

当棉花受到不同水分胁迫时，其形态和生理指标发生不同程度的变化。同时棉花叶片在不同光谱波段中也会出现吸收和反射特性的变化。现阶段，无人机遥感监测技术运用飞机平台搭载传感器，结合外界地域特征获取能够反映目标物特征的数据，利用计算机软件进行数据处理提取有用的目标物信息，实现对目标物形态特征的监测[6]。结合近些年来的国内外研究进展，其主要方法可以归纳为2种：单一的监测，通过对传感器获取的信息进行处理与分析，提取所需的棉花旱情信息；综合性的监测方法，樊湘鹏指出，将无人遥感影像应用于水分胁迫监测过程中，需结合地面观测效果[7]。无人机遥感技术与田间人工取样同步进行，将二者的信息综合分析进行棉花旱情的处理与分析，通过棉花生理组分的定量反演来监测棉花旱情，综合性监测方法也是众多学者利用无人机遥感影像监测棉花旱情的常用方法。

2.2 综合性监测诊断棉花水分指标

在无人机遥感影像监测棉花旱情方面，利用多种传感器获取波段信息从而建立植被指数模型是常用的方法[8]。棉花因不同生育期的形态特征及内在生化特性而表现出不同的光谱反射率信息，因此基于光谱植被指数来反演农作物叶面积指数及产量等长势参数，其反演精度会因不同生育期以及所选取的不同植被指数而有所差异[9]。目前，国内外利用遥感评估作物水分状况常见的几个作物水分指标——冠层温度、作物水分胁迫指数(CWSI)、作物水分亏缺指数(CWDI)、等效水厚度(EWT)和叶水势(LWP)。

随着轻巧型遥感平台的快速发展，无人机搭载热红外成像测温仪，快速获取棉花冠层温度正射影像也成为研究作物旱情的主要技术。冠层温度是监测棉花水分的一种常见指标。Tanner[10]首次研究发现，冠层温度可以作为指示作物水分的有效指标，Idso[11]等在随后的研究中提出了作物水分胁迫指数(Crop Water Stress Index CWSI)。Wanjura等[12]发现，在太阳辐射充足条件下亏缺灌溉的作物冠层温度高于充分灌溉。棉花冠层温度和CWSI随灌水量增加而降低的趋势。目前国内外学者基于冠层温度和CWSI展开了大量研究。主要通过CWSI来诊断棉花的水分胁迫状况。如，尚晓英等[13]利用无人机获取棉花冠层温度影像，通过计算得到3种CWSI，且与土壤含水率建立模型；关红杰等[14]用无人机热红外传感器获取棉花主要生育期的冠层热红外影像，并计算水分胁迫指数，并分析不同算法处理获取作物水分胁迫指数CWSI的结果。如果在潮湿地区，与干旱地区相比。由于气孔关闭导致蒸腾作用减少，表现出等水行为的作物在经历水分胁迫时往往会表现出叶温升高，使用热红外图像测量冠层温度可能具有挑战性。

作物水分亏缺指数(Crop Water Deficit Index CWDI)可用来指示灌溉需求，定义为缺水与需水量的比率。考虑了作物自身水分平衡及其需水特性，较全面地反映作物水分状况。另外，CWDI能够弥补CWSI的一些缺点[10]。CWDI不需要获取冠层温度，比较适合低覆盖度的作物生产条件。有学者为探究更深层次的结果，结合其他指数进行干旱监测[15]。为了合理可靠地估算作物产量和优化灌溉调度，Xu等[16]将基于根系加权土壤水分有效性估算的植物水分亏缺指数(PWDI)与Sigmoid累积函数导出的日水敏感指数相结合,提出了一种新的CWPF。Pei等[17]将ACDI与标准降水指数(SPI)、标准化降水蒸散指数(SPEI)和作物水分亏缺指数(CWDI)进行比较,ACDI的标准差较大,说明指标值之间的差异较大，在区分干旱程度方面相对较好。CWDI同时能够根据作物的干旱时空特征在不同生育时期和某地多年的表现进行分析，为当地农业生产提供理论参考[18,19]。

等效水厚度(equivalent water thickness EWT)基于高光谱遥感的叶片等效水厚度反演已被证明是快速和准确的[20]作为表征植被水分含量的重要参数，适用于不同尺度的植被水分遥感监测[21]。Traore等[22]采用机器学习算法估算小麦EWT反演中的性能，结果EWT可以发现通过量化田间含水量和解决变异性来帮助农民提高小麦的实时灌溉效率。马岩川等[23]确定用于估算棉花EWT的敏感波段，探寻与其相应的新的光谱指数建立模型，从而根据反演效果确定最优光谱指数，并通过与前人研究的水分植被指数进行比较，建立快速、无损监测棉花冠层等效水厚度的估算模型。

叶水势(leaf water potential LWP)是一个生理参数，可用于鉴定作物的抗旱性，是反映棉花水分状况的最重要的特性之一。与使用正常或高水位的棉花相比，棉花处于干旱情况下叶水势较低。根据研究现状来看，叶水势作为灌溉指标的有效性尚存在一些争议[24]，前人研究的结果还是令人较为满意[25]。Argyrokastritis等[26]测量了2种不同灌溉方法(全灌溉和亏缺灌溉)下的LWP，发现受胁迫植物的LWP显著低于完全灌溉植物，这为了解作物的水分状况和灌溉需求提供了关键信息。LWP也是棉花灌溉很好的指标，测量的LWP耗时且规模有限[27,28]。Rosenberg等[29]探索了使用遥感检测或估计作物水分状况的替代方法。根据基于热红外图像的冠层温度计算作物水分胁迫指数(CWSI)，并建立CWSI和LWP之间的关系[30]。同时，LWP也是一个可靠的棉花水分平衡指标，可以快速方便地测量每株棉花的一片叶子，即使在使用小型田间地块进行试验时，也不会产生不均匀性等问题。

3 无人机遥感技术监测棉花的应用趋势

近年来，随着低空无人机遥感技术的迅速发展，以新疆为代表的棉区在棉花生产信息化、智能化方面有所积累，融入了利用3S技术，指导棉花进行精量播种，提取棉花种植面积，动态监测棉花长势，并使用棉田信息监测系统，通过专家决策及先进调节设备对棉田灌溉、施肥等生产活动进行智能化管理[31]。

无人机遥感技术应用于监测棉花长势的趋势也在不断增长，国内外众多学者在此方面也取得了众多成果。通过在“中国知网”和”Web of Science”的文献数据库进行主题检索近10a来(2011—2021年)发表的相关学术论文。知网检索规则：主题(无人机、遥感、监测、图像、RGB、热红外)和棉花。Web of Science索引规则：Topic(UAV or remote sensing or monitoring or imaging or reflectance)and(Cotton)。检索结果如图1所示，近10a来，国内外基于遥感技术监测棉花研究的论文发表量基本呈现迅速增长的趋势。

图1 近10a来论文发表趋势图

从论文发表学科情况分析来看，从图2分析中国知网论文涉及农作物、植物保护、农业经济等学科领域；图3分析Web of Science数据库论文涉及Engineering or Environmental sciences ecology or science technology Other Topics等学科领域。综合分析，利用遥感技术监测农作物占比最大。

图2 中国知网各学科领域数量统计图

图3 Web of Science各学科领域数量统计图

4 存在问题与未来展望

4.1 存在的问题

无人机遥感影像监测棉花旱情的应用在不断发展，结合目前研究也形成了一个较好的方法体系，但仍有许多问题需要进一步解决。无人机遥感影像监测棉花旱情离实际应用还有一定的距离[32]。随着近年来田间传感器的迅速发展及获得的遥感数据类型的变化，使数据处理的难度日益增大[2]；影响旱情的因素有很多，如土壤理化性质的差异、气候的变化、灌溉管理方式、病虫害等都会对棉花旱情的遥感监测结果产生影响[30]，因此，在遥感监测技术精度方面，还需要做进一步研究；遥感影像技术在棉花旱情监测方面不能够满足实际应用需求，获取影像数据后的处理方法十分复杂且耗时，不利于该技术的推广使用。

4.2 未来展望

随着无人机遥感技术的不断发展，遥感图像的分析和算法的逐步完善。利用无人机遥感影像的棉花旱情监测方式将会投入实际应用。在遥感监测棉花旱情投入生产应用之前，需要加强在软件开发和管理系统方面的提升，研发出一个便捷的管理系统，以便满足应用需求；未来研究需考虑多因素影响，综合土壤、气候变化和管理方式等信息，从而构建更全面的指标，以期实现更精准的监测技术；进行无人机遥感影像的实时性研究。目前大多数无人机遥感获取的影像很难实时完成农情解析。未来研究要综合考虑棉花环境因素、生长因素等的实际应用研究中。总的来说，目前无人机遥感影像在棉花旱情监测领域仍处于起步阶段，但该技术具备极大的发展潜力和应用价值。在未来研究可以充分挖掘该技术潜力，在相关学科专家的共同努力下，将无人机遥感影像技术监测棉花旱情技术不断提升，直至投入生产应用。