无人机多光谱遥感技术在苗圃智能监测中的应用

摘 要：随着乡村振兴战略的实施，乡村园林绿化苗木产业在我国迅速发展。然而，乡村园林绿化苗木产业在信息化和数字化方面存在不足，特别是智能监测技术尚不成熟，这在一定程度上限制了其发展进程。鉴于此，此研究探讨了无人机多光谱遥感技术在苗圃智能监测中的应用。以江西省南昌县黄马乡园林绿化苗木产业基地为试验地，利用无人机多光谱遥感技术进行智能巡航，实施实时动态监测，并进行数据分析，这一技术不仅能监测苗木的生长状态和病虫害发生情况等信息，更重要的是能监测苗木种类和数量的动态变化，从而分析苗木产业的结构布局是否合理，并结合市场信息，指导园林绿化苗木产业的规划和配置，以实现其最优化配置。但该技术也存在一定的局限性，如对相似植物种类的识别误差。此研究可为乡村园林绿化苗木产业的信息化、智能化管理提供新的技术途径，对推动农业现代化具有重要意义。

关键词：多光谱遥感；乡村苗圃；动态监测

中图分类号：S127 文献标志码：A 文章编号：1674-7909（2024）7-120-6

DOI：10.19345/j.cnki.1674-7909.2024.07.028

0 引言

近年来，随着我国大力推进乡村振兴战略和对生态文明建设的日益重视，乡村园林绿化苗木产业呈现持续健康发展态势。得益于现代花园城市建设进程的加速，以及各地积极推进退耕还林、绿化造林等工程，园林绿化苗木产业得到了进一步推动。2023年，中国苗木的年供应量达2 600万株，育苗面积新增12万hm2，绿化造林用苗量达2 100万株。预计2024年，中国对苗木的需求量将达到2 800万株［1］。苗木需求的增加，不仅使绿化苗木产业成为农村经济的重要增长点，还为乡村提供了大量就业机会，对助力乡村振兴，实现农民增产增收具有非常重要的意义。

科技创新也为园林绿化苗木产业带来了新的发展机遇，如智能温室、无土栽培等技术的应用，提高了苗木的品质和产量。但现阶段乡村园林绿化苗木产业在信息化和数字化方面仍存在不足，如信息化程度较低，生产管理效率低下；园林绿化苗木产业的规划和布局不合理，导致大量苗木滞销［2］；同时，物联网、大数据、人工智能等智能化技术的应用相对缺乏；尤其是智能监测技术还不够成熟，限制了苗圃的产业化和信息化发展［3］。因此，提升乡村园林绿化苗木产业的信息化水平，实现数字化、智能化监测和运营，对该产业的持续健康发展有非常重要的意义。

无人机多光谱遥感技术可提供高分辨率、高光谱分辨率的遥感数据，对实现园林苗圃的实时动态监测具有重要意义［4］。该技术利用无人机搭载的多光谱相机，能够获取苗圃植被在不同光谱波段的反射信息，通过不同波段的反射率，可以精准识别植被种类，以及苗木的实时生长状况、病虫害等情况。通过实时监测和分析这些数据，大大提高了苗圃管理的效率和精准度［5］。该技术还可以与其他智能化设备相结合，如自动灌溉系统、智能施肥设备等，从而实现园林苗圃的智能化管理［6］。同时，该技术还能够对园林苗圃的种类分布、规划布局等进行全面评估，为园林绿化苗木产业的布局提供有力支持。这就大大提升了乡村园林绿化苗木产业的信息化水平［7］。

此研究主要探讨了无人机多光谱遥感技术在乡村苗圃智能监测中的应用。以南昌县黄马乡园林绿化苗木产业基地为试验地，利用无人机多光谱遥感技术进行智能巡航、实施实时动态监测，并进行实时的数据分析，不仅仅监测苗木的生长状态和病虫害情况等信息，更重要的是监测园林绿化苗木产业的布局和苗木种类分布的合理性，并结合市场信息，指导园林绿化苗木产业的规划和配置，以实现乡村园林绿化苗木产业的最优化配置。这也是此研究的创新点。

1 材料与方法

1.1 主要仪器设备

基于无人机多光谱遥感技术，此研究主要利用DJI Mavic3M航测无人机，其融合可见光相机与多光谱相机于一体，可智能化动态监测植株生长状态，从而实现苗圃生产精准管理［8］。

DJI Mavic3M航测无人机配备4*500万像素G/R/RE/NIR的多光谱相机，搭载的可见光相机为2 000万像素4/3 CMOS，1/2 000秒机械快门，支持RTK模块［9］。多光谱相机包括多个波段：绿（G）：560 nm±16 nm；红（R）：650 nm±16 nm；红边（RE）：730 nm±16 nm；近红外（NIR）：860 nm±26 nm。该无人机搭载光强传感器，可更准确测量NDVI［10］。该无人机使用D-RTK 2移动站，在无风条件下，单架次巡航时间为43 min，单架次航测苗圃面积可达200 hm2［11］。该无人机拥有15 km的图传距离，信号稳定，支持增强4G图传，全向避障；可接入DJ第三方平台，使用云API，对图像数据全面分析并可实现数据共享［12］。

1.2 试验方法

1.2.1 监测技术

选取江西省南昌县黄马乡园林绿化苗木产业基地100 m×300 m的区域（见图1），在晴朗且无风的气象状况下，无人机以15 m/s的速度飞行采样，可见光图像的采样距离为5.73 cm，而多光谱图像的采样距离则为10 cm，进行全基地无人机多光谱巡航实测，并拍摄500万像素的高精度图片。采用DJI 03 图传行业版，可实现实时图传，并能将实时图像传送到DJ司空云平台。为收集动态变化数据，进行了2次检测，第一次监测时间为2023年4月10日，第二次监测时间为2023年10月10日。

1.2.2 数据处理

在光谱图像分析中，采用了LiForest软件包中的Stat模块，针对基于CHM或点云数据的林木分割进行了深入的算法优化［13］。通过一系列复杂的数据处理流程，精确地提取了包括树木的地理坐标、树干高度、冠层投影面积、冠层的水平和垂直维度在内的单木级参数［14］。此研究中数据处理所采用的软件工具集包括Li-Forest点云分析软件、LiDAR-360激光雷达点云数据处理和分析软件、ArcMap 10.2地图制作软件、R语言统计分析软件和Microsoft Excel 2003，这些工具的综合应用显著提升了数据处理的效率和准确性［15］。

此外，利用先进的图像分析技术，进一步获取了林木种群的组成、分布面积、个体数量、平均高度和病虫害发生情况等关键生态信息。这些信息对森林资源的精确管理和可持续经营具有不可估量的价值。

1.2.3 实地踏勘调查

为验证无人机多光谱遥感技术监测苗圃获得数据的准确性，采用实地踏勘和实地调查相结合的方法，对苗圃内植物的生长状态和植物类别进行观察，以佐证多光谱遥感技术监测结果的有效性及准确度。

2 结果与分析

2.1 苗木种类识别监测

2.1.1 无人机多光谱遥感技术监测

利用无人机搭载多光谱成像技术，对位于黄马乡的苗圃基地100 m×300 m区域进行了动态监测。通过无人机巡航，采集到了高分辨率的苗圃原始影像（见图2），并通过高效的无线传输模块实时将影像数据传输至大疆司空平台进行分析处理。然后运用DJI Smart Controller集成的DJ智图软件，对采集到的影像数据进行光谱分析（见图3），获取植株叶片在连续多个光谱波段上的反射率，从而得到高分辨率的光谱数据。通过归一化植被指数模型公式计算，获得每个像素点的光谱植被指数，由此识别出6个具有显著光谱特征差异的区域。这些波段的光谱特征提供了区分不同植物群落的可能性。

光谱植被指数（Spectral Vegetation Indices，SVIs）是基于叶片或植被的反射率经过计算得到的，其计算公式见式（1）。

[NDVI=R（λNIR）-R（λRed）R（λNIR）+R（λRed）]" " " " " " " " （1）

式（1）中：NDVI为归一化光谱植被指数，[R（λNIR）]为近红外波段的反射率，[R（λRed）]为红光波段的反射率。

基于上述光谱分析结果，进一步对这6个光谱特征所对应的区域进行面积估算，推测这些区域可能代表了6种不同植物群落的分布范围，如表1所示。

2.1.2 苗圃基地实地踏勘

此研究通过实地踏勘的方法，对选定苗圃基地进行现场调查。调查结果显示，苗圃内主要分布有6种植物，分别为香樟［Cinnamomum camphora （L.）presl］、女贞（Ligustrum quihoui Carr.）、鸡爪槭（Acer palmatum Thunb.）、紫薇（Lagerstroemia indica L.）、杜鹃（Rhododendron simsii Planch和罗汉松［Podocarpus macrophyllus （Thunb.）D.Don］。此外，还观察到若干杂草。与航测图像显示的6个区域相对照，发现无人机搭载的多光谱遥感技术所监测到的植物种类和面积与实地踏勘结果一致，从而验证了该技术在植物监测领域的有效性与可靠性。

通过分布区域的光谱图像进行监测分析，结合现场苗圃基地的实地调研，将不同的植物种类与特定的光谱特征相关联。光谱图像中植物的位置与苗圃现场位置对照，可得出：Ⅰ代表香樟，Ⅱ代表女贞，Ⅲ代表鸡爪槭，Ⅳ代表紫薇，Ⅴ代表杜鹃，而Ⅵ则代表罗汉松，如图4所示。

2.1.3 小结

可见，无人机多光谱遥感技术在苗木识别方面展现出了一定的应用潜力。该技术能够根据植物的光谱植被指数等参数区分不同的植物类型及其分布区域，但在光谱相近植物种类的识别上存在局限。因此，为了精确识别植物类型，往往要结合现场实地调研的详细数据。然而，通过对该植物群落进行周期性的监测，积累其光谱信息，可以显著提升对更广泛区域同类植物的识别与监测效率。

2.2 苗圃面积、株数和分布范围动态监测

对多光谱遥感图像数据分析后，得出不同种类植物的光谱区域，即各类苗木的种植面积。通过对不同植物种类的占地面积与种植密度的综合考量，利用苗木数量计算公式可快速准确地计算出苗木的数量，见式（1）。

苗木数量（株）=占地面积（m2）×种植密度（株/m2）" " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " " "（1）

式（1）中：占地面积指的是各区域内植物的面积总和，种植密度则是指单位面积内苗木的数量。

通过无人机多光谱技术的动态巡航，每隔一个月甚至一天收集苗圃基地图像信息，实时动态监测，可掌握各类苗木分布信息。表2为第一次监测到的各类苗木分布信息，表3为时隔半年第二次监测到的各类苗木分布信息。与第一次监测相比，第二次监测时紫薇的种植面积减少了1 000 m2，而鸡爪槭的种植面积增加了1 000 m2，其余苗木种植面积变化不大。持续监测各类苗木的种植面积变化，可实时掌握苗木的动态分布情况。这些数据变化对监测苗木生产数量和调整苗木产业布局具有重要的参考价值。

该方法适用于统计数千乃至数万公顷园林绿化苗木产业基地的苗木分布信息，能够实现对县域乃至省域范围内苗圃基地苗木种类和分布区域的快速、高效、准确地动态监测，实时掌握园林绿化苗木产业的分布。

此外，结合市场供需数据进行耦合分析，提出了一种以市场需求为导向的苗木结构化布局调整策略。例如，在半年的监测周期内，发现紫薇的市场过度饱和，导致大量紫薇滞销，而根据市场反馈，鸡爪槭的需求量大幅增加。基于这一情况，经过多方调研和调控，苗木基地决定削减紫薇的种植面积，并相应增加鸡爪槭的种植面积。由此可见，利用无人机多光谱监测技术，结合市场供需信息，可实现对园林绿化苗木产业结构布局的动态调整。该策略的目的在于优化园林绿化苗木产业结构，通过缩减市场需求较小的苗木种类的种植面积，同时增加市场需求较大的苗木种类的种植面积，以实现供需匹配，满足市场需求，降低苗木滞销风险。这有助于提高苗木的市场适应性和竞争力，对园林绿化苗木产业的持续健康发展具有重要意义。

2.3 苗圃苗木生长状态和病虫害监测

以苗圃植物杜鹃为例，通过无人机搭载的多光谱传感器，对其在X区域和Y区域的同种类杜鹃光谱特征对比分析。在X区域，杜鹃的光谱波长分布在400～500 nm，反射率集中在0.08，而归一化光谱植被指数（NDVI）的计算结果为6.5。相比之下，Y区域的杜鹃光谱波长分布在700～900 nm，反射率集中在0.2，NDVI值降至2.5。分析结果表明，即使是同种植物，其叶片的反射率和光谱特征也存在显著差异。

结合现场实地调研，对X区域和Y区域的杜鹃植株进行了直观的生长状态对比，如图5所示。X区域的杜鹃叶片颜色更为鲜绿，植株生长健康；而Y区域的杜鹃叶片呈现黄色，植株出现萎靡现象，并伴有病虫害的迹象。这种差异与植物叶绿素的含量和吸收特性密切相关。健康绿色的植物叶片含有较高浓度的叶绿素，这导致在可见光区域（尤其是蓝光和红光波段）的反射率较低，而在近红外区域的反射率较高。

可见，通过对特定波谱段的反射率进行分析，可以实时监测植被的生长状况，包括植被的叶绿素含量、健康状况等，也可以及时发现植被中的病虫害问题，更可设置预警信息，当植株植被指数超过一定范围值就开始预警，可以迅速对苗木采取措施，此技术高效、快捷、节省人力，可实现对苗木生长状态的实时监测。

此技术验证了多光谱遥感技术（MSRS）在评估植被生长状态和健康状况方面的显著效能。精确监测植物在特定光谱波段的反射率，并结合归一化光谱植被指数（NDVI）等指标，能够对植物的叶绿素含量进行定量分析，从而高效地推断出植物的生长状态是否健康，以及是否存在病虫害的威胁。

3 讨论与结论

无人机多光谱遥感技术配备多个光谱通道的传感器，可实现对地表物体的同步图像捕捉，并对这些波谱段的信息进行解析，揭示地物的光谱特性。由于不同地物在不同的波谱段上表现出不同的光谱特性，这种特性差异可以用来区分和识别不同的地物。

在乡村苗圃智能监测中，多光谱遥感技术能够实现苗木识别、苗木面积和数量统计，可用于植株生长状态的监测等领域，具有实时性强、精度高、覆盖面广、节省人力物力等优势。

①无人机多光谱遥感技术为乡村苗圃智能监测提供了高效、精准且实时的数据支持。该技术能够获取高分辨率的遥感数据，通过对不同光谱波段的反射信息进行解析，可实现对植被种类、生长状态、病虫害等问题的精准识别与监测。这大大提高了苗圃管理的效率和精准度，降低了对人力资源的依赖，为乡村园林绿化苗木产业的信息化、产业化发展提供了有力支持。

②无人机多光谱遥感技术在苗木识别和数量统计方面也有一定优势，可指导园林绿化苗木产业布局的合理规划配置。通过航拍的光谱图像植被指数的计算与分析，能够区分不同植物群落的光谱特征，进而推断出植物种类的大概分布范围与面积。这为乡村园林绿化苗木产业的结构调整和资源配置提供了科学依据，有助于实现产业的最优化配置，助力产业结构调整和升级。

③多光谱遥感技术能够实时监测苗木的生长状态与病虫害情况。对特定光谱波段的反射率进行分析，可以评估植被的叶绿素含量等信息，从而分析出苗木的生长状态和病虫害的威胁程度。这为苗圃基地的管理提供了及时、准确的决策依据，有助于迅速采取应对措施，保障苗木的健康生长。

但是，无人机多光谱遥感技术在乡村苗圃智能监测中的应用还具有一定的局限性。例如，在植物种类识别方面，尽管该技术能够区分不同植物的光谱特征，但对于某些相似度较高的植物种类，仍可能存在识别误差。此外，该技术的应用还受到天气条件、飞行高度、传感器性能等多种因素的影响。因此，在实际应用中，需要结合其他技术手段和实地调研数据，以提高监测的准确性和可靠性。

综上所述，无人机多光谱遥感技术在乡村苗圃智能监测中具有广阔的应用前景和重要的实践价值。随着技术的不断进步和应用经验的积累，相信该技术将为乡村园林绿化苗木产业的健康发展做出更大的贡献。

参考文献：

［1］何斌，冼丽铧，刘玲，等.基于无人机遥感技术的智慧苗圃数据采集研究［J］.广东园林，2017，39（3）：78-81.

［2］洪晓霞，洪兆龙，翁升，等.浙江国有苗圃改革发展现状及对策分析［J］.浙江林业科技，2010（5）：82-86.

［3］李宇昊.无人机在林业调查中的应用实验［J］.林业资源管理，2007（4）：69-73.

［4］樊江川.无人机航空摄影测树技术研究［D］.北京：北京林业大学，2014.

［5］黄燕婷.基于GEM模型惠州旅游产业集群提升竞争力实证研究［J］.度假旅游，2018（12）：10-11.

［6］邹裕文，张宏志.以康养为导向的城市绿心区苗圃产业转型研究：以长株潭绿心为例［J］.农业与技术，2020，40（22）：168-171.

［7］王新悦.何以解围 惟有提升：从发达国家苗圃特点看我国苗圃业未来发展方向［J］.中国花卉园艺，2016（9）：16-19.

［8］潘颖，龙岳林.国外苗圃产业发展及转型思考［J］.安徽农学通报，2018，24（7）：109-110.

［9］潘颖.基于产业转型发展的传统苗圃环境经过改造设计研究：以长沙市龙喜水乡苗圃为例［D］.长沙：湖南农业大学，2018.

［10］宋维明.关于森林康养产业发展必然性与路径的思考［J］.林业经济，2020，42（1）：3-8.

［11］邓莉莉，陈雨.广西康养产业竞争力及发展策略分析［J］.中国集体经济，2024（9）：41-44.

［12］刘新伟，张攀华，高逢敬，等.基于AHP方法的农业产业竞争力比较研究：以甘肃省镇原县种植业为例［J］.安徽农业科学，2024，52（1）：213-127.

［13］郑英达，何丹.森林旅游产业集群竞争力GEM模型研究：以辽宁省本溪满族自治县为例［J］.沈阳农业大学学报（社会科学版），2015，17（5）：599-603.

［14］张晗，吕杰.农业产业集群影响因素研究［J］.农业技术经济，2011（2）：85-91.

［15］牛艳云.基于GEM模型的旅游产业集群竞争力研究［D］.济南：山东大学，2007.

基金项目：2021年江西省高校人文社会科学研究一般项目“基于物联网等信息技术的乡村‘新型苗圃’产业集群化研究”（JC21136）；2021年度江西省教育厅科学技术研究重点项目“基于物联网等信息技术的乡村苗圃产业规划布局研究”（GJJ215302）。

作者简介：张丽丽（1984—），女，硕士，讲师，研究方向：园林植物与观赏园艺；左词时（1986—），男，本科，经济师，研究方向：项目管理；廖琳琳（1964—），女，本科，副教授，研究方向：汉语言文学；吴水珍（1977—），女，本科，副教授/高级工程师，研究方向：建筑装饰工程技术；陈宇（1982—），男，硕士，副教授，研究方向：职业教育、风景园林规划设计。