无人机遥感技术在小麦生产中的应用综述

杨 程， 闫 歌， 杜思梦， 李向东

（1.河南省农业科学院小麦研究所/小麦国家工程实验室/农业农村部黄淮中部小麦生物学与遗传育种重点实验室/农业农村部中原地区作物栽培科学观测实验站/河南省小麦生物学重点实验室，郑州 450000；2.中国科学院植物研究所，北京 100093）

遥感技术是随着现代信息技术水平的不断提高、以物理科学、地球科学、空间科学、电子计算机学科等相关理论为基础发展起来的一门实用、新型、综合性强的探测技术［1］. 目前，遥感数据的获得主要通过近地高光谱、无人机和卫星等遥感平台来实现. 与卫星遥感、近地高光谱等相比，无人机遥感具有操作简单、机动灵活、响应迅速、使用成本低等优势，近年来在农业领域中应用愈发广泛. 一方面可以快速地识别作物种类、监测作物长势与墒情，及时发现生长异常的区域，增强对农田的掌控；另一方面可以预测作物产量、评估农业灾害造成的损失，如统计受灾面积、受灾程度等.

小麦是我国第二大粮食作物，小麦的稳产和高产对国家粮食安全至关重要. 科学的田间管理是小麦稳产和高产的重要保障. 无人机遥感技术，近年来越来越多地应用于小麦生产监测，对小麦生产精准化管理发挥了重要作用. 本文从无人机平台和传感器的选择，无人机遥感技术在小麦种植面积、生长指标、品质指标监测方面的研究进展进行了介绍，以期为今后无人机遥感在小麦生产中的研究和推广应用提供参考.

1 农用无人机和传感器的种类与特点

1.1 无人机的种类与特点

根据飞行平台构型的不同，常见的农用无人机类型与特点如下［2］：

1）无人直升机：是指单旋翼带尾桨的直升机，对起降的场地要求低，可以在空中悬停，同时具有载重能力大和续航时间长等优势，但是机械结构复杂，维护成本高，操作难度大，因此在遥感监测中很少应用.

2）固定翼无人机：指由动力装置产生前进的推力或拉力，由机身的固定机翼产生升力，在大气层内飞行的重于空气的航空器. 具备飞行速度快、效率高、续航长等优势，但缺点是对起降条件要求较高，且无法执行需要悬停完成的作业任务，高速拍摄时容易导致图片模糊.

3）多旋翼无人机：指多于3个轴以上的旋翼机，通过桨之间相对转速来调节拉力和扭矩，控制飞行器悬停、旋转或航线飞行. 具有结构简单，起降要求低，可以悬停，可使用GPS航线飞行的优势，但是飞行速度慢，续航能力弱，载荷较小. 目前，多旋翼无人机在农业生产中应用最为广泛，可根据场地和性能需求进行选择.

1.2 传感器的种类与特点

目前在农业领域，无人机搭载的传感器主要包括以下5种，其特点如下［2］：

1）高光谱成像仪：波段连续性较强，分辨率一般在400～1000 nm之间，能够利用很多窄的电磁波波段从目标作物获得更精确的光谱信息，从而用于估算及预测作物的叶面积指数、叶绿素含量、分析和检测作物的营养状态、水分含量以及籽粒的蛋白质含量等信息. 缺点是随着分辨率的提高，数据的不良噪声和冗余度现象逐渐增加，数据的处理和分析的难度逐渐增大.

2）多光谱相机：具有2个以上波段通道，一般使用绿色、红色、红色边缘和近红外波来捕捉农作物的可见图像和不可见图像，相比于普通高清相机，多光谱相机可以对作物产量、长势、营养状况等更多的农艺性状进行精确的诊断和监测.

3）激光雷达：能够快速地获取所测量目标的表面模型，具有分辨率高，抗干扰能力强等特点，目前主要用于获取植被冠层高度信息，因此多用于森林资源的调查和生态环境监测等领域. 由于农作物冠层较低、传感器成本高等原因，很少用于农作物的相关应用和研究.

4）热成像相机：通过对物体发出的不同红外线进行探测，能够将不可见的红外能量转化为可见的热图像，同时具有获取速度快、精度高和反应灵敏等优点. 热成像相机主要用于远程监控植物的冠层温度，冠层温度又可以间接反映作物的长势以及蒸腾等特征.

5）高清相机：具有价格低、体积小、重量轻、分辨率高等特点，可以获取农田高分辨率的RGB影像，通过提取图像特征监测作物的出苗、倒伏、病虫害等情况，而且对天气要求较低，无论晴天还是阴天均可使用，因此也是精准农业研究的热点.

2 无人机遥感技术在小麦生长监测中的应用

2.1 小麦叶绿素含量监测

叶绿素是植物吸收和利用光能的重要载体，植物叶片的叶绿素含量和光合作用能力密切相关，因此，叶绿素含量是反映作物光合能力与氮素营养状况的重要指标，常用来评价作物逆境胁迫下的伤害程度和营养状况. 由于叶绿素a、叶绿素b、胡萝卜素等分别对不同波长的光有强吸收，所以通过遥感监测植物冠层的反射光谱的变化可以一定程度上反映作物的叶绿素组成和含量. 目前，叶绿素含量的遥感监测主要是通过建立光谱参数或植被指数与叶绿素含量的回归关系来实现，例如，靳彦华等［3］通过研究旱地和水浇地环境下春小麦叶片全生育期叶绿素含量的变化规律，分析了小麦叶绿素相对含量与不同冠层的高光谱植被指数之间的关系，建立了水浇地和旱地两种生境下春小麦叶绿素含量的估测模型. 周敏姑等［4］通过无人机遥感获得了小麦拔节期的多光谱影像，然后提取出了4个波段下小麦冠层叶片的光谱图像，并从中选取了与小麦叶片叶绿素相对含量（SPAD值）具有强相关关系的7 种植被指数，建立了植被指数与叶绿素相对含量值的多元线性回归模型和一元线性回归模型，并对模型进行了验证，实现了对小麦拔节期叶片的叶绿素含量的预测.利用无人机遥感对冬小麦叶绿素含量的有效监测在一定程度上可以反映田间小麦营养状况，对于未来农业的精准高效管理具有重要的意义.

2.2 小麦叶面积指数监测

叶面积指数（Leaf Area Index，LAI）与作物的光能利用率密切相关，也是评估作物长势、预测作物产量重要指标之一. 叶面积值指数不同，对光的反射率也不同，因此可以利用无人机搭载的相机对大面积作物的叶面积指数进行监测，根据需求可以搭载可见光、高光谱、多光谱、红外相机等不同的相机. 蒙继华等［5］利用植被指数分别与叶面积指数建立线性和非线性的回归模型对不同时期小麦LAI进行预测，发现NDVI能较好地估算小麦的LAI，但是误差较大. 傅银贞等［6］利用IRS-P6（LISS-III）多光谱数据，建立了叶面积指数与DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI 等7种植被指数的统计模型，得到较好的结果，决定系数R2能够达到0.76以上. 陶惠林等［7］通过无人机搭载的高光谱相机对冬小麦三个生育期的光谱数据进行了测定，分析了植被指数、Hcsm 与LAI的相关性，挑选出了最优植被指数，并分别构建了单个参数的LAI线性估算模型，进一步提高了LAI的估算精度.

2.3 小麦氮素含量监测

氮素是作物生长发育必需的大量元素之一，缺氮时作物生长会受到抑制，生长速度减缓；而氮肥过量则会导致作物贪青晚熟，品质下降. 遥感技术具备广覆盖、高时效、多载荷等独特优势，表现在：第一，能够实时连续有效地获取作物长势及营养信息；第二，将信息进行时空融合，为及时制定作物养分调优栽培措施提供依据，能够大大提高作物氮素监测的时效性. 高光谱遥感具备信息量大、分辨率高等优势，改善了传统氮素测量方法破坏性取样、室外分析不便的劣势，可以实现作物营养水平和长势信息的实时无损监测［8-9］. 冯伟等［10］通过测定不同类型小麦品种在田间不同施氮水平下叶片氮含量与冠层高光谱数据，并分析两者的相互关系，表明基于红边面积建立小麦叶片氮含量监测模型具有较好的预测精度. 胡昊等［11］指出红边参数可以有效监测小麦氮素营养. 刘昌华等［12］利用无人机搭载的多光谱相机采集了冬小麦4个关键生育期的影像，建立了不同生育期氮素营养指数的反演模型，结果表明基于小麦扬花期构建的模型精度最高，R2为0.95. 姚霞等［13］基于比值光谱指数（RSI）建立小麦氮素监测模型，有效改善模型预测精度和稳定性. Honkavaara等［14］利用无人机搭载的轻便的Fabry-Perot相机获取了冬小麦的FPI光谱影像，发现通过影像计算的NDVI能够精确地反演小麦氮素水平，决定系数R2为0.8. 通过反演模型遥感监测技术可以提高冬小麦叶片氮含量监测精度，从而为冬小麦不同生育时期氮素运筹调控提供理论参考，进而推动精准农业的发展.

2.4 小麦生物量的监测

生物量是与光能的利用和产量密切相关，可以反映作物的生长状况，因此被认为是最重要的生理参数之一，可以有效地监测作物长势和预测产量［13，15］. 传统的生物量测定主要为破坏性取样、时效性差，高光谱遥感具有光谱分辨率高，波段多且连续性强，数据量大等优势，能够及时有效地监测作物的群体生长状况，是未来精准农业和可持续发展的重要手段，在农业定量遥感研究中被广泛应用，同时也是观测地表植被状况的强有力工具［7，16］. Hansen等［17］的研究表明利用归一化差值植被指数可以通过偏最小二乘法能精确地估算小麦地上部生物量. 谭昌伟等［18］的研究表明基于归一化植被指数能有效估算小麦开花期的生物量. 王大成等［19］通过人工神经网络方法显著地提高了小麦生物量诊断的准确性. 陈鹏飞等［20］的研究表明红边三角植被指数是最好的估算冠层生物量的指数. 付元元等［21］的研究结果表明波段深度分析与偏最小二乘回归结合能提高小麦生物量的估算程度. 以上研究为小麦不同生育时期长势精确监测和诊断提供了理论依据.

2.5 小麦产量监测

作物产量是粮食供需平衡和农业政策制定的重要依据，直接决定国家粮食安全. 高光谱遥感能在较短时间内获取较大区域范围的作物信息，具在作物产量预测上具有动态、宏观、快速、准确的优势［22］. 近年来，随着遥感技术的发展，许多学者利用高光谱反射率对小麦产量进行研究，明确了小麦产量预测的敏感光谱波段以及不同形式的植被指数，如基于高光谱遥感技术组建归一化差异植被指数、比值植被指数预测作物产量［23-24］.朱婉雪等利用无人机遥感平台对不同生育期小麦进行遥感观测和估产，构建了基于不同植被与冬小麦实测产量的9种线性模型，结果表明基于可见光EVI2构建的抽穗期小麦产量反演模型的精度最高，决定系数R2达到了0.7［25］. Royo等［26］通过光合化学反射指数、水分指数等植被指数，较为准确地预测了小麦单产. 冯伟等［27］通过氮素营养指数将植被指数与小麦产量建立相关关系，建立起了田间小麦籽粒产量预测模型. 刘良云等［28］指出抽穗开花以后利用NDVI能有效预测小麦产量. 刘小辉等［29］通过无人机搭载的4K高清相机获取了小麦庐江县白湖农场10个小麦品种灌浆中期的影响数据，比较了通过PLSR和红色特征R构建的小麦产量反演模型，发现利用PLSR构建的产量反演模型具有较高的精度，R2达到了0.831. 无人机高光谱遥感技术为实现更大区域范围内冬小麦不同肥力水平下产量预测及生产管理提供了理论依据和科技支撑.

3 无人机遥感在小麦品质监测中的应用

根据小麦的使用目的，小麦品质有不同的划分标准，一般包括营养品质、外观品质、加工品质、食味品质、安全与卫生品质等. 根据小麦加工企业的需求，我国小麦按照面筋数值的大小和筋力的强弱又可以分为强筋、准强筋、中筋、准弱筋和弱筋等5种类型［30］. 在力的作用下，物质会在特定波长段形成反射特征，这些特征能够反映物质成分和结构信息，遥感对小麦品质的监测一般都是通过在小麦冠层光谱特征中找到与籽粒蛋白质相关的指标，然后建立预测模型进行预测，具体的预测时间根据小麦生理特征和品质指标来确定［30］.

研究表明小麦生育后期叶片全氮含量和成熟期籽粒品质有较强的相关性，用小麦生育后期叶片的全氮含量能够反映小麦籽粒蛋白质和面筋的含量，因此可以通过无人机获得的近地光谱数据实现对小麦籽粒蛋白质含量相关指标的遥感监测［31-32］. 薛利红等［33］的研究表明，冬小麦抽穗以后冠层的植被指数R1500/R610与小麦籽粒蛋白质呈极显著指数关系，R220/R560与小麦淀粉含量呈极显著指数关系. 李映雪等［34］发现小面花后14 d的叶片氮素含量与籽粒蛋白质含量相关性较高，可以通过比值指数RVI（1220，710）监测小麦叶片的氮含量，从而实现对小麦籽粒蛋白质含量的预测. 宋晓宇等［35］根据氮素转运原理，利用小麦开花期的Aster影像与收货期籽粒蛋白质含量的相互关系，可以实现小麦籽粒蛋白质含量的大面积监测. 黄文江等［36］通过对红遍参数与叶片全氮含量进行相关性分析，发现红边参数的归一化最小振幅能够很精确地反演小麦叶片的全氮含量，并进一步建立模型对籽粒蛋白质含量进行预测. 贺佳等［37］通过研究不同氮磷水平下，冬小麦不同生育期冠层光谱反射率、植株氮含量和成熟籽粒蛋白质含量之间的关系，发现拔节期以后建立的植株氮含量和籽粒蛋白质含量的预测模型具有较高的精度.

4 存在问题和研究展望

虽然近年来无人机遥感平台系统做了大量改进，低空遥感技术硬件相对较成熟，但还存在一些不足，如：平稳性差、续航时间短、载荷能力小、传感器成本较高，安装过程复杂等，在遥感图像处理上也相对乏力，没有标准的处理过程，这使得无人机遥感技术的实用性有所下降. 此外，低空空域资源不足，航空飞行管制十分严格，工作人员需提前对航拍区域提出飞行空域申请，申请周期较长，审批手续繁琐，这制约无人机在农业生产中的应用和发展. 未来应加大对无人机遥感相关技术的研发，降低飞行成本，同时建立健全无人机飞行监管机制，为无人机遥感技术在农业生产中的推广和应用提供保障.

目前的遥感模型大部分是基于统计分析进行的，随着气候、区域、应用尺度等条件的改变，适用性可能受到影响，从而导致预测精度的下降. 在未来的研究中应该加强对不同生态区，不同土壤和气候环境下的小麦生长模型以及品质预测模型的研究，提高模型的精确度和区域实用性.