無人機(jī)高光譜技術(shù)在新農(nóng)業(yè)的應(yīng)用

無人機(jī)高光譜技術(shù)在新農(nóng)業(yè)的應(yīng)用

無人機(jī)高光譜技術(shù)以其高效和低成本的優(yōu)勢(shì)被廣泛應(yīng)用于

粳稻營養(yǎng)監(jiān)測(cè)、病蟲害檢測(cè)等方面，并取得了豐碩的成果。傳統(tǒng)

的粳稻田間監(jiān)測(cè)方法主要依靠農(nóng)學(xué)專家或有經(jīng)驗(yàn)的農(nóng)戶進(jìn)行田

間觀察，需要大量有經(jīng)驗(yàn)的專業(yè)人員，且診斷結(jié)果具有一定的主

觀性；而衛(wèi)星光學(xué)影像技術(shù)在成像過程中易受云、雨、霧等惡劣

天氣的影響，粳稻監(jiān)測(cè)的關(guān)鍵時(shí)期（分篥期）又往往多云多雨。

相比之下，無人機(jī)飛行成本低、操作便捷、影像獲取速度快、影

像分辨率高，依據(jù)無人機(jī)高光譜數(shù)據(jù)構(gòu)建粳稻生長監(jiān)測(cè)模型指導(dǎo)

精準(zhǔn)施肥、監(jiān)測(cè)粳稻病蟲害，能夠大幅提高粳稻田間管理效率，

為精準(zhǔn)農(nóng)業(yè)提供理論依據(jù)。

1無人機(jī)高光譜數(shù)據(jù)獲取平臺(tái)

目前業(yè)界使用較多的無人機(jī)高光譜平臺(tái)多為深圳大疆創(chuàng)新

公司生產(chǎn)的經(jīng)緯M600PR0六旋翼無人機(jī)、浙江大華技術(shù)股份有限

公司生產(chǎn)的X820八軸旋翼無人機(jī)等。高光譜儀多采用四川雙利

合譜公司的GaiaSky-mini高光譜成像系統(tǒng)、芬蘭Rikola高光譜

相機(jī)等。

2無人機(jī)高光譜粳稻氮素反演模型

實(shí)時(shí)檢測(cè)和評(píng)估水稻的氮素含量對(duì)于水稻的田間精準(zhǔn)管理

具有十分重要的意義，亦是氮肥合理使用的前提。獲取無人機(jī)高

光譜數(shù)據(jù)后，運(yùn)用ENVI5.3工具軟件對(duì)獲取的高光譜遙感影像進(jìn)

行感興趣區(qū)(ROI)高光譜數(shù)據(jù)提??；之后采用S-G平滑等方法

對(duì)數(shù)據(jù)進(jìn)行預(yù)處理剔除數(shù)據(jù)中土壤背景、水體等噪聲；接著采用

主成分分析(PCA)、連續(xù)投影算法(SPA)等方法或構(gòu)建光譜指數(shù)

法(VI)對(duì)高光譜數(shù)據(jù)進(jìn)行降緯；最后利用極限學(xué)習(xí)機(jī)(ELM)、

BP神經(jīng)網(wǎng)路(BPNN)等方法構(gòu)建模型。近年來，針對(duì)無人機(jī)高

光譜反演粳稻氮素含量模型的應(yīng)用研究也逐日增多。有學(xué)者利用

PCA和ELM方法建立了粳稻分廉期氮素含量反演模型。經(jīng)驗(yàn)證，

該模型準(zhǔn)確率達(dá)到80%以上，利用該模型構(gòu)建了氮肥追施量處方

圖，指導(dǎo)農(nóng)用無人機(jī)對(duì)分篥期水稻實(shí)施精準(zhǔn)追肥，在保障水稻產(chǎn)

量的前提下使氮肥追施量減少27.34%o這表明利用無人機(jī)高光

譜構(gòu)建的水稻氮素含量反演模型可作為氮肥處方?jīng)Q策和精準(zhǔn)變

量作業(yè)的基礎(chǔ)。

3無人機(jī)高光譜粳葉綠素素反演模型

粳稻的葉綠素含量是表征其生長狀態(tài)的重要性狀指標(biāo)。常用

的粳稻葉綠素含量檢測(cè)方法是分光光度法，然而該方法耗時(shí)、費(fèi)

力且有損。構(gòu)建無人機(jī)高光譜粳稻葉綠素反演模型能夠無損、快

速、大面積反演粳稻葉綠素含量。該項(xiàng)研究一直都是國內(nèi)外精準(zhǔn)

農(nóng)業(yè)學(xué)者重要的研究方向。無人機(jī)高光譜粳稻葉綠素反演模型的

構(gòu)建方法與氮素反演模型的構(gòu)建方法類似。學(xué)者們的工作主要集

中在兩個(gè)方面：建立各光譜指數(shù)，利用上述建模方法建立指數(shù)與

葉綠素含量之間的反演模型；或者先對(duì)獲取的粳稻高光譜數(shù)據(jù)的

全部波段進(jìn)行SPA、PCA等方法建模。沈陽農(nóng)業(yè)大學(xué)曹英麗等學(xué)

者研究發(fā)現(xiàn)：反演粳稻葉綠素含量的最優(yōu)的光譜指數(shù)為優(yōu)化的葉

綠素吸收率指數(shù)(MCARI),基于最優(yōu)子集選擇算法篩選出7個(gè)

特征光譜指組合用于反演水稻葉片葉綠素的回歸模型精度最高，

其決定性系數(shù)為0.844o該方法能夠?qū)崟r(shí)快速地了解粳稻長勢(shì)，

為精準(zhǔn)農(nóng)業(yè)做參考。

4無人機(jī)高光譜粳稻病害監(jiān)測(cè)模型

稻瘟病、紋枯病等粳稻病害都具有傳播速度快，防控難度大，

對(duì)粳稻產(chǎn)量影響極大等特點(diǎn)。據(jù)研究統(tǒng)計(jì)，因稻瘟病損失的水稻

產(chǎn)量能夠養(yǎng)活近6000萬人。隨著精準(zhǔn)農(nóng)業(yè)的不斷推進(jìn)，對(duì)病害

防治的時(shí)效和準(zhǔn)確性提出了更高層次的需求，傳統(tǒng)的“以點(diǎn)代面”

的病害監(jiān)測(cè)手段難以滿足其要求。無人機(jī)高光譜技術(shù)不僅能夠?qū)?/p>

現(xiàn)更大范圍內(nèi)、更高空間分辨率的病蟲害精準(zhǔn)監(jiān)測(cè)，而且能夠快

速地完成田塊尺度下目標(biāo)信息的傳遞，獲得目標(biāo)地物與周圍環(huán)境

背景的相互關(guān)系。但目前利用無人機(jī)高光譜技術(shù)監(jiān)測(cè)粳稻稻瘟病

研究仍處在起步階段。以稻瘟病為例，有學(xué)者指出隨著稻瘟病病

害等級(jí)的提升，水稻反射率整體呈現(xiàn)下降的趨勢(shì)，水稻植株中各

生化指標(biāo)也會(huì)出現(xiàn)變化；光譜指數(shù)的組合作為模型輸入量建立的

預(yù)測(cè)模型具有極高的精度，能夠解釋稻瘟病所引起