轻小型无人机遥感技术在精准农业中的应用分析
作者：文阅期刊网 来源：文阅编辑中心 日期：2022-08-11 08:42人气：
摘 要：
课题组将围绕轻小型无人机遥感技术进行分析讨论，阐述其在农作物识别、农作物监测、田块尺度估产、病虫害监测、空间信息监测等精准农业中的应用路径，准确获取农田空间信息，为种植区域的计算提供有效数据，高效评估农作物的生长态势，推动轻小型无人机遥感装置的升级与创新，促进遥感信息解析手段的智能化发展。
关键词:轻小型无人机遥感系统;空间信息;精准农业;
精准农业是指以信息技术为基础，依照空间变异，定位、定量地开展现代化农事操作与管理的系统。该系统不仅可以切实提升劳动生产率与农资利用率，而且能有效降低成本，减少对环境的污染。为了确保后续提出的轻小型无人机遥感技术在精准农业中的应用路径具有针对性与实用性，需要对轻小型无人机遥感技术进行充分了解。
1 轻小型无人机遥感技术分析
轻小型无人机遥感系统的组成元素包括能量系统、数据传输系统、无人驾驶平台、遥感传感器等，其中无人驾驶飞行装置是指轻小型无人机的实际载荷能力低于15 kg，飞行高度不超过3 000 m，且最大飞行速度在30 m/s以内。在应用过程中依照实际需求与场景，预先在飞行平台搭载传感器装置，全面收集遥感数据。至于遥感传感器在使用时则要充分考虑轻小型无人机平台荷载能力对其产生的制约效果，保证设备体积小、功耗低，且安全性能良好。目前我国大多是以数码相机、高光谱相机作为遥感传感器，利用数据传输系统实现影像生成以及数字模型的打造，以此获取遥感结果，并将相关数据用于农业生产管理中的农作物调查、产量评估等。
轻小型无人机遥感系统的信息获取流程可分为以下几步：前期准备工作，包括飞行申请、飞行条件评估、飞行区域调查，之后要设定飞行路径，依照影像重叠度等要求，完成系统参数的设置；数据获取阶段，要实时监控飞行参数；后期数据处理环节，需要涵盖图像匹配、正射校正以及遥感产品生成等。
2 轻小型无人机遥感技术在精准农业中的应用路径
2.1 农作物识别
农作物识别是后续开展作物面积测算以及长势探究的重要基础环节，能够为精准农田作业的开展提供参考依据。与以往的地面调查相比，轻小型无人遥感识别方式具有极强的高效性，而与卫星遥感识别手段相比，无人机的抗干扰性更加优越，由于该技术能够提供大量的纹理信息以及结构数据，因此在地物分类数据的收集方面更加高效。当前，我国以轻小型无人机获取影像作为基础，实现农作物种植信息提取的研究课题已取得一定进展，单就遥感类型来说可细分为两类：一是基于像元的方法；二是基于面向对象的方法。基于像元的方法是指借助搭载冠层相机的无人机平台收集高分辨率遥感影像，进一步分析农作物波谱特征变化阈值。而基于面向对象的方法则是要利用无人机航拍影像的几何特征与光谱特征，对农作物进行分类，借助无人机收集的正射影像与数字模型，完成梯田的自动识别。通过RGN影像，对农场内的农作物类型实施精细识别。
2.2 农作物监测
借助轻小型无人机遥感系统的监测功能能够充分掌握农作物实际生长情况，明确其具体营养水平，准确把握水肥胁迫状况。随着便捷性高光谱设备的进一步研发，越来越多的敏感波段可引入分析模型当中，至于人工神经网络、专家系统等建模技术也得到了更多研究人员的青睐。在进行农作物监测时注意农作物信息获取前需要优先完成生长问题的诊断，并将其作为后续精准农业管理与田间作业的参照依据，及时调整施肥措施，达到促进农作物正常生长、获取高额经济效益的目的[1]。
农作物监测的内容主要包括农作物生产参数的具体变化与农作物的元素含量。我国知名学者朱金霞提出，可利用无人机平台实现水稻叶片的数字图像获取，并进一步研发不同N养分下水稻冠层的特征信息，可将该方法运用在水稻N养分诊断当中。同时也可借助无人机平台收集红外影像完成作物生长状况的监测，计算各区域作物的生长参数，利用绿度与归一化指标进行作物生长变异性的量化，之后可将其作为基础，提出针对性的种植改进措施，用以达到作物的预期收益。此外也可将植被与土壤的光谱特征作为分析手段，完成作物生育期的监测研究，利用多光谱遥感影像植被覆盖度计算，进行植被覆盖度的年变化判断[2]。我国学者秦展飞还提出了基于无人机高光谱影像，以不同N水平水稻试验为依托，比对光谱指数与最小二乘回归法预测水稻叶片N含量的准确度，结果显示，无人机高光谱影像反映的N含量分布区域与地面调查结果一致。
2.3 田块尺度估产
轻小型无人机遥感系统在田块尺度估产中的应用路径可分为以下几种：一是以遥感平台为依托，获取高分辨率影像，用以完成农作物产量的估算，探究归一化植被指数，完成叶片叶绿素含量的适应性估算，之后借助统计分析判断农作物产量与生物量的差异性。二是应用多光谱相机拍摄不同季节的植物影像，同样要研究归一化植被指数与作物状态之间的关系，完成产量的预测评估。经分析可知，归一化植被指数与产量以及生物量之间存在良好的线性关系。三是根据多光谱影像计算归一化植被指数，并充分结合氮肥优化算法完成作物产量预测，通过将其与实际产量对比可发现，该方法的预测结果准确度极高。四是应用搭载MINIMCA的无人机拍摄影像预测作物产量，而最佳预测指数可采用VARI[3]。
2.4 病虫害监测
若农业生产中存在大范围的病虫害必然会严重影响作物产量，使农作物叶片色素与冠层结构出现变化，而应用轻小型无人机可以针对波段光谱特征实现动态监测，之后将监测结果作为农作物是否受到病虫害侵袭的诊断依据，判断具体的危害程度，为后续精准农业管理提供科学指导，在减少生产损失的基础上进一步减少农药的使用量，确保环境效益最佳化。在进行无人机病虫害监测过程中需要将病虫害识别以及病害时空监测作为研究对象，具体的应用方法可分为以下几种：一是利用无人机航空图像实现病害的监测，利用敏感波段光谱反射率与病情指数的回归模型，在PHI影像上实现病害发生程度的监测，并判断具体的影响范围。二是借助多光谱航空影像数据实现病害的定位。三是应用多源数据，提取植被指数，完成对叶绿素含量的反演，为遥感参数的诊断应用提供参照对象。四是使用红外多光谱相机拍摄遥感影像，对栽培中的植物病害开展定性分析，以此确定病害模式，并监测病害防治效果[4]。
2.5 空间信息监测
在实现农田空间信息的监测方面要利用轻小型无人机遥感系统完成农田地理坐标数据的获取，实现农作物的准确分类，之后进行两方面数据的融合，计算农作物种植面积。同时，为了进一步提高计算的精确性与准确度，需要高效应用无人机平台附带的数码相机等一系列传感装置，用以识别农田空间信息，进一步提高空间信息的分辨率[5]。
3 轻小型无人机遥感技术在精准农业中的应用发展趋势
虽然我国在近年来加大了对轻小型无人机遥感技术的研究力度，不断优化相关操作方法，实现数据处理、信息收集等手段的创新与升级，但仍存在一定的局限与不足之处。因此，为了促进轻小型无人机遥感在精准农业中的高效应用，便需要在以往的应用路径上切实解决相关问题，推动轻小型无人机遥感技术的发展[6]。
3.1 信息处理的智能化发展
通常来说，轻小型无人机遥感系统所捕捉的影像大多存在数量多、重叠度与倾角存在差异性等问题，较小的幅宽不仅会进一步提高影像拼接的难度，也会阻碍影像的有序匹配。因此为了确保影像得以准确校正，需要促进轻小型无人机遥感技术的自动化、智能化发展，保证获取的遥感影像具有极高的质量。根据实际调查，目前我国的轻小型无人机遥感在精准农业中的应用方法尚未成熟，仍处在简单的信息获取上，且研究重点放在利用光谱特征完成农作物生长参数的反演上，需要工作人员采用分析遥感信息与农作物生长之间参数关系的方法，但该技术不仅受到模型鲁棒性的限制，还对轻小型无人机遥感的应用范围有所制约。因此，应促进农作物生态过程的融合，依照不同农业应用，深入挖掘遥感信息与农作物生理参数关系，切实提高遥感解析模型的通用性，将轻小型无人机遥感结果应用在精准农业中的重点研究对象上[7]。为此，在后续研发时需要进一步加大遥感信息处理方法的智能化研究力度，充分考虑人工智能作物识别、提取。
3.2 多来源数据的应用
我国的农作物种类较多，影响因素较为多样，若想确保轻小型无人机遥感技术能够在精准农业中得到高效应用，更需要在精细尺度方面以及动态监测方面发挥巨大作用。但根据实际调查，在采集高密度作物遥感数据后，若缺少良好的作物信息融合手段，没有站在融合应用角度看待相关作业问题，必然会影响农业精准管理效率。因此在应用过程中需要充分融合多来源数据，借助农学、光学、生态学知识，充分收集地面调查数据、气象条件以及地理信息，以此为精准作业提供价值导向[8]。
3.3 实现设备的创新与升级
传感器作为轻小型无人机遥感系统中的重要组成部分之一，我国对其的研究通常只停留在搭载安装上，对于激光雷达、热红外成像仪的应用仍不够熟练，相关案例较少。究其原因在于此类传感器装置的经济成本相对高昂，且容易受到无人机承重力的制约，因此传统的传感器通常难以搭载到无人机遥感系统中。为了解决此类问题，在轻小型无人机中需要结合实际情况与应用需求适当提高其续航时间，保证单次飞行路径能够覆盖大部分农业作业区域，进一步优化平衡系统以及路径算法，消除以往存在的飞行不稳定以及重拍、漏拍等问题，切实保证影像质量，打破轻小型无人机遥感系统在抗风险性、载荷能力等方面存在的制约。同时技术人员要积极研发成本低、通用性强的设备，降低设备误差，改进传输模式，切实保障设备的作业效率。
3.4 搭建高效技术平台
若想切实增强无人机操控平台的安全性以及稳定性，使传感器能够与平台之间有机协调，便需要提高信息的监测水平。一方面需要技术人员不断提高个人能力，学习先进的操作技术与信息化手段，尽可能降低操控平台的设计复杂性。另一方面要搭建成本低廉、高效便捷的无人机技术平台，这也是轻小型无人机遥感技术发展的必然趋势[9]。
3.5 实施周期性监测
目前在精准农田作业过程中，轻小型无人机遥感技术的应用缺少连续性，且周期性不强。农作物的生长本身具有一定的周期性，不同生长阶段的农作物生长参数以及各项指标数据存在明显差异，若以单一生育期农作物信息建立模型，显然不具有代表性。以棉花生育期适用性模型为例，在搭建时对其各阶段进行数据判断，容易受其生长周期的差异性影响造成监测参数误差。为此，轻小型无人遥感技术需要在未来研究中将作物生长周期以及连续性数据作为重点分析对象，切实提高监测精确性[10]。
4 结论
综上所述，通过分析讨论轻小型无人机遥感技术，阐述轻小型无人机遥感在精准农业中的应用路径，并提出信息处理的智能化转变、多来源数据的应用、搭建高效技术平台等轻小型无人机遥感在精准农业中的应用发展趋势，以此优化轻小型无人机遥感系统的稳定性、荷载能力、续航时间，确保图像质量更高，准确完成农田作物信息的获取工作，实现田间精准作业。
参考文献
[1] 蒯宇，王彪，吴艳兰，等.基于多尺度特征感知网络的城市植被无人机遥感分类[J].地球信息科学学报，2022，24(5)：962-980.
[2] 李德仁，李明.无人机遥感系统的研究进展与应用前景[J].武汉大学学报(信息科学版)，2019，39(5)：505-513+540.
[3] 张琪曼.无人机遥感技术在森林资源调查中的应用研究[J].科技风，2022(10)：4-6.
[4] 花良浩，李丹丹，黄呈宇，等.基于小型智能无人机低空遥感技术的农田信息采集的研究[J].南方农机，2022，53(2)：69-71.
[5] 杨国峰，何勇，冯旭萍，等.无人机遥感监测作物病虫害胁迫方法与最新研究进展[J].智慧农业(中英文)，2022，4(1)：1-16.
[6] 张桂莲，王苏春.基于BP神经网络的无人机遥感影像土地类型识别研究[J].自动化与仪器仪表，2022(3)：41-45.
[7] 闫娜.无人机遥感技术在松材线虫病监测预防中的应用及前景分析[J].林业勘查设计，2022，51(2)：53-55.
[8] 任敬.无人机遥感测绘技术在工程测绘中的应用[J].有色金属设计，2022，49(1)：66-69.
[9] 尹慧，蒋云雨，姜自斌，等.基于无人机遥感简析烟田监测技术的应用现状[J].农业工程技术，2022，42(6)：28-29.
[10]高勇无人机遥感技术在测绘工程测量中的应用[J]城市建筑空间，2022, 29(2): 237-239.
上一篇：没有了
下一篇：白洋淀流域农牧系统养分流动与环境损失时空特征
下一篇：白洋淀流域农牧系统养分流动与环境损失时空特征
热门排行
