摘 要：随着科学技术的不断发展，传统监测大田农作物生长模式已无法满足时代发展的需要，存在成本高、耗时长等诸多弊端。无人机光谱成像技术是信息化、数字化发展的产物，将该技术用于大田农作物生长环境监测，具有监测时效性强等优势。该文阐述了无人机光谱成像技术的原理、特点、优势等，以及在大田中的应用情况，并分析了现阶段研究中存在的问题，以期为今后无人机光谱成像技术在大田中的应用研究提供参考。

关键词：无人机光谱成像技术;大田;应用

中图分类号 S127;O657.3 文献标识码 A 文章编号 1007-7731（2022）11-0117-03

Research Progress on the Application of Uav Spectral Imaging Technology in the Field

MA Jingyu

（Sanhe Digital Surveying and Mapping Geographic Information Technology Co.，Ltd.， Tianshui 741000， China）

Abstract： With the continuous development of science and technology，the traditional monitoring of field crop growth mode can no longer meet the development requirements of the times，and there are many disadvantages such as high cost and long time. UAV spectral imaging technology is a product of informatization and digital development. This technology is used in monitoring the growth environment of field crops and has the advantages of strong monitoring timeliness. This paper further develops the application of UAV spectral imaging technology in the field by expounding the principle，characteristics and advantages of UAV spectral imaging technology，and expounds the difficulties existing in this research at this stage. It is expected to provide reference for the application of UAV spectral imaging technology in the field in the future.

Key words： UAV spectral imaging technology; Field; Application

中國自古以来就是农业大国，尤其是水稻、玉米等农作物的种植范围广阔。然而，粮食作物在生长过程中由于会受到多种因素的影响，如温湿度、降水和土壤等，导致作物植株生长出现变化。因此，为了确保农作物生长质量，需要对农作物叶面积指数等多项参数进行科学检测，进而有效地对农作物生长情况进行评估。传统的作物生长环境监测主要是以卫星遥感监测为主，该监测方法存在监测成本高、受云层干扰大等弊端。为寻找监测效果好、受云层干扰小的农作物监测方法，众多学者提出利用无人机光谱成像技术开展大田农作物生长环境监测工作。

1 无人机光谱成像技术概述

1.1 原理 无人机光谱成像技术涵盖的技术种类较多，主要包括无人飞行器、通信、传感器、定位、图像传输等技术。深入探究无人机光谱成像技术遥感系统的组成部分可知，主要由飞行平台系统、传感系统、控制系统、数据处理系统、数据传输系统、后勤人员等6个部分组成。具体操作过程为：在开展大田监测过程中，工作人员利用控制系统操控无人机飞行轨迹，根据相应的监测需求，使用光谱成像仪对田间农作物进行图像采集，并利用相应的信息处理系统对采集后的图像等信息展开分析，最终得出准确的作物生长指标，以此指导农作物生产。

1.2 可采集光谱图像特点 光谱成像技术是基于成像技术与光谱测量技术，将二者相结合进而准确获取农作物位置信息、分析光谱辐射信息的一种技术。将光谱图像进行分类，主要包括全色图像、多光谱图像、高光谱图像、热红外图像等。通常情况下，不同的光谱图像种类具有不同的波段范围、分辨率等，因此，不同的光谱种类在大田中的应用均有所不同。

不同学者将不同的光谱成像应用在作物生长监测中，例如，杨晓宇等[1]在研究中利用全色图像，结合区域生长法、水分分析法开展了作物生长环境监测工作，其将荔枝单木作为监测对象，利用高分辨率全色图像进一步收集了荔枝单木信息。同时，这几位学者在另一项研究中，利用高光谱成像对健康小麦、受镰刀菌感染的小麦展开成像，并进一步探究了镰刀菌感染的波长范围。此外，还有学者将热红外图像用于葡萄园监测，利用科学的分析手段进一步明确了水分威胁指数与水势参数之间的关系，明确两者间存在正相关。可以看出，不同的光谱成像均存在不同的特点，因此，应根据实际情况，选择最合适的光谱成像方法。

1.3 优势 传统的大田作物生长环境监测主要以卫星遥感技术为主。但卫星遥感技术极易受到大气环境变化、云层、地形等因素的影响，存在精度低、数据处理复杂等缺陷。相较于传统卫星遥感技术，以无人机为承载器搭载的成像仪所形成的遥感系统，能够有效解决传统卫星遥感技术缺陷的问题。众多学者深入开展二者间对比研究，以葡萄园为监测对象，对比2种遥感系统精度，结果表明，卫星遥感系统监测成像分辨率较低，且无法准确反应葡萄园内部差异;而无人机遥感系统监测则可对葡萄园内部小面积作物展开分析，可精确显示葡萄园内部差异。

将无人机作为平台的遥感技术具有较大的综合优势。首先，利用无人机遥感具有空间分辨率高、信息容量大、位置精度高、成像清晰等优势，无论是大范围监测、小范围监测均可利用无人机遥感技术。其次，无人机遥感技术可实现低空连续作业，并不受云层影响，使监测工作变得更加便捷、可行、灵活。再次，无人机遥感技术还具有降低监测作业成本等优势。

2 无人机光谱成像技术在大田中的应用研究

2.1 监测作物长势及营养指标 深入探究影响作物生长发育的营养元素可知，氮素是影响作物生长的最主要因素。进一步探究氮素与光谱特征之间的关系可知，二者间存在较强的关联性。王义坤等[2]利用无人机光谱成像技术开展了小麦冠层生物指标的研究，主要将植物高度、叶面积指数、氮素含量作为研究指标，利用主成分分析法建立3项指标与光谱指数之间的回归模型。研究结果显示，无人机光谱成像技术能够有效监测作物氮素含量指标。张黎黎[3]将玉米作为研究对象，利用无人机光谱成像技术对采集玉米多光谱图像，进一步研究低氮胁迫下玉米的营养状况。

此外，叶绿素含量、叶面积指数也是影响作物生长的重要因素，二者均为评价作物长势的主要依据。国外学者Matsuo T等[4]在研究中将大麦作为监测对象，利用无人机光谱成像技术得出大麦高光谱图像、RGB图像，并利用植被指数、植被高度等信息对植株生物量进行估算，结果表明，归一化比率指数、作物物质质量二者间存在较强的关联性。此外，有学者将水稻作为监测对象，利用无人机光谱成像技术针对水稻不同的生长时期展开监测，并将监测结果与LAI参数开展相关性分析，以此作为基础构建作物生长模型。结果显示，水稻植株高度与LAI具有较强的相关性。

2.2 监测田间灾害 进一步分析大田中灾害种类，主要包括病虫害、旱涝灾害。通常情况下，作物的光谱特征会随着各类灾害的变化而变化，将无人机光谱成像技术用于作物生长信息监测，可以准确评估灾害类别，发生位置与严重程度，进而降低损失，同时也能为农药喷洒提供较为精准的依据。Luo B等[5]将橄榄树种植区作为研究对象，并利用无人机光谱成像技术采集橄榄树种植区热红外线图像、高光谱图像，采用线性判别分析法对大丽花病害开展相关的监测预警工作，研究结果表明，热红外图像对大丽花病害的监测精度较高。此外，上述学者还开展了另一项研究，将甜菜作为研究对象，利用无人机光谱成像技术收集甜菜高光谱数据，并进一步提出了鉴别早期甜菜灾害的办法。

作物冠层温度、气孔导度是业界公认的判断作物水分胁迫的重要指标，同时地表温度、植被指数也是公认的判断农作物旱涝情况的重要指标。王飞龙等[6]将葡萄作为研究对象，利用无人机光谱成像技术得出葡萄热红外图像，对数据分析结果中的水分威胁指数、气孔导度等指標进行比较，结果表明，这2项指标具有较强的关联性。

2.3 预测作物产量 开展作物产量评估工作能够帮助各地政府精准了解各地粮食产量情况，作物产量评估在国家粮食宏观调控中起着至关重要的作用。深入探究传统作物产量评估方法可知，传统作物产量评估方法存在成本高、工作量大等问题，且对作物产量估值的精准程度较低。相比于传统作物产量评估方法，无人机光谱成像技术能够打破传统方法的局限性。王伟等[7]将大豆作为研究对象，利用无人机光谱成像技术对其产量进行评估，经过精准度检验，明确利用无人机光谱成像技术评估大豆产量的精度高达0.8118，进一步验证了该技术的可行性与精确性。

2.4 精细分类 精细分类是实现农业精准化的重要手段，是开展农作物面积计算、种类统计的基础性工作。对于农业机械化、自动化来说，利用精细分类确定田间杂草等分布信息至关重要。利用无人机光谱成像技术可有效监控植株作物，尽可能减少除草剂等农药的使用情况。马乐等[8]以冬小麦作为研究对象，利用无人机光谱成像技术对冬小麦进行高分辨率的数码成像，并进一步明确冬小麦光谱特征和植被指数变化。基于研究结果提出了新的农作物分类模型，明确自动分类、最大似然分类这2种分类方法具有较高的适用性和精度。此外，其在研究中还指出，利用无人机光谱成像技术可有效区分作物与杂草，能够为大田中的作物分类提供依据。

3 光谱图像建模方法研究进展

不同植被类型其光谱特征有所不同，将光谱特征作为指标开展光谱图像建模，主要包括植物红边效应构建、植被指数模型构建和作物生长模型构建。

所谓红边是指作物受到叶绿素影响，在光谱成像时红光区与近红外区之间的过渡位置植被的光谱曲线斜率较为陡峭。研究表明，红边所处位置、倾斜角度等可以体现植被特征，如颜色、健康程度、覆盖率等。植被指数是指将植物光谱特性作为依据，合理组合植物特征波段值所形成的指数。植被指数在一定程度上能够消除因大气、云层、背景等影响误差，可明显反应植被生长状况。目前，NDVI是业界公认的误差小、精度高的植被指数，且被广泛应用于各类研究中。除上述2种建模手段外，作物生长模型也是监测农作物生长状况的有效手段，且相较于其他2种方法，该建模手段具有精度高、适用范围广等优势，同时该建模还具有建模难度大等缺陷。深入探究作物生长模型分类，可将其分为经验统计模型和以过程为基础的作物生长模拟模型。

4 无人机光谱成像技术应用研究存在的问题

无人机光谱成像技术为大田作物生长环境监测工作提供了技术支持，能够科学监测作物长势及营养指标、田间灾害以及作物产量。但就目前情况而言，无人机光谱成像技术在各方面仍存在诸多问题。

4.1 无人机方面 无人机光谱成像技术较为依赖遥感平台，在无人机研究方面，应保证无人机具有轻巧、稳定、续航时间长、灵活等特点。科学合理地选择无人机制作材料，明确无人机设计结构。为进一步扩大无人机的使用范围，应谨慎选择无人机外壳材料，尽量选取重量轻、耐高温、耐腐蚀、韧性高、经济效益高的外壳材料，并在此基础上进一步保证无人机结构安全、牢固、稳定。目前，如何增强无人机性能是研究的重难点，随着复合材料研发、特殊燃料使用等研究的不断深入，相信在不久的将来无人机材料、结构研发会更上一层楼。

4.2 光谱成像技术方面 目前在光谱成像技术研究方面，仍存在数据收集、处理等问题未被解决。深入分析大田环境特点，其具有复杂性、易受干扰等特性，其地物反射率易受多种因素的影响。通常情况下，在开展光谱图像采集时，由于受到作物叶面分布、叶面面积、太阳照射角度、观测角度的影响，会产生不同的作物呈现相同的图谱，或同种作物呈现不同的图谱现象。近年来，随着科学技术的不断发展，相信在不久的将来这一技术空白会被填补。

4.3 数据处理分析方面 除上述难点与技术空白以外，在数据分析方面仍存在技术空白与难点。具体表现为：现阶段并未出现较为统一的图像处理方法，不统一的图像处理方法必然会降低数据处理、数据结果精度。现阶段，我国的多光谱、高光谱技术较为成熟，但这2种技术应用后会带来大量数据，技术人员很难从大量的数据中准确挑选出特征性较强的波段。通常情况下，作物种类不同、生长时期不同、生长条件不同，产生的特征性波段也有所不同。目前，较为常用的方式是选取多个波段组合进行分析，以此来减少数据处理误差，体现作物生长特点，但技术人员在此过程中所使用的指标并不统一，导致其所得出的研究成果无法得到其他研究人员认可，严重缺乏可靠性、普及性。

5 结语

本文阐述了无人机光谱成像的技术原理、特点及优势，介绍了无人机光谱成像技术在大田中的应用研究进展，指出当前无人机光谱成像技术可应用于作物长势、营养指标、田间灾害的监测，可预测作物产量，还可对作物进行精细分类;分析了当前无人机光谱成像技术在大田的应用研究存在的问题。相信在不久的将来，这些问题均会被突破，大田作物生长环境监测工作必将进入新的发展阶段。

参考文献

[1]杨晓宇，包妮沙，曹粤，等.基于无人机成像光谱技术的农田土壤养分估测及制图[J].地理与地理信息科学，2021，37（5）：38-45.

[2]王义坤，韩贵丞，姚波，等.面阵摆扫型无人机载大视场高光谱成像技术研究[J].激光与红外，2019，49（7）：876-880.

[3]张黎黎.无人机高光谱技术在新农业中的应用[J].新农业，2021（14）：41.

[4]Matsuo T，Ikari S，Kondo H，et al. High spatial resolution spectral imaging method for space interferometers and its application to formation-flying small satellites[J]. JATIS，2022（01）：44-53.

[5]Luo B，Wang X，Zhang Z. Application of Computer Vision Technology in UAV[J]. Journal of Physics：Conference Series，2021，1881（4）：042052.

[6]王飛龙，王福民，胡景辉，等.基于相对光谱变量的无人机遥感水稻估产及产量制图[J].遥感技术与应用，2020，35（2）：458-468.

[7]王伟，衡磊，郝一腾，等.基于倾转翼无人机多光谱成像在农业中的应用[J].农村实用技术，2020（3）：32-33.

[8]马乐，黄超伟.无人机多光谱技术在智慧农业中的应用[J].现代制造技术与装备，2021，57（11）：163-165.

作者简介：马敬宇（1989—），女，甘肃平凉人，助理工程师，从事无人机航测数据处理及高光谱成像技术分析工作。  收稿日期：2022-03-14