论文部分内容阅读
无人机高光谱技术以其高效和低成本的优势被广泛应用于粳稻营养监测、病虫害检测等方面，并取得了丰硕的成果。传统的粳稻田间监测方法主要依靠农学专家或有经验的农户进行田间观察，需要大量有经验的专业人员，且诊断结果具有一定的主观性；而卫星光学影像技术在成像过程中易受云、雨、雾等恶劣天气的影响，粳稻监测的关键时期（分蘖期）又往往多云多雨。相比之下，无人机飞行成本低、操作便捷、影像获取速度快、影像分辨率高，依据无人机高光谱数据构建粳稻生长监测模型指导精准施肥、监测粳稻病虫害，能够大幅提高粳稻田间管理效率，为精准农业提供理论依据。
目前业界使用较多的无人机高光谱平台多为深圳大疆创新公司生产的经纬M600PRO六旋翼无人机、浙江大华技术股份有限公司生产的X820八轴旋翼无人机等。高光谱仪多采用四川双利合谱公司的GaiaSky-mini高光谱成像系统、芬兰Rikola 高光谱相机等。
实时检测和评估水稻的氮素含量对于水稻的田间精准管理具有十分重要的意义，亦是氮肥合理使用的前提。获取无人机高光谱数据后，运用ENVI5.3工具软件对获取的高光谱遥感影像进行感兴趣区（ROI）高光谱数据提取；之后采用S-G平滑等方法对数据进行预处理剔除数据中土壤背景、水体等噪声；接着采用主成分分析（PCA）、连续投影算法（SPA）等方法或构建光谱指数法（VI）对高光谱数据进行降纬；最后利用极限学习机（ELM）、BP神经网路（BPNN）等方法构建模型。近年来，针对无人机高光谱反演粳稻氮素含量模型的应用研究也逐日增多。有学者利用PCA和ELM方法建立了粳稻分蘖期氮素含量反演模型。经验证，该模型准确率达到80%以上，利用该模型构建了氮肥追施量处方图，指导农用无人机对分蘖期水稻实施精准追肥，在保障水稻产量的前提下使氮肥追施量减少27.34%。这表明利用无人机高光谱构建的水稻氮素含量反演模型可作为氮肥处方决策和精准变量作业的基础。
粳稻的叶绿素含量是表征其生长状态的重要性状指标。常用的粳稻叶绿素含量检测方法是分光光度法，然而该方法耗时、费力且有损。构建无人机高光谱粳稻叶绿素反演模型能够无损、快速、大面积反演粳稻叶绿素含量。该项研究一直都是国内外精准农业学者重要的研究方向。无人机高光谱粳稻叶绿素反演模型的构建方法与氮素反演模型的构建方法类似。学者们的工作主要集中在两个方面：建立各光谱指数，利用上述建模方法建立指数与叶绿素含量之间的反演模型；或者先对获取的粳稻高光谱数据的全部波段进行 SPA、PCA等方法建模。沈阳农业大学曹英丽等学者研究发现：反演粳稻叶绿素含量的最优的光谱指数为优化的叶绿素吸收率指数（MCARI），基于最优子集选择算法筛选出7个特征光谱指组合用于反演水稻叶片叶绿素的回归模型精度最高，其决定性系数为0.844。该方法能够实时快速地了解粳稻长势，为精准农业做参考。
稻瘟病、纹枯病等粳稻病害都具有传播速度快，防控难度大，对粳稻产量影响极大等特点。据研究统计，因稻瘟病损失的水稻产量能够养活近6000万人。随着精准农业的不断推进，对病害防治的时效和准确性提出了更高层次的需求，传统的“以点代面”的病害监测手段难以满足其要求。无人机高光谱技术不仅能够实现更大范围内、更高空间分辨率的病虫害精准监测，而且能够快速地完成田块尺度下目标信息的传递，获得目标地物与周围环境背景的相互关系。但目前利用无人机高光谱技术监测粳稻稻瘟病研究仍处在起步阶段。以稻瘟病为例，有学者指出随着稻瘟病病害等级的提升，水稻反射率整体呈现下降的趋势，水稻植株中各生化指标也会出现变化；光谱指数的组合作为模型输入量建立的预测模型具有极高的精度，能够解释稻瘟病所引起的植株整體生理参数综合变化过程，可为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。
1 无人机高光谱数据获取平台
目前业界使用较多的无人机高光谱平台多为深圳大疆创新公司生产的经纬M600PRO六旋翼无人机、浙江大华技术股份有限公司生产的X820八轴旋翼无人机等。高光谱仪多采用四川双利合谱公司的GaiaSky-mini高光谱成像系统、芬兰Rikola 高光谱相机等。
2 无人机高光谱粳稻氮素反演模型
实时检测和评估水稻的氮素含量对于水稻的田间精准管理具有十分重要的意义，亦是氮肥合理使用的前提。获取无人机高光谱数据后，运用ENVI5.3工具软件对获取的高光谱遥感影像进行感兴趣区（ROI）高光谱数据提取；之后采用S-G平滑等方法对数据进行预处理剔除数据中土壤背景、水体等噪声；接着采用主成分分析（PCA）、连续投影算法（SPA）等方法或构建光谱指数法（VI）对高光谱数据进行降纬；最后利用极限学习机（ELM）、BP神经网路（BPNN）等方法构建模型。近年来，针对无人机高光谱反演粳稻氮素含量模型的应用研究也逐日增多。有学者利用PCA和ELM方法建立了粳稻分蘖期氮素含量反演模型。经验证，该模型准确率达到80%以上，利用该模型构建了氮肥追施量处方图，指导农用无人机对分蘖期水稻实施精准追肥，在保障水稻产量的前提下使氮肥追施量减少27.34%。这表明利用无人机高光谱构建的水稻氮素含量反演模型可作为氮肥处方决策和精准变量作业的基础。
3 无人机高光谱粳叶绿素素反演模型
粳稻的叶绿素含量是表征其生长状态的重要性状指标。常用的粳稻叶绿素含量检测方法是分光光度法，然而该方法耗时、费力且有损。构建无人机高光谱粳稻叶绿素反演模型能够无损、快速、大面积反演粳稻叶绿素含量。该项研究一直都是国内外精准农业学者重要的研究方向。无人机高光谱粳稻叶绿素反演模型的构建方法与氮素反演模型的构建方法类似。学者们的工作主要集中在两个方面：建立各光谱指数，利用上述建模方法建立指数与叶绿素含量之间的反演模型；或者先对获取的粳稻高光谱数据的全部波段进行 SPA、PCA等方法建模。沈阳农业大学曹英丽等学者研究发现：反演粳稻叶绿素含量的最优的光谱指数为优化的叶绿素吸收率指数（MCARI），基于最优子集选择算法筛选出7个特征光谱指组合用于反演水稻叶片叶绿素的回归模型精度最高，其决定性系数为0.844。该方法能够实时快速地了解粳稻长势，为精准农业做参考。
4 无人机高光谱粳稻病害监测模型
稻瘟病、纹枯病等粳稻病害都具有传播速度快，防控难度大，对粳稻产量影响极大等特点。据研究统计，因稻瘟病损失的水稻产量能够养活近6000万人。随着精准农业的不断推进，对病害防治的时效和准确性提出了更高层次的需求，传统的“以点代面”的病害监测手段难以满足其要求。无人机高光谱技术不仅能够实现更大范围内、更高空间分辨率的病虫害精准监测，而且能够快速地完成田块尺度下目标信息的传递，获得目标地物与周围环境背景的相互关系。但目前利用无人机高光谱技术监测粳稻稻瘟病研究仍处在起步阶段。以稻瘟病为例，有学者指出随着稻瘟病病害等级的提升，水稻反射率整体呈现下降的趋势，水稻植株中各生化指标也会出现变化；光谱指数的组合作为模型输入量建立的预测模型具有极高的精度，能够解释稻瘟病所引起的植株整體生理参数综合变化过程，可为无人机高光谱遥感实现穗颈瘟病定量遥感监测与预警分级提供支持。