无人机遥感影像监测棉花旱情应用研究进展

棉花水分状况的实时监测和快速诊断对提高农业水分利用效率和棉花产量起到重要作用。随着低空无人机遥感影像在农作物长势监测中的技术愈发完善,利用无人机遥感影像获取大田尺度棉花旱情信息也逐步成为当下的研究热点。本文从无人机遥感影像监测棉花旱情的原理、方法和诊断水分指标进行了综述,总结了无人机遥感影像技术监测棉花的应用研究趋势,阐述了基于无人机遥感影像监测棉花旱情今后面临的挑战及未来的展望,以期在理论上为无人机遥感影像监测棉花旱情的研究提供参考。     

无人机遥感监测作物病虫害研究进展

本文从无人机遥感监测作物病虫害概况、病虫害光谱相应生理机制、农作物病虫害无人机遥感监测原理等方面对遥感技术在病虫害监测中的研究进行概述;并从多光谱无人机遥感影像监测、高光谱无人机遥感影像、无人机可见光影像、低空与航空无人机遥感影像监测、基于卫星平台的遥感影像监测等方面对无人机遥感监测作物病虫害研究进展进行表述.     

基于无人机平台的小麦产量信息监测研究

无人机平台的发展为改变传统的作物生长环境数据采集方式和产量监测方式提供了契机.借助无人机平台,可以实现农作物生长环境数据的快速采集、即时传输和动态显示.相对于地面和高空遥感平台,无人机平台能在一定程度上弥补现有地面和高空遥感平台的不足,可以在作物生产领域等发挥巨大的作用.该文在传统遥感监测平台对作物长势监测和产量预测的基础上,分析了无人机低空遥感平台应用于中小型区域作物的监测和预测的应用进展,探讨无人机平台监测小麦长势和预测产量的可行性,提出了可行性的建议,以期促进我国精准农业的快速发展.     

基于模型和遥感的水稻长势监测研究进展

水稻生长模型是集气候、土壤、品种和栽培措施等因素为一体的对水稻的物候发育、光合生产、器官建成、同化物积累与分配以及产量与品质形成等生理过程及其与环境和技术因子关系综合量化的动态数学模型,具有机理性和预测性。遥感影像的信息波段及其组合可以反射作物生长的空间信息,可实现对水稻进行长势监测和估产,具有及时性和广域性。将二者结合用于长势监测不但具有理论研究意义,而且还具有重要的应用价值。在简要概述水稻生长模型和长势遥感监测研究进展的基础上,总结了水稻生长模型和长势遥感监测相结合下水稻长势监测应用的研究进展,并提出一些今后研究设想。     

基于无人机多光谱和热红外影像信息融合的小麦白粉病监测

[目的]白粉病严重危害小麦生长及制约产量形成,确立实时监测小麦白粉病的多源数据融合方法,为精确防控及保证国家粮食安全提供技术支撑.[方法]在小麦开花和灌浆期,使用同时搭载多光谱仪和热成像仪的六旋翼无人机作为遥感数据获取平台,通过ENVI软件从小麦白粉病遥感影像中提取植被指数、纹理特征以及冠层温度信息,进而利用多元线性回...     

无人机遥感在作物监测中的应用与展望

无人机遥感具有影像分辨率高、机动灵活、成本低、实时等特点,将其应用于农业领域能够大幅度提高农业现代化水平,对于促进农业可持续发展具有重要意义。本文阐述了无人机遥感在作物监测中的应用现状,包括地块面积估测、生长状况以及灾害监测;对比了无人机遥感与卫星遥感、近地遥感监测手段,分析了无人机的优势;最后展望了无人机遥感在作物监测中应解决的问题,为无人机在作物监测领域的应用提供依据。     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

基于无人机多光谱遥感的小麦长势监测研究

高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势。本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地上部鲜重和干重,进一步探索基于无人机平台获取多光谱影像的预处理方法,提取小麦冠层反射率并筛选出适合作物长势监测的植被指数,构建基于无人机平台的小麦长势监测模型,结果表明,基于NDVI、SAVI、CCCI构建的多元线性回归模型精度更高、稳定性更好。预测小麦SPAD值的最佳模型为y=19.765+7.522NDVI+18.362SAVI+25.629CCCI,R~2为0.965;预测小麦地上部干重的最佳模型为y=-0.508+0.603NDVI+0.325SAVI+0.032CCCI,R~2为0.951;预测小麦地上部鲜重的最佳模型为y=-2.217+2.923NDVI+2.213SAVI-1.417CCCI,R~2为0.766。本研究结果可为园区和农场尺度小麦长势的实时监测提供有效技术支撑。     

基于多光谱无人机数据的烟田识别及长势监测研究

为高效统计烟田分布及种植面积，同时对烟草生长过程进行长势监管，本研究以山东省潍坊市某些试验田为例，通过无人机搭载多光谱传感器获取影像，采用U-Net++深度网络模型进行烟田识别，通过验证可知基于无人机影像的烟田识别精度在98%以上；此外，本研究进行了不同时期烟田的长势监测对比，结果表明地势、壤质等自然条件以及管理便捷性等对烟田长势影响较大。     

基于线性回归的冬小麦籽粒淀粉含量卫星遥感预测模型

以环境减灾卫星HJ及与其同步或准同步实地观测的冬小麦长势参数和籽粒品质指标为基础,分析了试验样点卫星遥感变量、叶片SPAD值及开花期冬小麦籽粒淀粉含量间的相关性,建立及评价运用HJ影像遥感变量监测冬小麦籽粒淀粉含量的间接定量关系模型.结果表明:应用HJ影像数据监测冬小麦籽粒淀粉含量是可行的.归一化遥感植被指数NDVI可作为预测籽粒淀粉含量的敏感遥感光谱指数;以此为基础可建立冬小麦品质遥感预测模型,为遥感技术监测小麦品质提供理论依据,也为农业生产进行实时指导提供实时信息支持.     

轻小型无人机遥感在精准农业中的应用研究

随着信息技术和无人机技术呈现全面发展的态势,人们对无人机遥感提出全新的需求,从而使轻小型无人机遥感成为人们关注的焦点.该技术的优势体现在操作简便并且能够持续动态化监测等方面,从而在精准农业中开展应用.不仅可以对农田空间信息有效获取,计算相关种植区域面积;还可以对农作物病虫害现象有效监测和判断,使农作物保持良好的生长态势...     

利用卫星遥感进行冬小麦籽粒淀粉含量监测研究

 通过对不同年份、不同区域的遥感影像的植被指数和小麦GPS定点长势数据的综合分析，基于遥感影像信息获取的瞬时性和准确性，结合小麦灌浆期间气候环境条件对籽粒品质形成的影响特点，建立了基于不同生育期（拔节期、抽穗期以及灌浆期）遥感影像归一化植被指数（NDVI）和气候环境因子（气温、日照、氮素营养、土壤水分）的籽粒淀粉含量监测模型，并对模型的可靠性进行了检验。结果表明，模型的监测值与实测值较为一致，利用拔节期、抽穗期、灌浆期遥感影像NDVI和气候环境数据预测籽粒淀粉含量的RMSE值分别为4.57%，4.2%和3.84%。模型监测性能好，且具有解释性，可以用于不同年度、不同区域和不同小麦生长阶段对籽粒淀粉含量的预测。     

县域尺度的小麦高分辨率遥感估产

从县域尺度准确掌握粮食产量,对于国计民生具有重要意义。目前,基于高分辨率遥感影像的县域尺度的估产研究尚不多见。本文以山东省泰安市岱岳区为研究区,利用2019—2021年高分一号B星、高分一号C星影像,辅以Landsat-8影像,运用随机森林法进行遥感解译,识别耕地变化,探究了小麦种植区的时空格局,选取植被指数NDVI监测小麦长势,建立估产模型,并制作了像元级产量专题图。结果显示：小麦种植面积提取相对误差均在5.150%以内,2021年小麦种植面积降幅达26.021%;小麦长势虽然存在年际变化,但总体平稳;小麦总产量遥感估产误差不超过4.300%,2020年增幅约4.261%,2021年降幅约21.981%。研究表明：2020—2021年,研究区小麦种植面积显著下降,长势基本持平,小麦总产量减少。研究成果有利于地方政府及时准确了解粮食产量,对高分辨率遥感估产研究有积极意义,对于县域尺度的作物监测有较高参考价值。     

无人机遥感的农作物精细分类研究进展

【目的】农作物精细分类是面积估算、长势监测、产量预测及灾害评估的重要前提和基 础。近年来，无人机低空遥感技术因其操作成本低、空间分辨率高、灵活性强等优势，成为田 块尺度下农作物精细分类的重要工具。【方法】文章系统总结了国内外近10 余年无人机遥感在 农作物分类领域的研究进展，介绍了目前常用的无人机平台和传感器，归纳了农作物分类特征 及算法的使用情况，指出了无人机遥感农作物精细分类研究存在的问题。【结果】当前无人机 遥感农作物精细分类研究存在一些不足之处：（1）无人机遥感监测面积小，无法在较大尺度区 域实现农作物精准监测。（2）适用于无人机遥感的农作物分类特征仍需进一步挖掘，面向高光 谱影像的农作物分类特征及特征组合尚需进一步明确。（3）分类器使用单一，分类算法的普适性 和稳定性不强。【结论】无人机遥感农作物精细分类研究的发展趋势主要包括3 个方面：（1）无人 机遥感影像与星载遥感数据的高效融合，拓宽无人机的监测范围。（2）面向无人机遥感影像 的农作物分类特征提取与优化研究。（3）适合无人机遥感的农作物分类算法改进。     

冬小麦抽穗期长势遥感监测的初步研究

小麦抽穗期是其生长的关键阶段,田间群体较大、郁蔽,抵抗力弱,常遇高温高湿天气,也是病虫害多发时期.因此,及时监测小麦抽穗期的苗情长势,是制定和采取科学管理措施的必要前提.有学者曾使用NOAAAVHRR、EOSMODIS数据进行小麦长势监测研究[1~3],由于这些影像的空间分辨率较低,常常造成"同物异谱"或"异物同谱"现象,使得监测精度降低.本研究利用分辨率较高的TM影像数据并结合实地GPS定位调查,试图通过分析TM影像植被指数与小麦抽穗期叶面积指数、生物量以及植株氮素含量的关系,建立上述群体质量指标监测模型,为小麦抽穗阶段的农田精确管理提供信息支持.     

GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。     

基于多旋翼大疆无人机的土地利用正射遥感影像的快速获取方法研究

针对常规无人机航拍系统价格高、操作复杂、灵活性差等特点,对基于多旋翼DJ无人机的土地利用正射遥感影像的快速低成本获取方法进行了研究,主要包括:无人机遥感影像的获取、鱼眼影像的镜头校正、影像匹配、影像拼接、精度评价、影像质量分析、效率分析。通过该研究,得到了利用多旋翼DJ无人机快速获取土地利用正射遥感影像的技术方法。利用该技术方法,在成都市新都区清流镇,获取到覆盖地面646 063 m~2的正射遥感影像,其影像分辨率在10 cm以内,相邻影像接边最大误差在0.60 m内,线误差和面误差均在1%以内。该影像质量好,且土地利用信息清楚而精细,农作物的类型和长势也可识别。该技术方法具有成本低、效率高、易学易用、灵活方便的优点,在平原和坝区具有极大的推广应用价值,适合点多、分散、面积小的坝区。     

基于无人机多光谱影像的冬小麦氮肥监测

[目的]研究无人机多光谱影像与土壤养分水平变化的关系。[方法]利用无人机搭载的多光谱传感器生成研究区50 m高的反射率正射影像,计算NDVI,GNDVI和SAVI指数值,调取作物感兴趣区进行研究。[结果]植被指数在小麦越冬期的不同长势小麦有明显差别。在其他外部条件一致的情况下,土壤N水平的变化对冬小麦越冬期长势影响较明显。[结论]无人机多光谱影像对冬小麦有较好的氮诊断潜力,可利用估测结果指导精准氮肥管理。     

基于时序影像及关键物候特征的江苏省夏收农作物提取

农作物遥感分类与识别是提取农作物种植范围和面积的基础,也是开展农作物长势、产量、所受灾害等相关信息监测的基础。油菜和小麦是江苏省越冬主要农作物,为解决江苏省主要夏收农作物快速、准确提取的难题,以宜兴市为例,提出了基于时序影像及关键物候特征的夏收农作物提取方法,基于不同农作物在生长发育过程中差异性特征,结合农作物的物候信息,采用表达作物每个生长期阶段特征的时间序列影像数据,对不同的农作物进行提取,提取结果显示,总体精度为92.65%,Kappa系数为0.86,说明利用该方法提取江苏省夏收农作物技术可行,提取结果可为农作物种植面积估算提供参考,为农作物精细监测、耕地非粮化监测提供技术支撑。     

基于优化ISODATA法的冬小麦长势分级监测

以江苏省姜堰市为例,利用TM卫星遥感技术监测冬小麦的种植面积与长势情况.在利用GPS实地采样调查和建立解译标志的基础上,进行影像校正、非监督分类、人机交互式判读解译等操作,并将样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上.结合NDVI指数反演的叶面积指数进行小麦长势分级分类,并制作了冬小麦长势分级专题图.